基于度量mds和斜交空間距離的運動捕捉數(shù)據(jù)分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于度量MDS和改進斜交空間距離的人體運動捕捉數(shù)據(jù)分割方 法，屬于計算機圖像處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 近年來，隨著人體運動捕捉技術(shù)的發(fā)展，計算機動畫的應(yīng)用領(lǐng)域也在不斷擴展，我 們通過使用運動捕捉設(shè)備來高效、快捷的獲取真實感三維人體運動數(shù)據(jù)，并將所得到的數(shù) 據(jù)應(yīng)用到各個領(lǐng)域。人體運動通常都是由多個運動組合而成，而且復雜多變，所以直接對長 序列的運動捕捉數(shù)據(jù)進行處理，不僅復雜且費時費力。因此，需要將長運動序列分割成具有 獨立語義的片段，以便后期對其重用。
[0003] 尋找不同動作之間的分割特征是對人體運動序列分割的關(guān)鍵。現(xiàn)有的分割算法廣 泛應(yīng)用到了降維技術(shù)。人體運動捕捉數(shù)據(jù)是一種多維度的數(shù)據(jù)，復雜度高，而且運動捕捉數(shù) 據(jù)絕大部分都是非線性的，直接對高維數(shù)據(jù)進行處理分析費時費力，為了降低分割難度，并 在保持原始數(shù)據(jù)原有拓撲結(jié)構(gòu)及相關(guān)性的前提下，本發(fā)明提出了一種基于度量MDS和改進 斜交空間距離的運動捕捉數(shù)據(jù)分割方法。

【發(fā)明內(nèi)容】

[0004] 鑒于已有技術(shù)方法存在的缺陷，本發(fā)明提供基于度量MDS和改進斜交空間距離的 運動捕捉數(shù)據(jù)分割方法，該方法通過MDS降維，用改進的斜交空間距離求得最終分割點，在 保持原始數(shù)據(jù)相關(guān)性和拓撲結(jié)構(gòu)的前提下，對數(shù)據(jù)的分割準確率有較大的提升，克服了原 有技術(shù)的缺點。
[0005] 為實現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是基于度量MDS和改進斜交空間距離 的運動捕捉數(shù)據(jù)分割方法，包括以下步驟：
[0006] S1 :對原始序列進行多維尺度分析，實現(xiàn)高維原始數(shù)據(jù)到低維空間的映射；
[0007] S2 :在低維空間中劃出指定窗口，計算指定窗口中數(shù)據(jù)到前一片段各幀之間的改 進斜交空間距離；
[0008] S3 :通過對改進斜交空間距離進行相似性檢測得到最終的分割點集，獲得具有獨 立語義的運動片段。
[0009] 進一步的S1中所述的方法是將度量MDS應(yīng)用于對人體運動捕捉數(shù)據(jù)的降維，得 到的低維特征曲線能夠更好地反映人體運動的本質(zhì)特征，體現(xiàn)研究對象間的相似性和差異 性，具體包括以下步驟：
[0010] S11 :采用一包括N個輸入向量的數(shù)據(jù)點集X描述運動數(shù)據(jù)。
[0011] S12 :求得距離平方矩陣D:
[0012] D= [(X-Xj)2]
[0013] = [IIXxI12-2X,X/+1IXjI12] =BeT-2XXT+eBT
[0014] 其中，i，j= 1，2，···，Ν，X=成義，···々)、為NX1 維全 1 陣，B= (11^112,..·,ΙΙχΝΙΓ)τ〇
[0015] S13 :將距離平方矩陣雙中心化：設(shè)J=I-eeT/N。其中，e為ΝΧ1維全1陣， I為NXN維單位矩陣，則Je= 0，eTJ= 0,JT=J。對任意包含N個樣本點的輸入X= (Xi，X2,. . .，XN)T，則有
。利用J將距離平方矩陣雙中心化，則 有：
[0016] JDJ=JBeTJ-2JXXTJ+JeBTJ
[0017] = -2JXXTJ= -2JXXTJT= -2(JX) (JX)T
[0018] =~2[X；-μ] [X；-μ]T
[0019] 令V=JX= [χ「μ]，則JDJ= -2WT。
[0020] S14 :得到原始數(shù)據(jù)低維坐標表示：令H=VVT= -JDJ/2,將H陣特征分解：H= UAUT。令λ2多…彡λ〇為矩陣Η的特征值，令，…，UNeR%其對應(yīng) 特征向量，取其前d個特征值λλ2, . ..，λd和其對應(yīng)前d個特征向量UdU2, . . .，Ud，進而 得到輸入X的低維坐標表示Y，如下表示：
[0021]
[0022] 將Υ作為降維結(jié)果輸出，從而達到對原始運動捕捉數(shù)據(jù)降維的目的。
[0023] 進一步的S2中計算初始分割點周圍一定窗口范圍中數(shù)據(jù)到前一片段各幀之間的 改進斜交空間距離，使最終得到的分割點更加精確，具體包括如下步驟：
[0024] S21々m=l〇
[0025] S22:m=m+l，以第m個初始分割點Ρηι為中心設(shè)置一個長度為L= 2a+l(a=35) 的窗口，即：[P"Ta，P，a]幀，然后計算該窗口中的每一幀到前一個片段[Pmi，P"Ta-1]每 一幀的幀間距離DD(i，j)。由于各幀之間往往存在著不同的相關(guān)關(guān)系，用正交空間的距離來 計算各幀之間的距離容易變形，所以幀間距離可選擇改進斜交空間距離，改進斜交空間距 離定義加下.
