[發明專利]基于卷積神經網絡的人體運動合成方法

在審

• 申請號: 201811337675.X
• 申請日: 2018-11-12
• 公開（公告）號: CN109584345A
• 公開（公告）日: 2019-04-05
• 發明（設計）人: 周東生;封心珠;劉瑞;易鵬飛;張強;楊鑫;魏小鵬
• 申請（專利權）人: 大連大學
• 主分類號: G06T13/40
• 分類號: G06T13/40;G06N3/04
• 代理公司: 大連八方知識產權代理有限公司 21226
• 代理人: 衛茂才

本發明涉及一種基于卷積神經網絡的人體運動合成方法，包括訓練模型及測試模型的步驟：訓練模型的步驟包括：收集的運動捕捉數據，輸入到網絡中進行訓練；建立三層卷積神經網絡模型，在三層卷積神經網絡上疊加一個自編碼器網絡模型，將輸入的運動數據進行編碼，解碼，訓練；在卷積自編碼器的隱藏單元中加入位置約束、骨長度約束、軌跡約束；在三層卷積神經網絡輸出之前，加入人物風格約束網絡，同時訓練位置約束、骨長度約束、軌跡約束、以及風格網絡的提取。測試模型的步驟包括：將測試的運動數據輸入到訓練好的模型中，以測試數據是否能夠合成運動。本發明沒有數據集的要求，可以擴展到大量的數據集，進行并行的處理。

技術領域

本發明屬于計算機動畫領域，尤其涉及一種基于卷積神經網絡的人體運動合成方法。

背景技術

人體運動合成技術是將科學與藝術以及現實和抽象融為一體的，它的綜合性強，是一門充滿挑戰的前沿學科。目前，介于人物本身的復雜性以及其他相關學科領域發展的制約，人體運動合成技術還是存在許多亟待解決的問題。同時隨著近年來運動捕捉技術不斷的發展也產生了許多新的方法。

通過運動捕捉技術記錄角色在三維空間中的運動軌跡，主要是人物角色的骨骼動作，然后通過解析這些運動數據在計算機屏幕上顯示這些角色。捕捉到人物角色真實的運動數據是運動捕捉技術最大的優點，并且運動十分接近真實的人物運動。但是因為捕捉的數據缺乏靈活性，已經捕捉的運動數據為了適應新的環境，需要合成具有一定難度的新運動。為了能夠將已有的運動數據重復使用節約成本，進而合成新的運動的方法得到了普遍深入的研究。

發明內容

本發明為解決上述技術問題，提供一種基于卷積神經網絡的人體運動合成方法。該方法包括訓練模型及測試模型的步驟：

訓練模型的步驟包括：

S1：收集的運動捕捉數據，輸入到網絡中進行訓練；

S2：建立三層卷積神經網絡模型，實現高層參數與人物運動之間的回歸，在三層卷積神經網絡上疊加一個自編碼器網絡模型，將輸入的運動數據進行編碼，解碼，訓練；

S3：在卷積自編碼器的隱藏單元中加入位置約束、骨長度約束、軌跡約束；

S4：在三層卷積神經網絡輸出之前，加入人物風格約束網絡，提取運動的內容和風格。

S5：同時訓練位置約束、骨長度約束、軌跡約束、以及風格網絡的提取，使得損失函數達到最小，至此模型構建完畢。

測試模型的步驟：

S6：將測試的運動數據輸入到訓練好的模型中，以測試數據是否能夠合成運動。

與現有的技術相比，本發明具有以下有益技術效果：

1)本發明沒有數據集的要求，可以擴展到大量的數據集，進行并行的處理；

2)本發明不僅可以避免運動數據的過擬合的現象，保持動作的姿態，而且可以展現出符合人體慣性的動作。

3)本發明合成的人體動作看起來更加逼真自然。

附圖說明

圖1為人體運動合成的一般過程；

圖2為本發明基于卷積神經網絡的人體運動合成方法整體網絡結構圖；

圖3為本發明中卷積神經網絡的內部網絡結構；

圖4為本方法與文獻方法的對比誤差圖；

圖5為本方法與文獻方法的運動關節比較圖；

圖6為本方法中老人走路與散步的兩種動作的合成效果圖；