[發(fā)明專利]一種人體運(yùn)動(dòng)的運(yùn)動(dòng)圖檢索方法

無效

• 申請?zhí)枺?/td>: 201110306170.9
• 申請日: 2011-10-09
• 公開（公告）號: CN102508867A
• 公開（公告）日: 2012-06-20
• 發(fā)明（設(shè)計(jì)）人: 孫正興;周杰;陳松樂
• 申請（專利權(quán)）人: 南京大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

1.一種人體運(yùn)動(dòng)的運(yùn)動(dòng)圖檢索方法，其特征在于，包括以下步驟：

步驟1，離線運(yùn)動(dòng)圖描述空間生成：根據(jù)人體骨骼關(guān)節(jié)模型，提取運(yùn)動(dòng)數(shù)據(jù)庫中的每一幀姿態(tài)作為基本單元，組成樣本庫；所述運(yùn)動(dòng)數(shù)據(jù)庫為一組以上由連續(xù)的幀姿態(tài)表示的運(yùn)動(dòng)構(gòu)成的數(shù)據(jù)庫；所述人體骨骼關(guān)節(jié)模型包含人體24個(gè)關(guān)節(jié)點(diǎn)；所述姿態(tài)包括所有人體骨骼關(guān)節(jié)；

將人體骨骼關(guān)節(jié)分別組合成8個(gè)部分，包括全身關(guān)節(jié)點(diǎn)、上半身關(guān)節(jié)點(diǎn)、下半身關(guān)節(jié)點(diǎn)、左上肢關(guān)節(jié)點(diǎn)、右上肢關(guān)節(jié)點(diǎn)、左下肢關(guān)節(jié)點(diǎn)、右下肢關(guān)節(jié)點(diǎn)、軀干關(guān)節(jié)點(diǎn)；

將樣本庫中所有姿態(tài)根據(jù)上述8個(gè)部分，分別計(jì)算每個(gè)部分相對于根關(guān)節(jié)的三維空間坐標(biāo)，獲得8個(gè)樣本特征向量集；

對每個(gè)樣本特征向量集進(jìn)行自組織映射迭代學(xué)習(xí)，得到8個(gè)運(yùn)動(dòng)圖，所述運(yùn)動(dòng)圖為二維網(wǎng)格結(jié)構(gòu)，每個(gè)網(wǎng)格點(diǎn)表示一個(gè)姿態(tài)；

將8個(gè)運(yùn)動(dòng)圖組合為運(yùn)動(dòng)圖描述空間；

步驟2，在線運(yùn)動(dòng)數(shù)據(jù)庫檢索：用戶提交查詢實(shí)例，所述查詢實(shí)例為由連續(xù)的幀姿態(tài)表示的一個(gè)運(yùn)動(dòng)；

運(yùn)動(dòng)特征提取：對查詢實(shí)例和運(yùn)動(dòng)數(shù)據(jù)庫中的運(yùn)動(dòng)，分別計(jì)算每一幀姿態(tài)中各關(guān)節(jié)相對于根關(guān)節(jié)的三維空間坐標(biāo)，提取運(yùn)動(dòng)特征，即提取三維空間坐標(biāo)組成的向量；

運(yùn)動(dòng)圖層次選擇：從所述運(yùn)動(dòng)圖描述空間中選擇一個(gè)運(yùn)動(dòng)圖作為當(dāng)前運(yùn)動(dòng)圖；

運(yùn)動(dòng)圖特征映射：根據(jù)當(dāng)前運(yùn)動(dòng)圖，將查詢實(shí)例的運(yùn)動(dòng)特征和運(yùn)動(dòng)數(shù)據(jù)庫中運(yùn)動(dòng)的運(yùn)動(dòng)特征分別轉(zhuǎn)化為最優(yōu)匹配單元序列；所述最優(yōu)匹配單元為當(dāng)前運(yùn)動(dòng)圖下的整數(shù)坐標(biāo)值；

運(yùn)動(dòng)串生成：對查詢實(shí)例的最優(yōu)匹配單元序列和運(yùn)動(dòng)數(shù)據(jù)庫中的運(yùn)動(dòng)的最優(yōu)匹配單元序列分別提取關(guān)鍵最優(yōu)匹配單元組成關(guān)鍵最優(yōu)匹配單元序列；所述關(guān)鍵最優(yōu)匹配單元序列即為運(yùn)動(dòng)串；

相似度計(jì)算：在當(dāng)前運(yùn)動(dòng)圖下，計(jì)算查詢實(shí)例的運(yùn)動(dòng)串和運(yùn)動(dòng)數(shù)據(jù)庫中運(yùn)動(dòng)的運(yùn)動(dòng)串的相似度，獲得分量相似度值；

