[发明专利]基于图模型的三维人体运动检索方法

说明书

本发明涉及基于运动特征图模型的三维人体运动检索方法。该方法在人体运动捕捉数据的基础上，引入人体关节点之间距离的最大变化幅度作为人体运动数据的特征，构建运动特征图模型，将人体运动序列简化为对应的特征图，并通过特征图的相似度匹配，检索出相同类型的人体运动序列。该方法定义的运动特征符合人体运动中姿态的主要变化，并且在考虑检索精度的前提下，设计一种检索流程来减少检索时间，提高检索效率。

技术领域

本发明提出一种三维人体运动序列检索方法，涉及三维人体捕捉数据智能处理，为运动数据的分割与合成等数据重用技术提供数据保障和技术支持。

背景技术

运动捕捉技术已广泛应用于计算机动画、影视特效、虚拟现实、电脑游戏、运动训练等领域。然而，运动捕获设备价格昂贵，采集新的运动捕捉数据费时费力，导致数据采集成本较高。但是随着运动捕捉数据的不断积累，已经有许多大型的人体运动捕捉数据库可以免费使用。因此运动捕捉数据重用技术成为近年来国内外研究的一个热点。

运动数据检索的目的是将运动捕捉数据库中与待检索序列相似的运动检索出来。这项技术在运动分割、运动合成、运动数据分析与处理等方面具有十分重要的作用和意义。虽然之前可以通过文本对运动序列进行标签描述来进行检索，但是运动捕捉数据作为多媒体数据难以用文本进行准确描述，而且对于大规模数据库来说，手动对运动数据进行文本标注工作量巨大，因此传统的基于文本检索的方法越来越不适用，但是基于内容的检索方法允许用户直接输入相应的多媒体数据进行检索而受到越来越多的关注。

发明内容

本发明为解决上述技术问题提供一种基于图模型的三维人体运动检索方法，引入图模型来表示人体运动特征，定义关节点间距离变化幅度，基于关节点间距离变化幅度大的关节对构建图模型。最后通过匹配图模型各属性的相似度来检索出相似的运动。

该方法具体包括以下步骤：

S1：对于给定的人体运动序列，在每一帧中，两两关节点构成一组关节对，计算每一帧中两两关节点之间的欧氏距离；

S2：计算整个运动序列中，两两关节点之间欧氏距离的变化幅度；

S3：选取变化幅度最大的k组关节对，不同关节对设置不同权重，用来构建运动特征图模型G＝(E,V)中的E属性；

S4：计算所选取的k组关节对中，所有关节点出现的次数，用来构建运动特征图模型G＝(E,V)中的V属性，至此，完成运动图模型的构建；

S5：离线将数据库中的所有运动序列都构建其运动特征图模型；

S6：对于给定的待检索的运动序列，构建其运动特征图模型；

S7：匹配待检索运动序列图模型和运动捕捉数据库中图模型的V属性的相似度，若相似度高于设定阈值，则选入相似运动候选集，直到匹配完数据库中所有的运动，得到相似运动的候选集；

S8：匹配待检索运动序列图模型和候选集图模型的E属性的相似度，若相似度高于设定阈值，则判定为相似运动，输出检索结果，直到匹配完候选集中所有的运动，完成运动检索。

本方法定义的运动特征符合人体运动中姿态的主要变化，并且在考虑检索精度的前提下，设计了一种检索流程来减少检索时间，提高检索效率。

附图说明

图1为本发明的系统框图；

图2为本发明中所用的人体运动数据骨架模型；

图3为手部关节点间距离变化幅度；

图4为运动特征图模型的E属性可视化；

图5为运动特征图模型的V属性可视化，横坐标为关节点的序号，纵坐标为权重；

图6为跑运动的检索流程。

具体实施方式