[发明专利]基于流形学习的运动捕捉方法、装置、设备及存储介质

权利要求书

1.一种基于流形学习的运动捕捉方法，其特征在于，所述方法包括下述步骤：

当接收到运动捕捉请求时，通过摄像头采集不同时刻的用户图像；

在所述用户图像上获得所述用户身上每个预设标志点的空间信息，由所述每个标志点的空间信息构成原始形状空间；

通过预先训练好的薄板样条隐变量模型对所述原始形状空间进行映射，生成所述原始形状空间对应的隐含空间；

对所述隐含空间进行优化，通过所述薄板样条隐变量模型对优化后的所述隐含空间进行反向映射，生成所述原始形状空间对应的目标形状空间并输出。

2.如权利要求1所述的方法，其特征在于，通过摄像头采集不同时刻的用户图像的步骤之后，在所述用户图像上获得所述用户身上每个预设标志点的空间信息的步骤之前，所述方法还包括：

通过预设的低秩稀疏子空间法对所述用户图像进行回归优化。

3.如权利要求2所述的方法，其特征在于，通过预设的低秩稀疏子空间法对所述用户图像进行回归优化的步骤，包括：

获取所述用户图像的第一图像数据和第二图像数据，所述第一图像数据为所述用户图像的噪声数据，所述第二图像数据为所述用户图像去噪的图像数据；

通过所述低秩稀疏子空间法分别对所述第一图像数据和所述第二图像数据进行回归优化。

4.如权利要求1所述的方法，其特征在于，对所述隐含空间进行优化的步骤，包括：

通过预设的主动形状模型算法，对所述隐含空间进行优化。

5.一种基于流形学习的运动捕捉装置，其特征在于，所述装置包括：

图像采集单元，用于当接收到运动捕捉请求时，通过摄像头采集不同时刻的用户图像；

标志点信息获取单元，用于在所述用户图像上获得所述用户身上每个预设标志点的空间信息，由所述每个标志点的空间信息构成原始形状空间；

空间映射单元，用于通过预先训练好的薄板样条隐变量模型对所述原始形状空间进行映射，生成所述原始形状空间对应的隐含空间；以及

优化输出单元，用于对所述隐含空间进行优化，通过所述薄板样条隐变量模型对优化后的所述隐含空间进行反向映射，生成所述原始形状空间对应的目标形状空间并输出。

6.如权利要求5所述的装置，其特征在于，所述方法还包括：

图像优化单元，用于通过预设的低秩稀疏子空间法对所述用户图像进行回归优化。

7.如权利要求6所述的装置，其特征在于，所述图像优化单元包括：

图像数据获取单元，用于获取所述用户图像的第一图像数据和第二图像数据，所述第一图像数据为所述用户图像的噪声数据，所述第二图像数据为所述用户图像去噪的图像数据；以及

图像优化子单元，用于通过所述低秩稀疏子空间法分别对所述第一图像数据和所述第二图像数据进行回归优化。

8.如权利要求5所述的装置，其特征在于，所述优化输出单元包括：

隐含空间优化单元，用于通过预设的主动形状模型算法，对所述隐含空间进行优化。

9.一种计算设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。