The invention discloses a phylogenetic tree based on motion capture data browsing method, the method includes the following steps: Based on distance threshold clustering data abstraction, the 3D pose of the motion capture data set contains the clustering method based on distance threshold, and choose from each cluster to other 3D pose of the average distance d the smallest gesture as a representative 3D attitude system; four tuple tree construction based on the representative 3D pose set, generating four tuple set topological neighbor relationship to express various 3D pose, and then on the four set of tuples the phylogenetic tree constructed by MaxCut algorithm; visual rendering, 3D programming environment for phylogenetic tree the paper shows the realization of translation, rotation, zoom, select the operation, to support users of motion capture data set Visual browsing.
【技术实现步骤摘要】
一种基于系统发生树的运动数据集浏览方法
本专利技术涉及一种运动捕获数据集的资源浏览方法,属于计算机三维动画技术及多媒体数据处理
技术介绍
运动捕获技术能够精确地测量、跟踪、记录物体在三维空间中的运动轨迹,该技术起源于20世纪70年代末,经历了近几十年的发展,捕获技术日趋成熟。当前,动作捕获已经成为计算机动画、虚拟现实、计算机视觉、生物医疗等重要的数据获取手段。由于各种应用的迫切需要以及商业捕获设备的广泛推广,目前已经出现了越来越多的大型运动捕获数据库,如美国卡内基梅隆大学的运动捕获数据库(http://mocap.cs.cmu.edu)等。随着种类繁多、风格各异的各种运动数据的大量采集,必须要采取有效的管理方法和技术手段,才能充分发挥运动捕获数据库的作用。如何从运动捕获数据库中获取用户所需要的人体运动数据已经成为运动捕获数据有效利用的关键问题。总体上,从运动捕获数据集中获取所需的目标资源主要有基于文本的检索方法、基于实例的检索方法以及探索式浏览方法。传统的基于文本的检索方法存在着人工标注费时费力且易造成主观理解不统一等问题,难以被用来进行有效的运动数据检索。在基于实例的检索中,用户提供查询实例来表达查询概念,系统根据运动资源库中的数据和查询实例在特征空间上的相似程度返回响应结果,这种方式一般适用于具有明确查询概念且只需要极少用户参与就能够获得期望结果的资源获取。当用户的查询概念难以采用实例进行表达或者用户并没有明确查询概念的情况下,探索式浏览则能够为其目标资源的获取提供支持。探索式浏览帮助用户获得对运动资源库的整体概念和结构组成的认知,并进而支持 ...
【技术保护点】
一种基于系统发生树的运动捕获数据集浏览方法,其特征在于,包括如下步骤:步骤1,基于距离阈值聚类的数据抽象,运动捕获数据集包含若干个运动序列,每个运动序列包含若干个三维姿态,三维姿态i表示为F
【技术特征摘要】
1.一种基于系统发生树的运动捕获数据集浏览方法,其特征在于,包括如下步骤:步骤1,基于距离阈值聚类的数据抽象,运动捕获数据集包含若干个运动序列,每个运动序列包含若干个三维姿态,三维姿态i表示为Fi={Pi.1,Pi,2,……,Pi,18},其中i=1,……,N,N为运动捕获数据集中包含的三维姿态总数,Pij=(x,y,z)为第i个姿态中第j个关节对应的三维坐标,j=1,……,18,表示选择人体模型的18个重要关节,N个三维姿态经过聚类后形成类别C1,C2,C3,……,每个三维姿态只属于一个类别;步骤2,基于四元组的系统发生树构建:对于代表性三维姿态集S,采用基于四元组的系统发生树来表达S中各个姿态的拓扑近邻关系;步骤3,可视化呈现:采用三维编程环境对系统发生树进行呈现,实现旋转、缩放、平移、选取操作,以支持用户对运动捕获数据集的可视化浏览。2.根据权利要求1所述的一种基于系统发生树的运动捕获数据集浏览方法,其特征在于,所述步骤1的基于距离阈值聚类的数据抽象包括:1)装载运动捕获数据集包含的所有三维姿态坐标Pij,i=1,……,N;j=1,……,18;2)设定聚类分裂的距离阈值δ;3)取第一个三维姿态F1作为聚类C1,当前的聚类数numC=1;4)取下一个三维姿态Fi,转步骤5),如果数据集中的三维姿态已经被取完,那么转步骤8);5)计算Fi与每个当前聚类Ck的平均距离dk,k=1,……,numC;6)如果min(dk)<δ,则将三维姿态Fi加入到min(dk)对应的聚类中,转步骤4),否则进行步骤7);7)numC=numC+1,三维姿态Fi形成新的聚类CnumC,转步骤4);8)聚类结束,对于每个类别Ck,选择其中和类别中其他三维姿态平均距离最小的三维姿态作为该类别的代表性三维姿态,形成整个运动捕获数据集的代表性三维姿态集S。3.根据权利要求1所述的一种基于系统发生树的运动捕获数据集浏览方法,其特征在于,所述步骤2的基于四元组的系统发生树构建包括:1)可靠四元组生成:采用关节之间的距离、关节与平面之间的距离、骨骼之间的角度、骨骼与平面之间的角度作为三维姿态的距离度量,对于每一种距离度量,依次采用下面的步骤生成可靠四元组;a)从代表性三维姿态集S中选择任意四个不同的三维姿态构成候选四元组,所有的候选四元组构成候选四元组集合;b)依次从候选四元组集合中取出四元组,直到集合为空,取出的四元组用(A,B,C,D)表示;c)将四元组(A,B,C,D)包含的4个三维姿态作为4个节点,然后节点之间互相连接,形成包含6条边的完全连通图;d)根据6条边的距离对其进行排序,移除距离最大的三条边;e)如果4个节点不能够保持连接,那么该四元组不能成为可靠的四元组,转到步骤b),否则进行下一步;f)对剩余的三条边按距离的大小进行排序,从大到小依次为d3、d2和d1,如果删除...
【专利技术属性】
技术研发人员:陈松乐,孙知信,沈洋,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。