人体动作姿态数据恢复方法、设备、介质及系统技术方案

本发明专利技术公开了一种人体动作姿态数据恢复方法、设备、介质及系统，属于动作姿态数据处理领域，包括步骤：将动作姿态数据的时间序列进行图像化，生成动作变化图像，实现动作姿态数据事件与空间的关联；针对动作变化图像进行噪声注入直至原始图像变成噪声图像；然后对生成的噪声图像利用神经网络算法模型进行去噪，还原成原始图像；最后通过图像逆向还原的方法恢复出动作姿态数据。本发明专利技术在噪声图像还原过程可以去除原始动作姿态数据中带有的噪声数据，并且可以自动修正错误的数据。本发明专利技术方法还可以在动作节点较少或者时间序列缺失的情况自动生成完整的合理动作。动生成完整的合理动作。动生成完整的合理动作。

【技术实现步骤摘要】
人体动作姿态数据恢复方法、设备、介质及系统


[0001]本专利技术涉及姿态数据处理领域，更为具体的，涉及一种人体动作姿态数据恢复方法、设备、介质及系统。

技术介绍

[0002]目前人体姿态的数据信息一般情况是通过动作捕捉设备进行采集。但是，动作捕捉设备在实际使用的过程中存在一些问题。精度最高的是光学动补设备，但是光学动捕设备占用场地大，设备价格昂贵，对于个人用户或者小型公司无法承担得起它的开销。惯性动捕设备价格相对便宜是个人和小型公司最佳选择，但是其精度相对较低，对环境的磁场分布非常敏感，容易受到环境干扰。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供一种人体动作姿态数据恢复方法、设备、介质及系统，在噪声图像还原过程可以去除原始动作姿态数据中带有的噪声数据，并且可以自动修正错误的数据。本专利技术方法还可以在动作节点较少或者时间序列缺失的情况自动生成完整的合理动作。
[0004]本专利技术的目的是通过以下方案实现的：
[0005]一种人体动作姿态数据恢复方法，包括以下步骤：
[0006]将动作姿态数据的时间序列进行图像化，生成动作变化图像，并实现动作姿态数据事件与空间的关联；针对动作变化图像进行噪声注入直至原始图像变成噪声图像；
[0007]然后对生成的噪声图像利用神经网络算法模型进行去噪，还原成原始图像；
[0008]最后通过图像逆向还原的方法恢复出动作姿态数据。
[0009]进一步地，所述动作变化图像上的每一个点对应着一个部位在某一时刻的姿态数据，同时图像能够反应出点与点之间的时间关系和空间关系。
[0010]进一步地，所述针对动作变化图像进行噪声注入直至原始图像变成噪声图像后，还包括步骤：将所述噪声图像和噪声的强度作为训练时的输入参数，训练一个能够根据图像和噪声强度预测当前加入的噪声的神经网络模型。
[0011]进一步地，所述将动作姿态节点数据的时间序列进行图像化，生成动作变化图像，包括子步骤：
[0012]利用人体骨架描述人体动作姿态数据，骨架中每一根骨头记录着一个人体姿态数据，人体姿态数据包括相对于父骨骼的三维坐标偏移量(Xposition，Yposition，Zposition)以及相对于父骨骼的三维坐标旋转量(Xrotation，Yrotation，Zrotation)，一共6个数据；将某一时刻中所有的骨骼姿态数据称为一帧动作姿态数据，将一根骨骼的6个数据称为一个像素点(Xposition，Yposition，Zposition，Xrotation，Yrotation，Zrotation)，该像素点有6个通道；
[0013]先将一帧中所有人体动作姿态数据按照设定的规则排列，形成图像的一行，每行m
个像素点，m为整数；
[0014]然后按照相同的方式将第2帧、第3帧直至第n帧的运动姿态数据拼接成n行数据；
[0015]最后，将这n行数据按照设定的规则拼接成一张运动姿态数据图像，则该图像的维度为(n,m,6)，n为整数。
[0016]进一步地，所述通过图像逆向还原的方法恢复出动作姿态数据，包括子步骤：剔除原始数据中的随机噪声和补全原始数据中缺少的数据。
[0017]进一步地，所述人工智能算法采用训练得到的所述能够根据图像和噪声强度预测当前加入的噪声的神经网络模型。
[0018]一种人体动作姿态数据恢复设备，包括：
[0019]运动姿态数据图像化单元，用于将动作姿态数据的时间序列进行图像化，生成动作变化图像，实现动作姿态数据事件与空间的关联；
[0020]噪声注入单元，用于针对动作变化图像进行噪声注入直至原始图像变成噪声图像；
[0021]运动数据恢复单元，用于对生成的噪声图像利用神经网络模型算法进行去噪，还原成原始图像；再通过图像逆向还原的方法恢复出动作姿态数据。
