一种运动捕捉数据关键帧提取方法

摘要

一种运动捕捉数据关键帧提取方法，其步骤为：(1)特征表示；用人体四肢与躯干的旋转角度以及肢体各关节间的相对距离等运动分量表示人体运动姿势的主要特征；(2)临界点筛选；提取运动分量曲线的极值点和动静转换点作为临界点，并采用临界点消减算法筛选出关键临界点；(3)关键度曲线构造；根据筛选出来的关键临界点划分运动分量曲线，分段计算曲线上各数据帧的关键度，形成运动分量关键度曲线；(4)权值学；(5)关键帧提取；加权拟合目标运动的运动分量关键度曲线，基于拟合曲线提取关键帧。本发明无需手工设定难以确定的阈值，能够从样例运动中学不同的关键帧提取风格，并可根据部分肢体的运动提取关键帧，能够满足运动捕捉数据实时处理的需要。

主权项

一种运动捕捉数据关键帧提取方法，其特征在于，所述提取方法包括以下步骤：(1)特征表示：选用人体四肢与躯干的旋转角度以及肢体各关节间的相对距离形成的运动分量表示人体运动姿势的主要特征；(2)临界点筛选：提取运动分量曲线的极值点和动静转换点作为临界点，并采用如下临界点消减算法筛选出关键临界点：Step1：确定临界点位置；设T＝{t₁,t₂,…,t_n}为n帧运动序列的一个运动分量，则极值点为{t_i|(t_i>t_i‑1and t_i>t_i+1)or(t_i<t_i‑1and t_i<t_i+1)}，动静转换点为{t_a,t_b|[a,b]∈[1,n],且|t_a‑t_i|<δ,i∈(a,b],δ为设定的阈值}，临界点为{t_i}∪{t_a,t_b}；Step2：计算临界点的显著度；设运动分量的临界点索引序列为P＝{p₁,p₂,…,p_m}，其中p₁,p_m为首尾端点；考虑到临界点的显著度主要取决于该点的变化幅度及其与相邻临界点之间的距离，定义临界点p_i的显著度为式中表示p_i与相邻临界点p_i‑1和p_i+1所形成的三角形面积，表示p_i到p_i‑1和p_i+1连线的距离，计算P中各临界点的显著度序列S＝(s₂,s₃,…,s_m‑1)；Step3：临界点消减；设s_i＝min(S)，s为序列S的平均值，μ为消减系数，若s_i<μs,则从序列P和S中消减p_i和s_i，执行下一步；否则，结束计算，P中各点即为筛选出来的关键临界点；Step4：更新相邻临界点的显著度；重新计算与p_i相邻的临界点p_i‑1和p_i+1的显著度,更新s_i‑1和s_i+1的值，转Step3；(3)关键度曲线构造：根据筛选出来的关键临界点划分运动分量曲线，分段计算曲线上各数据帧的关键度，形成运动分量关键度曲线；设P＝{p₁,p₂,…,p_r}为运动曲线的关键临界点，S＝(s₂,s₃,…,s_r‑1)为除首尾端点外各关键临界点的显著度；令s₁＝s₂,s_r＝s_r‑1，则分割点的索引通过得到的分割点序列B＝{b₂,b₃,…,b_r}，可将运动曲线划分为r个片段；定义运动序列中各数据帧被选择成为关键帧的概率为该帧的关键度，由于每个片段中只能选取出一帧关键帧，则数据帧f_i∈[b_i,b_i+1)的关键度为：式中，表示f_i与相邻临界点b_i和b_i+1所形成的三角形面积，表示f_i到b_i和b_i+1连线的距离；(4)权值学习：选取与目标运动同类型的典型运动片段，首先根据运动姿势手工标注片段中每帧数据的关键度，形成运动姿势关键度曲线；然后采用上述步骤构造运动片段的运动分量关键度曲线；最后利用梯度下降算法学习出一组能够将运动分量关键度曲线拟合成运动姿势关键度曲线的最优权值；(5)关键帧提取：利用学习得到的最优权值拟合目标数据的运动分量关键度曲线，形成相应运动的运动姿势关键度曲线，采用临界点消减算法提取运动姿势关键度曲线上的极大值点，将这些点对应的帧作为最终关键帧。