【技术实现步骤摘要】
运动捕捉数据相似度度量方法、装置及系统
本专利技术属于计算机图形学、体感人机交互领域，具体涉及一种运动捕捉数据相似度度量方法、装置及系统。
技术介绍
运动捕捉即是一种追踪并记录人体关节运动轨迹的技术，该技术广泛应用于影视、动画、娱乐以及交互领域。运动捕捉数据相似度度量即是要计算或者评估人体动作之间的相似程度，是运动捕捉数据处理中的一个根本问题，对于运动捕捉数据的应用，如角色驱动的动画、运动捕捉数据检索以及体感人机交互具有重要意义。然而由于运动捕捉数据具有高度的复杂性，对运动捕捉数据的相似性进行度量的任务往往并不容易。这主要体现在两方面，一、相似的动作之间往往在时空上存在较大差异，如持续时间不同、幅度不同等；二、不同的动作之间在时空上也可能存在较大相似性，如动作数据的某一段是相似的，或者具有不同顺序，但是包含的姿势集合是一致的。针对上述问题，学术界和工业界开展了大量的研究。动态时间规整(DynamicTimeWarping:DTW)是应用最广泛的一种时序数据相似度计算方法。该方法基于动态规划算法，能够处理具有不同持续时...
【技术保护点】
1.一种运动捕捉数据相似度度量方法，其特征在于，包括：/n获取包含n帧数据的模板动作捕捉数据Mt＝[Mt
【技术特征摘要】
1.一种运动捕捉数据相似度度量方法，其特征在于，包括：
获取包含n帧数据的模板动作捕捉数据Mt＝[Mt1,Mt2,…,Mtn]，其中Mti表示Mt中的第i帧；
获取包含m帧数据的待匹配动作捕捉数据Mg＝[Mg1,Mg2,…,Mgm]，其中Mgi表示Mg中的第j帧；
对所述模板动作捕捉数据Mt和待匹配动作捕捉数据Mg分别执行主成分分析，得到特征子空间St和Sg；
将待匹配动作捕捉数据Mg映射到模板动作捕捉数据Mt的特征子空间St，再恢复得到Mg′；
将模板动作捕捉数据Mt映射到待匹配动作捕捉数据Mg的特征子空间Sg，再恢复得到Mt′；
计算Mg和Mg’，Mt和Mt’每帧差异，取差异最大的作为Mg和Mt的匹配代价Dc，进而得到两者的相似度为完成基于子空间映射的运动捕捉数据相似度度量。
2.根据权利要求1所述的一种运动捕捉数据相似度度量方法，其特征在于：所述特征子空间St和Sg的计算方法包括：
分别计算模板动作捕捉数据Mt＝[Mt1,Mt2,…,Mtn]和待匹配动作捕捉数据Mg＝[Mg1,Mg2,…,Mgm]的均值向量和其中Mti和Mgj是d维列向量，1≤i≤n,1≤j≤m；
对模板动作捕捉数据Mt和待匹配动作捕捉数据Mg的每一行分别进行零均值化，分别得到Xt＝[Xt1,Xt2,…,Xtn]和Xg＝[Xg1,Xg2,…,Xgm]，其中
分别计算协方差矩阵Ct和Cg，其中Ct＝(1/n)(Xt)(Xt)T，Cg＝(1/m)(Xg)(Xg)T；
分别计算Ct和Cg的特征值和特征向量，取最大的k个特征值对应的特征向量，并将这些特征向量排成一行形成矩阵，得到特征子空间St＝[St1St2,…,Stk]和Sg＝[Sg1,Sg2,…,Sgk]，其中，其中Sti和Sgj是d维列向量，1≤i≤k,1≤j≤k，k为用户指定参数。
3.根据权利要求2所述的一种运动捕捉数据相似度度量方法，其特征在于：所述将待匹配动作捕捉数据Mg映射到模板动作捕捉数据Mt的特征子空间St，再恢复得到Mg′，包括以下步骤：
计算Mg在Mt的特征子空间St中的投影后，重建动作Mg′＝[Mg′1,Mg′2,…,Mg′m]，其中
所述将模板动作捕捉数据Mt映射到待匹配动作捕捉数据Mg的特征子空间Sg，再恢复得到Mt′，包括以下步骤：
计算Mt在Mg的特征子空间Sg中的投影后重建动作Mt′＝[Mt′1,Mt′2,…,Mt′n]，具体计算公式为
4.根据权利要求3所述的一种运动捕捉数据相似度度量方法，其特征在于：所述计算Mg和Mg’，Mt和Mt’每帧差异，取差异最大的作为Mg和Mt的匹配代价Dc，进而得到两者的相似度为包括以下步骤：
计算Mg和Mg’的误差D(Mg,Mg’)＝maxj∈[1,m]||Mg′j-Mgj||，其中max为求最大值操作，‖‖为向量求模操作；
计算Mt和Mt’的误差D(Mt,Mt’)＝maxi∈[1,n]‖Mt′i-Mti‖；
计算Mg和Mt的匹配代价Dc(Mg,Mt)＝max(D(Mg,Mg’),D(Mt,Mt’))；
计算Mg和Mt的相似度其中σ2是用户指定参数。
5.一种运动捕捉数据相似度度量装置，其特征在于，包括：
第一获取单元，用于获取包含n帧数据的模板动作捕捉数据Mt＝[Mt1,Mt2,…...
【专利技术属性】
技术研发人员：刘潇峰，
申请(专利权)人：镇江傲游网络科技有限公司，
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。