[发明专利]针对可视媒体中形体动作内容的智能分析与视觉表达方法

权利要求书

1.一种针对可视媒体中形体动作内容的智能分析与视觉表达方法，其特征在于，包括：

获取可视媒体，为所述可视媒体中的形体动作建立属性驱动的图形化形体动作数据智能分析框架；

根据所述建立的框架，建立几何特征感知的形体动作图形化表示，强化形体动作的图形化特征；

根据所述图形化特征进行智能分析。

2.根据权利要求1所述的方法，其特征在于，所述为可视媒体中的形体动作建立属性驱动的图形化形体动作数据智能分析框架，包括：

对图像进行特征提取；

根据提取的特征，建立基于属性的媒体描述体系；

进行模型学习；

根据模型学习结果，建立基于属性的任务解决方案；

根据所述基于属性的媒体描述体系和所述基于属性的任务解决方案，执行设定任务操作。

3.根据权利要求2所述的方法，其特征在于，所述根据提取的特征，建立基于属性的媒体描述体系，包括：

以动作属性描述可视媒体教学资源，建立视频内容和动作类型描述之间的映射关系。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述建立几何特征感知的形体动作图形化表示，包括：

进行基于小波的压缩与保持形体动作知识特征的逐层图形化处理；

进行低层图像特征到中层动作属性的建模；

进行基于边缘控制的三元插值轮廓细分；

进行基于Hilbert积分不等式约束的内关节式形体动作图形化。

5.根据权利要求4所述的方法，其特征在于，所述进行基于小波的压缩与保持形体动作知识特征的逐层图形化处理，包括：

完善静止图形图像与动作可视媒体的基于小波变换多尺度分解编码，针对可视媒体形体动作视觉内容，构造图像多尺度分解与图形化序列；

拓展小波图像编码方法到三维图形；

利用小波提升算法对形体动作的三维图形进行多尺度分解，将细密的几何模型分解生成小数据量、适合于几何特征感知的网格层来表示；

把形体动作的知识特征参数化，建立形体动作与知识分类值的对应函数关系；

根据优化的形体动作的知识特征进行属性表示，优化形体动作的知识特征值，根据知识特征最优值消除冗余几何信息。

6.根据权利要求4所述的方法，其特征在于，所述进行低层图像特征到中层动作属性的建模，包括：

建立动作图像、形体动作教学可视媒体数据库，提取低层图像特征，建立形体动作内容训练集；

采用判别式模型或生成模型，建立低层图像特征到动作属性间的对应关系；

从离散的像素点中恢复出示范者整体，保持动作与形体一致性与整体性，实现形体动作的中层语义信息属性的表示。

7.根据权利要求4所述的方法，其特征在于，所述进行基于Hilbert积分不等式约束的内关节式形体动作图形化，包括：

采用算子理论描述动作多尺度分解、目标动作的一致性与整体性的构造形态；

针对示范者体格、动作、视角差异，采用内关节式表示方法，将其中的差异用内关节式的形变表示，并以Hilbert积分不等式对其进行约束；

建立衡量动作的内关节式图形化表示模型之间差异的评价标准，实现对形体动作的图形化描述。