[0022]进一步地，还包括神经网络模型训练单元，用于将所述噪声图像和噪声的强度作为训练时的输入参数，训练一个能够根据图像和噪声强度预测当前加入的噪声的神经网络模型。
[0023]一种可读存储介质，在可读存储介质中存储有程序，当程序被处理器加载时执行如上所述的人体动作姿态数据恢复方法。
[0024]一种人体动作姿态数据恢复系统，包括如上所述的人体动作姿态数据恢复设备。
[0025]本专利技术的有益效果包括：
[0026]本专利技术提供了一种人体动作姿态数据自动恢复方法，在噪声图像还原过程可以去除原始动作姿态数据中带有的噪声数据，并且可以自动修正错误的数据。本专利技术方法还可以在动作节点较少或者时间序列缺失的情况自动生成完整的合理动作。
附图说明
[0027]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0028]图1为本专利技术实施例方法的步骤流程图；
[0029]图2为本专利技术实施例的运动姿态数据模型；
[0030]图3为本专利技术实施例的一帧运动姿态数据拼接方式；
[0031]图4为本专利技术实施例的n帧运动姿态数据拼接方式；
[0032]图5为本专利技术实施例的运动姿态数据图像逐级加噪过程；
[0033]图6为本专利技术实施例的原始运动姿态数据图像逐级修复过程。
具体实施方式
[0034]本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
[0035]本专利技术构思在于：通过将一组正确的动作姿态节点数据的时间序列进行图像化，生成一张动作变化图像，实现动作姿态数据事件与空间的关联。针对一系列生成的动作变化图像进行多轮噪声注入直至原始图像变成纯噪声图像，然后对生成的噪声图像利用人工智能算法进行不断去噪，直至还原成原始图像，最后通过图像逆向还原的方法恢复成动作数据。本专利技术方法在噪声图像还原过程可以去除原始动作姿态数据中带有的噪声数据，并且可以实现自动修正错误的数据。本专利技术方法还可以在动作节点较少或者时间序列缺失的情况自动生成完整的合理动作。
[0036]进一步的专利技术构思中，本专利技术设计了一种人体动作姿态数据自动恢复方法，包括运动姿态数据图像化步骤、神经网络模型训练步骤和运动姿态数据恢复步骤。
[0037]在运动姿态数据图像化步骤中，将一系列运动姿态数据的时间序列构建成长多维度的图像，图像上的每一个点对应着一个部位在某一时刻的姿态数据，同时图像还能反应出点与点之间的时间关系和空间关系。
[0038]在神经网络模型训练步骤中，将一系列由运动姿态图像化环节生成的图像制作成一组数据集，将强度逐级增加的噪声加入到图像，然后将带有噪声的图像和噪声的强度作为训练时的输入参数，训练一个能够根据图像和噪声强度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体动作姿态数据恢复方法，其特征在于，包括以下步骤：将动作姿态数据的时间序列进行图像化，生成动作变化图像，并实现动作姿态数据事件与空间的关联；针对动作变化图像进行噪声注入直至原始图像变成噪声图像；然后对生成的噪声图像利用神经网络算法模型进行去噪，还原成原始图像；最后通过图像逆向还原的方法恢复出动作姿态数据。2.根据权利要求1所述的人体动作姿态数据恢复方法，其特征在于，所述动作变化图像上的每一个点对应着一个部位在某一时刻的姿态数据，同时图像能够反应出点与点之间的时间关系和空间关系。3.根据权利要求1所述的人体动作姿态数据恢复方法，其特征在于，所述针对动作变化图像进行噪声注入直至原始图像变成噪声图像后，还包括步骤：将所述噪声图像和噪声的强度作为训练时的输入参数，训练一个能够根据图像和噪声强度预测当前加入的噪声的神经网络模型。4.根据权利要求1所述的人体动作姿态数据恢复方法，其特征在于，所述将动作姿态节点数据的时间序列进行图像化，生成动作变化图像，包括子步骤：利用人体骨架描述人体动作姿态数据，骨架中每一根骨头记录着一个人体姿态数据，人体姿态数据包括相对于父骨骼的三维坐标偏移量(Xposition，Yposition，Zposition)以及相对于父骨骼的三维坐标旋转量(Xrotation，Yrotation，Zrotation)，一共6个数据；将某一时刻中所有的骨骼姿态数据称为一帧动作姿态数据，将一根骨骼的6个数据称为一个像素点(Xposition，Yposition，Zposition，Xrotation，Yrotation，Zrotation)，该像素点有6个通道；先将一帧中所有人体动作...

【专利技术属性】
技术研发人员：刘道明，邓方，俞成浦，钟自强，
申请(专利权)人：北京理工大学重庆创新中心，
类型：发明
国别省市：