一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法
【專利摘要】本發(fā)明公開了一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法，通過(guò)選取合適的運(yùn)動(dòng)特征預(yù)先建立運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)的一、二級(jí)索引，提高了每次實(shí)例檢索的速度；一級(jí)索引中包含運(yùn)動(dòng)瞬間姿態(tài)信息；二級(jí)索引的計(jì)算基于骨骼運(yùn)動(dòng)動(dòng)態(tài)特征的姿態(tài)變化量，即使用相鄰幀間特征夾角向量的歐式距離作為索引值；最后，通過(guò)帶有下界函數(shù)的動(dòng)態(tài)時(shí)間彎曲算法計(jì)算檢索實(shí)例和候選片段之間的相似度。本發(fā)明實(shí)現(xiàn)了精確、快速的運(yùn)動(dòng)捕捉數(shù)據(jù)檢索，提高了檢索的準(zhǔn)確率，并且縮短了檢索的時(shí)間。
【專利說(shuō)明】一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于運(yùn)動(dòng)捕捉【技術(shù)領(lǐng)域】，尤其涉及一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù) 庫(kù)檢索方法。

【背景技術(shù)】
[0002]近年來(lái)，以動(dòng)畫、漫畫、網(wǎng)絡(luò)游戲等為代表的動(dòng)漫產(chǎn)業(yè)已經(jīng)成為發(fā)達(dá)國(guó)家一個(gè)新的 經(jīng)濟(jì)增長(zhǎng)點(diǎn)，世界動(dòng)漫產(chǎn)業(yè)主要集中在歐美及日、韓，美國(guó)是最早也是主要的發(fā)展國(guó)家之 一，其動(dòng)漫產(chǎn)業(yè)已占據(jù)全球動(dòng)漫產(chǎn)業(yè)的龍頭；日本作為動(dòng)漫產(chǎn)品出口大國(guó)，以其嚴(yán)密的產(chǎn)業(yè) 鏈結(jié)構(gòu)，成熟的運(yùn)營(yíng)機(jī)制，在國(guó)際市場(chǎng)上占有重要的地位，在發(fā)達(dá)國(guó)家,動(dòng)漫產(chǎn)業(yè)不僅重要， 而且是支柱產(chǎn)業(yè)之一，年市場(chǎng)的總量都在數(shù)百億乃至數(shù)千億美元之上，日本動(dòng)畫業(yè)年產(chǎn)值 在國(guó)民經(jīng)濟(jì)中列第六位，動(dòng)畫產(chǎn)品出口值遠(yuǎn)遠(yuǎn)高于鋼鐵出口值；韓國(guó)動(dòng)漫業(yè)的產(chǎn)值僅次于 美國(guó)、日本，已成為韓國(guó)國(guó)民經(jīng)濟(jì)的六大支柱產(chǎn)業(yè)之一，英國(guó)數(shù)字娛樂(lè)產(chǎn)業(yè)2008年產(chǎn)值占 GDP的7. 9%，成為該國(guó)第一大產(chǎn)業(yè)，美國(guó)網(wǎng)絡(luò)游戲業(yè)已連續(xù)4年超過(guò)好萊塢電影業(yè)，成為全 美最大娛樂(lè)產(chǎn)業(yè)，2007年僅迪斯尼公司一年總產(chǎn)值達(dá)365億美元，2008年驚奇動(dòng)畫和夢(mèng)工 廠動(dòng)畫的年利率分別為30. 4%和21. 9%，2009年日本動(dòng)漫市場(chǎng)為2000億美元；
