[发明专利]基于距离曲线幅度的运动关键帧提取

权利要求书

1.一种基于距离曲线幅度的运动关键帧提取，其特征在于，包括如下步骤：

S1、选择一组关节距离作为距离特征；

S2、采用PCA方法提取第一维主成分，采用平滑滤波去除噪声，得到特征曲线；

S3、通过提取特征曲线上的局部极值点获得初始关键帧；

S4、在相邻的所述初始关键帧之间，计算的特征曲线幅度差值，进而根据均匀采样均匀的插入附加关键帧；

S5、合并过密的所述附加关键帧和所述初始关键帧，留下最终的关键帧集合。

2.根据权利要求1所述基于距离曲线幅度的运动关键帧提取，其特征在于步骤S1中，所述关节距离的选择，以下表的逻辑语义方式做出：

d1:左腿的弯曲程度d4:左胳膊弯曲程度d7:低头/抬头/摇头程度d2:右腿的弯曲程度d5:右胳膊弯曲程度d8:左胳膊的摇摆程度d3:两脚的之间的距离d6:弯腰程度d9:右胳膊的摇摆程度

则将一个运动帧表示成为：θ=(d1,d2,d3,d4,d5,d6,d7,d8,d9),其中d1，..,d9为S1步选取的具有逻辑语义的关节距离。

3.根据权利要求1或2所述基于距离曲线幅度的运动关键帧提取，其特征在于，步骤S2中所述PCA方法分成以下五个步骤：

S21：构建S1所示的9个距离特征样本的平均值

θ‾i=1TΣj=1Tθji(i=1..9,j=1...T)]]>

其中i=1…9代表这9个距离特征样本，T为这个运动总的帧数；

S22：计算这9个距离特征的原始值与平均值的差值然后构建距离特征的差值矩阵D=[Δθ₁，....Δθ₉]；

S23：计算得到协方差矩阵C=DD^T，其中D^T为D的转置；

S24：计算协方差矩阵的特征值λ，以及相应的特征向量L；

S25：提取特征向量这样就重新构建了一组新的9维主成分其值按贡献率从大到小的顺序排列；然后提取第一维主成分，也就是的最大贡献率

此一个运动M进而可以表示成为：其中N_frame为运动的总帧数;

此外，步骤S2中选用Lowess平滑滤波。