[发明专利]一种基于深度哈希的运动捕获数据检索方法及系统

说明书

本公开提供了一种基于深度哈希的运动捕获数据检索方法及系统，所述方案包括：基于运动捕获数据库中的运动捕获数据序列，生成每段运动捕获数据的运动表示图像；构建深度哈希特征提取模型，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征；对于待检索的运动捕获数据，提取其哈希特征，并计算待检索的运动捕获数据哈希特征与所述运动捕获数据库中每段运动捕获数据哈希特征的距离，选择距离最近的前k个数据作为检索结果。本公开所述方案相对于现有技术具有更高的检索精度和效率。

技术领域

本公开属于多媒体信息检索技术领域，尤其涉及一种基于深度哈希的运动捕获数据检索方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

在过去的几十年里，随着计算机软硬件技术的飞速发展，计算机动画技术得到了蓬勃发展。目前，运动捕获技术已经成为三维人体动画技术的主流。然而，随着运动捕获数据的大幅增长，往往很难快速准确地检索出满足动画师特定要求的运动数据，人体运动捕获数据在空间域和时间域中都包含很高的复杂性。由于运动的长度、速度或初始身体形态可以不同，逻辑上相似的运动不一定在数值上相似。因此，运动捕获数据检索已经成为近年来的研究热点。

发明人发现，运动捕获数据的检索的关键步骤在于运动特征的提取和检索方法，现有的运动特征提取方法包括基于聚类的方法、基于降维的方法、基于深度学习的方法等，但是非深度的检索方法都需要手工提取特征，对于新手来说不易操作，基于深度学习的方法无需手工提取特征，方便快捷，可以尽可能的优化损失函数去学习规则以及挖掘数据的潜在特征等，但深度特征维度高，检索效率低。

发明内容

本公开为了解决上述问题，提供了一种基于深度哈希的运动捕获数据检索方法及系统，所述方案利用深度神经网络提取哈希特征，无需手工制作特征，利用提取到的哈希码进行汉明距离检索，实现了运动捕获数据高效检索。

根据本公开实施例的第一个方面，提供了一种基于深度哈希的运动捕获数据检索方法，包括：

基于运动捕获数据库中的运动捕获数据序列，生成每段运动捕获数据的运动表示图像；

构建深度哈希特征提取模型，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征；

对于待检索的运动捕获数据片段，提取其哈希特征，并计算待检索的运动捕获数据哈希特征与所述运动捕获数据库中每段运动捕获数据哈希特征的距离，选择距离最近的前k个数据作为检索结果。

进一步的，所述运动表示图像的生成，包括以下步骤：

获取运动捕获数据库中的运动捕获数据；

基于正向运动学将运动捕获数据中的关节角度信息转化为人体各关节点的轨迹信息；

将一段时间内关节轨迹的空间配置和动力学特性分别表示为RGB图像的三个通道，三个通道分别从轨迹、速度场和关节的自相似性转换得到。

进一步的，为了消除不同人体朝向以及骨骼尺寸的影响，预先对运动捕获数据中的关节长度进行了归一化，并建立了统一的局部坐标系，所述局部坐标系的原点是根、左髋、右髋的中点。

进一步的，所述深度哈希特征提取模型基于深度神经网络VGG16，并在所述深度神经网络VGG16的分类层前增加一层由sigmoid函数激活的哈希层。

进一步的，通过预训练的深度哈希特征提取模型提取所述运动表示图像的哈希特征，其具体步骤为：

利用运动表示图像对所述深度哈希特征提取模型进行训练；

其训练终止条件为所述深度哈希特征提取模型的分类准确率大于预设阈值；

提取所述深度哈希特征提取模型哈希层的特征，作为运动表示图像的哈希特征。