[发明专利]一种基于神经网络的交互式运动控制方法及系统

说明书

本发明公开了一种基于神经网络的交互式运动控制方法及系统，其中方法包括：输入源运动的运动序列；通过一深度自编码模型提取所述运动序列的运动特征，得到所述源运动的运动风格特征；对提取的所述运动风格特征建立运动风格转移约束；通过一预先训练的风格转移模型在所建立的约束条件下，将关联所述源运动的所述运动风格特征转移到目标运动的行为内容上，以实现所述目标运动按照所述源运动的运动风格运动。本发明实现了源运动的运动风格到目标运动的自动转移，不再需要动画师手工标记运动风格特征、手工处理运动以确保运动转移的平滑型和连续性，而且实验表明，本发明转移运动风格效果良好，目标运动的连续性和平滑型得到了有效保证。

技术领域

本发明涉及运动仿真技术和动画制作领域，具体涉及一种基于神经网络的交互式运动控制方法及系统。

背景技术

运动风格转移旨在通过计算机处理实现不同运动风格之间的相互转换，使其中某个运动具有另一个运动的风格。如把一个佝偻老人的行走姿势转移到一个正常人跑步的姿势上，得到一个佝偻的老人跑步的运动。每个运动都有自己特定的风格，在传统角色动画制作中，设计师通过控制角色的参数改变它们的个性和风格特征，但是无法实现一些跨度较大的风格变化，而且对于动画人物运动进行处理往往需要对运动进行分割和标记，而且需要手工处理来保证运动的平滑性和连续性，运动风格的转移效果也不够理想。

发明内容

本发明的目的在于提供一种基于神经网络的交互式运动控制方法及系统，以解决上述技术问题。

为达此目的，本发明采用以下技术方案：

提供一种基于神经网络的交互式运动控制方法，包括：

步骤S1，输入源运动的运动序列；

步骤S2，通过一深度自编码模型提取所述运动序列的运动特征，得到所述源运动的运动风格特征；

步骤S3，对提取的所述运动风格特征建立运动风格转移约束；

步骤S4，通过一预先训练的风格转移模型在所建立的约束条件下，将关联所述源运动的所述运动风格特征转移到目标运动的行为内容上，以实现所述目标运动按照所述源运动的运动风格运动。

作为本发明的一种优选方案，训练所述深度自编码模型的方法如下：

步骤L1，从一运动数据库中获取不同运动风格的运动数据，同一运动风格的运动数据包括运动行为数据和运动风格数据；

步骤L2，将不同运动风格的运动数据重定向到同一目标骨架上；

步骤L3，将所述目标骨架的运动数据分解为运动行为数据和运动风格数据；

步骤L4，以所述目标骨架在不同运动风格下的运动数据为训练样本，对一神经网络模型进行预训练，得到训练所述深度自编码模型的初始化模型参数；

步骤L5，将所述目标骨架的运动数据输入给预训练的所述神经网络模型，所述神经网络模型输出运动风格特征提取结果；

步骤L6，根据模型提取的所述运动风格特征和原始输入的运动数据，分析模型损失，并根据分析结果调整模型训练参数，然后返回步骤L4对所述神经网络模型进行迭代更新训练，最终训练形成所述深度自编码模型。

作为本发明的一种优选方案，所述运动数据库为CMU运动捕捉数据库。

作为本发明的一种优选方案，所述预训练模型为RBM受限玻尔兹曼机模型。

作为本发明的一种优选方案，所述步骤S3中，对提取的所述运动风格特征建立运动风格转移约束的方法可通过以下公式(1)表达：

公式(1)中，P表示所述深度自编码模型提取的所述运动风格特征；