[0003]動(dòng)漫產(chǎn)業(yè)在我國(guó)同樣發(fā)展迅速，到2008年為止，在我國(guó)已有30多個(gè)動(dòng)漫產(chǎn)業(yè)園 區(qū)、5400多家動(dòng)漫機(jī)構(gòu)、450多所高校開設(shè)動(dòng)漫專業(yè)、46萬(wàn)多動(dòng)漫專業(yè)在校學(xué)生，而在中國(guó) 84萬(wàn)個(gè)各類網(wǎng)站中，動(dòng)漫網(wǎng)站約有 L 5萬(wàn)個(gè)，占丨.8%，面對(duì)廣闊的動(dòng)漫市場(chǎng)，各地動(dòng)漫產(chǎn)業(yè) 發(fā)展計(jì)劃的制定更是如火如荼，紛紛打造自己的"動(dòng)漫之都"，北京、上海、廣州、福州己初步 形成以網(wǎng)絡(luò)游戲、動(dòng)畫、手機(jī)游戲、單機(jī)游戲和與游戲相關(guān)的產(chǎn)業(yè)鏈，到2008年底，中國(guó)年 動(dòng)漫節(jié)目需求量為180萬(wàn)分鐘，意味著將有一個(gè)250億美元的市場(chǎng)空間，而目前國(guó)內(nèi)播出的 動(dòng)漫作品每年只有2萬(wàn)分鐘，不足實(shí)際播出量28萬(wàn)分鐘的1/10,且大量依賴進(jìn)口，但是，目 前中國(guó)絕大部分的影視動(dòng)畫作品，也包括漫畫游戲作品，其收入的主要來(lái)源都來(lái)自于內(nèi)地， 還沒(méi)達(dá)到遠(yuǎn)銷海外，相對(duì)來(lái)說(shuō)，目前的產(chǎn)業(yè)水平在技術(shù)、創(chuàng)意、設(shè)計(jì)以及對(duì)市場(chǎng)的判斷和對(duì) 市場(chǎng)的運(yùn)作方面還沒(méi)達(dá)到一個(gè)國(guó)際水平，為了振興我國(guó)動(dòng)漫產(chǎn)業(yè)，2009年國(guó)務(wù)院出臺(tái)了《文 化產(chǎn)業(yè)振興規(guī)劃》，將動(dòng)漫產(chǎn)業(yè)列為八大重點(diǎn)文化產(chǎn)業(yè)門類之一；
[0004]運(yùn)^捕捉數(shù)據(jù)驅(qū)動(dòng)的計(jì)算機(jī)動(dòng)畫技術(shù)由于其自身所具有的優(yōu)點(diǎn)，已經(jīng)逐漸成為三 維計(jì)算機(jī)動(dòng)畫的主流制作方法，例如，好萊塢電影《木乃伊》、《金剛》、《阿凡達(dá)》等幾乎全部 采用運(yùn)動(dòng)捕捉數(shù)據(jù)產(chǎn)生計(jì)算機(jī)動(dòng)畫，2006年美國(guó)電影學(xué)院獎(jiǎng)三部獲獎(jiǎng)動(dòng)畫影片中就有怪獸 屋（Monster House)和快樂(lè)大腳（Happy Feet)兩部影片全部采用運(yùn)動(dòng)捕捉技術(shù)進(jìn)行動(dòng)畫 設(shè)計(jì)；
[0005] 運(yùn)動(dòng)捕捉技術(shù)同樣的被大量用于游戲娛樂(lè)市場(chǎng)上的許多作品，如《魔獸爭(zhēng)霸》、《神 跡》、《Fifa 2001》、《T〇mb Raider》等，大連東銳軟件有限公司利用自主研發(fā)的DVMC運(yùn)動(dòng)捕 捉系統(tǒng)為著名網(wǎng)絡(luò)游戲《航海世紀(jì)》完成了運(yùn)動(dòng)捕捉工作。
[0006]隨著各種光學(xué)運(yùn)動(dòng)捕捉系統(tǒng)的普及，每年通過(guò)各種途徑產(chǎn)生的人體運(yùn)動(dòng)捕捉數(shù)據(jù) 量越來(lái)越大，導(dǎo)致大規(guī)模海量的三維人體運(yùn)動(dòng)庫(kù)的不斷建立，具有較大規(guī)模的商用、研究用 人體運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)也已經(jīng)出現(xiàn)，例如：http://mocapdata. com/網(wǎng)站上就有4千多個(gè)的免 費(fèi)運(yùn)動(dòng)捕捉文件，本發(fā)明實(shí)驗(yàn)采用的Carnegie-MelIon MoCap Database -共有2514個(gè)免 費(fèi)運(yùn)動(dòng)捕捉文件，然而，運(yùn)動(dòng)捕捉系統(tǒng)仍然存在著一些缺點(diǎn)，首先，動(dòng)作捕捉系統(tǒng)的購(gòu)買、使 