保持时序平稳与低秩结构特性的三维人体运动数据补全方法
【专利摘要】本发明公开一种保持时序平稳与低秩结构特性的三维人体运动数据补全方法。该方法基于三维人体运动具有保持时序平稳的特性和三维人体运动数据具有的低秩结构特性，首先，将一段待补全的三维人体运动序列表示成三维运动数据矩阵形式；接着，根据该运动数据矩阵设置相应的二值掩码矩阵和平滑约束矩阵；然后，采用增广拉格朗日数乘方法优化求解一个保存时序平稳与低秩结构特性的鲁棒低秩矩阵填充数学模型；最后，依据优化结果对原三维人体运动数据进行补全，从而实现对不完整的三维人体运动数据的补全。该方法可以再不需要数据库支持下，快速地实现对单段三维人体运动序列的快速补全，与此同时，对噪声具有一定的抵抗能力。
【专利说明】保持时序平稳与低秩结构特性的三维人体运动数据补全方法
【技术领域】
[0001]本发明涉及三维人体运动数据补全、低秩矩阵填充，尤其涉及ー种保持时序平稳与低秩结构特性的三维人体运动数据补全方法。
【背景技术】
[0002]三维人体运动数据获取与生成技术能够直接应用于虚拟现实、三维角色动画制作、人机交互、人体运动仿真、体育训练分析、医疗运动康复等领域，能够为上述领域的研究与应用提供精确、真实的三维人体运动数据支持，具有重要的研究与应用价值。
[0003]然而，即使是目前商用的三维人体运动捕获设备，由于受到表演者人体肢体自遮挡、服饰的遮挡等原因，常常会出现人体部分标记点缺失的现象。为了解决这个问题，近年来各种各样的三维人体运动数据补全方法被提出。
[0004]最常用的插值法是利用线性或样条插值函数，对三维人体运动数据曲线进行插值。这种方法的特点是简单快速，适合短时间的运动缺失，对超过0.5秒以上的运动缺失无法进行准确的补全。
[0005]以卡尔曼滤波为代表的线性动态系统法，将人体姿态变迁过程用线性或非线性的动态系统进行建模，利用构建的模型对缺失的数据进行预测。
[0006]近年来，随着三维运动捕获设备的普及，各种三维数据越来越容易获得，采用数据库驱动的方法变得流行。这类方法是通过对数据库中现有的三维人体姿态进行检索和内在时刻关系挖掘，来对缺失的数据进行预测或过滤。例如，Chai J.X.和Hodgins J.K.提出在数据库支持的基础上，利用少量人体标记点来估计完整的人体姿态。Liu H.等人提出基于样例的三维人体运动数据去噪，并将其应用到三维人体运动数据的补全。
[0007]虽然目前采用数据库驱动的方法在三维人体运动数据补全上，性能是非常好的，但是由于这类方法无法生成数据库中没有出现过的运动类型，缺乏数据自适应学习能力，因此还是存在一定的局限性。为了克服这个问题，Lai等人将传统的三维人体运动数据处理问题转换为一种低秩矩阵填充问题，实现了在不需要数据库支持的情况下，进行三維人体运动数据的补全和去噪功能。在Lai等人的工作中，只考虑到了三维人体运动数据的低秩结构特性，同时他们的模型采用的是SVT方法进行优化求解，速度上存在一定的不足。
[0008]在已有的低秩矩阵优化问题求解方法中，除了 Lai等人所使用的SVT方法，目前还有せ！括 Accelerated Proximal Gradient (APG)和 Augmented Lagrange Multiplier (ALM)等万法。在林等人的论文〈〈The augmented Lagrange multiplier method for exactrecovery of corrupted low -rank matrices》中，对不同的优化求解方法进行了详细的对比分析，发现ALM方法无论是在速度还是性能上都较其他方法更好。
[0009]与前面所提的方法不同，本方法不仅将三维人体运动数据所具有的低秩结构特性考虑进来，同时还将三维人体运动所具有的时序平滑性约束考虑进来，通过同时引入低秩约束与时序平稳性约束，将传统的三维人体运动数据补全问题转为优化求解ー个保存时序平稳与低秩结构特性的鲁棒低秩矩阵填充数学模型。与Lai的方法不同，本方法采用增广拉格朗日数乘方法(ALM)进行优化求解，运算速度比Lai的方法要更加快，同时运算结果更加稳定鲁棒。
【发明内容】
[0010]本发明的目的是克服现有技术的不足，提供一种保持时序平稳与低秩结构特性的三维人体运动数据补全方法。
[0011]一种保持时序平稳与低秩结构特性的三维人体运动数据补全方法包括如下步骤:
[0012]I)从公共的三维人体运动数据集CMU人体运动数据集中选择出4段人体运动数据，包括走，跳，舞蹈和太极，或者通过动作捕获系统进行捕获人体运动数据，包括走，跑和跳，得到待补全的三维人体运动数据；
[0013]2)将待补全的三维人体运动序列表示成三维运动数据矩阵X:X =Cf1, f2,"., f?] e R3kxn，其中，fi表示第I个人体姿态所有关节点三维坐标构成的姿态特征
向量fi = [xn, yn, Zil,...，Xik, yik, Zik]T,Xij是第i个人体姿态中第j个关键点的X坐标值，Yij是第i个人体姿态中第j个关键点的I坐标值，Zij是第i个人体姿态中第j个关键点的z坐标值，k是一个人体姿态包含的关节点数，η是整段待补全人体运动序列中人体姿态的个数；
[0014]3)根据待补全的三维运动数据矩阵X中数据项是否已经观测到，设置二值掩码矩阵Ω，规则如下:
【权利要求】
1.ー种保持时序平稳与低秩结构特性的三维人体运动数据补全方法，其特征在于包括如下步骤: 1)从公共的三维人体运动数据集CMU人体运动数据集中选择出4段人体运动数据，包括走，跳，舞蹈和太扱，或者通过动作捕获系统进行捕获人体运动数据，包括走，跑和跳，得到待补全的三维人体运动数据； 2)将待补全的三维人体运动序列表示成三维运动数据矩阵X:X =Cf1,ち，...，f?] G R3kxn，其中，も表示第i个人体姿态所有关节点三维坐标构成的姿态特征向量も=[x?，yn, zn,…，xik, yik, ZiJ1jXij是第i个人体姿态中第j个关键点的x坐标值，Yij是第i个人体姿态中第j个关键点的I坐标值，Zij是第i个人体姿态中第j个关键点的z坐标值，k是ー个人体姿态包含的关节点数，n是整段待补全人体运动序列中人体姿态的个数； 3)根据待补全的三维运动数据矩阵X中数据项是否已经观测到，设置二值掩码矩阵Q，规则如下:
【文档编号】G06T7/20GK103578120SQ201310558212
【公开日】2014年2月12日 申请日期:2013年11月11日 优先权日:2013年11月11日
【发明者】肖俊, 冯银付, 庄越挺, 计明明 申请人:浙江大学