[发明专利]一种基于流形学习的三维人体运动分析与合成方法

摘要

本发明公开了一种基于流形学习的三维人体运动分体与合成方法，其特征在于包括如下步骤：1)获得人体姿态参数序列；2)从人体运动参数中提取所需数据；3)利用非线性等距映射算法对提取的运动信息进行降维；4)建立每段运动序列的低维嵌入的曲线模型；5)存储分割得到的基本运动片段；6)转换运动数据格式；7)在以上述步骤中得到的基本运动片段为基本单位，计算运动片段的相似帧，确定相似帧的距离参数，筛选出最优值；8)根据得到的运动图，得到新的合成路径。该方法有效地解决了人体运动数据的维数灾难问题和后期运动图构建中的计算量问题。

主权项

一种基于流形学习的三维人体运动分体与合成方法，其特征在于包括如下步骤：1)从已有的人体运动库中导入数据，获得人体姿态参数序列；2)从人体运动参数中提取所需数据，包括人体每个关节点的全局平移量和旋转信息；3)利用非线性等距映射算法对提取的运动信息进行降维，计算每个关节点的邻近点，以每个节点的邻域数据点来构建无向连接图，再把多维尺度变换应用于最短距离矩阵上；4)建立每段运动序列的低维嵌入的曲线模型，分析它的运动特征和类型，然后分割原始运动序列，根据降维后的数据曲线，并结合原始运动序列，确定多类型运动序列的分割点；5)存储分割得到的基本运动片段；6)转换运动数据格式，将人体非根节点的旋转信息转化为四元数表示；7)基于分割得到的基本运动片段构建运动图，在以上述步骤中得到的基本运动片段为基本单位，计算运动片段的相似帧，确定相似帧的距离参数，筛选出最优值，生成运动图；8)根据得到的运动图，得到新的合成路径，指定一条运动路径，在运动边上生成过渡序列，通过简单的插值来生成平滑的过渡运动，对于所有关节的旋转信息用球面线性插值算法来生成，对于根节点采用简单的线性插值。