亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種運動捕獲數(shù)據(jù)自動分割方法

文檔序號:6655077閱讀:234來源:國知局
專利名稱:一種運動捕獲數(shù)據(jù)自動分割方法
技術(shù)領(lǐng)域
本發(fā)明涉及計算機動畫領(lǐng)域里關(guān)于運動捕獲數(shù)據(jù)分割的方法,特別是一種基于統(tǒng) 計學習的運動捕獲數(shù)據(jù)自動分割方法。
背景技術(shù)
近年來,隨著運動捕獲設備的發(fā)展和普及,出現(xiàn)了一種新的運動生成方法,即運動 捕獲方法。利用運動捕獲數(shù)據(jù)生成虛擬角色的運動,具有易于實現(xiàn)、運動逼真度高等優(yōu)點。 該方法已被廣泛應用于影視、廣告、動畫制作、教學等領(lǐng)域。在應用運動捕獲方法生成新運 動時,經(jīng)常要用到運動分割,將一個長序列運動捕獲數(shù)據(jù)分割成為不同語義特征的一系列 運動片段,再將其中的某些運動片段經(jīng)過重新排序、運動拼接,生成滿足需求的新運動。由 于運動的復雜性和多樣性,運動捕獲數(shù)據(jù)呈現(xiàn)出種類多、數(shù)據(jù)量大等特點,人工對其進行檢 索和分割是一項很繁雜的工作,這給本身就很復雜的動畫創(chuàng)作增加了更大的負擔。為了更 好地利用運動捕獲數(shù)據(jù),對運動捕獲數(shù)據(jù)的自動分割日益受到人們的重視,逐漸成為一個 研究熱點。對運動捕獲數(shù)據(jù)進行分割,就是要找出運動序列中不同運動片段之間的分割點。 一些學者認為不同的運動片段會表現(xiàn)出不同的幾何特征,通過分析運動的幾何特征實現(xiàn)運 動的分割,運動幾何特征發(fā)生變化的幀就是分割點。楊躍東等人在文獻“基于幾何特征的 人體運動捕獲數(shù)據(jù)分割方法”中,將人體8個不同部位彎曲的角度作為人體運動幾何特征, 由此構(gòu)造特征函數(shù),通過分析特征函數(shù)的幾何特征,實現(xiàn)了運動的分割。肖俊等人在文獻 “三維人體運動特征可視化與交互式運動分割”中,提出一種基于運動特征的交互式運動分 割方法,利用人體四肢相對于根節(jié)點的夾角構(gòu)造運動特征函數(shù),以特征函數(shù)的跳變點作為 運動的分割點。這類方法的優(yōu)點是直接從關(guān)節(jié)角度抽取運動特征,特征函數(shù)結(jié)構(gòu)簡單,計算 效率高;但是它們只是對人體關(guān)節(jié)進行簡單的取舍,只考慮了其中幾個固定的關(guān)節(jié),特征函 數(shù)只對這些固定的關(guān)節(jié)敏感,因此只適應某些特殊運動的分割,而對由那些削減掉的關(guān)節(jié) 完成的運動,分割卻無能為力。如果考慮所有關(guān)節(jié)的運動特征,由于人體運動捕獲數(shù)據(jù)的 高維性,勢必引起特征函數(shù)的高復雜性,嚴重影響計算效率。與直接從關(guān)節(jié)角度抽取運動 特征不同,另外一些學者從統(tǒng)計學的角度對運動捕獲數(shù)據(jù)的分割開展了相應的研究。這類 方法將人體所有關(guān)節(jié)自由度構(gòu)成的向量作為一個整體進行研究,從運動捕獲數(shù)據(jù)方差的角 度入手,基于不同運動片段具有不同的方差分布即主成分實現(xiàn)運動分割;或者從運動捕獲 數(shù)據(jù)的概率分布角度入手,基于不同運動片段服從不同分布進行運動分割。在這類方法中, Jemej等人的工作具有代表性。Jemej等人在文獻“將運動捕獲數(shù)據(jù)分割成不同行為特征的 片段,,(Segmenting motion capture data into distinct behaviors)中,提出 了三禾中運動 捕獲數(shù)據(jù)分割方法。他們認為不同類型的人體運動捕獲數(shù)據(jù)應該具有不同的內(nèi)在維度,他 們基于主成分分析(Principal Component Analysers, PCA)實現(xiàn)了運動捕獲數(shù)據(jù)的分割, 通過構(gòu)建運動捕獲數(shù)據(jù)分割器,當運動捕獲數(shù)據(jù)的子空間模型內(nèi)在維度發(fā)生變化時,即為 不同運動片段之間的分割點。另外,通過在算法中引入概率分布的概念,提出了基于概率主成分分析(Probabilistic Principal Component Analysers,PPCA)的運動數(shù)據(jù)分割方法。 這兩種算法對運動捕獲數(shù)據(jù)的分割效果較好,但是它們的運算效率較低。