[发明专利]一种基于增量降维投影位置优化的人体运动形态获取方法

说明书

本发明公开了一种基于增量降维投影位置优化的人体运动形态获取方法，包括以下步骤：(1)获取两种不同的运动形态图像序列，对第一种运动形态图像序列处理后获取其三维人体运动形态的高维数据样本Y_I并进行降维后获得低维数据X₁和相应的训练参数；(2)将相应的训练参数和低维数据X₁再次进行训练后得到更新的低维数据X₁和相应的训练参数，并得到映射关系f；(3)对第二种运动形态图像序列处理后获取其三维人体运动形态的高维数据样本Y_II，训练后得映射关系g；本发明的一种基于增量降维投影位置优化的人体运动形态获取方法具有耗时少、估算准确、效率高的特点。

技术领域

本发明涉及三维人体运动领域，更具体地说，尤其涉及一种基于增量降维投影位置优化 的人体运动形态获取方法。

背景技术

三维人体运动形态获取已经广泛应用于各个领域，比如医学诊断，动画制作，3D游戏制 作等等。如何快速获取三维人体运动形态是制作相应多媒体影像制品的关键。三维人体运动 形态是由高维数据描述，其由一系列人体运动立体模型来表示动作姿态，多个动作姿态就组 成人体运行形态序列，是一个完整的运动过程，该完整的运动过程也叫步态。

三维人体运动形态在国内已经迅速开展了研究，目前成为了热门的研究课题。获取三维 人体运动形态有多种方法。目前，有二维图像通过预处理后，用启发式智能计算方法进行获 取，这类方法耗时长，并且获取到的三维人体运动形态容易受到预处理质量的影响，其获取 准确率较低，且效率也低。其次，用降维模型获取三维人体运动形态的方法是效率较高的方 法，但是这许多降维模型学习高维数据样本时只能实现对该数据样本进行低维可视化处理。 一些改进的降维模型可以从降维后的低维空间生成新的低维数据样本，再通过新低维数据样 本生成及其映射关系生成相应新高维数据样本，然后得到新的人体运动立体模型。这些改进 的降维算法对于高维数据样本的学习和获取时仅仅限于同类型运动形态的高维数据样本。上 述的方法都局限于同类型运动形态获取。对于不同类型人体运动形态的获取，一些文献的对 降维模型的改进研究也仅限于模型数据样本的拟合，还需对低维空间处理，增加了所需三维 人体运动立体模型的难度，其不能直接通过输入一种运动形态三维人体运动立体模型而得到 另一种运动形态的立体模型，对于如何从同类型运动形态获取不同类型的人体运动形态，上 述方法并不能很好处理。

发明内容

本发明的目的在于提供一种基于增量降维投影位置优化的人体运动形态获取方法，该获 取方法可以从一种运动类型的人体运动立体模型生成一种新的运动类型的人体运动立体模型， 具有耗时少、估算准确、效率高的特点。

本发明采用的技术方案如下：

一种基于增量降维投影位置优化的人体运动形态获取方法，包括以下步骤：

(1)获取两种不同的运动形态图像序列，对第一种运动形态图像序列处理后获取其三维 人体运动形态的高维数据样本Y_I并进行降维后获得低维数据X₁和相应的训练参数；

(2)将步骤(1)所得的相应的训练参数和步骤(2)处理好的低维数据X₁再次进行训练后得到更新的低维数据X₁和相应的训练参数，并得到映射关系f；

(3)对第二种运动形态图像序列处理后获取其三维人体运动形态的高维数据样本Y_II， 并与低维数据X₁建立映射关系，训练后得映射关系g；

(4)在三维人体运动形态的高维数据样本Y_I或者真实的测量数据中抽取运动形态样本y_I’，通过映射关系f和映射关系g得到新的第二种运动形态样本y_II’。

与现有技术相比，本发明具有的有益效果为：