[发明专利]一种基于余弦距离层次聚类的关键帧提取方法

权利要求书

1.一种基于余弦距离层次聚类的关键帧提取方法，其特征在于包括以下步骤：

步骤一，运动捕捉数据预处理模块设计，即对运动捕捉数据进行预处理操作，排除干扰因素；

步骤二，运动捕捉数据关键帧提取模块设计，即对已经预处理过的运动捕捉数据实现关键帧提取。

2.根据权利要求1中所述的一种基于余弦距离层次聚类的关键帧提取方法，其特征在于所述步骤一中，运动捕捉数据预处理主要包括以下过程：

S1选取关节点的旋转量作为运动捕捉数据的特征值；

S2应用双向巴特沃斯滤波器，实现对运动捕捉数据的去噪功能；

S3采用PCA方法将高维的运动捕捉数据映射成低维的数据，消除一些影响分割结果准确性的维度数据。

3.根据权利要求1中所述的一种基于余弦距离层次聚类的关键帧提取方法，其特征在于所述步骤二中，运动捕捉数据关键帧提取主要包括以下过程：

S1在运动捕捉数据预处理的基础上，通过计算余弦距离比较相邻速率向量的相似性。速率向量vv_i通过相邻的两个帧a_i、a_i+1的间差计算得到，vv_i＝a_i+1-a_i；相邻的速率向量vv_i，vv_i+1的余弦距离取值范围是0到2，若distance接近0的时候，相邻帧的速率向量之间的角度越小，则意味着相邻帧越相似；

S2为了解决计算结果与观察结果不一致和获取分割点的问题，采用聚类算法；每一个速率向量本身就是一个类，然后找到那个最小余弦距离的相邻速率向量，然后将相似一致的两个类合并成一个类，两个向量使用线性回归的方法合并成一个向量；采用线性回归的方式保持向量的方向，在合并两个向量之后，合并向量与前一个向量和后一个向量之间的余弦距离都需要更新；同时，被合并的两个向量之间的余弦距离都要被移除；当运行到最后的相邻帧速率向量之间的最大距离大于1，线性回归停止，此时每个类中最大的值就是一个分割点；

S3每段的帧姿势与均值的欧式距离误差最小的帧作为关键帧，插入到关键帧集合中；第j帧姿势表示成m_j，第i段的均值b_i可以描述为公式第i段的中间关键帧取该段中的帧姿态与均值的欧式距离误差最小的帧，设a_i≤a_oi≤a_i+1，则第i段的中间关键帧的序号a_oi，计算公式是：a_oi＝argmin|m_x-b_i|，其中：a_i≤x≤a_i+1-1；

S4分割成k个分段的运动捕捉数据，可以获得k+1个分割点，另外还有k个段的帧姿态与均值的欧式距离误差最小的帧a_oi，总共2k+1个关键帧，该序列为(a₁,a_o1,a₂,a_o2......a_k)；

S5多名学生人工分割数据集中的捕捉数据，获得分割点，比较计算得到的分割点和人工分割点。

4.根据权利要求1中所述的一种基于余弦距离层次聚类的关键帧提取方法，其特征在于：所述运动捕捉数据预处理模块主要包含三个方面内容，即数据的特征值选取、捕获数据的噪音成分去除以及高维的运动捕捉数据降维。

5.根据权利要求1中所述的一种基于余弦距离层次聚类的关键帧提取方法，其特征在于:所述运动捕捉数据关键帧提取模块主要三个方面内容，即余弦距离计算、层次聚类分割以及关键帧提取。

6.根据权利要求4所述的一种基于余弦距离层次聚类的关键帧提取方法，其特征在于所述的运动捕捉数据预处理模块具体为：选取关节点的旋转量作为运动捕捉数据的特征值。应用阶数为O，截止频率为H赫兹的双向巴特沃斯滤波器，实现对运动捕捉数据的去噪功能。采用PCA方法将高维的运动捕捉数据映射成低维的数据，消除一些影响分割结果准确性的维度数据。设置O＝5,H＝0.1。