[发明专利]基于双学习映射增量降维模型的人体运动形态估算方法

权利要求书

1.一种基于双学习映射增量降维模型的人体运动形态估算方法，包括以下步骤：

(1)对图像序列处理后进行矩阵拉直化运算，得到训练高维数据序列，把训练高维序列进行训练后获得低维数据序列和映射关系f₁；

(2)将训练高维数据序列与步骤(1)所得的低维数据序列再进行训练，获得映射关系g；

(3)使用图像序列对应的三维人体运动立体模型的高维数据样本与步骤(1)所得的低维数据序列进行训练，获得映射关系f₂；

(4)输入新的二维图像序列，重复步骤(1)的处理方法，得到新的二维图像高维数据序列，通过映射关系g生成新的低维数据，再通过映射关系f₂把该低维数据转换新的三维人体运动立体模型的高维数据样本，从而完成估计。

2.根据权利要求1所述的一种基于双学习映射增量降维模型的人体运动形态估算方法，其特征在于，在步骤(1)中，对图像序列进行处理的具体步骤为先降低图像序列的分辨率，再将其转化为灰度图像。

3.根据权利要求1所述的一种基于双学习映射增量降维模型的人体运动形态估算方法，其特征在于，在步骤(1)中，把训练高维序列进行训练后获得的低维数据序列的计数公式为：

其中，训练高维序列为Y，Y＝[y₁，...，y_i，…，y_N]^T∈R^N×D，y_i∈R^D；

D为向量y_i的维数，R为实数空间，N为向量y_i的个数；

低维数据序列为X，X＝[x₁，…，x_i，…，x_N]^T∈R^N×q，x_i∈R^q；

核矩阵K_Y∈R^N×N，

其核参数为

另一个核矩阵K_x∈R^(N-1)×(N-1)；

其核参数为

W为尺度参数w_m＞0，κ＝10^-3；

X_2：N＝[x₂，x₃，..，x_N]^T，X₁服从q维高斯分布，和满足和

映射关系f₁的计数公式为：

4.根据权利要求1所述的一种基于双学习映射增量降维模型的人体运动形态估算方法，其特征在于，在步骤(2)中，将训练高维序列与步骤(1)所得的低维数据序列进行训练的公式为：

该训练的公式等价于以下公式：

其中，和都是正交向量的集合，S_w是S′_w的子集，S′_w是向量的集合，为正交向量集合元素，N为向量的个数，q为低维数据向量x′的维数；

当满足且ε₁为一个足够小的正数时，训练即可完成。

5.根据权利要求1所述的一种基于双学习映射增量降维模型的人体运动形态估算方法，其特征在于，在步骤(3)中，使用图像序列对应的三维人体运动立体模型的高维数据样本与步骤(1)所得的低维数据序列的计算公式为：

其中，图像序列对应的三维人体运动立体模型的高维数据样本为Y，Y＝[y₁，...，y_i，…，y_N]^T∈R^N×D，y_i∈R^D，D为向量y_i的维数，N为向量y_i的个数；

低维数据序列为X，X＝[x₁，...，x_i，..，x_N]^T∈R^N×q，x_i∈R^q；

核矩阵K_Y∈R^N×N，其核参数为

另一个核矩阵K_X∈R^(N-1)×(N-1)；

其核参数为

W为尺度参数w_m＞0，κ＝10^-3；

X_2：N＝[x₂，x₃，..，x_N]^T，X₁服从q维高斯分布，和满足和映射关系f₂的计数公式为：