[发明专利]一种人体运动的运动图检索方法

权利要求书

1.一种人体运动的运动图检索方法，其特征在于，包括以下步骤：

步骤1，离线运动图描述空间生成：根据人体骨骼关节模型，提取运动数据库中的每一帧姿态作为基本单元，组成样本库；所述运动数据库为一组以上由连续的帧姿态表示的运动构成的数据库；所述人体骨骼关节模型包含人体24个关节点；所述姿态包括所有人体骨骼关节；

将人体骨骼关节分别组合成8个部分，包括全身关节点、上半身关节点、下半身关节点、左上肢关节点、右上肢关节点、左下肢关节点、右下肢关节点、躯干关节点；

将样本库中所有姿态根据上述8个部分，分别计算每个部分相对于根关节的三维空间坐标，获得8个样本特征向量集；

对每个样本特征向量集进行自组织映射迭代学习，得到8个运动图，所述运动图为二维网格结构，每个网格点表示一个姿态；

将8个运动图组合为运动图描述空间；

步骤2，在线运动数据库检索：用户提交查询实例，所述查询实例为由连续的帧姿态表示的一个运动；

运动特征提取：对查询实例和运动数据库中的运动，分别计算每一帧姿态中各关节相对于根关节的三维空间坐标，提取运动特征，即提取三维空间坐标组成的向量；

运动图层次选择：从所述运动图描述空间中选择一个运动图作为当前运动图；

运动图特征映射：根据当前运动图，将查询实例的运动特征和运动数据库中运动的运动特征分别转化为最优匹配单元序列；所述最优匹配单元为当前运动图下的整数坐标值；

运动串生成：对查询实例的最优匹配单元序列和运动数据库中的运动的最优匹配单元序列分别提取关键最优匹配单元组成关键最优匹配单元序列；所述关键最优匹配单元序列即为运动串；

相似度计算：在当前运动图下，计算查询实例的运动串和运动数据库中运动的运动串的相似度，获得分量相似度值；

对运动图描述空间中的所有8个运动图依次进行运动图层次选择、运动图特征映射、运动串生成以及相似度计算，分别得到8个分量相似度值；

将8个分量相似度值进行累加，获得查询实例与运动数据库中一个运动的总量相似度值；

步骤3，将查询实例与运动数据库中每一个运动分别进行步骤2，获得一组对应的总量相似度值，按照总量相似度值的大小由高到低排序，输出每个总量相似度值对应的运动数据库中的运动。

2.根据权利要求1所述的一种人体运动的运动图检索方法，其特征在于，所述步骤1中对每个样本特征向量集进行自组织映射迭代学习，包括以下步骤：

步骤11，选择姿态集：设定姿态集初始为空，从样本特征向量集中选择一个样本特征向量，计算选择的样本特征向量与已经加入到姿态集中每个样本特征向量欧氏距离，如果所有的欧氏距离均超过一定阈值或者当前姿态集为空，则将此样本特征向量加入到姿态集中，得到姿态集其中，Ψ为姿态集，n为姿态集中样本特征向量的个数，为姿态集中任意一个样本特征向量，k为姿态集中任意一个样本特征向量的序号，为样本特征向量的维度，为实数，J为人体骨骼关节中8个部分中一个部分的关节总个数；

步骤12，迭代学习初始化：初始化二维网格构成的运动图运动图中的每个网格点对应一个权值向量初始化权值向量为0，总迭代次数T，其中，N₁和N₂分别为运动图X轴及Y轴的网格数，i和j分别为运动图X轴及Y轴坐标，m_i，j为运动图(i，j)坐标位置的权值向量；

步骤13，重复执行T次步骤13a和步骤13b，获得一个运动图；步骤13a，选择最优匹配单元：从姿态集中随机选取一个姿态遍历当前运动图寻找最优匹配单元，具体为对运动图中每个网格点计算：

其中，为与m_i，j的欧氏距离，为的最小值，m_i，j为运动图(i，j)坐标位置的权值向量，p和q分别为运动图中与姿态具有最小欧式距离的权值向量所在的网格点的X轴及Y轴坐标，m_p，q为运动图(p，q)坐标位置的权值向量；

步骤13b，权值向量更新：对运动图中的每个网格点坐标(i，j)计算邻域不等式如果不等式成立，则更新权值向量，更新公式为其中，t＝1，2.3，...，T为当前迭代的次数，m_i，j(t)和m_i，j(t+1)分别为t和t+1次迭代的运动图(i，j)坐标位置的权值向量，h_i，j(t)为邻域调整函数。