[发明专利]一种运动捕捉数据的关键帧提取方法

摘要

本发明公开了一种用于被动式光学人体运动捕捉数据中关键帧提取方法。通过分层使用聚类方法，初次聚类得到初始分类数目和初始类划分等第二次聚类所需的阈值，然后采用动态的无监督聚类算法ISODATA再次自动提取聚类，而无需人工预定义阈值。最后得到比较合理的聚类，并提取出离聚类中心最近的运动帧作为关键帧。本发明在得到较理想的关键帧的同时，能够满足运动捕捉的实时性要求。

主权项

1.一种运动捕捉数据的关键帧提取方法，其特征在于：第一步：初始聚类的划分和所需阈值计算，其由以下4步骤构成：步骤1.有N帧的运动序列连续读入，这里利用欧拉公式得到的相邻帧之间的相似度存放在数组中，数组中共有N-1个元素；所述利用欧氏距离来表示相邻运动帧之间的相似度，采用的计算公式是：sim(Fi,Fj)=Σt=1nωt(Fi,t-Fj,t)2]]>所述F是运动帧，ω是各个关节点的权值，t指的是各个关节点；步骤2.数组中存放的相似度的元素作为参数分别依次进行聚类，分为两类，而且通过比较得到的两类的离散度最小时候的相似度值，此时的相似度作为所求的阈值之一；所有基于帧间差异来判断两帧是否相似的方法都要指定阈值，采用以下步骤来计算出第二次聚类所需的各种阈值参数：（1）设一个运动序列中共有N帧{F₁,F₂,F₃,...,F_N}，连续读入这些运动，并利用上述公式(1)来计算相邻帧之间的相似度，得到数组Dif={D₁,D₂,...,D_N-1}，所述N是运动序列中总的运动帧数目；（2）依次以Dif中的相似度为参数分别依次进行聚类，分为两类，而且通过比较得到的两类的离散度最小时候的相似度值。此时的相似度作为所求的阈值之一；离散度的计算公式如下：δ12=1TΣi=1T(Di-arg(Σi=1TDi)),]]>δ22=1N-1-TΣi=T+1N-1(Di-arg(Σi=T+1N-1Di)),]]>δ²=min(δ₁²+δ₂²)；所述1≤T≤N-2，N是运动序列中总的帧数目；是两个聚类离散度的和；当最小的时候，此时分得两个聚类的相似度D_T就是我们在下一步聚类过程中需要的参数之一；步骤3.利用得到离散度最小的聚类时候的相似度开始对运动序列进行分类，如果相邻的帧的相似度大于或等于D_T，则开始新的类；否则如果当前帧与当前聚类中心的距离大于等于D_T时，开始新的类；步骤4.当此算法停止的时候，得到划分的初始类的数目和初始类的划分，以及第二次聚类所需的其他阈值；第二步：利用ISODATA进行动态聚类，步骤如下；步骤1.利用ISODATA进行动态聚类并提取关键帧，过程如下：动态聚类的分裂：如果某类的类内离散度大于各个分类离散度的均值，且该类的最大标准偏差大于各个相邻聚类间的最大标准偏差时，将此类分裂成新的两类；并且如果此时的聚类数目小于K/2或是当迭代次数是奇数且此时的聚类数目在K/2和2K之间的时候分裂成两类；所述K是期望的最大聚类数目；动态聚类的合并：如果某相邻聚类的类中心的相似度小于在初始分类得到两类离散度最小时候的相似度值时，合并这两个聚类；或者聚类内部的帧数目小于一个聚类可容纳的最少帧数目时将其与相邻的聚类合并；再者如果聚类的数目大于2K或者当前迭代次数是偶数且此时聚类数目在K/2和2K之间的时候合并两类；步骤2.确定阈值；所述确定阈值的方法如下：K：期望得到的最大聚类数目，无需从太短的序列里提取关键帧，我们使用的运动捕捉数据库的采样频率是每秒120帧，每秒最多提取四个关键帧即可，O_N：一个聚类中的最小样本数目，通过上述K取值为25；O_S：距离当前聚类中心的在最大标准偏差参数，这里取在初始聚类中得到的D_T相对应的两帧F_i和F_i+1之间的标准偏差，所述O_S在每次动态的分裂和合并后会进行动态的计算，其公式为：OS=Σt=1n|Fi,t-Fi+1,t|;]]>O_C：两个聚类之间距离的最小值，选取初始分类中得到的D_T，假如在每次动态的分裂和合并后D_T相对应的两帧是F_i和F_i+1，利用公式DT=Σt=1nωt(Fi,t-Fi+1,t)2]]>进行动态的计算D_T；L：每次迭代可以合并的聚类数目，这里我们按照运动序列的顺序，根据合并和分裂规则处理相邻的帧或是聚类；I：最大的迭代次数，用于判断迭代终止的一个条件；经过每次迭代后的聚类数目对多会是原来运动序列帧的数目的一半，当达到期望的最大聚类数目时需要的迭代次数可以由以下式子得到：O_N和L的值与运动内容是无关的，对于不同类型的运动序列可以设定同样的数值，而K、O_S、O_C和I则是根据运动内容动态计算得到的；这些设置保证了阈值的自适应设定而无需人工设定；步骤3.当完成一次迭代之后检测是否满足终止迭代的条件，如果满足就终止迭代，并提取出每个聚类中距离类中心最近的帧作为最终的关键帧；否则就返回经过初始化的上次迭代后的各个参数继续进行迭代操作，直至满足停止迭代的条件为止。