專利名稱：一種人體動作數(shù)據(jù)的空間軌跡檢索方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人體動作數(shù)據(jù)檢索方法，屬于計算機三維動畫技術(shù)及多媒體數(shù)據(jù)處理領(lǐng)域，具體地說，是一種人體動作數(shù)據(jù)的空間軌跡檢索方法。
背景技術(shù)：
動作捕獲技術(shù)能夠精確地測量、跟蹤、記錄物體在三維空間中的運動軌跡，該技術(shù)起源于20世紀(jì)70年代末，經(jīng)歷了近幾十年的發(fā)展，捕獲技術(shù)日趨成熟。當(dāng)前，動作捕獲已經(jīng)成為計算機動畫、虛擬現(xiàn)實、計算機視覺、生物醫(yī)療等重要的數(shù)據(jù)獲取手段。由于各種應(yīng)用的迫切需要以及商業(yè)捕獲設(shè)備的廣泛推廣，目前已經(jīng)出現(xiàn)了越來越多的大型三維人體動作庫，如美國卡內(nèi)基梅隆大學(xué)的人體動作庫(http://mocap.cs.cmu.edu)等。隨著種類繁多、風(fēng)格各異的各種動作數(shù)據(jù)的大量采集，必須要采取有效的管理方法和技術(shù)手段，才能充分發(fā)揮人體動作庫的作用。如何從人體動作庫中獲取用戶所需要的人體動作數(shù)據(jù)已經(jīng)成為動作數(shù)據(jù)有效利用的關(guān)鍵問題，傳統(tǒng)的基于文本的檢索方法存在著人工標(biāo)注費時費力且易造成主觀理解不統(tǒng)一等問題，難以被用來進行有效的人體動作數(shù)據(jù)檢索。與此同時，基于示例的檢索技術(shù)已成為多媒體和信息處理領(lǐng)域研究的熱點，由于該檢索技術(shù)能較好地彌補傳統(tǒng)的基于文本的檢索方法的不足，已經(jīng)得到了相關(guān)領(lǐng)域研究者越來越多的重視。已有的基于示例的人體動作數(shù)據(jù)檢索方法主要有如下幾類第一類方法是如文獻 IKovar L，Gleicher M，Pighin F. Automated Extraction and Parameterization of Motions in Large Data Sets. ACM Transactions on Graphics(S0730-0301)，2004， 23(3) :559-568所述的直接使用姿態(tài)的高維特征進行檢索的方法，該方法首先使用姿態(tài)的原始高維特征計算兩個姿態(tài)間點云的距離并以該距離作為姿態(tài)的相似性度量，然后通過動態(tài)時間彎曲方法(DTW)構(gòu)建相似動作片段的匹配網(wǎng)絡(luò)，在檢索時通過多次迭代檢索獲取相似的動作。然而直接使用姿態(tài)的高維特征進行DTW計算的代價太高，且DTW算法僅是局部對齊的，相似匹配網(wǎng)絡(luò)計算的復(fù)雜性以及對存儲空間的要求限制了其在大規(guī)模人體動作庫上的應(yīng)用。第二類方法是如文獻 2MUller M,RoderT, Clausen Μ. Efficient content based retrieval of motion capture data. ACM Transactions on Graphics,2005,24(3) 677-685所述的基于姿態(tài)的幾何空間特征的檢索方法，該方法引入了定性的幾何特征來描述身體各關(guān)節(jié)的位置關(guān)系，如左腳、左胯、以及身體中心構(gòu)成了一個平面，右腳在這個平面的前面或者后面就構(gòu)成了一個布爾幾何特征，Muller等人在原型系統(tǒng)中共設(shè)計了 31個特征，這些特征分為身體上部分特征、身體下部分特征以及兩者相互作用的特征，由于姿態(tài)的幾何空間特征值均通過閥值的限定進行了離散化并具有了相應(yīng)的語義信息，這就使得動作中相鄰的幀往往具有相同的特征值，即動作時序文件被分割為具有相同特征值的動作片段，動作檢索就可以直接以動作片段為單位進行。然而，使用布爾幾何特征來描述動作內(nèi)容的問題在于對不同類型的動作，很難建立統(tǒng)一的特征體系，對于某一類動作來說，只有其中的部分特征是成立的，因此，該方法指出用戶在檢索時需要選擇相關(guān)的特征，以逐步提高檢索的精準(zhǔn)率，顯然，讓用戶直接去進行特征選擇并不是一種友好的人機交互方式，是以增加用戶操作的復(fù)雜性為代價的。第三類方法是如文獻3 Forbes K,Fiume Ε. An efficient search algorithm for motion data using weighted PCA. Proc of Euro graphics/ACM SIGGRAPH Symposium on Computer Animation，2005，67-76 提出的基于姿態(tài)低維空間特征的檢索方法，由于不同的關(guān)節(jié)在相似度匹配中的重要程度并不相同，且用戶可能只關(guān)注部分關(guān)節(jié)，所以該方法使用加權(quán)主成分分析(weighted PCA)數(shù)據(jù)降維的方法來體現(xiàn)關(guān)節(jié)的不同重要程度。