【技术实现步骤摘要】
基于流形学习的运动捕捉方法、装置、设备及存储介质
本专利技术属于计算机
，尤其涉及一种基于流形学习的运动捕捉方法、装置、设备及存储介质。
技术介绍
人体运动捕捉的主要任务是从拍摄的图像中检测出人体的运动动作并进行跟踪。目前，人体运动捕捉在医学治疗、体育训练、动画制作等各个方面都有潜在的应用和经济价值，受到了很多研究人员的关注。然而，拍摄的二维图像是三维场景中人体动作的二维投影，丢失了大量的深度信息，而且在人体运动过程中，人体四肢自遮挡现象时常发生。现有的人体运动捕捉方法在这种复杂的环境中对人体特征点的非线性变化进行捕捉时，运动捕捉的效率和精度不高。
技术实现思路
本专利技术的目的在于提供一种基于流形学习的运动捕捉方法、装置、设备及存储介质，旨在解决由于现有技术中运动捕捉方法捕捉效率和精度不高的问题。一方面，本专利技术提供了一种基于流形学习的运动捕捉方法，所述方法包括下述步骤：当接收到运动捕捉请求时，通过摄像头采集不同时刻的用户图像；在所述用户图像上获得所述用户身上每个预设标志点的空间信息，由所述每个标志点的空间信息构成原始形状空间；通过预先训练好的薄板样条隐变量...
【技术保护点】
1.一种基于流形学习的运动捕捉方法，其特征在于，所述方法包括下述步骤：当接收到运动捕捉请求时，通过摄像头采集不同时刻的用户图像；在所述用户图像上获得所述用户身上每个预设标志点的空间信息，由所述每个标志点的空间信息构成原始形状空间；通过预先训练好的薄板样条隐变量模型对所述原始形状空间进行映射，生成所述原始形状空间对应的隐含空间；对所述隐含空间进行优化，通过所述薄板样条隐变量模型对优化后的所述隐含空间进行反向映射，生成所述原始形状空间对应的目标形状空间并输出。
【技术特征摘要】
1.一种基于流形学习的运动捕捉方法，其特征在于，所述方法包括下述步骤：当接收到运动捕捉请求时，通过摄像头采集不同时刻的用户图像；在所述用户图像上获得所述用户身上每个预设标志点的空间信息，由所述每个标志点的空间信息构成原始形状空间；通过预先训练好的薄板样条隐变量模型对所述原始形状空间进行映射，生成所述原始形状空间对应的隐含空间；对所述隐含空间进行优化，通过所述薄板样条隐变量模型对优化后的所述隐含空间进行反向映射，生成所述原始形状空间对应的目标形状空间并输出。2.如权利要求1所述的方法，其特征在于，通过摄像头采集不同时刻的用户图像的步骤之后，在所述用户图像上获得所述用户身上每个预设标志点的空间信息的步骤之前，所述方法还包括：通过预设的低秩稀疏子空间法对所述用户图像进行回归优化。3.如权利要求2所述的方法，其特征在于，通过预设的低秩稀疏子空间法对所述用户图像进行回归优化的步骤，包括：获取所述用户图像的第一图像数据和第二图像数据，所述第一图像数据为所述用户图像的噪声数据，所述第二图像数据为所述用户图像去噪的图像数据；通过所述低秩稀疏子空间法分别对所述第一图像数据和所述第二图像数据进行回归优化。4.如权利要求1所述的方法，其特征在于，对所述隐含空间进行优化的步骤，包括：通过预设的主动形状模型算法，对所述隐含空间进行优化。5.一种基于流形学习的运动捕捉装置，其特征在于，所述装置包括：图像采集单元，用于当接收到运动捕捉请求时，通过摄像头采集不同时刻的用户图像；标志点信息获取单元，用...
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。