[發明專利]基于一種新的距離特征的人體運動分割

有效

• 申請號: 201210302663.X
• 申請日: 2012-08-23
• 公開（公告）號: CN102867300A
• 公開（公告）日: 2013-01-09
• 發明（設計）人: 張強;薛翔;周東生
• 申請（專利權）人: 大連大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/20
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 曲永祚;李洪福

1.基于一種新的距離特征的人體運動分割，其特征在于：

第一步，選擇一組新的關節距離作為距離特征；

所述關節距離的計算方法是：首先將BVH文件中的保存的歐拉角轉換成關節點的絕對空間坐標，計算方法如下：

根據歐拉角的表示方法，子關節局部坐標系相對于父關節局部坐標系的轉換矩陣M＝[RT]，

所述R為局部坐標系下的旋轉矩陣，R＝rot(α_z)rot(α_y)rot(α_x)，(α_z,α_y,α_x)為子關節相對于父關節繞z，y，x軸的旋轉角度；T為局部坐標系下的位移矩陣，T＝[T_xT_yT_z]，(T_x,T_y,T_z)為子關節相對于父關節沿x，y，z軸的位移量；

求出子關節在其父關節的局部坐標系下的坐標V_i＝M*V_i+1；

所述V_i+1作為子關節在自身局部坐標系下的坐標，所述V_i為子關節在父關節的局部坐標下的坐標；

繼續求子關節在世界坐標系下的空間坐標，依次類推，此時設V_i+1作為子關節在自身局部坐標系下的坐標，設V_i為子關節在世界坐標系下的坐標，則：

V_i(j)＝M(root)*...*M(grandparent)*M(parent)*V_i+1(j)，

其次根據歐式距離公式，求出相應關節點之間的距離：

|B(k)→|=Fi-Fj=(xi-xj)2+(yi-yj)2+(zi-zj)2;]]>

所述F_i(x_i,y_i,z_i),F_j(x_j,y_j,z_j)(i,j＝1,...,31∩i≠j)為選擇的關節點在世界坐標系下的坐標值；

選擇9個具有邏輯語義的人體關節距離作為距離特征，將其表示為θ＝(φ1,φ2,φ3,φ4,φ5,φ6,φ7,φ8,φ9)，這樣就將原始歐拉角保存的96維數據降到9維，同時又能保存原始運動類型的特征；

第二步.利用PCA方法對第一步求出的9個距離特征進行分析及進一步降維，

所述PCA方法分析步驟如下：

步驟1：構建這9個距離特征樣本的平均值

步驟2：計算這9個距離特征原始值與平均值的差值然后構建距離特征的差值矩陣D＝[Δθ₁，....Δθ₉]；

步驟3：計算得到協方差矩陣C＝DD^T，計算協方差矩陣的特征值λ，以及相應的特征向量L；

步驟4：提取特征向量構建了一組新的9維主成分，其按貢獻率從大到小的順序排列；提取第一維主成分，也就是的最大貢獻率

步驟5：一個運動可以表示成為：

第三步.對第二步得到的運動的特征曲線采用Lowess平滑濾波方法對其進行濾波去噪；

所述Lowess平滑濾波的方法是：

步驟1：根據MATLAB中的函數‘smooth(Y，’lowess’)’得到濾波后的特征曲線signal；

步驟2：接下來就是對這條代表原始運動本質特征的曲線進行處理；

第四步.對第三步求出的濾波后的特征曲線signal，采用幅度檢測算法進行處理，得到初始的分割點及最終的分割點集，就可以將原始運動的運動類型分割開；

所述幅度檢測算法具體步驟如下：

步驟1：計算局部極值點；

所述計算局部極值點的方法：根據MATLAB中‘findpeak’函數得到局部極大值，然后將數據反轉得到局部最小值；然后合并，得到局部極值點；

步驟2：檢測局部極值點兩側的曲線幅度，然后進行比較得到最小幅度和最大幅度，如果最小幅度比最大幅度的δ倍還小，那么這個極值點就是變化大的幅度點，也是潛在分割點；

步驟3：對上步求出的潛在分割點，設置循環，檢測潛在分割點之間間隔，假如過密，則進行精簡操作；如果不過密，則繼續檢測下一個潛在分割點；如此下去，直到檢測到最后的分割點為止。這樣就得到了初始分割點集；

對上面得到的初始分割點集，再進行所述最終的分割點集的實現，具體步驟如下：設置循環，從初始分割點集中的第2個初始分割點p₂開始到最后一個潛在分割點，執行如下操作：

步驟1：定義一個圍繞著第二個極值點p₂的窗口長度2α+1，也就是[p₂-α,p₂+α]幀，然后計算[p₂-α,p₂+α]中的每幀到前一個聚類[p₁:p₂-α]幀間距離D。目的是找到[p₂-α,p₂+α]的幀到前一個聚類的最不相似幀，作為下一個聚類開始幀，選擇歐式距離作為相似幀度量，歐式距離定義如下：

Dsimilar=(Fp,Fq)=(p1-q1)2+(p2-q2)2+...+(pn-qn)2,n=96;]]>

步驟2：進行相似度判斷，如果[p₂-α,p₂+α]幀的D_similar(F_p,F_q)小于閾值β，在相應的數組中標記為1，否則標記為0；所述幀標記為1則屬于前一個聚類，否則屬于后一個聚類；

步驟3：統計數組中標記為1的個數為N，重新計算精確的分割點p-α+N；沒有到最后一個潛在分割點就返回步驟1，否則循環結束得到最終分割點集。