[发明专利]基于距离曲线幅度的运动关键帧提取

说明书

技术领域

本发明涉及人体运动捕捉技术，更具体地说，涉及人体运动的关键帧提取。

背景技术

在近几十年，人体运动捕捉技术发展迅速，运动捕捉的重要性也随之增加。电影和游戏中已经广泛使用运动捕捉系统。伴随着存在一个问题，由于捕捉数据的庞大导致运动捕捉数据库的规模也很庞大，如何处理巨大运动捕捉数据已成为国内外研究的热点。

关键帧技术是一种有效的解决方法，选择运动中最重要最关键的帧作为关键帧，代表整个运动序列，而其他的非关键帧并不如这些关键帧重要，可以由关键帧经过插值算法计算得到。由于关键帧提取技术在整个运动序列的表示中占有不可替代的作用，不仅可以加快数据的处理速度，而且还在运动捕捉数据的存储、压缩、浏览和重用方面有着明显的优势。

也就是说，“人体运动的关键帧提取”是针对一段运动序列，自动提取出一定数目的关键运动姿态，对此段运动有一个较好的视觉概括性，同时又可以进行运动重建，还原原始运动，保持一个较低的误差率。

关键帧提取应该满足以下几个需要，一方面，在一定压缩率下的关键帧可以有效的概括原始运动序列。另一方面，关键帧可以用来尽可能精确的重建原始运动序列。对于关键帧提取的好坏除了主观视觉判断之外还有两个评估标准：误差率和压缩比。

到目前为止，关键帧提取方法有均匀采样，曲线简化，基于聚类的方法等。

人体运动捕捉数据是采用BVH格式，其运动数据是由一帧一帧的运动数据组成，而每一帧的数据包含着运动的姿势信息，每一个姿势是由人体所有关节点组成的。将BVH数据导入MATLAB中所显示的人体骨骼模型见附图2，该模型包含31个关节点（对其中要用到的关节点进行了标注），各关节点采用树形结构，根节点(root)为树形人体骨架的根节点，从root关节点向人体骨架的各个末端关节逐层延伸形成根节点的各个子树。其中，root关节由3个平移量和3个旋转量表示，其他非root关节点各由3个旋转量表示。一共有96个自由度。root的平移决定人体运动的当前位置,root的旋转决定人体朝向；其他各关节点的旋转表示在其父关节点所在的局部坐标系下该关节点的方向，它们共同决定人体姿势。

人体运动捕捉的数据是由离散时间点采样得到的人体姿势序列，每个采样点为一帧，每一帧的姿势由31个关节点共同决定。这样，在任意时刻i，人体姿势表示为Fi=(pi(1),ri(1),ri(2),....,ri(31)),]]>其中pi(1)∈R3]]>及ri(1)∈R3]]>分别表示root关节点的位置和方向，即平移量及旋转量，j=2,…,31表示非root关节点的方向。