用費(fèi)用相當(dāng)昂貴·，第二，動(dòng)作捕捉是一個(gè)費(fèi)時(shí)費(fèi)力的過(guò)程，僅僅是捕捉前的系統(tǒng)調(diào)整和定標(biāo) 有時(shí)就需要花費(fèi)大量的時(shí)間；第三，為了捕捉一個(gè)動(dòng)作，即使專業(yè)的演員和導(dǎo)演，也需要重 復(fù)很多遍，以保證最后的動(dòng)畫效果，最重要的是，如果對(duì)于某個(gè)己經(jīng)捕獲的片斷，哪怕只有 些許的改動(dòng)要求，也只能對(duì)整個(gè)動(dòng)作重新捕捉，因此，如何高效的從數(shù)據(jù)庫(kù)中檢索所需要的 數(shù)據(jù)，并對(duì)運(yùn)動(dòng)捕捉數(shù)據(jù)進(jìn)行有效的編輯、合成，最終生成具有真實(shí)感、符合各種需求的動(dòng) 畫己經(jīng)成為一個(gè)研究熱點(diǎn)。
[0007] 運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)的復(fù)用系統(tǒng)，主要包括數(shù)據(jù)管理、檢索、編輯、合成四個(gè)模塊，檢索 模塊主要是針對(duì)用戶的需求在數(shù)據(jù)庫(kù)中檢索符合條件的候選片段供用戶選擇，編輯模塊與 合成模塊其本質(zhì)都是通過(guò)對(duì)原始運(yùn)動(dòng)數(shù)據(jù)進(jìn)行修改、連接、融合的操作以達(dá)到復(fù)用的目的， 有時(shí)，編輯模塊與合成模塊的區(qū)分并不是特別明顯，合成模塊中可能包含了一些編輯模塊 的功能。
[0008] 運(yùn)動(dòng)檢索技術(shù)是實(shí)現(xiàn)運(yùn)動(dòng)捕捉數(shù)據(jù)復(fù)用的一項(xiàng)關(guān)鍵技術(shù)，主要原因有：第一，由于 昂貴的硬件、軟件成本以及演員、設(shè)備操作成本使得獲得運(yùn)動(dòng)捕捉數(shù)據(jù)的費(fèi)用較高，所以通 過(guò)快速有效的檢索技術(shù)在數(shù)據(jù)庫(kù)中檢索滿足條件的運(yùn)動(dòng)捕捉數(shù)據(jù)，可以避免重復(fù)的運(yùn)動(dòng)捕 捉數(shù)據(jù)采集過(guò)程，減少設(shè)備和人力資源的浪費(fèi)，進(jìn)而節(jié)約制作成本并提高制作效率；第二， 由于運(yùn)動(dòng)捕捉數(shù)據(jù)的大量產(chǎn)生，使得大規(guī)模的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)不斷出現(xiàn)，導(dǎo)致管理和重用 此類數(shù)據(jù)庫(kù)的人工成本大大增加；第三，現(xiàn)有的各種商用、研究用運(yùn)動(dòng)捕捉數(shù)據(jù)以不同的數(shù) 據(jù)格式存儲(chǔ)，檢索技術(shù)多數(shù)基于某種特征提取方法，理想的運(yùn)動(dòng)特征提取方法，可以為建立 大規(guī)模統(tǒng)一的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)研究提供基礎(chǔ)。
[0009] 現(xiàn)有的運(yùn)動(dòng)捕捉數(shù)據(jù)檢索技術(shù)主要分為以下兩種，一類是基于關(guān)鍵詞的檢索技 術(shù)，檢索時(shí)直接對(duì)關(guān)鍵詞進(jìn)行檢索，以上方法的優(yōu)點(diǎn)是檢索處理速度快，但是隨著數(shù)據(jù)庫(kù)規(guī) 模的增大人工輸入關(guān)鍵詞將是一項(xiàng)繁瑣并且?guī)в兄饔^不確定性的工作，另一類是基于內(nèi)容 的檢索技術(shù)，用戶檢索時(shí)提供一個(gè)實(shí)例，檢索過(guò)程實(shí)質(zhì)是在數(shù)據(jù)庫(kù)中找到與實(shí)例的相似度 滿足一定要求的片段，此類方法的共同思想是選擇合適的特征表示以及相似性度量方法實(shí) 現(xiàn)對(duì)數(shù)據(jù)的快速檢索，本發(fā)明著重研究基于內(nèi)容的檢索技術(shù)。