[0026]
[0027] 其中，η= 93,rkil為運動序列第i幀和第j幀的相關(guān)系數(shù)，其公式如下：
[0028]
[0029] 當i=j時，表示指標的自相關(guān)系數(shù)，1 ;當i辛j時，相關(guān)系數(shù)的取值在-1~ 1之間。相關(guān)系數(shù)的絕對值越接近1，表示兩變量之間的相關(guān)程度越大。當各幀之間不相關(guān) 時，改進斜交空間距離退化為歐氏距離。
[0030] 進一步的S3中對改進斜交空間距離進行相似性檢測獲得具有獨立語義的運動片 段，具體采用如下步驟：
[0031] S31 :判斷相似性，將各幀間的幀間距離存入矩陣DIS中，在此定義一閾值β，且令 β=5min(DIS)，如果幀間距離DD(i，j)小于閾值β，表示此幀屬于前一個片段，則在相應(yīng) 的窗口中標記1，否則此幀屬于后一片段，標記0。
[0032]S32:判斷當前幀是否為最后一幀，是則執(zhí)行S33,否則執(zhí)行S22。
[0033] S33 :對窗口中標記為1的數(shù)據(jù)個數(shù)進行統(tǒng)計，記為M，將精準分割點重新定為 ρη-α+M。
[0034] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點：
[0035] 1、度量MDS降維方法利用數(shù)據(jù)點之間的相似性或者距離來獲得數(shù)據(jù)在低維空間 的幾何表示，把距離的平方矩陣轉(zhuǎn)換成內(nèi)積矩陣，最后求得內(nèi)積矩陣的特征值和特征向量 以獲取其低維表示，有較高的穩(wěn)定性。
[0036] 2、由于各幀之間往往存在著不同的相關(guān)關(guān)系，用正交空間的距離來計算各幀之間 的距離容易變形，所以幀間距離可選擇斜交空間距離。對得到的初始分割點，采用改進斜交 空間距離進行相似性檢測，使得最終得到的分割點集更精確。
【附圖說明】
[0037] 為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 申請中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下， 還可以根據(jù)這些附圖獲得其他的附圖。
[0038] 圖1本發(fā)明公開的基于度量MDS和改進斜交空間距離的人體運動捕捉數(shù)據(jù)分割方 法的流程圖
[0039]圖2實驗中所采用的格式為BVH的人體骨架模型圖
[0040] 圖3本發(fā)明中人體六種運動的類型圖
[0041] 圖4特征曲線及其標記結(jié)果示意圖
[0042] 圖5不同方法對人體運動分割結(jié)果對比示意圖
【具體實施方式】
[0043] 實施例1
[0044] 本發(fā)明的實施例是在以本發(fā)明技術(shù)方案為前提下進行實施的，給出了詳細的實施 方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述實施例。
[0045] 下面結(jié)合附圖對本發(fā)明實施例中的技術(shù)方案作進一步詳細說明。
[0046] 如圖1所示的基于度量MDS和改進斜交空間距離的人體運動捕捉數(shù)據(jù)分割方法的 流程圖，該方法包括以下步驟：
[0047] S1 :對原始序列進行多維尺度分析，實現(xiàn)高維原始數(shù)據(jù)到低維空間的映射；
[0048] S2 :在低維空間中劃出指定窗口，計算指定窗口中數(shù)據(jù)到前一片段各幀之間的改 進斜交空間距離；
[0049]S3:通過對改進斜交空間距離進行相似性檢測得到最終的分割點集，獲得具有獨 立語義的運動片段。獨立語義意思是分割點將較復雜的非規(guī)律運動序列分割開來，每相鄰 兩分割點之間為一個獨立的運動片段，比如只是單純的"跑"或者單純的"跳"片段，不包含 其他運動。
[0050] 進一步的S1中的具體方法包括如下步驟：
[0051]Sll:采用一包括N個輸入向量的數(shù)據(jù)點集X描述運動數(shù)據(jù)。
[0052]S12:求得距離平方矩陣D:
[0053]D= (d2 (X1;X)) NXN= [(XrX)2]
[0054]= [IIXxI12-2X,X/+1IXjI12] =BeT-2XXT+eBT
[0055] 其中，i，j= 1，2, · · ·，N，X= (X"X2, · · ·，XN)T，e為NX1 維全 1 陣，B= (NxH·，Ι|ΧΝΙΓ)Τ。
[0056]S13:將距離平方矩陣雙中心化：設(shè)J=I-eeT/N。其中，e為NXl維全1陣， I為NXN維單位矩陣，則Je= 0，eTJ= 0,JT=J。對任意包含N個樣本點的輸入X= (父1，&，...，\)\則有從=[.\:.-/，；],// =丨/~；^^利用1將距離平方矩陣雙中心化，則 有：
[0057]JDJ=JBeTJ-2JXXTJ+JeBTJ