[发明专利]一种人运动的紧凑的表示方法

摘要

本发明公开了一种人运动的紧凑的表示方法，通过非线性降维将人的运动映射到一个低维的嵌入空间上来；将降维后的数据用线性时序模型建模。其中通过非线性降维将人的运动映射到一个低维的嵌入的姿态空间上来；实现为：z＝(x₁+jy₁，x₂+jy₂，…，x_M+jy_M)^T。将降维后的数据用线性时序模型建模；实现步骤：基于线性时间序列模型的运动建模；建立一个p阶的自回归模型(AR)包括；一个p阶的自回归模型(AR)AR(p)有如下参数：系数矩阵A_k∈R^m×m，为了保证动态过程均值为非零而引入的参数v，高斯白噪声的协方差矩阵Q，设A_k是对角矩阵，则z(t)的各个分量之间是相互独立的；给定两个自回归模型(AR)A＝[v，A₁，A₂，…，A_p]和A′＝[v′，A₁′，A₂′，…，A_p′]，则距离度量D(A，A′)＝‖A－A′‖_F，其中‖·‖_F表示矩阵的F－范数。

主权项

1.一种人运动的紧凑的表示方法，特征在于；通过非线性降维将人的运动映射到一个低维的嵌入空间上来；将降维后的数据用线性时序模型建模；中所述的通过非线性降维将人的运动映射到一个低维的嵌入的姿态空间上来；通过以下步骤实现：所述姿态空间的表达；包括以下步骤：采用M个标记点P＝{p1，p2，…，pM}来描述人的外轮廓，则每个轮廓可以用复向量z来表示：z＝(x1+jy1，x2+jy2，…，xM+jyM)T 其中：xi和yi分别表示第i个标记点pi的横坐标和纵坐标；这种人姿态的表达对于位置和各向同性的尺度变化需要具有不变性，归为复向量z′；所述的复向量z′的实部和虚部构成轮廓；采用局部线性嵌入算法(LLE)发现人的运动特征在高维特征空间中隐藏的内在结构；假设输入样本集为Z，则对应的低维嵌入空间的点集Y可以通过局部线性嵌入算法(LLE)得到；确定嵌入空间的维数e；其中所述的将降维后的数据用线性时序模型建模；通过以下步骤实现：基于线性时间序列模型的运动建模；建立一个p阶的自回归模型(AR)包括；一个p阶的自回归模型(AR)AR(p)有如下参数：系数矩阵Ak∈Rm×m，为了保证动态过程均值为非零而引入的参数v，高斯白噪声的协方差矩阵Q，设Ak是对角矩阵，则z(t)的各个分量之间是相互独立的；给定两个自回归模型(AR)A＝[v，A1，A2，…，Ap]和A′＝[v′，A1′，A2′，…，Ap′]，则距离度量：D(A，A′)＝‖A-A′‖F，其中‖·‖F表示矩阵的F-范数。