一种人体运动数据相似度自动评价方法与流程

技术特征：

1.一种人体运动数据相似度自动评价方法，其特征在于：首先采用动捕设备采集的基于人体骨架结构的动作数据，并基于该数据格式对姿态之间的距离进行定义，然后聚类各种时空姿态建立动作的统计信息，最后基于巴氏距离计算两个动作的距离，进行分段动作比较，以该距离对动作相似度进行评价；具体包括以下步骤：

步骤一，采用Vicon动作捕捉套件进行人体动作采集，其包含12个MX-40红外摄像头，采集到的人体动作可以采用每个关节的运动来描述，关节之间存在父子关系，关节的方向由它在父关节坐标空间中的相对方向进行描述，根骨采用模型坐标空间中的位置和方向进行描述；所述的人体骨架模型描述动作数据，取ID为0的关节的位置以及所有关节的方向表示人体运动，所述的所有关节包括ID为0的关节；

步骤二，定义姿态距离，令A＝(p₀,...,p_N)为一组时间序列姿态组成的动作，假设A从时间t₀开始，到时间t_N结束；用D_p表示两个姿态p₁和p₂的距离，ε为两个姿态之间的已知等效值；

其中，p₁,p2∈P²。令为姿势等效值ε的聚类的中位元素；根据以上定义，可以得到一个代表在长度为t_N的动作A＝(p₀,...,p_N)中的累计发生频率

其中，ΔT＝[t_i,t_j]/t₀≤t_i≤t_j≤t_N。

定义动作A的姿态统计信息H，有

采用巴氏距离x测量两个动作A和B的姿态统计信息之间的距离

其中

根据式(1)可以得到动作A和B的相似度估计函数

其中，T_A和T_B分别表示动作A和B的时间长度；

步骤三，分段动作比较，将动作分解为时间序列的分动作，对于动作A，定义一组时间序列姿势{p₀,...,p_n}，对于所有的分解可能，其长度范围从1到n+1，递归算法定义如下：

·A只有1个姿势：A＝(p₀)

Decomp(A)＝{([p₀])}

·A有2个姿势：A＝(p₀，p₁)

Decomp(A)＝{([p₀,p₁]),([p₀][p₁])}

·A有3个姿势：A＝(p₀，p₁，p₂)

Decomp(A)＝{([p₀][p₁][p₂]),([p₀][p₁])(p₂),(p₀)([p₁][p₂]),([p₀])([p₁])([p₂])}

·A有n+1个姿势：A＝(p₀,...,p_n)

所述的式(3)中，

Concat[(p_a,...，p_b)(p_i,...，p_n-1),{[p_n]}]＝{(p_a,...，p_b)(p_i,...，p_n-1p_n)} (4)

所述的式(4)中，0≤a≤b≤n-1，对于A＝(p₀,...,p_n),(p_i)^*表示序列(p_i)^*重复0到N次，如式(5)表示：

A\{p_n}＝(p₀,...,p) (5)

在对动作A和B进行比较时，根据式(2)可以找到最优分解方法以获得最小费用值；将每个分解动作建立姿态统计信息，获得整个动作的姿态统计信息序列；一个动作的分解可以看做是时间序列的子姿态信息，用长度不超过N的矢量(h₀,h₁,h₂)表示；

步骤四，采用动态规划的思想，通过下式计算A和B之间的距离

评价动作A和B的相似性。