對運(yùn)動(dòng)圖描述空間中的所有8個(gè)運(yùn)動(dòng)圖依次進(jìn)行運(yùn)動(dòng)圖層次選擇、運(yùn)動(dòng)圖特征映射、運(yùn)動(dòng)串生成以及相似度計(jì)算，分別得到8個(gè)分量相似度值；

將8個(gè)分量相似度值進(jìn)行累加，獲得查詢實(shí)例與運(yùn)動(dòng)數(shù)據(jù)庫中一個(gè)運(yùn)動(dòng)的總量相似度值；

步驟3，將查詢實(shí)例與運(yùn)動(dòng)數(shù)據(jù)庫中每一個(gè)運(yùn)動(dòng)分別進(jìn)行步驟2，獲得一組對應(yīng)的總量相似度值，按照總量相似度值的大小由高到低排序，輸出每個(gè)總量相似度值對應(yīng)的運(yùn)動(dòng)數(shù)據(jù)庫中的運(yùn)動(dòng)。

2.根據(jù)權(quán)利要求1所述的一種人體運(yùn)動(dòng)的運(yùn)動(dòng)圖檢索方法，其特征在于，所述步驟1中對每個(gè)樣本特征向量集進(jìn)行自組織映射迭代學(xué)習(xí)，包括以下步驟：

步驟11，選擇姿態(tài)集：設(shè)定姿態(tài)集初始為空，從樣本特征向量集中選擇一個(gè)樣本特征向量，計(jì)算選擇的樣本特征向量與已經(jīng)加入到姿態(tài)集中每個(gè)樣本特征向量歐氏距離，如果所有的歐氏距離均超過一定閾值或者當(dāng)前姿態(tài)集為空，則將此樣本特征向量加入到姿態(tài)集中，得到姿態(tài)集其中，Ψ為姿態(tài)集，n為姿態(tài)集中樣本特征向量的個(gè)數(shù)，為姿態(tài)集中任意一個(gè)樣本特征向量，k為姿態(tài)集中任意一個(gè)樣本特征向量的序號，為樣本特征向量的維度，為實(shí)數(shù)，J為人體骨骼關(guān)節(jié)中8個(gè)部分中一個(gè)部分的關(guān)節(jié)總個(gè)數(shù)；

步驟12，迭代學(xué)習(xí)初始化：初始化二維網(wǎng)格構(gòu)成的運(yùn)動(dòng)圖運(yùn)動(dòng)圖中的每個(gè)網(wǎng)格點(diǎn)對應(yīng)一個(gè)權(quán)值向量初始化權(quán)值向量為0，總迭代次數(shù)T，其中，N₁和N₂分別為運(yùn)動(dòng)圖X軸及Y軸的網(wǎng)格數(shù)，i和j分別為運(yùn)動(dòng)圖X軸及Y軸坐標(biāo)，m_i，j為運(yùn)動(dòng)圖(i，j)坐標(biāo)位置的權(quán)值向量；

步驟13，重復(fù)執(zhí)行T次步驟13a和步驟13b，獲得一個(gè)運(yùn)動(dòng)圖；步驟13a，選擇最優(yōu)匹配單元：從姿態(tài)集中隨機(jī)選取一個(gè)姿態(tài)遍歷當(dāng)前運(yùn)動(dòng)圖尋找最優(yōu)匹配單元，具體為對運(yùn)動(dòng)圖中每個(gè)網(wǎng)格點(diǎn)計(jì)算：

其中，為與m_i，j的歐氏距離，為的最小值，m_i，j為運(yùn)動(dòng)圖(i，j)坐標(biāo)位置的權(quán)值向量，p和q分別為運(yùn)動(dòng)圖中與姿態(tài)具有最小歐式距離的權(quán)值向量所在的網(wǎng)格點(diǎn)的X軸及Y軸坐標(biāo)，m_p，q為運(yùn)動(dòng)圖(p，q)坐標(biāo)位置的權(quán)值向量；

步驟13b，權(quán)值向量更新：對運(yùn)動(dòng)圖中的每個(gè)網(wǎng)格點(diǎn)坐標(biāo)(i，j)計(jì)算鄰域不等式如果不等式成立，則更新權(quán)值向量，更新公式為其中，t＝1，2.3，...，T為當(dāng)前迭代的次數(shù)，m_i，j(t)和m_i，j(t+1)分別為t和t+1次迭代的運(yùn)動(dòng)圖(i，j)坐標(biāo)位置的權(quán)值向量，h_i，j(t)為鄰域調(diào)整函數(shù)。