基于度量mds和斜交空间距离的运动捕捉数据分割方法
【技术领域】
[0001] 本发明涉及一种基于度量MDS和改进斜交空间距离的人体运动捕捉数据分割方 法，属于计算机图像处理技术领域。
【背景技术】
[0002] 近年来，随着人体运动捕捉技术的发展，计算机动画的应用领域也在不断扩展，我 们通过使用运动捕捉设备来高效、快捷的获取真实感三维人体运动数据，并将所得到的数 据应用到各个领域。人体运动通常都是由多个运动组合而成，而且复杂多变，所以直接对长 序列的运动捕捉数据进行处理，不仅复杂且费时费力。因此，需要将长运动序列分割成具有 独立语义的片段，以便后期对其重用。
[0003] 寻找不同动作之间的分割特征是对人体运动序列分割的关键。现有的分割算法广 泛应用到了降维技术。人体运动捕捉数据是一种多维度的数据，复杂度高，而且运动捕捉数 据绝大部分都是非线性的，直接对高维数据进行处理分析费时费力，为了降低分割难度，并 在保持原始数据原有拓扑结构及相关性的前提下，本发明提出了一种基于度量MDS和改进 斜交空间距离的运动捕捉数据分割方法。
【发明内容】
[0004] 鉴于已有技术方法存在的缺陷，本发明提供基于度量MDS和改进斜交空间距离的 运动捕捉数据分割方法，该方法通过MDS降维，用改进的斜交空间距离求得最终分割点，在 保持原始数据相关性和拓扑结构的前提下，对数据的分割准确率有较大的提升，克服了原 有技术的缺点。
[0005] 为实现上述目的，本发明所采用的技术方案是基于度量MDS和改进斜交空间距离 的运动捕捉数据分割方法，包括以下步骤：
[0006] S1 :对原始序列进行多维尺度分析，实现高维原始数据到低维空间的映射；
[0007] S2 :在低维空间中划出指定窗口，计算指定窗口中数据到前一片段各帧之间的改 进斜交空间距离；
[0008] S3 :通过对改进斜交空间距离进行相似性检测得到最终的分割点集，获得具有独 立语义的运动片段。
[0009] 进一步的S1中所述的方法是将度量MDS应用于对人体运动捕捉数据的降维，得 到的低维特征曲线能够更好地反映人体运动的本质特征，体现研究对象间的相似性和差异 性，具体包括以下步骤：
[0010] S11 :采用一包括N个输入向量的数据点集X描述运动数据。
[0011] S12 :求得距离平方矩阵D:
[0012] D= [(X-Xj)2]
[0013] = [IIXxI12-2X,X/+1IXjI12] =BeT-2XXT+eBT
[0014] 其中，i，j= 1，2，···，Ν，X=成义，···々)、为NX1 维全 1 阵，B= (11^112,..·,ΙΙχΝΙΓ)τ〇
[0015] S13 :将距离平方矩阵双中心化：设J=I-eeT/N。其中，e为ΝΧ1维全1阵， I为NXN维单位矩阵，则Je= 0，eTJ= 0,JT=J。对任意包含N个样本点的输入X= (Xi，X2,. . .，XN)T，则有
。利用J将距离平方矩阵双中心化，则 有：
[0016] JDJ=JBeTJ-2JXXTJ+JeBTJ
[0017] = -2JXXTJ= -2JXXTJT= -2(JX) (JX)T
[0018] =~2[X；-μ] [X；-μ]T
[0019] 令V=JX= [χ「μ]，则JDJ= -2WT。
[0020] S14 :得到原始数据低维坐标表示：令H=VVT= -JDJ/2,将H阵特征分解：H= UAUT。令λ2多…彡λ〇为矩阵Η的特征值，令，…，UNeR%其对应 特征向量，取其前d个特征值λλ2, . ..，λd和其对应前d个特征向量UdU2, . . .，Ud，进而 得到输入X的低维坐标表示Y，如下表示：
[0021]
[0022] 将Υ作为降维结果输出，从而达到对原始运动捕捉数据降维的目的。
[0023] 进一步的S2中计算初始分割点周围一定窗口范围中数据到前一片段各帧之间的 改进斜交空间距离，使最终得到的分割点更加精确，具体包括如下步骤：
[0024] S21々m=l〇
[0025] S22:m=m+l，以第m个初始分割点Ρηι为中心设置一个长度为L= 2a+l(a=35) 的窗口，即：[P"Ta，P，a]帧，然后计算该窗口中的每一帧到前一个片段[Pmi，P"Ta-1]每 一帧的帧间距离DD(i，j)。由于各帧之间往往存在着不同的相关关系，用正交空间的距离来 计算各帧之间的距离容易变形，所以帧间距离可选择改进斜交空间距离，改进斜交空间距 离定义加下.
