[發(fā)明專利]基于多目標(biāo)進化的人體物理運動生成方法

有效

• 申請?zhí)枺?/td>: 201810481007.8
• 申請日: 2018-05-18
• 公開（公告）號: CN108805965B
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 謝文軍;張迎凱;劉新月;周陽;劉曉平
• 申請（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號: G06T13/40
• 分類號: G06T13/40
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 何梅生

1.一種基于多目標(biāo)進化的人體物理運動生成方法，其特征是：由多剛體和鉸鏈關(guān)節(jié)構(gòu)成人體物理模型，通過物理控制器產(chǎn)生力矩驅(qū)動人體物理模型運動；所述物理控制器的構(gòu)造過程包括：首先種群父代個體變異產(chǎn)生子代，采用禁選區(qū)域預(yù)篩選策略去除不滿足約束的個體，并通過重采樣獲取新生子代；其次，新生子代通過物理仿真并計算多目標(biāo)函數(shù)值，采用基于區(qū)域密度多層取優(yōu)算法取優(yōu)獲得下一代父代；再次，通過基于剪枝的多階段優(yōu)化算法決定是否進入下一階段優(yōu)化；循環(huán)往復(fù)，經(jīng)過多次迭代得到最優(yōu)個體并生成物理控制器；

由初始控制器和反饋單元共同組成物理控制器，所述初始控制器利用當(dāng)前姿態(tài)與目標(biāo)姿態(tài)的差值產(chǎn)生初始力矩，所述反饋單元利用當(dāng)前變量與理想變量差值，并通過反饋矩陣放大疊加到目標(biāo)姿態(tài)，產(chǎn)生反饋力矩；將所述初始力矩與反饋力矩求和獲得作用力矩，將所述作用力矩通過鉸鏈關(guān)節(jié)驅(qū)動人體物理模型，生成物理運動；按如下過程構(gòu)造控制器：

步驟1、針對人體運動數(shù)據(jù)，在一個固定的運動周期內(nèi)提取關(guān)鍵幀，并通過時空優(yōu)化算法計算獲得初始控制器；

步驟2、按如下過程獲得反饋單元：

步驟2.1、在反饋單元的解空間中隨機采樣產(chǎn)生子代，以所述子代作為初始種群；

步驟2.2、利用基于徑向基函數(shù)RBF高斯核函數(shù)的支持向量機SVM構(gòu)造分類器，利用所述分類器對于種群中不滿足約束條件的個體進行篩選，所述篩選是指：若分類器判定個體A處在不滿足約束條件的禁選區(qū)域，則舍棄個體A；隨后，父代重新變異生成新增子代，且步長隨著重采樣的次數(shù)呈韋伯衰減臨時性地減少；由所述新增子代和未舍棄個體構(gòu)成新生子代；

所述約束條件包括：所述控制器生成運動達到規(guī)定數(shù)目的周期、中途不摔倒，以及模型內(nèi)部不發(fā)生碰撞；

步驟2.3、利用步驟2.2獲得的新生子代通過進化算法進行人體物理仿真，所述人體物理仿真是指由控制器產(chǎn)生力矩驅(qū)動人體物理模型產(chǎn)生運動；設(shè)置各目標(biāo)函數(shù)，并計算獲得新生子代個體對應(yīng)的多目標(biāo)函數(shù)值，利用所述多目標(biāo)函數(shù)值評價各新生子代個體的優(yōu)劣；

步驟2.4、由步驟2.3獲得的新生子代個體所對應(yīng)的多目標(biāo)函數(shù)值，以及父代個體的多目標(biāo)函數(shù)值構(gòu)成集合B，將所述集合B劃分為正個體集和負(fù)個體集，所述正個體集中的元素滿足約束條件，所述負(fù)個體集中的元素處于不滿足約束條件的禁選區(qū)域；利用所述正個體集和負(fù)個體集對于所述SVM分類器進行更新；并采用基于區(qū)域密度的多層取優(yōu)算法對于正個體集中的個體進行取優(yōu)，作為下一代候選父代個體；

步驟2.5、采用基于剪枝的多階段優(yōu)化算法，按如下方式?jīng)Q定是否進入下一階段優(yōu)化：

若所述候選父代個體中優(yōu)秀個體的比率高于設(shè)定值，則決定進入下一階段進行優(yōu)化，隨后使當(dāng)前優(yōu)化窗口后移，形成最新優(yōu)化窗口；舍棄候選父代中不滿足最新優(yōu)化窗口的個體，由未舍棄的個體組成新的父代；若所述候選父代個體中優(yōu)秀個體的比率不高于設(shè)定值，以所述候選父代個體組成新的父代；所述優(yōu)秀個體是超出當(dāng)前優(yōu)化窗口的個體；

步驟2.6、若當(dāng)前優(yōu)化窗口達到控制器優(yōu)化的設(shè)定時長，確定當(dāng)前新的父代為最終父代，并轉(zhuǎn)向步驟2.7；否則返回步驟2.2繼續(xù)迭代；

步驟2.7、針對步驟2.6所獲得的最終父代，選擇其中目標(biāo)函數(shù)值最小的個體構(gòu)造反饋單元。

2.根據(jù)權(quán)利要求1所述的基于多目標(biāo)進化的人體物理運動生成方法，其特征在于，所述的步驟2.4中，在對于正個體集中的個體進行基于區(qū)域密度的多層取優(yōu)算法取優(yōu)時，首先采用非支配排序?qū)φ齻€體集中所有個體進行分層，對累計個體個數(shù)大于子代數(shù)的最后一層個體采用區(qū)域密度進行排名，選取較優(yōu)個體；所述區(qū)域密度是指：任一個體與區(qū)域內(nèi)所有其它個體的距離的平均值，區(qū)域密度的值越大，對應(yīng)的個體更優(yōu)。