[发明专利]一种基于运动节奏的人体行为数据分割方法

说明书

本发明公开了一种基于运动节奏的人体行为数据分割方法。针对不同人体目标运动得到不同运动信号，选择小波变换中相应的小波尺度来识别；利用小波变换提取各肢体关节点与躯干之间的曲线距离作为特征数据，计算低频分量特征曲线中相邻波峰间距离得到人体运动节奏，利用节奏确定分割点；由于人体运动行为数据具有周期性和连续性，仅依据人体运动节奏分割可能会忽略掉一些人体运动细节，因此采用最小二乘法对分割后的运动序列片段做进一步的动作细分和重组工作，以实现准确分割人体行为动作。

技术领域

本发明属于人体行为识别技术领域，具体涉及一种基于运动节奏的人体行为数据分割方法。

背景技术

人体运动本身具有连续性，即对于任意动作，身体部位的运动都会呈现一个连续的过程，同样对于运动捕捉数据，如加速度或欧拉角，其在数值上也呈现一个连续的变化趋势，通过传感器采集的关节点运动数据序列相应地也呈现周期性特征。而现有的数据分割主要是采用滑动窗口、自适应等方法，其多采用离散数据特征且数据流为单一动作，进行窗口划分提取每个动作模式的时频域特征，但忽略了人体运动及动作捕捉数据序列的连续性与周期性特性。

现有的数据分割方法虽然可较好地将不同类型的动作数据分割，以形成具有独立语义的运动片段，但较少关注和研究具有周期性和连续性的人体行为长序列数据。同时未考虑从运动节奏角度出发对人体行为动作分割。

发明内容

本发明的目的在于提供一种基于运动节奏的人体行为数据分割方法，依据人体运动序列数据的周期性、连续性以及运动节奏，建立基于人体骨骼模型的行为数据分割方法体系，为基于传感器的人体行为数据分割方法研究和应用提供新的思路和理论依据。

为实现上述目的本发明采用以下技术方案：

一种基于运动节奏的人体行为数据分割方法，包括如下步骤：

步骤1、通过动作捕捉可穿戴传感器采集人体行为运动过程中关节骨骼数据，生成BVH运动捕捉数据序列文件，加载解析运动序列文件；

步骤2、基于步骤1加载解析BVH文件得到位置坐标信息，选用躯干与各肢体关节间的位置曲线距离形成的运动分量为人体行为动作的特征数据，采用小波变换提取低频分量特征数据，并计算特征曲线中相邻波峰间距离确定人体运动节奏，利用节奏确定分割点，依据分割点将人体长运动序列数据分割为多个具有独立性的运动序列片段；

步骤3、基于步骤2得到的分割结果，由于人体运动过程中的序列数据具有周期性及连续性，采用最小二乘法对分割后的运动片段序列做进一步的动作细分和重组。

作为本发明进一步的方案，所述步骤1中：

对运动关节数据坐标进行转换时，要依次获得从目标节点的直接父节点到根节点的所有前驱节点的旋转坐标。

作为本发明进一步的方案，所述步骤1具体按照以下步骤实施：

步骤1.1、通过动作捕捉可穿戴传感器采集人体行为运动过程中关节骨骼数据，以欧拉角形式保存，并生成BVH运动捕捉数据序列文件；

步骤1.2、经步骤1.1后，BVH运动数据文件包含关节层次结构和运动数据块，定义四元组解析人体关节信息；将人体运动序列数据块中的欧拉角转换为位置坐标以解析运动数据块信息；

步骤1.3、待步骤1.2完成后，依次计算人体关节的四元组以及其对应数据块的位置坐标信息，完成数据转换。

作为本发明进一步的方案，所述步骤2中：

不同人体的运动节奏存在差异，采用小波变换提取低频分量中表征人体运动特征向量。

作为本发明进一步的方案，所述步骤2具体按照以下步骤实施：