[发明专利]一种虚拟人运动数据关键帧抽取方法

摘要

本发明公开了一种虚拟人运动数据关键帧抽取的方法，本方法包含以下步骤：将虚拟人原始多维关节运动数据量化为一个一维数据序列；用获得的一维数据中包含的运动活性信息确定初始关键帧集合；优化初始关键帧集合中的关键帧为最优关键帧。本发明提出的虚拟人运动数据关键帧抽取方法采用运动数据分析与优化相结合的方法，能够由原始运动数据快速合理的抽取出尽量少的关键帧。在虚拟人动画中，用关键帧进行运动合成编辑或由关键帧处的数据插值获得的重构运动序列都有较好的表现。

主权项

1.一种虚拟人运动数据关键帧抽取方法，其特征在于：包含顺序执行的以下步骤：步骤一、将虚拟人多维运动数据量化为一维数据；步骤二、用获得的一维数据中包含的信息确定初始关键帧集合；包括以下过程：首先，将一维数据中所有的顶点分为两个集合，第一集合为显著顶点的集合，第二集合为其它顶点的集合；其中显著顶点与多个主要运动关节同时运动变化较大点对应，选取时从所有顶点的一维数据中选出大于等于较大四分位数部分的顶点作为显著顶点；然后，将第一集合显著顶点的对应帧加上原始运动数据的首尾帧直接选入初始关键帧集合；接着，利用现有的初始关键帧集合将原始运动数据分段，根据每一分段的重构误差为每一分段从第二集合中选出新的初始关键帧；最后，将所有选出的初始关键帧合并构成完整的初始关键帧集合；其中，从第二集合中选出新的初始关键帧包含以下过程：步骤1、判断利用现有的初始关键帧集合获得的原始运动数据分段的每一段的宽度是否大于δ×e_l×r_wm，其中e_l为给定误差阈值，r_wm为已有分段宽度与其最大局部误差比值的平均值，δ为给定调节参数；将大于δ×e_l×r_wm的分段进行步骤2中的处理，其余分段进行步骤3中的处理；步骤2、从第二集合中选出与待处理的分段对应的相对显著顶点，所述相对显著顶点为从待处理的分段内除显著顶点以外的顶点的一维数据中选出大于等于较大四分位数部分的顶点，利用相对显著顶点将待处理的分段进一步细分成宽度满足于小于等于δ×e_l×r_wm要求的分段，然后将细分后获得的分段进行步骤3中的处理；步骤3、依据和三个参数的值在给定阈值区间内投票来决定每个分段中应选择的关键帧数量，按照如下方式进行投票：对应每个参数设置各自的阈值区间，阈值区间的形式按照从小到大的a₁，a₂和a₃3个区间点对应形成(‑∞，a₁]、(a₁,a₂]、(a₂,a₃]、(a₃，+∞)4段，a₁，a₂和a₃的值根据参数分别设置；以0、1、2、3作为4个投票选项，将参数值与各自的阈值区间进行比较，当参数值落在(‑∞，a₁]则投票0，落在(a₁,a₂]内则投票1，落在(a₂,a₃]内则投票2，落在(a₃，+∞)则投票3；按照上述三个参数各自的投票结果采取少数服从多数的原则选出最终结果，当投票选项的票数相同时选取票数相同的投票选项中的较小值作为最终结果；按照最终结果决定每个分段中应选择的关键帧的数量；其中：MLRE为每一分段的最大局部重构误差，ALRE为每一分段的累加重构误差，LSW为每一分段宽度，r_sm为各个分段的累加重构误差与对应分段的最大局部重构误差比值的平均值；然后针对每个分段，从第二集合中选出使得当前处理的该分段的重构误差最小的关键帧；步骤三、优化初始关键帧集合中关键帧为最优关键帧。