[发明专利]一种面向网格动画序列针对顶点轨迹分量降维的方法

说明书

技术领域

本发明属于无线网络中与便携移动设备相关的多媒体技术领域，具体涉及一种面向网格动画序列针对顶点轨迹分量降维的方法。

背景技术

在网格动画数据压缩技术中，基于PCA的压缩方法是最常用也是最有效减少数据量的方法，目前主要从模型的空域和时域两个方面来进行数据的降维。

在模型的空域方面，是指利用每帧对应的网格静态模型内部顶点数据之间的冗余性，来对顶点的数量维度进行降维。该方案虽然能比较明显的减少数据量，但是在对顶点数较多的模型进行SVD分解时，容易出现内存溢出的问题，以及因丢失重要的基成分而失真严重的情况。且如果模型顶点数据过大，在进行特征分解时依然容易出现内存不足和计算效率低等现象。

而对于模型的时域方面进行降维，是指对顶点的轨迹维度进行降维，比较好的解决了上述问题。但是已有的算法只是简单的通过构建全局的顶点轨迹矩阵，并未考虑到不同动画模型在运动时方向上的不确定性，因而在x,y,z方向上的位移差会有较大的不同，降维时所需要选取的重要特征向量的个数也不一样，因此重构时会比较容易的出现模型失真的情况。

综上所述，如何更改的在模型的顶点维度利用PCA来进行降维从而减少数据量是目前研究网格动画压缩者所关注的重要方向。

发明内容

本发明针对现有的网格动画数据降维方法的不足，提供了一种面向网格动画序列针对顶点轨迹分量降维的方法。

本发明解决其技术问题所采用的技术方案如下：

本发明首先利用PCA分析找到模型运动的主要方向，并将所有顶点坐标在该方向上进行投影，得到新的坐标值，然后在三个新坐标轴方向分别构建轨迹矩阵，分别执行第二次PCA降维，从而进一步提升数据压缩效率。

本发明的有益效果：本发明是一种面向网格动画序列针对顶点轨迹分量降维的方法，进一步提升了数据压缩效率。

具体实施方式

在服务器端导入网格动画序列后,考虑到不同动画模型在运动时方向上的不确定性，因而在x,y,z方向上的位移差会有较大的不同，因此为了进一步提升压缩效果，在已有的轨迹PCA分析算法基础上，提出一种针对顶点轨迹分量进行降维的方法。

本发明具体是在服务器端导入网格动画序列A(M₁,M₂,...,M_F)，其中M_l,l∈[1,F]表示每帧对应的静态网格模型，其顶点个数均为N，F表示该网格动画的帧数。

1)计算所有顶点轨迹的中心点，构造该网格动画的中心矩阵。

在网格动画序列为A(M₁,M₂,...,M_F)中M_i,i∈[1,F]表示每帧对应的静态网格模型，其顶点坐标矩阵为