[0026]
[0027] 其中，η= 93,rkil为运动序列第i帧和第j帧的相关系数，其公式如下：
[0028]
[0029] 当i=j时，表示指标的自相关系数，1 ;当i辛j时，相关系数的取值在-1~ 1之间。相关系数的绝对值越接近1，表示两变量之间的相关程度越大。当各帧之间不相关 时，改进斜交空间距离退化为欧氏距离。
[0030] 进一步的S3中对改进斜交空间距离进行相似性检测获得具有独立语义的运动片 段，具体采用如下步骤：
[0031] S31 :判断相似性，将各帧间的帧间距离存入矩阵DIS中，在此定义一阈值β，且令 β=5min(DIS)，如果帧间距离DD(i，j)小于阈值β，表示此帧属于前一个片段，则在相应 的窗口中标记1，否则此帧属于后一片段，标记0。
[0032]S32:判断当前帧是否为最后一帧，是则执行S33,否则执行S22。
[0033] S33 :对窗口中标记为1的数据个数进行统计，记为M，将精准分割点重新定为 ρη-α+M。
[0034] 本发明与现有技术相比具有以下优点：
[0035] 1、度量MDS降维方法利用数据点之间的相似性或者距离来获得数据在低维空间 的几何表示，把距离的平方矩阵转换成内积矩阵，最后求得内积矩阵的特征值和特征向量 以获取其低维表示，有较高的稳定性。
[0036] 2、由于各帧之间往往存在着不同的相关关系，用正交空间的距离来计算各帧之间 的距离容易变形，所以帧间距离可选择斜交空间距离。对得到的初始分割点，采用改进斜交 空间距离进行相似性检测，使得最终得到的分割点集更精确。
【附图说明】
[0037] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的附图。
[0038] 图1本发明公开的基于度量MDS和改进斜交空间距离的人体运动捕捉数据分割方 法的流程图
[0039]图2实验中所采用的格式为BVH的人体骨架模型图
[0040] 图3本发明中人体六种运动的类型图
[0041] 图4特征曲线及其标记结果示意图
[0042] 图5不同方法对人体运动分割结果对比示意图
【具体实施方式】
[0043] 实施例1
[0044] 本发明的实施例是在以本发明技术方案为前提下进行实施的，给出了详细的实施 方式和具体的操作过程，但本发明的保护范围不限于下述实施例。
[0045] 下面结合附图对本发明实施例中的技术方案作进一步详细说明。
[0046] 如图1所示的基于度量MDS和改进斜交空间距离的人体运动捕捉数据分割方法的 流程图，该方法包括以下步骤：
[0047] S1 :对原始序列进行多维尺度分析，实现高维原始数据到低维空间的映射；
[0048] S2 :在低维空间中划出指定窗口，计算指定窗口中数据到前一片段各帧之间的改 进斜交空间距离；
[0049]S3:通过对改进斜交空间距离进行相似性检测得到最终的分割点集，获得具有独 立语义的运动片段。独立语义意思是分割点将较复杂的非规律运动序列分割开来，每相邻 两分割点之间为一个独立的运动片段，比如只是单纯的"跑"或者单纯的"跳"片段，不包含 其他运动。
[0050] 进一步的S1中的具体方法包括如下步骤：
[0051]Sll:采用一包括N个输入向量的数据点集X描述运动数据。
[0052]S12:求得距离平方矩阵D:
[0053]D= (d2 (X1;X)) NXN= [(XrX)2]
[0054]= [IIXxI12-2X,X/+1IXjI12] =BeT-2XXT+eBT
[0055] 其中，i，j= 1，2, · · ·，N，X= (X"X2, · · ·，XN)T，e为NX1 维全 1 阵，B= (NxH·，Ι|ΧΝΙΓ)Τ。
[0056]S13:将距离平方矩阵双中心化：设J=I-eeT/N。其中，e为NXl维全1阵， I为NXN维单位矩阵，则Je= 0，eTJ= 0,JT=J。对任意包含N个样本点的输入X= (父1，&，...，\)\则有从=[.\:.-/，；],// =丨/~；^^利用1将距离平方矩阵双中心化，则 有：
[0057]JDJ=JBeTJ-2JXXTJ+JeBTJ