[发明专利]一种基于非线性流形学习的三维人体运动合成方法

摘要

本发明公开了一种基于非线性流形学习的三维人体运动合成方法，以制作真实感的三维人体运动动画，其特征是：首先将一组稀疏三维人体运动样本通过非线性流形学习映射到低维流形上构建运动语义参数空间；然后对低维运动语义参数空间进行分布均匀的密集重采样，并将重采样系数集应用于原始运动空间中分布稀疏的运动样本，得到高维空间中密集且均匀分布的运动样本；然后将新采样得到的高维运动样本重映射得到最终的低维运动语义参数空间；最后用户通过交互在低维语义参数空间中选择合成的运动语义参数，系统将该运动语义参数映射到高维运动空间得到新的运动序列。本发明不仅能够对如特定关节的运动位置、物理运动特征等运动物理参数进行较为精确的控制，还可用于合成具有如运动风格等高层运动语义的新运动数据。

主权项

1、一种基于非线性流形学习的三维人体运动合成方法，其特征在于包括如下步骤：1)将一组经过预处理的长度相同的三维人体运动数据分别展开为一组向量，作为非线性流形学习方法的输入，通过非线性流形学习方法将这一组稀疏三维人体运动样本映射到低维流形上构建运动语义参数空间；2)对低维运动语义参数空间进行分布均匀的密集重采样，并将重采样系数集应用于原始运动空间中分布稀疏的运动样本，得到高维空间中分布密集且均匀的运动样本；3)将密集重采样得到的高维运动样本通过非线性流形学习重映射得到最终的低维运动语义参数空间；4)用户通过交互在低维语义参数空间中选择合成的运动语义参数，系统将该运动语义参数映射到高维运动空间得到新的运动序列。