[发明专利]基于姿势显著性的人体动画关键帧提取方法

权利要求书

1.基于姿势显著性的人体动画关键帧提取方法，其特征在于，所述提取方法包括以下步骤：

S1：筛选特征分量；根据方差筛选出部分运动分量作为人体运动的特征分量，并计算特征分量的权值；

S2：计算姿势显著性；计算特征分量的多尺度显著性，加权拟合成人体动画的姿势显著性；

S3：确定最优关键帧数量；提取姿势显著性曲线的局部极大值点为初始关键帧，根据最优化的重建误差与关键帧数量之比确定最优关键帧数量；

S4：提取关键帧；根据最优关键帧数量，选取重建误差较大的初始关键帧为候选关键帧，利用重建误差最优化算法从候选关键帧邻域内提取出具有最小重建误差的帧为最终关键帧。

2.根据权利要求1所述的基于姿势显著性的人体动画关键帧提取方法，其特征在于，S1所述筛选特征分量的方法是：计算特征分量方差var(c_i)，i＝1…n，选取的运动分量为特征分量，计算特征分量的权值

3.根据权利要求1所述的基于姿势显著性的人体动画关键帧提取方法，其特征在于，S2所述的计算姿势显著性的步骤为：

S21：计算动画帧不同特征分量的高斯加权平均；设C(f)为帧f在特征分量曲线上的取值，I(f，σ)表示帧f的σ邻域区间的动画帧，σ为高斯分布的标准差，则帧f的高斯加权平均为

S22：计算动画帧的特征显著性；定义动画帧f在尺度s下的显著性为C(f)与G(f，σ_s)之差的绝对值，σ_s为高斯分布在尺度s时的标准差，w_s为不同尺度的权值，则f第i个特征分量的特征显著性为S_i(f)为

S23：计算动画帧的姿势显著性；定义姿势显著性为特征显著性的加权拟合；N(S_i(f))表示对特征分量i的特征显著性S_i(f)进行归一化处理，w_i为特征分量的权值，由m个特征分量拟合的姿势显著性为

4.根据权利要求1所述的基于姿势显著性的人体动画关键帧提取方法，其特征在于，S3所述的确定最优关键帧数量的步骤为：

S31：提取姿势显著性曲线的局部极大值点为初始关键帧；

S32：采用帧消减算法计算初始关键帧的重建误差，按误差大小进行排序；

S33：绘制关于关键帧数量的重建误差曲线，取曲线上到曲线端点连线距离最远的点所对应的关键帧数量为最优关键帧数量。

5.根据权利要求1所述的基于姿势显著性的人体动画关键帧提取方法，其特征在于，S4所述的提取关键帧的步骤为：

S41：根据最优关键帧数量n，从帧消减队列中提取出重建误差较大的n帧初始关键帧K＝{k₁，k₂，…，k_n－1，k_n}，基于K计算动画序列的重建误差；

S42：若S(f)∈N(S(k_i)，δ)，则令f∈C_i，其中S(f)表示帧f的姿势显著性，N(S(k_i)，δ)表示k_i姿势显著性的δ邻域，C_i为k_i的候选关键帧集合；

S43：以k_i-1，f∈C_i，k_i+1为关键帧，计算运动片段[k_i-1，k_i+1]的重建误差，将重建误差最小的f设为k_i；

S44：基于K重新计算动画序列的重建误差，若重建误差减小的幅度大于设定的阈值，则转S42，否则输出最优化关键帧序列K，结束。