[发明专利]一种人体运动数据相似度自动评价方法

摘要

本发明涉及一种人体运动数据相似度自动评价方法，首先采用动捕设备采集的基于人体骨架结构的动作数据，并基于该数据格式对姿态之间的距离进行定义，然后聚类各种时空姿态建立动作的统计信息，最后基于巴氏距离计算两个动作的距离，进行分段动作比较，以该距离对动作相似度进行评价；具体包括：1)采用Vicon动作捕捉套件进行人体动作采集；2)将动作分解为时间序列的分动作；3)对分动作进行相似度比较；4)计算得到动作A和动作B的相似度。本发明的有益效果是：以动作捕捉的姿态数据作为输入，聚类各种时空姿态建立动作的统计信息，提高动作评价的准确度并提高实时性。

主权项

一种人体运动数据相似度自动评价方法，其特征在于：首先采用动捕设备采集的基于人体骨架结构的动作数据，并基于该数据格式对姿态之间的距离进行定义，然后聚类各种时空姿态建立动作的统计信息，最后基于巴氏距离计算两个动作的距离，进行分段动作比较，以该距离对动作相似度进行评价；具体包括以下步骤：步骤一，采用Vicon动作捕捉套件进行人体动作采集，其包含12个MX‑40红外摄像头，采集到的人体动作可以采用每个关节的运动来描述，关节之间存在父子关系，关节的方向由它在父关节坐标空间中的相对方向进行描述，根骨采用模型坐标空间中的位置和方向进行描述；所述的人体骨架模型描述动作数据，取ID为0的关节的位置以及所有关节的方向表示人体运动，所述的所有关节包括ID为0的关节；步骤二，定义姿态距离，令A＝(p0,...,pN)为一组时间序列姿态组成的动作，假设A从时间t0开始，到时间tN结束；用Dp表示两个姿态p1和p2的距离，ε为两个姿态之间的已知等效值；其中，p1,p2∈P2。令为姿势等效值ε的聚类的中位元素；根据以上定义，可以得到一个代表在长度为tN的动作A＝(p0,...,pN)中的累计发生频率其中，ΔT＝[ti,tj]/t0≤ti≤tj≤tN。定义动作A的姿态统计信息H，有采用巴氏距离x测量两个动作A和B的姿态统计信息之间的距离其中根据式(1)可以得到动作A和B的相似度估计函数其中，TA和TB分别表示动作A和B的时间长度；步骤三，分段动作比较，将动作分解为时间序列的分动作，对于动作A，定义一组时间序列姿势{p0,...,pn}，对于所有的分解可能，其长度范围从1到n+1，递归算法定义如下：·A只有1个姿势：A＝(p0)Decomp(A)＝{([p0])}·A有2个姿势：A＝(p0，p1)Decomp(A)＝{([p0,p1]),([p0][p1])}·A有3个姿势：A＝(p0，p1，p2)Decomp(A)＝{([p0][p1][p2]),([p0][p1])(p2),(p0)([p1][p2]),([p0])([p1])([p2])}·A有n+1个姿势：A＝(p0,...,pn)所述的式(3)中，Concat[(pa,...，pb)(pi,...，pn‑1),{[pn]}]＝{(pa,...，pb)(pi,...，pn‑1pn)}    (4)所述的式(4)中，0≤a≤b≤n‑1，对于A＝(p0,...,pn),(pi)*表示序列(pi)*重复0到N次，如式(5)表示：A\{pn}＝(p0,...,p)    (5)在对动作A和B进行比较时，根据式(2)可以找到最优分解方法以获得最小费用值；将每个分解动作建立姿态统计信息，获得整个动作的姿态统计信息序列；一个动作的分解可以看做是时间序列的子姿态信息，用长度不超过N的矢量(h0,h1,h2)表示；步骤四，采用动态规划的思想，通过下式计算A和B之间的距离评价动作A和B的相似性。