[0010] 在人體運(yùn)動(dòng)捕捉數(shù)據(jù)的檢索和特征提取方面，國(guó)內(nèi)外研究人員開展了許多有意義 的工作，Yi Lin通過(guò)選取骨架中心點(diǎn)和四肢關(guān)節(jié)的距離地面高度參數(shù)計(jì)算特征值函數(shù)，該 方案可以比較準(zhǔn)確有效的描述人體的運(yùn)動(dòng)特征，因?yàn)樗闹P(guān)節(jié)的運(yùn)動(dòng)方式很大程度上反映 了人體的運(yùn)動(dòng)特征，但是，由于人體運(yùn)動(dòng)的骨骼尺寸大小差別較大，如兒童的骨骼尺寸可能 只有成年人骨骼尺寸的一半，因此，當(dāng)數(shù)據(jù)庫(kù)內(nèi)運(yùn)動(dòng)主體骨骼尺寸不一的時(shí)候，需要進(jìn)行繁 瑣的骨骼尺寸標(biāo)準(zhǔn)化處理；Demuth等人將人體結(jié)構(gòu)用24個(gè)關(guān)節(jié)點(diǎn)相連的線段來(lái)表示，并在 此節(jié)點(diǎn)模型基礎(chǔ)上，定義了七類Boolean類型的特征，分別為處于平面前后位置關(guān)系、運(yùn)動(dòng) 方向關(guān)系、兩節(jié)點(diǎn)是否近鄰以及夾角變化等，最終構(gòu)造特征矩陣以實(shí)現(xiàn)索引和匹配等進(jìn)一 步的操作，該方法可以精確的刻畫人體運(yùn)動(dòng)中的各種特征，已被廣泛的采用；Muller等人 提出了一種運(yùn)動(dòng)模板用于人體運(yùn)動(dòng)捕捉數(shù)據(jù)的自動(dòng)分類識(shí)別和檢索，方法的本質(zhì)在于邏輯 上相關(guān)的同一類運(yùn)動(dòng)可以提取出一個(gè)清晰表示的特征矩陣，基于模板的方法最關(guān)鍵的性質(zhì) 在于一個(gè)未知運(yùn)動(dòng)的不同方面可以在通過(guò)與模板運(yùn)動(dòng)的對(duì)比中自動(dòng)地被提取出來(lái)，該方法 引入了模板矩來(lái)描述運(yùn)動(dòng)特征，模板矩陣是一個(gè)布爾型（Boolean)特征構(gòu)成的二維矩陣， 其中矩陣的列數(shù)表示相關(guān)特征的個(gè)數(shù)，行數(shù)表示運(yùn)動(dòng)數(shù)據(jù)的巾貞數(shù)，給定一組類似的運(yùn)動(dòng)進(jìn) 行訓(xùn)練，得到一個(gè)合成的特征矩陣，進(jìn)而用于未知運(yùn)動(dòng)的特征模板匹配，該方法適用于較大 規(guī)模時(shí)空分布的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)，能夠保證有效和高效性；Hong Pan等人提取四肢部分的 八段骨骼與骨架中心線之間的夾角作為運(yùn)動(dòng)特征，該方法首先采用骨骼夾角作為對(duì)原始運(yùn) 動(dòng)數(shù)據(jù)的特征表示并提取運(yùn)動(dòng)片斷關(guān)鍵幀集合，以此作為原始運(yùn)動(dòng)片斷的特征表示；然后 基于所提取關(guān)鍵幀數(shù)據(jù)在相似運(yùn)動(dòng)片斷之間具有一致性的特點(diǎn)，在兩兩關(guān)鍵幀集合之間建 立距離矩陣進(jìn)行相似度匹配.