該方法首先對人體動作庫中的所有動作進行降維，然后再對每個姿態(tài)進行投影，得到動作的低維特征表示。檢索時，首先在低維空間提取檢索示例的特征姿態(tài)，然后在低維空間中得到和特征姿態(tài)相近的姿態(tài)作為種子點，這些種子點是檢索示例和人體動作庫中的相似動作片段必然經(jīng)過的點，以這些點為出發(fā)點，分別進行前向和后向的DTW操作，由于檢索示例的起點和終點是已知的，且DTW對齊的路徑是非退化的，實際上是對人體動作庫中相似動作片段的長度進行了限制，從而實現(xiàn)了人體動作的檢索。使用數(shù)據(jù)降維的方式獲取低維空間特征進行動作檢索的問題在于人體動作的每一幀姿態(tài)都是有著明確的物理意義的，在數(shù)據(jù)降維后得到的低維特征數(shù)據(jù)將可能失去這些物理意義，另一方面，每一種降維方法擅長處理的低維空間結(jié)構(gòu)(流型)各不相同，如何為不同的動作類型選擇合適的降維方法是該類方法的困難所在。第四類方法是如文獻4 Liu F，Zhuang Y T, Wu F, et al. 3D motion retrieval with motion index tree. Computer Vision and Image Understanding, 2003,92 (223) :265-284所述的基于動作關(guān)鍵幀的檢索方法，該方法的有效性依賴于有效、統(tǒng)一的關(guān)鍵幀提取算法以及恰當(dāng)?shù)膮?shù)設(shè)置，對于舞蹈等復(fù)雜動作來說， 既存在著整體的動作，也存在著局部細節(jié)的動作，選擇有效的關(guān)鍵幀提取算法是很困難的。在實際應(yīng)用中，人體動作數(shù)據(jù)檢索的一個顯著特點就是存在著用戶關(guān)注關(guān)節(jié)問題，如對于拳擊動作檢索來說，用戶更多關(guān)注的是上肢的動作，對于踢踏舞蹈動作檢索來說，用戶的注意力更多集中在下肢和腳步的動作上，也就是說，對于不同類型的動作，用戶檢索的關(guān)注關(guān)節(jié)是不同的，如果在檢索時，仍然使用人體全部關(guān)節(jié)的動作特征進行檢索，則非關(guān)注關(guān)節(jié)的動作特征會對檢索的精準(zhǔn)率產(chǎn)生極大地影響，例如對于行走的動作，上肢有可能是搖擺的、靜止的、或者揮舞的，在用戶檢索行走的動作時，如果使用包括手臂在內(nèi)的所有關(guān)節(jié)的動作特征進行相似度計算，顯然各種不同的上肢動作會影響到用戶期望的結(jié)果。在上述方法中，Kovar L和Liu F的方法都是使用人體全部關(guān)節(jié)的動作特征進行檢索的，用戶無法指定關(guān)注關(guān)節(jié)進行人體動作數(shù)據(jù)檢索，MUllerM已經(jīng)注意到不同的動作類型對應(yīng)的有效特征是不同的，然而讓用戶選擇對應(yīng)的特征進行動作檢索的人機交互方式并不友好，是以增加用戶的操作復(fù)雜性為代價的，合理的方式是用戶在輸入檢索示例的時候，同時提交本次檢索的關(guān)注關(guān)節(jié)(檢索關(guān)節(jié))。Forbes K同樣認為不同的關(guān)節(jié)對于檢索結(jié)果的重要程度是不一樣的，但是其檢索方法需要在低維特征提取前，就確定不同的關(guān)節(jié)對于檢索結(jié)果的影響系數(shù)，并且以后不能改變，顯然這也不是一種靈活、有效的方式。概括來說，實現(xiàn)基于示例的人體動作數(shù)據(jù)檢索的困難在于相似的人體動作既存在著時間上的變形也存在著空間上變形，從時間上來說，不同的執(zhí)行者執(zhí)行相同的動作在時間上不可能嚴(yán)格一致；從空間上來說，相似的動作由于執(zhí)行者朝向、骨骼長度以及執(zhí)行過程的差異也會造成動作的變形。此外，由于完整描述動作的每一幀都是數(shù)百維的高維向量，如何有效地對高維特征進行分析和處理以及如何靈活地實現(xiàn)可以支持用戶指定檢索關(guān)節(jié)進
6行檢索同樣也是人體動作數(shù)據(jù)檢索亟需解決的問題，從根本上來說，上述問題的解決依賴于有效的特征表示、準(zhǔn)確的特征相似性度量以及快速的索引。

發(fā)明內(nèi)容
