[发明专利]一种人体运动序列降噪方法及装置

说明书

技术领域

本发明实施例涉及计算机技术领域，具体涉及一种人体运动序列降噪方法及装置。

背景技术

人体运动捕捉技术用于人体运动数据的采集，为相关研究提供数据支撑，目前已被广泛应用于运动技术分析和人机交互等领域。而穿戴式的商业动作捕捉设备往往需要玩家在身体各个部位穿戴多种专业的传感器设备，在进行数据采集时限制了身体的运动。近年来，随着Kinect等一些深度相机的面世，人们不仅能通过它们实时获取人体运动数据，而且不需要玩家穿戴任何传感器设备，大大推动了运动分析技术的应用和发展。然而，无论从哪一种运动数据采集设备获取到的运动数据总是会包含一定程度的噪声，因此，人体运动数据降噪处理是人体运动数据分析中的一个重要的预处理过程。

人体运动数据中一些剧烈的动作同噪声一样表现为高频分量，因此这些运动细节容易被当成噪声。

在实现本发明实施例的过程中，发明人发现现有的降噪方法容易将这些运动细节滤除，不利于较剧烈的运动数据降噪。

发明内容

由于现有的降噪方法容易将这些运动细节滤除，不利于较剧烈的运动数据降噪的问题，本发明实施例提出一种人体运动序列降噪方法及装置。

第一方面，本发明实施例提出一种人体运动序列降噪方法，包括：

获取含有随机噪声的人体运动序列，根据预设阈值对所述人体运动序列进行多尺度小波分解，并计算得到各个尺度下的小波系数；

选择所述多尺度小波分解中的最高分辨率层，对所述最高分辨率层的插值点进行均值滤波，得到滤波后的小波系数；

通过插值基函数对所述滤波后的小波系数进行重构，得到降噪后的目标运动序列。

可选地，所述获取含有随机噪声的人体运动序列，根据预设阈值对所述人体运动序列进行多尺度小波分解，并计算得到各个尺度下的小波系数，具体包括：

获取卡内基梅隆大学公开动作数据库中含有随机噪声的人体运动序列，其中，所述人体运动序列中的每个元素为若干个关节的四元数；

根据预设阈值分别对所述人体运动序列中每个四元数进行多尺度小波分解，并计算得到各个尺度下的小波系数

可选地，所述根据预设阈值对所述人体运动序列进行多尺度小波分解，并计算得到各个尺度下的小波系数，具体包括：

构造自适应插值基函数，根据所述自适应插值基函数的插值特性，得到各尺度的插值算子和小波函数；

根据所述插值算子和所述小波函数，计算得到各个尺度下的小波系数。

可选地，所述选择所述多尺度小波分解中的最高分辨率层，对所述最高分辨率层的插值点进行均值滤波，得到滤波后的小波系数，具体包括：

选择所述多尺度小波分解中的最高分辨率层，根据第一邻域值和第二邻域值，对所述最高分辨率层的插值点的邻域进行采样；

根据第一阈值对采样后的插值点进行均值滤波，得到滤波后的小波系数。

可选地，所述插值基函数为DB5插值基函数。

第二方面，本发明实施例还提出一种人体运动序列降噪装置，包括：

小波系数计算模块，用于获取含有随机噪声的人体运动序列，根据预设阈值对所述人体运动序列进行多尺度小波分解，并计算得到各个尺度下的小波系数；

均值滤波模块，用于选择所述多尺度小波分解中的最高分辨率层，对所述最高分辨率层的插值点进行均值滤波，得到滤波后的小波系数；

小波系数重构模块，用于通过插值基函数对所述小波系数进行重构，得到降噪后的目标运动序列。

可选地，所述小波系数计算模块具体包括：

序列读取单元，用于获取卡内基梅隆大学公开动作数据库中含有随机噪声的人体运动序列，其中，所述人体运动序列中的每个元素为若干个关节的四元数；

第一计算单元，用于根据预设阈值分别对所述人体运动序列中每个四元数进行多尺度小波分解，并计算得到各个尺度下的小波系数

可选地，所述小波系数计算模块具体包括：

函数构造单元，用于构造自适应插值基函数，根据所述自适应插值基函数的插值特性，得到各尺度的插值算子和小波函数；

第二计算单元，用于根据所述插值算子和所述小波函数，计算得到各个尺度下的小波系数。

可选地，所述均值滤波模块具体包括：

邻域采样单元，用于选择所述多尺度小波分解中的最高分辨率层，根据第一邻域值和第二邻域值，对所述最高分辨率层的插值点的邻域进行采样；

均值滤波单元，用于根据第一阈值对采样后的插值点进行均值滤波，得到滤波后的小波系数。