一种人运动的表示方法

摘要

本发明公开了一种人运动的表示方法，通过非线性降维将人的运动映射到一个低维的嵌入空间上来；将降维后的数据用线性时序模型建模。其中通过非线性降维将人的运动映射到一个低维的嵌入的姿态空间上来；实现为：z＝(x₁+jy₁，x₂+jy₂，…，x_M+jy_M)^T。将降维后的数据用线性时序模型建模；实现步骤：基于线性时间序列模型的运动建模；建立一个p阶的自回归模型(AR)包括；一个p阶的自回归模型(AR)AR(p)有如下参数：系数矩阵A_k∈R^m×m，为了保证动态过程均值为非零而引入的参数v，高斯白噪声的协方差矩阵Q，设A_k是对角矩阵，则z(t)的各个分量之间是相互独立的；给定两个自回归模型(AR)A＝[v，A₁，A₂，…，A_p]和A′＝[v′，A₁′，A₂′，…，A_p′]，则距离度量D(A，A′)＝‖A-A′‖_F，其中‖·‖_F表示矩阵的F-范数。

主权项

1、一种人运动的表示方法，其特征在于；通过非线性降维将人的运动映射到一个低维的嵌入姿态空间上来；将降维后的数据用线性时序模型建模；其中所述的通过非线性降维将人的运动映射到一个低维的嵌入姿态空间上来，通过以下两个步骤实现：第1步是基于轮廓的姿态表达，包括以下两个步骤：首先，采用M个标记点P＝{p1，p2，…，pM}来描述人的外轮廓，每个轮廓可以用复向量z来表示：z＝(x1+jy1，x2+jy2，…，xM+jyM)T其中xi和yi分别表示第i个标记点pi的横坐标和纵坐标；其次，将向量z归一化为复向量z′，使人姿态的表达对于位置和各向同性的尺度变化具有不变性，所述的复向量z′的实部和虚部构成轮廓；第2步是非线性降维，采用局部线性嵌入算法(LLE)发现人的运动特征在高维特征空间中隐藏的内在结构；假设输入样本集为Z，则对应的低维嵌入姿态空间的点集Y可以通过局部线性嵌入算法(LLE)得到；确定低维的嵌入姿态空间的维数e；其中所述的将降维后的数据用线性时序模型建模，采用线性时间序列模型近似为运动建模，具体通过以下步骤实现：建立一个p阶的自回归模型，其中一个p阶的自回归模型AR(p)有如下参数：系数矩阵Ak∈Rm×m、为了保证动态过程均值为非零而引入的参数v、高斯白噪声的协方差矩阵Q；设Ak是对角矩阵，则观察序列z(t)中的各个分量之间相互独立；给定两个自回归模型(AR)A＝[v，A1，A2，…，Ap]和A′＝[v′，A1′，A2′，…，Ap′]，其距离采用如下度量：D(A，A′)＝||A-A′||F，其中||·‖F表示矩阵的F-范数；该距离用来度量两个运动间的相似性，从而确定人的运动表达。