實(shí)驗(yàn)結(jié)果表明，該方法能夠取得更好的時(shí)間效率且不依賴于 任何預(yù)先設(shè)定的參數(shù)；Yamasaki等人提出了一種基于內(nèi)容的交叉搜索方案用于時(shí)間變化 網(wǎng)格數(shù)據(jù)和運(yùn)動(dòng)捕捉數(shù)據(jù)的檢索，它包括形狀幾何特征提取、相似性評(píng)價(jià)兩個(gè)部分；高巖對(duì) 基于內(nèi)容的檢索進(jìn)行了系統(tǒng)的研究，提出了一種運(yùn)動(dòng)正規(guī)化算法，能夠保證運(yùn)動(dòng)庫(kù)中所有 的運(yùn)動(dòng)數(shù)據(jù)具有相同的骨架長(zhǎng)度，簡(jiǎn)化了運(yùn)動(dòng)重定向算法的復(fù)雜度，并對(duì)Muller等人提出 的基于內(nèi)容的檢索框架進(jìn)行了改進(jìn)，在運(yùn)動(dòng)檢索過(guò)程中集成了運(yùn)動(dòng)過(guò)渡能力，進(jìn)而結(jié)合運(yùn) 動(dòng)重組織和運(yùn)動(dòng)檢索的優(yōu)點(diǎn)，能夠按照用戶的高層控制，自動(dòng)拼接和檢索出運(yùn)動(dòng)庫(kù)中并不 存在的運(yùn)動(dòng)，并且在此基礎(chǔ)上提出了一種人體運(yùn)動(dòng)描述語(yǔ)言；向堅(jiān)提出了一種使用非線性 PCA降維的隱馬爾可夫（Hidden Markov Model, HMM)學(xué)習(xí)的運(yùn)動(dòng)檢索算法，在提取了人體 運(yùn)動(dòng)特征之后使用非線性PCA和徑向基函數(shù)（racial basis function，RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行 特征的降維處理，最后所有處理后的特征使用HMM學(xué)習(xí)的方法進(jìn)行分類識(shí)別；馮林等人提 出基于運(yùn)動(dòng)能量的描述人體運(yùn)動(dòng)的模型，在此基礎(chǔ)上引入熵的概念，提取能體現(xiàn)運(yùn)動(dòng)特征 的關(guān)鍵關(guān)節(jié)作為衡量動(dòng)作相似性的基準(zhǔn)，然后利用動(dòng)態(tài)時(shí)間變形算法計(jì)算運(yùn)動(dòng)例子和檢索 集之間的相似度，確定檢索結(jié)果集；Keogh等人提出了一種大規(guī)模運(yùn)動(dòng)數(shù)據(jù)庫(kù)的標(biāo)定索引 方法，該方法基于邊界封裝在全局統(tǒng)一尺度下實(shí)現(xiàn)相似性搜索；Vlachos等人提出一種基 于LCSS (longest common subsequence)的多維軌跡比較測(cè)量方法。
[0011] 人體動(dòng)作序列是一種典型的高維時(shí)間序列，對(duì)于高維信息的處理，如果采用常規(guī) 方法進(jìn)行檢索將耗費(fèi)大量的運(yùn)行時(shí)間和內(nèi)存空間，如此大量的數(shù)據(jù)，一般采用降維的方法 解決大量時(shí)間和空間損耗的問(wèn)題，但是降維處理必然導(dǎo)致信息的丟失，導(dǎo)致檢索結(jié)果錯(cuò)失 率很高，因此，在大量的可能組合中選取合適的特征表示方法使得檢索速度和檢索質(zhì)量都 可以接受顯得非常重要；
[0012] 另一個(gè)問(wèn)題是關(guān)于時(shí)間序列的相似度度量方法，常見的情況是視覺(jué)上相似的兩個(gè) 運(yùn)動(dòng)片段的特征值序列差異大，而視覺(jué)上不相似的兩個(gè)運(yùn)動(dòng)片段特征值序列差異反而比較 小，此種現(xiàn)象與由運(yùn)動(dòng)數(shù)據(jù)片斷之間的相似性度量方法密切相關(guān)，傳統(tǒng)的度量方法是采用 歐式距離的度量方法，這種度量方法的主要問(wèn)題是無(wú)法匹配時(shí)間軸的伸縮，同時(shí)對(duì)于噪音 非常敏感，動(dòng)態(tài)時(shí)間彎曲（DTW)方法是一種有效的用于不同長(zhǎng)度的時(shí)間序列匹配方法，被 廣泛應(yīng)用于時(shí)間序列處理和信號(hào)處理領(lǐng)域中，然而，傳統(tǒng)DTW方法的時(shí)間復(fù)雜度為0(mn) (m，η分別為檢索序列和候選序列的長(zhǎng)度，m彡η)導(dǎo)致查詢時(shí)間較長(zhǎng)，使得傳統(tǒng)DTW算法無(wú) 法直接用于大規(guī)模運(yùn)動(dòng)數(shù)據(jù)庫(kù)的檢索，另外DTW算法對(duì)于數(shù)據(jù)的噪音比較敏感，需要對(duì)原 始數(shù)據(jù)進(jìn)行必要的預(yù)處理工作。


