[发明专利]用于人体运动捕捉数据检索的高维空间超球覆盖方法

说明书

技术领域

本发明涉及人体运动捕捉技术领域，特别涉及光学人体运动捕捉数据中的特征表示、提取、以及检索方法。

背景技术

近年来，运动捕获技术在计算机动画领域得到了广泛应用，随着计算机软硬件技术的发展，人体运动捕捉技术逐渐发展成为虚拟现实、计算机视觉、影视动画制作等领域一种重要的数据获取手段，是数学、计算机图形学、图像处理、数据处理等多个学科相互渗透、相互交叉的新兴学科，运动捕捉技术相关理论方法的研究丰富了计算机动画、虚拟现实领域研究内容，具有重要的理论价值。人体运动捕捉技术具有广泛的实际应用价值，可应用于工业、农业、交通、文教卫生和体育等许多行业，特别是在医学、体育科学研究、运动训练指导、现代影视、动画和游戏制作等领域的应用，有重要的实际应用价值。

随着运动捕获技术的广泛应用，三维人体运动序列可以直接由运动捕捉设备获取，并以不同运动捕捉文件标准格式进行存储，由于缺乏有效的运动捕捉数据的管理、检索方法和系统，从而导致大规模三维运动数据库的不断建立，而其中又存在大量近似、重复和冗余的数据，针对特定目标的运动数据的可重复利用性受到很大限制。这必然造成设备、人力、物力的重复和冗余，从而增加运动捕捉相关产品制作成本。同时由于传统的基于文本的检索算法存在着人工标注费时费力且易造成主观理解不统一等问题，难以被用来进行运动检索。因此，人体运动捕捉数据检索与重用逐渐成为近年来的热点问题，为方便地使用和管理这些三维运动库，需要设计有效的、高效的人体运动捕捉数据检索方法、开发实用的、通用的人体运动捕捉数据检索系统。进而降低动漫产品制作成本，对推动影视制作、游戏娱乐、动漫产业的快速发展，构建相互支撑的动漫产业链，促进国家文化产业发展进而带动国民经济增长具有重要的作用和深刻意义。

由于人体自然运动本身所具有的复杂性，以及不同规格、不同标准的运动捕捉数据之间的差异，导致了人体运动捕捉数据检索方法的诸多困难。在传统的方法中，主要有基于运动模版的方法和动态时间弯曲的方法，其中基于模版的方法弊端在于由于人体运动的复杂性，很难用有限个固定的模版来描述某一类运动，因而限制了检索方法的精度和效率。动态时间弯曲的方法是时间序列匹配种经典方法，针对不同长度、频率的人体运动数据应用动态时间弯曲算法，从而实现某类运动的检索。然而这种方法的弊端在于计算效率低下。限制了该方法的推广和应用。

发明内容

本发明的目的在于通过对以上两类方法局限性的分析，引入人体各类不同运动在高维空间中的分布特征概念和方法，首先提取人体运动数据中主要特征，构造特征向量，针对某一类检索条件(即待检索的目标运动)的特征向量，在对应的高维空间中构造一系列超球覆盖区域，定义覆盖序列，进而评价覆盖序列的相似度，实现运动捕捉数据的检索。附图1所示为本发明方法流程图。实验表明该方法具有高处理效率、良好鲁棒性。

本发明的技术解决方案是这样实现的：

一种用于人体运动捕捉数据检索的高维空间超球覆盖方法，包括将基于C++程序设计语言和OpenGL图形库开发的人体运动捕捉数据检索系统装入计算机和对人体运动捕捉数据库进行构建、初始化的步骤，其特征在于还包括以下步骤：

(1)、本方法中的检索条件为一组同类运动片断，选取关键姿态并以类型序号(P1，P2，……，Pn)作为标记，并称为检索序列，例如某“走”运动检索条件通过关键姿态选取后得到检索序列[P1，P2，P3，P4]，如附图2所示；

(2)、对人体运动数据进行规范化，方法如图3(a)所示，选取Root节点为坐标原点，记作O，以Root节点至LowerBack节点的向量为Y轴，记作OY，以RightHip节点至LeftHip节点的向量为预定的X轴，记作OX’，以右手定则计算OX’与OY的正交向量，作为Z轴OZ，再以OY和OZ为基准以右手定则计算正交向量作为最终的X轴，记作OX，所有向量均为单位向量，这样针对每一帧运动数据建立起一个局部坐标系。将所有人体运动数据(包括运动检索数据库和检索条件)进行局部坐标系转化，完成规范化。规范化后的运动数据具有统一的位置、朝向和尺度，为进一步的特征选取奠定基础；