[发明专利]用于人体运动捕捉数据检索的高维空间超球覆盖方法

摘要

本发明公开了一种用于人体运动捕捉数据检索的高维空间超球覆盖方法，该方法涉及人体运动捕捉技术领域，特别涉及光学人体运动捕捉数据中的特征表示、提取、以及检索方法。该方法引入人体各类不同运动在高维空间中的分布特征概念和方法，首先提取人体运动数据中主要特征，构造特征向量，针对某一类检索条件(即待检索的目标运动)的特征向量，在对应的高维空间中构造一系列超球覆盖区域，定义覆盖序列，进而评价覆盖序列的相似度，实现运动捕捉数据的检索。本发明中的检索方法经实际测试，能够有效实现人体运动捕捉数据的检索，具有良好的实用性和鲁棒性。

主权项

1、一种用于人体运动捕捉数据检索的高维空间超球覆盖方法，包括将基于C++程序设计语言和OpenGL图形库开发的人体运动捕捉数据检索系统装入计算机和对人体运动捕捉数据库进行构建、初始化的步骤，其特征在于，还包括以下步骤：(1)、本方法中的检索条件为一组同类运动片断，选取关键姿态并以类型序号(P1，P2，......，Pn)作为标记，并称为检索序列，例如某“走”运动检索条件通过关键姿态选取后得到检索序列[P1，P2，P3，P4]，如附图2所示；(2)、对人体运动数据进行规范化，选取Root节点为坐标原点，记作O，以Root节点至LowerBack节点的向量为Y轴，记作OY，以RightHip节点至LeftHip节点的向量为预定的X轴，记作OX’，以右手定则计算OX’与OY的正交向量，作为Z轴OZ，再以OY和OZ为基准以右手定则计算正交向量作为最终的X轴，记作OX，所有向量均单位向量为，这样针对每一帧运动数据建立起一个局部坐标系。将所有人体运动数据，包括运动检索数据库和检索条件，进行局部坐标系转化，完成规范化，规范化后的运动数据具有统一的位置、朝向和尺度，为进一步的特征选取奠定基础；(3)、运动特征提取，选取8个骨骼朝向向量作为特征参考(V1-V8)，计算其单位向量，并构造为一个24维的特征向量M24＝(XV1，YV1，ZV1，XV2，…，ZV8)，针对所有人体运动数据，包括运动检索数据库和检索条件，进行特征提取，并根据数据库中的特征向量构造特征向量数据库；(4)、根据检索条件特征向量构造高维空间(此处为24维)超球覆盖区域，并作为该运动的特征区域，构造方法为：$\left\{\begin{array}{c}{M}_{j,k}^n=(X_{1,(j,k)},X_{2,(j,k)},X_{3,(j,k)},\·\·\·,X_{n,(j,k)})M_{j,k}^n\∈R^n,j\∈[1,m],k\∈[1,p]\\ S_{j,k}=\left\{Y^n\right|\left|\right|Y^n-M_{j,k}^n\left|\right|\≤\mathrm{\δ}\}{Y}^n\∈R^n,j\∈[1,m],k\∈[1,p]\\ D_k=S_{1,k}U{S}_{2,k}U{S}_{3,k}U,\·\·\·,U{S}_{m,k},k\∈[1,p]\end{array}\right.$其中，Mj，pn是一个检索条件中的关键姿态Pk的特征向量，n为维数24，m是关键姿态Pk的特征向量的个数，δ为覆盖区域阈值，此处取为2.0，p为检索条件中关键姿态的个数，Sj，k是关键姿态Pk的特征覆盖区域，Dk是检索条件特征覆盖区域；(5)循环运动数据的特征向量数据库，将每一个特征向量，来源于一个运动中的一帧数据，作为高维空间中的一点，判断其是否属于检索条件中的关键姿态类别Pk，若是，以检索条件的类型序号Pk作为标记，不从属于任何检索条件中的关键姿态类别的帧以NULL标记；(6)、定义覆盖序列，该序列即为运动数据库中某一个运动中所有帧的从属标记的排列，覆盖序列的数量等于数据库中运动的数量；(7)、评价覆盖序列与检索序列的相似程度，定义相似度分式，即以覆盖序列中所有元素中包含的检索序列种元素类型个数为分子，以检索序列中类型个数为分母的分数值，相似度取值范围为[0-1]，例如覆盖序列[P1、P1、NULL、NULL、P2、P2、NULL、P3]与检索序列[P1、P2、P3、P4]的相似度为3/4，在本发明方法中，认为相似度大于或等于(n-1)/n的为检索对象，其中n为检索序列中类型个数。