本发明属于数据修正,尤其涉及一种对人体运动捕获数据中的噪声和误差进行修正的方法。
背景技术:
1、运动捕捉系统是一种用于准确测量运动物体在三维空间运动状况的高技术设备·它基于计算机图形学原理,通过排布在空间中的数个视频捕捉设备将运动物体(跟踪器)的运动状况以图像的形式记录下来,然后使用计算机对该图象数据进行处理,得到不同时间计量单位上不同物体(跟踪器)的空间坐标(x,y,z);然而,现有对人体运动捕获数据中的噪声和误差进行修正的方法数据检索效率低;同时,人体运动动画合成效果差。
2、通过上述分析,现有技术存在的问题及缺陷为:
3、(1)现有对人体运动捕获数据中的噪声和误差进行修正的方法数据检索效率低。
4、(2)人体运动动画合成效果差。
技术实现思路
1、针对现有技术存在的问题,本发明提供了一种对人体运动捕获数据中的噪声和误差进行修正的方法。
2、本发明是这样实现的,一种对人体运动捕获数据中的噪声和误差进行修正的方法包括:
3、步骤一,在人体运动四周多方位布置摄像器,通过摄像器采集人体运动数据;通过建模程序构建人体几何模型;设置人体质量分布参数;输入捕获的人体运动数据;
4、所述通过摄像器采集人体运动数据方法:
5、人体佩戴反射特定红外激光的光标,并在场景周围部署多个红外激光摄像头;
6、通过激光摄像头将主动向人体发射特定的红外激光;
7、当激光击中光标时,它会反射;摄像头通过接受这些反射光来计算每个光标的空间位置;获得人体运动数据;
8、所述通过建模程序构建人体几何模型方法:
9、获取人体全身影像扫描数据;对所述人体全身影像数据进行分割,得到人体分割数据;
10、对所述人体分割数据进行三维重建,得到体素化的各向异性人体几何模型;将所述体素化的各向异性人体几何模型转换为曲面各向异性人体几何模型;
11、所述对所述人体全身影像数据进行分割,得到人体分割数据,包括:根据人体解剖学结构,对所述人体全身影像数据进行结构分割,识别出所述人体全身影像数据中具有不同方向的各向异性组织和具有不同方向的各向异性器官;
12、将所述具有不同方向的各向异性组织和所述具有不同方向的各向异性器官标识为不同的子组织和不同的子器官,得到所述分割数据;
13、所述将所述体素化的各向异性人体几何模型转换为曲面各向异性人体几何模型,包括:应用曲面模型生成算法,将所述体素化的各向异性人体几何模型的各个组织和各个器官分别重建为曲面各向异性人体几何模型;所述曲面模型生成算法包括移动立方体算法;
14、步骤二,对人体运动捕获数据进行处理;检索人体运动捕获数据;根据运动数据参数化人体运动关节;建立基于欧拉角-四元数的混合牛顿-欧拉多刚体动力学方程;建立基于物理约束的优化模型;设置优化计算的迭代次数;用逐步二次规划方法求解优化模型;得到满足物理约束的人体运动数据;
15、所述对人体运动捕获数据进行处理方法:
16、构建人体数据库,将捕获的人体运动数据存入人体数据库中;
17、对人体运动捕获数据进行校准处理;去除不准确的数据;
18、通过统计程序对人体运动捕获数据进行统计;并对人体运动捕获数据进行分析;
19、步骤三,对人体运动捕获的数据进行动画合成与编辑。
20、进一步,所述对人体运动捕获数据进行处理;检索人体运动捕获数据方法如下:
21、(1)构建人体运动捕获数据库;基于人体运动捕获数据库中的人体运动捕获数据序列,生成每段人体运动捕获数据的人体运动表示图像;构建深度哈希特征提取模型,通过预训练的深度哈希特征提取模型提取所述人体运动表示图像的哈希特征;
22、所述深度哈希特征提取模型基于深度神经网络vgg16,并在所述深度神经网络vgg16的分类层前增加一层由sigmoid函数激活的哈希层;所述深度哈希特征提取模型的训练过程中,在损失函数中添加了以下约束:
23、(1)
24、(2)j3=tr(out(h)(out(h))t)
25、其中,out(h)为深度哈希特征提取模型中哈希层输出的特征向量,e表示所有元素都等于1的一维向量;
26、(2)对于待检索的人体运动捕获数据片段,提取其哈希特征,并计算待检索的人体运动捕获数据哈希特征与所述人体运动捕获数据库中每段人体运动捕获数据哈希特征的距离,选择距离最近的前k个数据作为检索结果。
27、进一步,所述人体运动表示图像的生成,包括以下步骤:
28、获取人体运动捕获数据库中的人体运动捕获数据;
