[发明专利]一种基于非平凡模式的动作合成方法

摘要

本发明公开了一种基于非平凡模式的动作合成方法，（1）、由于硬件方面的原因，动作捕捉数据通常含有一定量的噪音，这些噪音主要是一些高频的信号抖动，它们会影响低级动作分割方法的正确性，所以在对动作进行分割之前，需要对它们进行降噪，用于动作数据噪音处理的通常有两种方法，即卡尔曼滤波和巴特沃斯低通滤波，因为巴特沃斯低通滤波通常会造成动作段末端误差较大，所以我们拟采用卡尔曼滤波的方法对运动捕捉数据进行降噪；（2）、在对动作数据进行降噪之后，我们需要进行低级动作分割，为了完成分割，首先主成分分析被用于动作数据；之后结合过零点检测和基于曲率的方法在最主要的维度上对动作进行分割。

主权项

一种基于非平凡模式的动作合成方法，其特征在于：包括以下步骤：（1）、由于硬件方面的原因，动作捕捉数据通常含有一定量的噪音，这些噪音主要是一些高频的信号抖动，它们会影响低级动作分割方法的正确性，所以在对动作进行分割之前，需要对它们进行降噪，用于动作数据噪音处理的通常有两种方法，即卡尔曼滤波和巴特沃斯低通滤波，因为巴特沃斯低通滤波通常会造成动作段末端误差较大，所以我们拟采用卡尔曼滤波的方法对运动捕捉数据进行降噪；（2）、在对动作数据进行降噪之后，我们需要进行低级动作分割，为了完成分割，首先主成分分析被用于动作数据；之后结合过零点检测和基于曲率的方法在最主要的维度上对动作进行分割，确定分割出段的总数和初步的分割点；最后使用聚类的方法，根据其余各维的分割点及其重要程度对初步的分割点进行调整；（3）、对于前一步由低级动作分割得到的所有动作段，我们找出其中相似的动作段，并赋予相似的动作段相同的符号，这样就将动作的序列转换成了符号的序列，之后使用后缀树方法即可以解决符号序列中非平凡模式的发现问题，最后我们从属于同一个模式的所有相似动作融合出该模式的代表动作，该代表动作是属于该模式的所有相似动作在时间上和空间上的中间表示，找出动作中的所有非平凡模式，其中P1到P4中动作均重复出现，属于重复模式，而P5到P7中的动作只出现一次，属于非重复模式。