[发明专利]一种基于自动编码器和DTW的手绘图人体运动检索方法

说明书

本发明公开的一种基于自动编码器和DTW的手绘图人体运动检索方法，包括：使用相应设备拍摄单目视频，构建N个类别的动态人体运动序列数据库及M个类别人体运动骨架手绘图序列数据库；提取视频V⁽¹⁾的每帧图像，通过背景差分和肤色模型获取出f_ij中运动轮廓，通过人体骨架提取法获得运动骨架；通过系统学习获取基于聚类的代表性帧图像数据库D_RF；代表性的帧图像数据库D_RF通过使用自动编码器提取人体骨胳运动图像特征；代表帧提取和相似性距离匹配，根据相似距离顺序获得最优路径检索结果，本发明提出将基于DTW的匹配与统计运动匹配相结合以提高运动匹配的性能和效率，基于优化的代表性识别特征通常比原始无序描述符具有更好的性能。

技术领域

本发明属于运动捕捉动画技术领域，具体涉及一种基于自动编码器和DTW的手绘图人体运动检索方法。

背景技术

近年来，计算机动画在各种应用中日益普及。计算机动画对人体运动的应用尤为重要。这已经导致了一个高的需求对于制作非常逼真的人类运动表征。已经形成了多种方法来产生人体运动数据。运动捕获(MoCap)是一种众所周知的方法。运动捕获设备的可用性越来越多，驱动了大规模的人体和物体运动数据库的发展。然而，随着各种运动数据的增长，搜索满足特定要求的合适的运动是一件困难的事情。因此，运动检索最近成为在运动捕捉动画领域的主要研究重点。

在文献中已经提出了一些运动检索方法，其中许多是由现有的音频检索方法修改，如动态时间规整(DTW)方法。为了支持索引和提高DTW的检索性能，基于均匀缩放(US)的算法已被提出。一种基于DTW和典型相关分析(CCA)扩展的方法，被称为广义的典型时间规整(GCTW)，已被提出用于调整多模态序列。除了基于DTW的方法，其它方法寻求逻辑上类似的运动匹配。例如，已经开发了用于呈现运动的模板，以及提出使用模板匹配的运动搜索。此外，几何特征已被用来构建索引树，使用聚类和分割，然后提出根据峰值点进行动作匹配。但上述运动检索方法有以下不足：

(1)动态时间规整(DTW)方法，由于这种类型的数据的属性和参数数量大，通常证明了DTW对运动捕获数据的应用有效率低的表现。

(2)均匀缩放(US)的算法，基于均匀缩放的方法通常具有较高的计算成本。

(3)使用模板匹配的运动搜索和聚类和分割等方法来根据峰值点进行动作匹配，但是不能区分紧密匹配的运动。

发明内容

本发明的目的是提供一种基于自动编码器和DTW的手绘图人体运动检索方法，克服了现有方法较高的计算成本，运动捕获数据较低的应用效率和对紧密匹配的运动的检索不能区分到位的问题。

本发明采用的技术方案是，一种基于自动编码器和DTW的手绘图人体运动检索方法，具体按照以下步骤实施：

步骤1：使用相应设备拍摄单目视频，拍摄速度为30帧每秒，构建有N个类别的动态人体运动序列数据库V⁽¹⁾＝(V₁⁽¹⁾，...，V_N⁽¹⁾)及M个类别人体运动骨架手绘图序列数据库V⁽²⁾＝(V₁⁽²⁾，...，V_M⁽²⁾)；

步骤2：提取视频V⁽¹⁾的每帧图像，得到帧图像F_i＝(f_i1,...,f_in)，其中n表示视频V⁽¹⁾的帧数，对f_ij进行预处理，通过背景差分和肤色模型获取出f_ij中运动轮廓，通过人体骨架提取法获得运动骨架；

步骤3：通过系统学习获取基于模糊c-均值聚类的代表性帧图像数据库D_RF；