【發(fā)明內(nèi)容】

[0013] 本發(fā)明實(shí)施例的目的在于提供一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方 法，旨在解決采用常規(guī)方法檢索存在的信息丟失，檢索結(jié)果錯(cuò)失率高的問(wèn)題。
[0014] 本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方 法，該基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法包括以下步驟：
[0015] 通過(guò)預(yù)先建立運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)的一、二級(jí)索引，提高每次實(shí)例檢索的速度；一級(jí)索 引中包含運(yùn)動(dòng)瞬間姿態(tài)信息，二級(jí)索引采用基于骨骼運(yùn)動(dòng)動(dòng)態(tài)特征的相鄰幀間夾角向量的 歐式距離作為索引值；最后，利用Keogh下界減少DTW算法的時(shí)間耗費(fèi)。
[0016] 進(jìn)一步，建立一、二級(jí)索引需要提取每一幀左、右上臂，左、右大腿與上一級(jí)骨骼之 間的空間夾角數(shù)據(jù)，采用箱均值壓縮的方法對(duì)原始的夾角數(shù)據(jù)進(jìn)行壓縮，因?yàn)樵紨?shù)據(jù)采 樣率為 3〇fps，設(shè)定箱均值的箱子的大小為3個(gè)采樣點(diǎn)，壓縮后采樣率為l〇fpS，采樣值為箱 內(nèi)三個(gè)連續(xù)采樣點(diǎn)的均值，實(shí)現(xiàn)原始數(shù)據(jù)的提取和預(yù)處理。
[0017] 進(jìn)一步，人體姿態(tài)信息的一級(jí)索引編碼和匹配的方法為：
[0018] 步驟一，假設(shè)人體的左、右上臂，左、右大腿與上一級(jí)骨骼之間的空間夾角分別為 ω" ω2, ω3, ω4,定義每一幀的一級(jí)索引編碼函數(shù)〇(〇〇" ω2, ω3, ω4)為： 4 .
[0019] ? ￡ 〇)ψ 〇)f 0?) = F C fi)j) x 10*
[0020]

【權(quán)利要求】
1. 一種基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法，其特征在于，該基于動(dòng)態(tài)彎曲 算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法包括以下步驟： 通過(guò)預(yù)先建立運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)的一、二級(jí)索引，提高每次實(shí)例檢索的速度；一級(jí)索引中 包含運(yùn)動(dòng)瞬間姿態(tài)信息，二級(jí)索引采用基于骨骼運(yùn)動(dòng)動(dòng)態(tài)特征的相鄰幀間夾角向量的歐式 距離作為索引值；最后，利用Keogh下界減少DTW算法的時(shí)間耗費(fèi)。
2. 如權(quán)利要求書1所述的基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法，其特征在 于，建立一、二級(jí)索引需要提取每一幀左、右上臂，左、右大腿與上一級(jí)骨骼之間的空間夾角 數(shù)據(jù)，采用箱均值壓縮的方法對(duì)原始的夾角數(shù)據(jù)進(jìn)行壓縮，因?yàn)樵紨?shù)據(jù)采樣率為30fps， 設(shè)定箱均值的箱子的大小為3個(gè)采樣點(diǎn)，壓縮后采樣率為lOfps，采樣值為箱內(nèi)三個(gè)連續(xù)采 樣點(diǎn)的均值，實(shí)現(xiàn)原始數(shù)據(jù)的提取和預(yù)處理。