29、基于正向人体运动学将人体运动捕获数据中的关节角度信息转化为人体各关节点的轨迹信息;
30、将一段时间内关节轨迹的空间配置和动力学特性分别表示为rgb图像的三个通道,三个通道分别从轨迹、速度场和关节的自相似性转换得到。
31、进一步,所述rgb图像的三个通道中,第一个通道是由关节的轨迹编码的,它保留了每个帧中关节的空间信息;第二个通道由速度场编码,速度场由每个关节的速度矢量组成,其描述了人体运动物体的人体运动学特征;第三个通道反映了每个关节对之间距离的变化,其通过沿时间维度连接关节的自相似矩阵进行编码。
32、进一步,所述通过预训练的深度哈希特征提取模型提取所述人体运动表示图像的哈希特征,其具体步骤为:
33、利用人体运动表示图像对所述深度哈希特征提取模型进行训练;
34、其训练终止条件为所述深度哈希特征提取模型的分类准确率大于预设阈值;
35、提取所述深度哈希特征提取模型哈希层的特征,作为人体运动表示图像的哈希特征。
36、进一步,所述对人体运动捕获的数据进行动画合成与编辑方法如下:
37、1)对人体运动捕获数据进行简单的预处理,标注出构造生成模型所需要的先验信息;根据标注信息定义随机过程,根据各个因子的代表的具体意义,为每个因子指定合适的核函数来描述它与人体运动捕获数据间的映射关系,对人体运动捕获数据建模;
38、2)构造最优化目标函数,利用数值最优化算法求解未知参数构建生成模型;利用得到的生成模型,通过对分解出的因子进行编辑来实现人体运动的合成与编辑。
39、进一步,所述对人体运动捕获数据预处理和标注的具体内容如下:
40、步骤(a1)、根据人体运动捕获数据集,计算特征向量,特征向量包括根节点位置偏移、根节点朝向、各个关节点自由度,各个关节的加速度;
41、步骤(a2)、对每个人体运动片段进行标注,标注内容具体包括:人物、风格、内容、性别、年龄信息。
42、进一步,所述构造生成模型的步骤具体如下:
43、步骤(b1)、根据步骤(1)中标注的信息,定义一个随机过程;
44、步骤(b2)、根据每个因子的代表具体意义,为步骤(b1)定义的随机过程中每个因子指定合适的核函数,核函数可以是rbf函数,线性函数等任意有效的核函数;
45、步骤(b3)、在为每个因子指定核函数后,计算出每个因子的协方差矩阵,然后将各个协方差矩阵连乘得到生成模型的协方差矩阵,然后对人体运动捕获数据建模就完成了。
46、进一步,所述构建目标函数求解未知参数的步骤如下:
47、步骤(c1)、构造条件概率公式,利用最大后验估计(map)构造目标函数;
48、步骤(c2)、利用数值最优化算法scg求解未知参数得到生成模型。
49、进一步,所述利用生成模型实现人体运动合成与编辑的具体内容如下:
50、内容(d1)、通过指定因子参数,合成新的人体运动;
51、内容(d2)、通过估计未知人体运动的参数,实现人体运动的从定向,人体运动风格的从定向;
52、内容(d3)、通过插值因子参数实现两种或两种以上人体运动实现人体运动融合来合成出新的人体运动。
53、结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
54、第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
55、本发明通过对人体运动捕获数据进行处理;检索人体运动捕获数据方法构建在分类层之前添加哈希层的vgg网络;通过同时最小化由分类误差和对散列码的约束所定义的损失函数,所学习的紧凑二进制散列码能够获得良好的鉴别能力和平衡的比特分布,有效提高了人体运动捕获数据的检索精度和效率;同时,通过对人体运动捕获的数据进行动画合成与编辑方法构造出的生成模型提供过直观方便的交互手段让非专业动画人士也能利用该模型生成高质量的动画。
56、第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
57、本发明通过对人体运动捕获数据进行处理;检索人体运动捕获数据方法构建在分类层之前添加哈希层的vgg网络;通过同时最小化由分类误差和对散列码的约束所定义的损失函数,所学习的紧凑二进制散列码能够获得良好的鉴别能力和平衡的比特分布,有效提高了人体运动捕获数据的检索精度和效率;同时,通过对人体运动捕获的数据进行动画合成与编辑方法构造出的生成模型提供过直观方便的交互手段让非专业动画人士也能利用该模型生成高质量的动画。