一种基于系统发生树的运动数据集浏览方法技术方案

本发明专利技术公开了一种基于系统发生树的运动捕获数据集浏览方法，该方法包括以下步骤：基于距离阈值聚类的数据抽象，对运动捕获数据集包含的三维姿态采用基于距离阈值的聚类方法进行聚类，并从每个聚类中选择到其他三维姿态平均距离最小的三维姿态作为代表性三维姿态；基于四元组的系统发生树构建，对于代表性三维姿态集，生成四元组集合以表达各个三维姿态的拓扑近邻关系，并进而对四元组集合采用MaxCut算法构建系统发生树；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。

A method for browsing moving dataset based on phylogenetic tree

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，并进而支持其对所需目标资源的获取。探索式浏览将资源获取问题作为一个人机交互问题，系统通过交互、可视化等技术手段为用户提供关于当前认知问题上下文，用户通过对系统提供信息的理解和学习不断获得对于期望获取资源更加清晰的认知，并最终获得所需的数据资源。在系统的长期使用过程中，通过对整个数据资源库的浏览，用户对于数据资源库的整体有了逐渐清晰的认识，从而有助于其更加高效地从数据资源库中获取所需的目标资源。在文献HeeschD.Asurveyofbrowsingmodelsforcontentbasedimageretrieval[J].MultimediaToolsandApplications.2008,40(2):261-284中，Heesch指出，探索式浏览能够有效支持概念查询和模糊目标查询、能够充分利用用户的认知能力以及具有快速响应的优点。针对图像、视频、三维模型数据集，研究者已经提出了一定数量的探索式浏览方法，然而当前，为满足探索式浏览的运动捕获数据组织研究仍然处于起始阶段，只有少数的方法被提出用来专门解决这一问题。Schroeder等人在文献SchroederD,KorsakovF,Mai-PingKnipC,etal.Trend-CentricMotionVisualization:DesigningandApplyingaNewStrategyforAnalyzingScientificMotionCollections[J].VisualizationandComputerGraphics,IEEETransactionson,2014,11(20):2644-2653中提出了一种以运动趋势为中心的运动数据浏览和分析方法，然而该方法适用的数据集中的运动数据必须属于同一类型，而本专利技术适用的数据集则包含了多种不同类型的运动。与本专利技术工作最为接近的是Bernard等人在文献BernardJ,WilhelmN,KrugerB,etal.MotionExplorer:Exploratorysearchinhumanmotioncapturedatabasedonhierarchicalaggregation[J].VisualizationandComputerGraphics,IEEETransactionson,2013,19(12):2257-2266中提出的以姿态为中心的探索式浏览方法。在数据抽象上，Bernard等人采用自顶向下的分裂来获得不同层次数据抽象，该方法在每次迭代的过程中选择类间方差最大的姿态类别并采用KMeans算法对其进行两两分裂，然而基于局部信息并采用固定参数进行分裂产生的聚类一方面不可避免的会产生得到的聚类难以理解的情况发生，另一方面过多的层次划分和人的认知上的层次概念也存在着明显的差异。在近邻组织上，Bernard等人使用自组织映射对库中以关节坐标表示的所有姿态进行训练获得姿态的近邻拓扑，并利用不同的颜色来反映数据抽象获得的各个代表性姿态的差异。自组织映射训练得到的不同区域在二维平面上是紧密邻接的，从而会导致视觉相邻但内容上存在明显边界的冲突，且研究表明采用一般的基于特征上的距离函数并不能有效反映具有明显差异或者异构对象之间的真正相似程度。在数据可视化上，Bernard等人分别采用树形图和节点图在二维平面来展示姿态聚集和运动聚集，然而一方面，其树形图显示的数据为不同抽象层次的姿态聚类，然而用户往往习惯于在同一个抽象层次上通过比较定位搜索目标；另一方面，在二维空间显示三维姿态不可避免的会造成遮挡、视角不佳等问题。
技术实现思路
本专利技术目的在于针对上述现有技术的不足，提出了一种基于系统发生树的运动数据集浏览方法，该方法通过对运动捕获数据进行组织，从而支持用户对运动捕获数据集进行可视化浏览，该方法采用基于距离阈值的聚类进行数据抽象，对于数据抽象的代表性三维姿态集合，采用四元组构建系统发生树，最后以系统发生树为中心进行可视化呈现。本专利技术解决其技术问题所采取的技术方案是：一种基于系统发生树的运动捕获数据集浏览方法，该方法包括如下步骤：步骤1，基于距离阈值聚类的数据抽象：由于运动捕获具有较高的采样帧率且不同的运动也可能包含共同或者相近的过度姿态，运动捕获数据集中存在着大量的相似三维姿态。本专利技术通过基于距离阈值聚类的数据抽象实现对相似数据进行约减以缓和有限的视觉显示空间和大规模数据集的矛盾并提高交互响应效率。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，本专利技术选择人体模型中18个重要的关节。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。基于距离阈值聚类的数据抽象具体步骤如下：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)，如果运动捕获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C本文档来自技高网...

【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