3. 如權(quán)利要求書1所述的基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法，其特征在 于，動(dòng)瞬間姿態(tài)信息的一級(jí)索引編碼和匹配的方法為： 步驟一，人體的左、右上臂，左、右大腿與上一級(jí)骨骼之間的空間夾角分別為W1, ?2， ?3,，定義每一巾貞的一級(jí)索引編碼函數(shù)GO1, 〇2, 〇3, 〇4)為：
步驟二，然后，對(duì)候選片段C與實(shí)例片段Q中編碼相同的，也就是函數(shù)G(O)1, ?2,《3， ?4)的值相同的相鄰幀進(jìn)行聚合，分別得到查詢序列Q和候選序列C的編碼序列Hc和Hq: Hc=G(C1)1G(C2),... ,G(Ci)1--^G(Cx) HqiG(Q1),G(Q2),...,G(Qi),...,G(Qy) 檢索時(shí)先對(duì)檢索片段和候選片段進(jìn)行一級(jí)索引匹配，若Hq與Hc-致，則進(jìn)行二級(jí)索引 的檢索。
4. 如權(quán)利要求書1所述的基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法，其特征在 于，骨骼運(yùn)動(dòng)動(dòng)態(tài)特征的二級(jí)索引值計(jì)算的方法為： 步驟一，當(dāng)前幀人體的左右上臂、左右大腿、左右下臂、左右小腿與上一級(jí)骨 骼之間的空間夾角為（《P?2，《 3，《 4，《 5，《 6，《 7，《 8)，上一幀的相應(yīng)值為 (fl，f2， f3， f5， f6，(ThfS)，則幀的二級(jí)索引函數(shù)定義如下：
函數(shù)的值看作兩個(gè)八維向量O1, ?2, ?3, ?4, ?5, ?6, ?7, ?8)和(fl，免2，f3> 料，f6> f7， 卿)的空間距離，由于每?jī)蓭g的采樣間隔是固定的，所 以L實(shí)際上是前后兩幀姿態(tài)變化大小的一種度量，L反映了運(yùn)動(dòng)片段中每一幀的動(dòng)態(tài)特征。
5. 如權(quán)利要求書1所述的基于動(dòng)態(tài)彎曲算法的運(yùn)動(dòng)捕捉數(shù)據(jù)庫(kù)檢索方法，其特征在 于，利用Keogh下界減少DTW算法采用動(dòng)態(tài)規(guī)劃法計(jì)算，需要檢索前50個(gè)與實(shí)例片段DTW距離最小的候選片段的，則算法步驟如下： 步驟一，初始化； 步驟二，計(jì)算實(shí)例片段Q的一級(jí)索引編碼、二級(jí)索引值； 步驟三，比較實(shí)例片段Q和數(shù)據(jù)庫(kù)中候選片段C的一級(jí)索引編碼是否匹配，如果匹配則 執(zhí)行步驟四，否則轉(zhuǎn)到步驟六； 步驟四，計(jì)算LB_Keogh(Q，C)，如果LB_Keogh(Q，C)>Max(DTWl，DTW2， …，DTW50)則執(zhí)行步驟六，否則步驟五； 步驟五，計(jì)算DTW(Q，C)將DTW(Q，C)插入到隊(duì)列DTW1，DTW2，…，DTW50的位置，使得 元素按照DTW值從小到大的順序排列，刪除序列中DTW值最大的元素，即DTW50 ; 步驟六，選擇下一個(gè)與Q等長(zhǎng)的候選片段C; 步驟七，如果數(shù)據(jù)庫(kù)遍歷結(jié)束則轉(zhuǎn)到步驟八，否則轉(zhuǎn)到步驟二； 步驟八，輸出DTW1，DTW2，…，DTW50及對(duì)應(yīng)的片段文件名及起始幀號(hào)。
【文檔編號(hào)】G06F17/30GK104268285SQ201410561878
【公開日】2015年1月7日 申請(qǐng)日期:2014年10月21日 優(yōu)先權(quán)日:2014年10月21日
【發(fā)明者】吳清鋒, 張仲楠, 董槐林, 何志甘, 史亮 申請(qǐng)人:廈門大學(xué)