[发明专利]一种数据驱动的动作重建方法

说明书

本发明提出的一种数据驱动的动作重建方法，为动作重建提供了一种低成本、高效率且不易受到环境限制的方法。本发明在脱机状态下，构建动作数据库，对动作数据库先进行聚类分析，再为每个聚类建立基于K‑D树的索引结构。在联机状态下，首先前N帧采用某种方法进行重建；然后从第N+1帧开始，对前N帧的重建结果使用偏最小二乘回归法建立相似动作模型，使用模型的回归方程预测当前帧的相似动作，并作为检索条件进行相似动作检索；最后将检索结果重建成动作片段。

技术领域

本发明涉及计算机图形学及统计学，尤其涉及一种低成本、高效率的数据驱动的动作重建方法，属于计算机应用领域。

技术背景

三维动作捕捉和分析系统，是运用动作捕捉技术来进行运动及行为学分析研究的。该技术在第二次世界大战之后诞生于斯坦福大学神经生物力学实验室，最初用于物理治疗和康复领域。多年来，随着各种高新技术的快速发展进步，动作捕捉技术在人体运动科学研究、人机交互控制、医学分析、影视和游戏制作、体感游戏娱乐、体育训练等领域已经有了更为广阔的应用。

目前，随着应用需求日益增加，高成本成为动作捕捉技术应用和普及的瓶颈。现有高质量运动数据未得到充分利用，未体现对捕捉数据的指导和分析价值。由于自遮挡问题和环境光的限制，体感传感器无法作为主要部件来降低成本。因此，降低成本、提高数据利用率和减少环境限制成为动作重建广泛应用和普及的迫切需要。

在2011年，波恩大学的Jochen Tautges和Arno Zinke提出了一套基于稀疏加速度传感器的动作重建方法。但是该方法复杂性高、效率低，且在相似动作检索的时候只考虑了少量关节的动作数据。在2012年，帝国理工学院的Charence Wong和Zhiqiang Zhang使用偏最小二乘回归法分析建模，预测上半身3个关节的加速度数据对应的6个关节的动作数据。但是该方法只进行了上半身的少量动作的建模及预测。

发明内容

本发明提出的一种数据驱动的动作重建方法，为动作重建提供了一种低成本、高效率且不易受到环境限制的方法。

本发明一种数据驱动的动作重建方法，包括以下步骤：

步骤一、在脱机状态下，首先选择丰富、多样化的动作文件，提取出与动作相关的多类数据，构建成原始的动作数据库；然后对原始的动作数据库进行基于某类动作数据的聚类分析；最后为每个聚类建立K-D树索引结构；

步骤二、在联机状态下，使用动作捕捉技术获取稀疏关节的动作数据作为动作重建的输入信号；

步骤三、对前N帧进行动作重建，作为建模的样本；对前N帧的输入信号稀疏关节的动作数据和动作重建结果全部关节的动作数据进行偏最小二乘回归建模；

步骤四、使用模型的回归方程预测当前帧的输入信号稀疏关节的动作数据对应的相似动作的全部关节的动作数据；

步骤五、计算模型的预测结果与动作数据库中所有聚类中心的相似程度，在最相似的聚类中搜索与模型的预测结果最相似的动作数据，作为当前帧的重建结果。

所述的多类数据包括位置、角度、旋转角、旋转角速度、旋转角加速度。

本发明方法的原理是：在脱机状态下，构建动作数据库，对动作数据库先进行聚类分析，再为每个聚类建立基于K-D树的索引结构。在联机状态下，首先前N帧采用某种方法进行重建；然后从第N+1帧开始，对前N帧的重建结果使用偏最小二乘回归法建立相似动作模型，使用模型的回归方程预测当前帧的相似动作，并作为检索条件进行相似动作检索；最后将检索结果重建成动作片段。

附图说明

图1为本发明方法的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

具体步骤如下：