[發明專利]基于姿勢顯著性的人體動畫關鍵幀提取方法

有效

• 申請號: 201810860768.4
• 申請日: 2018-08-01
• 公開（公告）號: CN109190474B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 劉云根;張俊
• 申請（專利權）人: 南昌大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于姿勢顯著性的人體動畫關鍵幀提取方法，其步驟為：根據方差篩選部分運動分量作為人體運動的特征分量；計算特征分量的多尺度顯著性，加權擬合成人體動畫的姿勢顯著性；提取姿勢顯著性曲線的局部極大值點為初始關鍵幀，根據最優化的重建誤差與關鍵幀數量之比確定關鍵幀數量；根據關鍵幀數量選取重建誤差較大的初始關鍵幀為候選關鍵幀，利用重建誤差最優化算法從候選關鍵幀鄰域內提取具有最小重建誤差的幀為最終關鍵幀。本發明能自適應確定最優關鍵幀數量，提取具有最小重建誤差的關鍵幀，滿足運動捕捉數據實時壓縮的需要。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種基于姿勢顯著性的人體動畫關鍵幀提取方法。

背景技術

關鍵幀是指人體動畫序列中最能表示動畫內容的部分姿勢序列，它為運動捕獲數據的壓縮、檢索、預覽和重用提供了重要基礎。等間隔采樣可看作一種簡單的關鍵幀提取方法，但其實質相當于降低了運動捕捉的采樣頻率，存在運動緩慢時的數據冗余和運動劇烈時的細節丟失問題。為克服該問題，研究人員提出了許多自適應關鍵幀提取方法，這些方法大致可以分為基于曲線簡化的方法、基于聚類的方法和基于最優化的方法。

基于曲線簡化的方法將每幀運動數據看作是高維空間曲線上的一個點，然后根據設定的閾值采用曲線簡化方法生成一條逼近曲線的折線，提取出折線上各頂點的對應幀作為關鍵幀，這類方法的不足是閾值難以確定。基于聚類的方法根據運動數據的特征表示對相似幀進行聚類，選擇每個類中的典型幀作為關鍵幀，這類方法的不足是忽略了運動數據之間的時序相關性。基于最優化的方法則將關鍵幀提取問題轉換成一個目標函數的最優化問題，然后采用最優化方法來求解目標函數來提取關鍵幀，這類方法不足是最優化算法比較耗時，難以滿足運動捕捉數據實時處理的需要。

由此可見，已有的自適應關鍵幀提取方法雖然有效地克服了等間隔采樣中存在的問題，但總體來說還存在著各種不足之處。此外，已有的關鍵幀提取方法大多無法自適應給出需要提取的關鍵幀數量，需要手工設置各種難以確定的閾值，這給用戶的使用造成了不便。

發明內容

為了克服現有方法的不足，本發明提出了一種基于姿勢顯著性的人體動畫關鍵幀提取方法，所采用的技術方案包含以下步驟：

S1：篩選特征分量；根據方差篩選出部分運動分量作為人體運動的特征分量，并計算特征分量的權值；

S2：計算姿勢顯著性；計算特征分量的多尺度顯著性，加權擬合成人體動畫的姿勢顯著性；

S3：確定關鍵幀數量；提取姿勢顯著性曲線的局部極大值點為初始關鍵幀，根據最優化的重建誤差與關鍵幀數量之比確定最優關鍵幀數量；

S4：提取關鍵幀；根據關鍵幀數量，選取重建誤差最大的初始關鍵幀為候選關鍵幀，利用重建誤差最優化算法從候選關鍵幀鄰域內提取出具有最小重建誤差的幀為最終關鍵幀。

所述步驟S1中篩選特征分量的方法是：計算特征分量方差var(c_i)，i＝1…n，選取的運動分量為特征分量，計算特征分量的權值

所述步驟S2中計算姿勢顯著性的步驟為：

S21：計算動畫幀不同特征分量的高斯加權平均；設C(f)為幀f在特征分量曲線上的取值，I(f，σ)表示幀f的σ鄰域區間的動畫幀，σ為高斯分布的標準差，則幀f的高斯加權平均為

S22：計算動畫幀的特征顯著性；定義動畫幀f在尺度s下的顯著性為C(f)與G(f，σ_s)之差的絕對值，σ_s為高斯分布在尺度s時的標準差，w_s為不同尺度的權值，則f第i個特征分量的特征顯著性為S_i(f)為