[发明专利]基于主成分分析的运动捕捉数据关键帧提取方法

说明书

本发明公开了一种基于主成分分析的运动捕捉数据关键帧提取方法，通过采用主成分分析提取运动捕捉数据的主要维度，并提取各个主要维度上的速度过零点从而获得候选关键帧集合，最终根据用户设置的相似度阈值对候选关键帧集合进行简化，优化处理掉相似的关键帧，从而获得最终关键帧集合，该方法提取的关键帧能够较好的表达原始运动捕捉数据的原因就在于速度过零点可以较好地反映运动的轨迹，可以让用户可以高效快速准确的浏览运动捕捉数据的内容，具有良好的应用前景。

技术领域

本发明涉及计算机图形学技术领域，具体涉及一种基于主成分分析的运动捕捉数据关键帧提取方法。

背景技术

近年来，运动捕捉技术在动画制作领域展现了相当乐观的前景，运动捕捉技术的广泛应用凸显了运动捕捉数据可视化的重要性。

作为可视化的一个重要手段，关键帧提取技术可以为运动捕捉数据提供概括和总结，从而使得用户可以快速浏览数据内容，提高工作效率。

目前，关键帧提取工作都大量聚焦在最小化重构误差上，而很少有人去关注关键帧的可视化性能，具体表现在，就现有的运动捕捉数据关键帧提取方法而言，总体可以分为三类，即基于曲线的算法，基于聚类的方法以及基于最优化的方法，第一类方法将运动捕捉数据看作多维曲线，并采用曲线相关的算法提取关键帧，通过曲线化简算法用于提取关键帧；第二类改进了第一类中的方法，提出了一种层次化曲线化简算法；第三类提出了一种帧抽取的方法用于提取关键帧，其中基于曲线的方法简单且高效，然而却并没有能考虑到运动的几何意义；第二类方法采用基于聚类的方法，是动态聚类的方法将N帧分割成K个集合，每个集合的第一帧即为关键帧，基于迭代自组织数据分析算法来对运动捕捉数据进行聚类，各类中距离类中心最近的帧即是所需的关键帧；第三类算法基于最优化的方法提取关键帧，采用遗传算法最优化压缩率，通过改进实现一种多群体遗传算法来优化一个适应度函数。

但是，以上所述方法都是基于最小化重构误差的，都却忽视了关键帧的可视化效果，可视化效果好的关键帧，能够方便用户对数据内容进行快速浏览，如何克服上述的问题，是当前急需解决的问题。

发明内容

本发明的目的是克服现有的关键帧提取工作都大量聚焦在最小化重构误差上，而很少有人去关注关键帧的可视化性能的问题。本发明的基于主成分分析的运动捕捉数据关键帧提取方法，提取的关键帧能够较好的表达原始运动捕捉数据的原因，在于速度过零点较好地反映运动的轨迹，从而可以让用户可以高效快速准确的浏览运动捕捉数据的内容，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

基于主成分分析的运动捕捉数据关键帧提取方法，其特征在于：包括以下步骤，

步骤（A），加载运动捕捉数据库，加载过程中使用各个关节相对其父关节的三维转动信息，作为存储和处理的特征；

步骤（B），采用双向巴特沃斯滤波器对加载后的运动捕捉数据库中的运动捕捉数据进行滤波；

步骤（C），采用主成分分析方法，对于滤波后的运动捕捉数据进行处理，将处理后的各维数据按照其对应的特征值从高到低进行排列，提取特征值最大的若干个维度；

步骤（D），根据步骤（C）提取的对应维度上的运动捕捉数据，计算各个维度的帧速率曲线；

步骤（E），通过过零点检测方法，寻找各个维度的帧速率曲线上的过零点，候选关键帧集合，所述关键帧集合为过零点的集合；

步骤（F），根据候选的关键帧集合，获得存在相似的关键帧，用户通过设置相似度阈值对候选关键帧集合进行简化，从而实现可视化的关键帧集合提取。

前述的基于主成分分析的运动捕捉数据关键帧提取方法，步骤（B），所述双向巴特沃斯滤波器为5阶，截止频率为0.1Hz。