[發明專利]基于深度狀態空間模型的3D人體運動預測方法

在審

• 申請號: 202011500519.8
• 申請日: 2020-12-17
• 公開（公告）號: CN112581499A
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 劉小麗;尹建芹;劉金;黨永浩
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/04;G06K9/62
• 代理公司: 北京久維律師事務所 11582
• 代理人: 邢江峰

本發明公開了一種基于深度狀態空間模型的3D人體運動預測方法，先將人體運動的位置和速度作為觀測，采用深度網絡提取歷史姿態序列的運動動力學規律來初始化狀態空間模型的狀態，通過狀態到觀測的轉移遞歸地預測3D人體運動的多個未來姿態。本發明利用深度網絡和狀態空間模型的優點，將人體運動系統建模為深度狀態空間模型，為各種人體運動系統提供了一個統一的描述，同時也能夠對已有的模型進行分析。

技術領域

本發明屬于人體運動預測技術領域，更具體的說是涉及一種基于深度狀態空間模型的3D人體運動預測方法。

背景技術

人類對現實世界的認識和互動依賴于對預測周圍環境隨時間變化的能力。同樣，與人互動的智能機器人必須具有預測人類未來動態的能力，從而使機器人能夠迅速響應人類的變化。現有大多數預測模型一般僅僅采用L₂或MPJPE(平均每關節點位置誤差)對未來姿勢的所有幀或所有關節的損失對預測模型進行優化。由于早期時刻的損失值小于后期時刻的損失值，因此，這些模型隱含地側重于對后期時刻的預測，而忽略了早期時刻與后期時刻之間的這種隱藏關系，即在遞歸模型中，早期預測容易影響后期時刻的預測。因此，這些模型都無法實現比較精確的預測，特別是在遞歸預測模型當中。

因此，如何提供一種精確的3D人體運動預測方法成為了本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于深度狀態空間模型的3D人體運動預測方法，利用深度網絡和狀態空間模型的優點，將人體運動系統建模為深度狀態空間模型，為各種人體運動系統提供了一個統一的描述，同時也能夠對已有的模型進行分析。

為了實現上述目的，本發明采用如下技術方案：

一種基于深度狀態空間模型的3D人體運動預測方法，先將人體運動的位置和速度作為觀測，采用深度網絡提取歷史姿態序列的運動動力學規律來初始化狀態空間模型的狀態，將人體運動系統建模為深度狀態空間模型，通過狀態到觀測的轉移遞歸地預測3D人體運動的多個未來姿態。

優選的，未來姿態表示為模型觀測的轉移。

優選的，姿態序列表示的方法為：

給定一個長度為T₁的輸入序列S₁＝{p(t₀)}(t＝-(T₁-1),…,-1,0)，其中，p(t₀)表示姿態序列S₁中t₀時刻的姿態；輸入序列S₁的速度定義為V₁＝{v(t₀)}，其中，v(t₀)＝p(t₀)-p(t₀-1)，v(-(T₁-1))＝{0}；將輸入序列S₁表示成3個2D張量：S_1x,S_1y和S_1z，分別表示序列S₁沿著x,y,z軸的運動軌跡；在速度空間當中，將V₁表示為3個2D張量：V_1x，V_1y和V_1z，分別表示沿著坐標軸x，y和z的速度信息。

優選的，人體運動系統采用動態系統的狀態空間模型表示，如公式(1)和公式(2)所示：

I(t+1)＝f₁(I(t),t)+a(t) (1)

O(t)＝f₂(I(t),t)+b(t) (2)

其中，I(t)和O(t)分別表示t時刻的狀態和觀測；a(t)和b(t)分別為t時刻的過程噪聲和測量噪聲；f₁(·)和f₂(·)為系統函數。