[发明专利]基于多种群遗传算法的运动捕获数据的关键帧提取方法

说明书

技术领域

本发明涉及基于多种群遗传算法的运动捕获数据的关键帧提取方法，属于计算机图像处理技术领域。

背景技术

近年来，随着人体运动捕捉技术的迅速发展，运动捕捉的重要性也随之增加。大量的捕获数据被用到计算机动画、电影电视、医学和游戏等领域。同时存在一个问题，由于捕捉数据的庞大导致运动捕捉数据库的规模也很庞大，如何处理巨大运动捕捉数据已成为国内外研究的热点。

关键帧技术是一种有效的解决方法，该技术选择运动中具有代表性的帧作为关键帧，代表整个运动序列，而其他的帧可以由关键帧经过插值算法计算得到。关键帧提取技术不仅可以加快数据的处理速度，而且还在运动捕捉数据的存储、压缩、浏览和重用方面有着明显的优势。

关键帧提取应该满足以下条件，一方面，在一定压缩率下的关键帧应该可以有效的概括原始运动序列。另一方面，关键帧可以尽可能精确的重建原始运动序列。对于关键帧提取的好坏除了主观视觉判断之外还有两个评估标准：误差率和压缩比。目前从采样方式主要分为两大类：等间隔采样和自适应采样。等间隔采样有可能出现过采样和欠采样的问题，自适应采样可以在变化小的地方少采样而在变化大的地方多采样，于是可以解决前者的不足。

到目前为止，关键帧提取方法有均匀采样，曲线简化，基于聚类的方法等。但是均匀采样会出现欠采样和过采样的问题,曲线简化和基于聚类的方法需要人工设定阈值。

发明内容

为了克服上述的不足，本发明的目的在于提出一个基于多种群遗传算法的运动捕获数据的关键帧提取方法。

本发明采取的技术方案如下：

本发明的包括如下步骤：

S1、初始化MP个初始种群，每个初始种群含有N个个体；

S2、计算各种群中的各个个体的适应度值，包括构建构建适应度函数；

S3、分别对每个种群先进行选择操作、再进行交叉操作、最后进行变异操作；

S4、种群之间进行移民操作，并进行人工选择操作，选择每代的最优个体保存至精华种群；

S5、从精华种群中选择最优个体，与当前最优值相比较，若相同接着判断最优值保持代数，若保持MAXGEN代不变，则输出最优值；不满足跳至S3。

其中,步骤S1中，采用二进制编码对种群进行编码，编码后的种群可用下式表示：m_k＝[α_k1,α_k2,…,α_kn]，其中k＝1,2,…,N；α_ki(i＝1,2,…,n)取0时，表示这一帧不是关键帧；如若取1，则表示这一帧是关键帧。且默认原始序列的第一帧和最后一帧为运动序列的关键帧。

步骤S2中构建适应度函数为：

f(keyArray)＝wE(keyArray)+(1-w)R(keyArray)

其中，w为权值，keyArray表示当前的关键帧序列，E(keyArray)为重构误差，R(keyArray)为压缩比。

R(keyArray)＝length(keyArray)/frame_total，

E(keyArray)＝E_keyArray/E_max，

length(keyArray)表示关键帧的数目，frame_total为运动序列的帧数,E_keyArray为当关键帧为keyArray时的重构误差，E_max是关键帧只取首帧和尾帧时的重构误差。

E＝[∑(F(t)-F'(t))²]/n，t＝1,2,…,n

其中，F(t)是原始运动数据，F'(t)是相应的重建后的运动数据，n为运动序列总帧数。

步骤S3中，不同的种群赋予不同的控制参数分别进行交叉、变异、选择操作，控制参数包括交叉率及变异率，其中交叉率的范围为：(0.7～0.9)；变异率范围为(0.001～0.05)；不同的种群的控制参数在上述范围内随机产生。

步骤S4中，种群之间进行移民操作，并进行人工选择操作，选择每代的最优个体保存至精华种群。

步骤S5中，从精华种群选择最优个体，与当前最优值相比较，若不同，则更新最优值。如若最优值保持MAXGEN代不变则算法结束，输出最优值。