一种基于轻量级空间时间交互的多人运动预测方法技术

本发明专利技术公开了一种基于轻量级空间时间交互的多人运动预测方法，包括以下步骤：A：对时序多人关节序列数据进行排序；B：基于排序后的时序多人关节序列数据，在时间维度上提取时序动态信息并转换为频域信号；C：将频域表示的多人关节序列数据转换成高维特征表示；D：对高维特征表示进行局部特征学习和全局特征学习，获取局部特征和全局特征；E：基于可学习仿射变换进行局部特征和全局特征的微调，并将得到的局部微调表示和全局微调表示通过加权方式组合得到最终特征；F：基于最终特征，使用预测头预测最终的人体运动轨迹信息。本发明专利技术能够在降低计算成本和参数规模的同时，提高多人运动预测的精度和效率。

【技术实现步骤摘要】

本专利技术涉及3d多人运动预测领域，尤其涉及一种基于轻量级空间时间交互的多人运动预测方法。

技术介绍

1、目前,3d多人运动预测技术广泛应用于智能监控、人机交互、体育分析和增强现实等领域，其核心任务是基于历史运动数据预测多个个体未来的运动轨迹。然而，现有方法主要依赖于深度学习技术，尤其是基于图神经网络(gnn)和transformer的框架，这些方法虽然在预测精度上有所提升，但仍然存在计算成本高、参数规模庞大以及难以同时高效建模个体运动特征与群体交互关系等问题。高计算成本导致实时预测难以实现，而庞大的参数规模增加了存储和训练成本。此外，大多数方法在建模个体运动轨迹时缺乏对局部与全局信息的高效融合，难以精准预测复杂的多人运动场景。因此，如何在保证预测精度的同时，提高计算效率、降低模型复杂度，并有效建模个体间的交互关系，仍然是当前多人运动预测领域亟待解决的问题。

技术实现思路

1、本专利技术的目的是提供一种基于轻量级空间时间交互的多人运动预测方法，能够在降低计算成本和参数规模的同时，提高多人运动预测的精度和效率。本文档来自技高网...

【技术保护点】

1.一种基于轻量级空间时间交互的多人运动预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的多人运动预测方法，其特征在于：步骤A中，基于个体间的关节距离获取个体在场景中的整体距离，再基于整体距离通过置换不变的个体排序算法得到排序后的时序多人关节序列数据。

3.根据权利要求1所述的多人运动预测方法，其特征在于：步骤B中，通过离散余弦变换方法进行时域到频域的转换。

4.根据权利要求1所述的多人运动预测方法，其特征在于：步骤D中，通过采用并行双分支架构的多级特征学习模块获取局部特征和全局特征；

5.根据权利要求1所述的多人运动预测方法，...

【技术特征摘要】

1.一种基于轻量级空间时间交互的多人运动预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的多人运动预测方法，其特征在于：步骤a中，基于个体间的关节距离获取个体在场景中的整体距离，再基于整体距离通过置换不变的个体排序算法得到排序后的时序多人关节序列数据。

3.根据权利要求1所述的多人运动预测方法，其特征在于：步骤b中，通过离散余弦变换方法进行时域到频域的转换。

4.根据权利要求1所述的多人运动预测方法，其特征在于：步骤d中，通过采用并行双分支架构的多级特征学习模块获取局部特征和全局特征；

5.根据权利要求1所述的多人运动预测方法，其特征在于：步骤e包括以下步骤：

6.根据权利要求5所述的多人运动预测方法，其特征在于：步骤e2中，将扩展局部缩放因子作为放缩依据，以hadamard积的形式对局部特征进行放缩，然后将扩展局部平移因子作为局部特征的偏置，得到局部微调表示。

7.根据权利要求5所述的多人运动预测方法，其特征在于：步骤e3中，首先在局部特征的个体和时间维度上进行特征合并，得到合并局部特征；然后在合并局部特征的第二维度上应用线性变换学习全局平移因...

【专利技术属性】
技术研发人员：于瑞璇，郑元鸿，
申请(专利权)人：山东大学，
类型：发明
国别省市：