此外,Jemej等人 還認為,不同類型的運動數(shù)據(jù)會形成獨立的聚類,而且每個聚類都服從不同的高斯分布,基 于此假設提出了基于混合高斯模型(Gaussian Mixture Models, GMM)的運動數(shù)據(jù)分割算 法,但是利用這種算法進行運動捕獲數(shù)據(jù)分割時,需要用戶指定待分割的運動片段數(shù)目,使 用起來很不方便,因為運動序列中包含的運動片段數(shù)目在分割前往往并不知道。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種運動捕獲數(shù)據(jù)的自動分割方法,用低維的運 動特征來描述高維運動,通過探測運動特征的變化實現(xiàn)運動捕獲數(shù)據(jù)的自動分割。本發(fā)明的技術(shù)方案如下第一步,描述待分割的運動捕獲數(shù)據(jù),方法是1. 1、分析待分割的運動捕獲數(shù)據(jù),確定構(gòu)成運動的關(guān)節(jié)的順序和每個關(guān)節(jié)的自由 度,由所有關(guān)節(jié)的自由度變量組成特征向量y,y為D維列向量,D等于被記錄的角色關(guān)節(jié)自 由度的總和,D為正整數(shù)。1.2、依次讀取運動捕獲數(shù)據(jù)的每一幀,按確定的關(guān)節(jié)順序依次給特征向量的每個 元素賦值。第i幀的特征向量標記為y' ”i為正整數(shù)。1.3、對于包含N幀的待分割運動捕獲數(shù)據(jù),可用矩陣Y' = [y'2,…,y' J τ表示,N為正整數(shù)。第二步,進行去均值預處理,方法是2. 1、計算待分割運動捕獲數(shù)據(jù)的均值向量,計算公式是
權(quán)利要求
1.一種運動捕獲數(shù)據(jù)自動分割方法,其特征在于包括以下步驟第一步,描述待分割的運動捕獲數(shù)據(jù),方法是1.1、分析待分割的運動捕獲數(shù)據(jù),確定構(gòu)成運動的關(guān)節(jié)的順序和每個關(guān)節(jié)的自由度, 由所有關(guān)節(jié)的自由度變量組成特征向量y,y為D維列向量,D等于被記錄的角色關(guān)節(jié)自由 度的總和,D為正整數(shù);1.2、依次讀取運動捕獲數(shù)據(jù)的每一幀,按確定的關(guān)節(jié)順序依次給特征向量的每個元素 賦值,第i幀的特征向量標記為y' i,i為正整數(shù);1.3、對于包含N幀的待分割運動捕獲數(shù)據(jù),用矩陣Y'= [y' 1; y' 2,…,y' Ν]τ表 示,N為正整數(shù);第二步,進行去均值預處理,方法是
2.1、計算待分割運動捕獲數(shù)據(jù)的均值向量,計算公式是
3.1、確定降維后隱空間的維數(shù)d,高斯過程隱變量模型將運動捕獲數(shù)據(jù)從高維觀察空 間yD映射到低維隱空間xd,隱空間的維數(shù)即χ的維數(shù)d為2-3維;3. 2、確定核函數(shù)為
4.如權(quán)利要求1所述的運動捕獲數(shù)據(jù)自動分割方法,其特征在于λ=0.45。
全文摘要
本發(fā)明公開了一種運動捕獲數(shù)據(jù)自動分割方法,目的是用低維的運動特征來描述高維運動,通過探測運動特征的變化實現(xiàn)運動捕獲數(shù)據(jù)的自動分割。技術(shù)方案是先描述待分割的運動捕獲數(shù)據(jù),然后對待分割運動捕獲數(shù)據(jù)進行去均值預處理,以預處理后的運動捕獲數(shù)據(jù)為樣本,訓練高斯過程隱變量模型,實現(xiàn)運動捕獲數(shù)據(jù)的降維,再利用降維的結(jié)果構(gòu)造并計算運動特征函數(shù),利用運動特征函數(shù)幾何特征的變化,探測運動捕獲數(shù)據(jù)分割點,實現(xiàn)運動捕獲數(shù)據(jù)自動分割。采用本發(fā)明利用運動特征函數(shù)幾何特征的變化自動探測運動片段分割點的位置和數(shù)目,不需要用戶預先指定運動片段的數(shù)目,自動化程度更高,運動特征函數(shù)對運動角色所有運動關(guān)節(jié)敏感,具有更好的普適性。
文檔編號G06T7/20GK102122391SQ20111007833
公開日2011年7月13日 申請日期2011年3月30日 優(yōu)先權(quán)日2010年12月13日
發(fā)明者馮曉萌, 吳玲達, 宋漢辰, 楊冰, 楊征, 瞿師, 魏迎梅 申請人:中國人民解放軍國防科學技術(shù)大學
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1