一种基于反馈学习的运动捕获数据检索方法技术

本发明专利技术公开的一种基于反馈学习的运动捕获数据检索方法，通过两个关键技术提高复杂运动捕获数据检索精度，一是通过引入四元数描述动作数据的旋转信息，保证了数据信息获取的完整性及可靠性；二是进行人工标签得到样本训练并引入KNN反馈学习来不断输出用户满意的结果，实现人机互动，可以进行特定动作的检索，提高实时检索的精度。

【技术实现步骤摘要】
一种基于反馈学习的运动捕获数据检索方法
本专利技术属于多媒体信息检索
，涉及一种数据检索方法，具体涉及一种基于反馈学习的运动捕获数据检索方法。
技术介绍
运动捕获数据检索是基于内容的多媒体信息检索领域的热点，特别是计算机动画和三维动画影视的发展，具有广泛的应用前景，国内外许多研究机构正致力于这一方向的研究。近几年来，在运动捕获技术的快速发展下及电影特技动画的兴起，复杂和逼真的人体动画出现在互联网上，人们需要一种快速高效的运动检索方法。目前在国外公开的文献中，MeinardMuller，TidoRoder，MichaelClausen.EfficientContent-BasedRetrievalofMotionCaptureData.ACMTransactionsonGraphics，Vol.24(3)，677-685，(SIGGRAPH2005)，提出了基于几何特征的运动捕获数据检索方法，关于现行的运动捕获检索技术机制，总体来说分为两大类：定性的检索方法和定量的检索方法。但上述检索方法有几点不足：1、虽然引入不同的定性几何特征描述动作，但在复杂难度高的应用中，用户必须选择合适本文档来自技高网...

【技术保护点】
一种基于反馈学习的运动捕获数据检索方法，其特征在于，具体按照以下步骤实施：步骤1：摄像头捕获运动信息并生成运动数据库，服务器端对运动数据库中的每个动作进行图像处理获得所有动作的数据特征，生成动作特征数据库，并建立索引；步骤2：服务器端处理客户端提供的待检索动作，得到待检索动作特征；步骤3：服务器端将待检索动作特征和动作特征数据库中的特征进行匹配，计算待检索动作和特征数据库中每个动作的距离值，将数据库中所有动作按照距离值从小到大排序输出，得到第一轮检索结果；步骤4：客户端将第一轮的检索结果进行“正例”和“反例”的人工标注学习，将标注后的第一轮检索结果信息返回服务器端，得到样本训练1和标签1，服务...

【技术特征摘要】
1.一种基于反馈学习的运动捕获数据检索方法，其特征在于，具体按照以下步骤实施：步骤1：摄像头捕获运动信息并生成运动数据库，服务器端对运动数据库中的每个动作进行图像处理获得所有动作的数据特征，生成动作特征数据库，并建立索引，具体按照以下步骤实施：1)设运动数据库有m个动作，m为正整数，为运动数据库所有动作的数目，对每个动作进行特征提取，即读取运动捕获数据格式文件，获得每个动作的旋转数据信息作为特征描述信息，选取21个关节点代表动作；2)选用单位四元数来描述关节点运动的旋转信息，单位四元数公式为：其中，w为标量，(x,y,z)为向量；3)采取K-means聚类算法对运动数据库的单位四元数特征数据进行降维并归类，生成最终的特征数据库，具体按照以下步骤实施：a.每个动作由21个关节点代表，用单位四元数描述旋转数据信息，每个动作由21*4＝84维的向量来表示，特征数据库的维数为m*84；b.用K-means算法对运动数据库里m个动作的四元数描述特征进行降维处理，每k个最能代表动作的特征聚成一类，k为正整数，每个动作是k*84维动作，运动数据库的维数为m*k*84维，除去奇异值，进行归一化；c.用reshape函数将运动数据库k*84维重塑为1*(84*k)维动作，动作数据库的特征表示如下：其中为动作数据库里第i个动作的特征，为动作数据库里第i个动作的第1维特征，为动作数据库里第i个动作的84*k维特征，i为1到m的正整数，共计m个动作的特征，m为正整数；步骤2：服务器端处理客户端提供的待检索动作，得到待检索动作特征，具体按照以下步骤实施：1)用户输入待检索动作MQ，服务器端对待检索动作MQ进行特征提取，首先读取关节点旋转角度信息，并用单位四元数描述；2)采用K-means聚类算法对待检索动作降维，每k个最能代表动作的特征聚成一类，k为正整数，待检索动作是k*84维的特征，得到待检索动作的特征向量：其中为待检索动作的特征，为待检索动作的第1维特征，为待检索动作的第84*k维动作；步骤3：服务器端将待检索动作特征和动作特征数据库中的特征进行匹配，计算待检索动作...

【专利技术属性】
技术研发人员：肖秦琨，李俊芳，高嵩，
申请(专利权)人：西安工业大学，
类型：发明
国别省市：