一种基于局部线性嵌入的人体运动分割方法
【专利摘要】本发明公开了一种基于局部线性嵌入的人体运动分割方法，包括以下步骤：S1：读取包含人体运动轨迹的原始的运动捕获数据；S2：采用LLE方法对运动捕捉数据进行降维，得到一条反映原始人体运动本质特征的特征曲线；S3：采用平滑滤波方法去除特征曲线中的噪声，找到特征曲线的局部极值点，根据曲线幅度检测方法获取初级分割点；S4：对上述初级分割点进行筛选处理获得最终的分割点集。本方法通过LLE方法对原始的运动数据进行降维，着重解决针对多种运动类型的长序列的人体运动精确的分为具有独立语义的单个运动类型的运动片段问题，从而提高分割的精确度。
【专利说明】—种基于局部线性嵌入的人体运动分割方法
【技术领域】
[0001]本发明涉及人体运动捕捉技术，尤其涉及一种基于局部线性嵌入的人体运动分割方法。
【背景技术】
[0002]随着计算机动画的发展趋势正趋向于三维人体动画，因此我们需要用运动捕捉设备来进行人体运动数据的采集，并将捕捉到的数据应用到各个领域中。由于人体运动复杂多变，一次性捕捉到的运动数据不足以应对所有的运动情况，另外由于运动捕捉设备较为昂贵，这就需要我们充分利用已捕获到的运动数据，将已捕获到的运动数据进行数据处理。由于我们捕捉到的运动是在某种场景下的一系列连贯的动作，因此最终采集的也是包含多种运动类型的长序列运动数据，一般人们的运动过程都是多种运动类型的集合体，而对于这种具有多种运动类型的人体运动序列，直接进行索引或者合成等处理不合适。因此需要对长运动序列进行分割，并将分割后的具有独立语义的运动数据保存到运动数据库中，形成结构化的数据库，以便后续对运动数据进行重用。
[0003]原始的运动序列分割方法是手动分割，虽然可以获得良好的分割结果，但是非常复杂并且需要花费很多时间，并且每个人的分割标准也不同，现有技术中采用主成分分析(PCA)和概率主成(PPCA)方法对运动序列进行分析，以达到分割的目的。PCA和PPCA方法是将数据进行降维，通过对低维空间的数据的分析来实现对原始数据的分析。但PCA是线性方法，不能对非线性的人体运动数据进行准确的分割。
【发明内容】
[0004]根据现有技术中关于人体运动方法中存在的问题，本发明公开了一种基于局部线性嵌入的人体运动分割方法，包括以下步骤:
[0005]S1:读取包含人体运动轨迹的原始的运动捕获数据；
[0006]S2:采用LLE方法对运动捕捉数据进行降维，得到一条反映原始人体运动本质特征的特征曲线；
[0007]S3:采用平滑滤波方法去除特征曲线中的噪声，找到特征曲线的局部极值点，根据曲线幅度检测方法获取初级分割点；
[0008]S4:对上述初级分割点进行筛选处理获得最终的分割点集。
[0009]进一步的，S2中所述LLE方法是对运动捕捉数据中给定的N个输入X = (X1X2…XN}, Xi e RdQ = I, 2，…，N)，通过 LLE 方法得到输出值:Y = Iyj2…yJ，Yi e Rd;其中=Xi为样本点，具体包括以下步骤:
[0010]S21:搜索每个样本点Xi的最近邻近点:对于每个样本点Xi e Rd找到它的k个邻近点，邻近点距离公式采用公式⑴计算:
【权利要求】
1.一种基于局部线性嵌入的人体运动分割方法，其特征在于:包括以下步骤: S1:读取包含人体运动轨迹的原始的运动捕获数据； 52:采用LLE方法对运动捕捉数据进行降维，得到一条反映原始人体运动本质特征的特征曲线； 53:采用平滑滤波方法去除特征曲线中的噪声，找到特征曲线的局部极值点，根据曲线幅度检测方法获取初级分割点； 54:对上述初级分割点进行筛选处理获得最终的分割点集。
2.根据权利要求1所述的一种基于局部线性嵌入的人体运动分割方法，其特征还在于:S2中所述LLE方法是对运动捕捉数据中给定的N个输入X = (X1XfXj, Xi e RdQ =1，2，…，N)，通过LLE方法得到输出值.Λ = {yiy2…yN}，yi e Rd;其中％为样本点，具体包括以下步骤: 521:搜索每个样本点Xi的最近邻近点:对于每个样本点Xi e Rd找到它的k个邻近点，邻近点距离公式采用公式(I)计算:
3.根据权利要求1所述的一种基于局部线性嵌入的人体运动分割方法，其特征还在于:S3中采用平滑滤波方法去除特征曲线中的噪声，找到曲线的局部极值点，根据曲线幅度检测方法得到初级分割点，具体采用如下步骤: 531:计算特征曲线的极值点，包括极大值点和极小值点； 532:对每个极值点两侧的幅度曲线进行检测，对最小幅度和最大幅度进行比较，如果最小幅度比最大幅度的δ倍小，其中δ取小数，则此极值点定义为初级分割点；S33:对得到的初级分割点进行查看，如果初级分割点之间的距离小于设定的距离值，则对初级分割点进行筛选；如果初级分割点之间的距离大于设定的距离值，则按照以上公开的方法继续查找初级分割点，直到获取最后一个初级分割点为止。
4.根据权利要求1或3所述的一种基于局部线性嵌入的人体运动分割方法，其特征还在于:S4中对初级分割点进行筛选处理获得最终的分割点集时:从初级分割点集中的第二个初级分割点P2开始筛选直到最后一个初级分割点结束，具体包括以下步骤: 541:以步骤3中获取的第二个初级分割点P2为中心设置一个长度为2 α +1的窗口，SP[p2- a , p2+ α ]中贞，计算[ρ2- α , ρ2+ α ]中的每一帧到前一个聚类[P1 = P2-Ct]的中贞间距离D,其中帧间距离选择欧氏距离，所述欧氏距离为:
【文档编号】G06T7/20GK104036527SQ201410294642
【公开日】2014年9月10日 申请日期:2014年6月26日 优先权日:2014年6月26日
【发明者】张强, 张书鲁, 周东生, 魏小鹏 申请人:大连大学