[发明专利]一种可变形对象碰撞变形实时模拟方法及装置

权利要求书

1.一种可变形对象碰撞变形实时模拟方法，其特征在于，所述方法包括：

获取多帧原始时间序列的待训练样本；

对所述待训练样本中的每一帧图像提取状态特征，其中，所述状态特征包括外部对象的状态特征和发生碰撞后的可变形对象的状态特征；

采用主成分分析法PCA对所述状态特征进行降维；

使用所述降维后的状态特征训练神经网络模型的目标参数的参数值，得到训练之后的所述神经网络模型；

通过训练之后的所述神经网络模型对待预测可变形对象碰撞后的变形进行预测，输出可变形对象的预测状态特征；

使用所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果。

2.根据权利要求1所述的方法，其特征在于，对所述待训练样本中的每一帧图像提取状态特征的步骤包括：

提取所述待训练样本中的每一帧图像上由可变形对象所有顶点位置构建的矩阵X，所述矩阵X用于表示可变形对象的状态特征；

构建与所述矩阵X相对应的矩阵Y,所述矩阵Y用于表示外部对象的状态特征。

3.根据权利要求2所述的方法，其特征在于，所述采用主成分分析法PCA对所述状态特征进行降维的步骤包括：

采用主成分分析法PCA对所述矩阵X进行降维，使用计算出的变换矩阵来构造所述矩阵X的子空间表示Z；

采用主成分分析法PCA对所述矩阵Y进行降维，使用计算出的变换矩阵来构造所述矩阵Y的子空间表示W。

4.根据权利要求3所述的方法，其特征在于，所述神经网络模型为前馈神经网络模型，所述前馈神经网络模型为10层，除输入和输出层外的每一层的隐藏单元数量为PCA基大小的1.5倍。

5.根据权利要求1所述的方法，其特征在于，所述使用所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果的步骤包括：

将所述可变形对象的预测状态特征发送给GPU，所述GPU用于在渲染时对所述可变形对象的预测状态特征执行解压缩；

根据所述解压缩后的所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果。

6.一种可变形对象碰撞变形实时模拟装置，其特征在于，所述装置包括：

获取模块，用于获取多帧原始时间序列的待训练样本；

提取模块，用于对所述待训练样本中的每一帧图像提取状态特征，其中，所述状态特征包括外部对象的状态特征和发生碰撞后的可变形对象的状态特征；

PCA模块，用于采用主成分分析法PCA对所述状态特征进行降维；

神经网络模块，用于使用所述降维后的状态特征训练神经网络模型的目标参数的参数值，得到训练之后的所述神经网络模型；

预测模块，用于通过训练之后的所述神经网络模型对待预测可变形对象碰撞后的变形进行预测，输出可变形对象的预测状态特征；

模拟模块，用于使用所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果。

7.根据权利要求6所述的装置，其特征在于，所述提取模块包括：

矩阵X提取模块，用于提取所述待训练样本中的每一帧图像上由可变形对象所有顶点位置构建的矩阵X，所述矩阵X用于表示可变形对象的状态特征；

矩阵Y构建模块，用于构建与所述矩阵X相对应的矩阵Y,所述矩阵Y用于表示外部对象的状态特征。

8.根据权利要求7所述的装置，其特征在于，所述PCA模块包括：

矩阵X降维模块，用于采用主成分分析法PCA对所述矩阵X进行降维，使用计算出的变换矩阵来构造所述矩阵X的子空间表示Z；

矩阵Y降维模块，用于采用主成分分析法PCA对所述矩阵Y进行降维，使用计算出的变换矩阵来构造所述矩阵Y的子空间表示W。

9.根据权利要求8所述的装置，其特征在于，所述模拟模块包括：

发送模块，用于将所述可变形对象的预测状态特征发送给GPU，所述GPU用于在渲染时对所述可变形对象的预测状态特征执行解压缩；

变形模拟模块，用于根据所述解压缩后的所述可变形对象的预测状态特征模拟所述可变形对象碰撞变形效果。