[發明專利]基于非線性流行學習的運動圖過渡點選取方法

在審

• 申請號: 201310594434.4
• 申請日: 2013-11-20
• 公開（公告）號: CN104658023A
• 公開（公告）日: 2015-05-27
• 發明（設計）人: 蓋麗
• 申請（專利權）人: 大連佑嘉軟件科技有限公司
• 主分類號: G06T13/40
• 分類號: G06T13/40
• 代理公司: 無
• 代理人: 無

技術領域

本發明涉及基于非線性流行學習的運動圖過渡點選取方法，屬于計算機圖像處理技術領域。

背景技術

近年來，隨著計算機軟硬件技術的進步，計算機動畫技術得到了飛速的發展，計算機動畫是指采用圖形與圖像的處理技術，以實體造型和真實感顯示技術為基礎，借助于編程或動畫制作軟件生成一系列的景物畫面。其涉及到圖像處理技術、運動控制原理、視頻技術和藝術等眾多領域，以獨特的特點逐步成為一個多種學科和技術綜合的領域。其中，運動捕捉技術的不斷發展，人們可以利用捕捉設備抓取到的數據生成更多樣化且復雜的虛擬人運動。但是，由于運動捕捉設備昂貴且受限于捕捉的外部條件，不可能對所需的人體運動數據每次都進行捕捉，運動數據重用技術和基于運動圖的人體動畫合成技術由此產生。將捕獲的人體運動數據根據運動類型分類保存構建運動圖，合成新的人體運動數據時，只需遍歷運動圖并結合插值技術即可由現有的人體運動數據片段合成新的所需人體運動數據。因此，基于運動捕捉數據的運動合成技術研究是計算機動畫技術重要的研究領域之一。

自2002年基于運動圖的人體運動合成方法產生后，在人體運動數據合成領域，基于運動圖的人體運動合成方法已成為目前的主要方法。如附圖2所示，運動圖的基本方法是將運動捕捉數據按運動類型分段，每幀為一個節點，然后計算每一個節點間的相似性，滿足所設閾值的節點間構建為邊，最后形成運動圖，進行人體運動合成的過程就是在運動圖上搜索所需路徑的過程。盡管經過多年的發展，但其仍存在很多問題，例如運動圖中點、邊的定義，過渡點的選取，運動圖上搜索路徑的規劃等。

另一方面，基于非線性流形學習的方法被引入到人體運動合成領域，非線性流行學習可以對高維人體運動數據進行降維分析，常用的非線性流行學習方法有ISOMAP、ST-ISOMAP、SOM和LLE等，前三種屬于全局方法，后者則屬于局部方法。ISOMAP降維方法可用于運動段的分割，提取邊界關鍵幀，以區分原始運動數據段中不同類型的分段。ST-ISOMAP方法可將人體運動數據片段投影到低維流行上進行重排得到新的運動數據片段。而SOM方法得到高維數據在低維流行上的分布。

已有的研究表明，基于全局非線性流行學習的方法適合于人體運動片段的分割、提取關鍵幀等操作，降維后的低維數據可以很好的反映運動序列的高維姿態，可以有效的發掘運動數據片段最本質的運動特征。同時，降低運動圖過渡點選取時間復雜度仍然是一個具有挑戰性的任務。

發明內容

本發明針對以上問題的提出，而研制基于非線性流行學習的運動圖過渡點選取方法，該方法通過建立計算關鍵運動數據段間的相似性，著重解決在運動圖構建過程中跳轉點選取時間復雜度高，選取不準確的問題，從而提高運動圖的構建效率，使得生成的運動數據更加平滑自然。

本發明包括如下步驟：

步驟一：高維數據的降維分析。

步驟二：提取關鍵數據段。

步驟三：計算關鍵數據段幀間相似性。

步驟四：構建運動圖。

本發明的原理：通過ISOMAP降維算法對高維人體運動數據進行降維處理，使用降維后的低維數據，繪制低維特征曲線。根據低維特征曲線選取人體運動片段中的關鍵數據段，計算關鍵運動數據段幀間的相似性，滿足所設閾值的幀連接成邊，最終形成一個由關鍵數據段組成的運動圖結構，合成新的人體運動數據時，只需遍歷此運動圖即可。

本發明與現有技術相比具有以下優點：

在表一中，方法A為計算過渡點的標準方法。方法B為一種過渡點快速選取算法。通過表一可見，計算所得的距離矩陣分別為A[344*163]，B[115*55]，C[250*88]。時間消耗對比數據表示計算距離圖所需的時間，方法A為117.572319秒，方法B為19.229195秒，本發明所提方法C為45.487492秒，因此本發明所提方法在時間效率上優于標準算法，與快速法接近。第三項對比數據準確率表示當前算法找到的過渡點占所有可連接點的比率，因為方法A為標準算法，計算當前運動序列所有幀間的相似性，因此假設方法A的準確率為100%，設定閾值ε，其他2種方法均已A為基底計算準確率，以R表示準確率，當前算法找到過渡點的總數為S_i(i=a,b,c)，由于考慮到標準算法在計算時會產生大量的無效邊，特別是在參與計算的2段運動類型相似的情況下，不符合物理定律的2幀運動間也可能連接成邊，因此設定一個權值ρ，ρ值根據參與計算的2段運動類型的不同而不同，在0～1范圍內，值越大，運動類型差距越大。則計算公式為：