發(fā)明目的本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提出了一種人體動作數(shù)據(jù)的空間軌跡檢索方法。技術(shù)方案本發(fā)明公開的一種人體動作數(shù)據(jù)的空間軌跡檢索方法，包括以下步驟步驟1，人體動作結(jié)構(gòu)模型定義對人體關(guān)節(jié)模型進行動作相關(guān)性層次分解，形成了包含五個子結(jié)構(gòu)的人體動作結(jié)構(gòu)模型，包括以左髖為子結(jié)構(gòu)根節(jié)點的一個子結(jié)構(gòu)、以右髖為子結(jié)構(gòu)根節(jié)點的一個子結(jié)構(gòu)、以及以胸部關(guān)節(jié)為子結(jié)構(gòu)根節(jié)點的三個子結(jié)構(gòu)；步驟2，離線動作特征樹生成對于人體動作庫中的每一個動作，根據(jù)人體動作結(jié)構(gòu)模型，計算關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線并提取空間軌跡曲線的特征作為該關(guān)節(jié)的動作特征，所述人體動作庫是包含各種人體動作的數(shù)據(jù)庫，每個人體動作由一組連續(xù)幀的動作數(shù)據(jù)構(gòu)成；根據(jù)人體動作結(jié)構(gòu)模型中五個子結(jié)構(gòu)的層次定義，對提取的動作特征進行聚類，生成了包含五個動作特征子樹的動作特征樹；步驟3，在線動作數(shù)據(jù)檢索用戶提交檢索示例，并指定檢索關(guān)節(jié)，所述的檢索示例為表示人體動作的數(shù)據(jù)；根據(jù)指定的檢索關(guān)節(jié)以及人體動作結(jié)構(gòu)模型得到檢索樹，所述檢索樹由一組檢索子樹構(gòu)成，所述檢索子樹指人體動作結(jié)構(gòu)模型中從子結(jié)構(gòu)的根節(jié)點關(guān)節(jié)到檢索關(guān)節(jié)之間的途徑關(guān)節(jié)構(gòu)成的子樹；計算檢索示例在檢索子樹中的關(guān)節(jié)相對于檢索子樹根節(jié)點關(guān)節(jié)的空間軌跡曲線并提取空間軌跡曲線的特征作為該關(guān)節(jié)的動作特征；由檢索樹和動作特征樹，按照關(guān)節(jié)的層次關(guān)系自頂向下依次進行特征相似度計算，對最終相似度由高到低排序后將結(jié)果動作返回。本發(fā)明所述步驟2具體包括以下步驟步驟21，空間軌跡曲線計算對于人體動作庫中每一個動作，根據(jù)人體關(guān)節(jié)模型中關(guān)節(jié)的偏移量坐標(biāo)和每一幀動作數(shù)據(jù)中各個關(guān)節(jié)的旋轉(zhuǎn)歐拉角，計算每個關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的三維坐標(biāo)；對于每一個關(guān)節(jié)，按照幀號順序排列構(gòu)成三維坐標(biāo)集合， 所述三維坐標(biāo)集合構(gòu)成一個動作中該關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線， 三維坐標(biāo)集合中的每一個三維坐標(biāo)對應(yīng)的點都是該空間軌跡曲線的一個采樣點；步驟22，動作特征提取對于人體動作庫中每一個動作，由動作中每個關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線，分別對每個關(guān)節(jié)計算具有平移、縮放以及旋轉(zhuǎn)不變性的9個幾何不變矩特征；步驟23，動作特征聚類以人體動作庫中的所有動作為聚類對象，對人體動作結(jié)構(gòu)模型中的五個子結(jié)構(gòu)，分別按照子結(jié)構(gòu)中關(guān)節(jié)的層次關(guān)系，使用本層關(guān)節(jié)的幾何不變矩特征為聚類向量，使用自適應(yīng)模糊C均值聚類方法，自頂向下構(gòu)建動作特征子樹，對應(yīng)人體根關(guān)節(jié)的節(jié)點是動作特征樹的根節(jié)點，將根節(jié)點指向生成的五個動作特征子樹，則構(gòu)成了動作特征樹。本發(fā)明所述步驟3具體包括以下步驟步驟31，示例提交用戶提交檢索動作示例，并指定檢索關(guān)節(jié)，否則默認指定人體的全部關(guān)節(jié)作為檢索關(guān)節(jié)；步驟32，檢索樹生成檢索關(guān)節(jié)決定人體動作結(jié)構(gòu)模型中參與檢索的子結(jié)構(gòu)，以及參與檢索的關(guān)節(jié)為從子結(jié)構(gòu)的根節(jié)點到檢索關(guān)節(jié)之間的關(guān)節(jié)，由此確定計算特征相似度的范圍；參與檢索的子結(jié)構(gòu)中的關(guān)節(jié)形成了檢索子樹，對應(yīng)人體根關(guān)節(jié)的節(jié)點是檢索樹的根節(jié)點，將根節(jié)點指向檢索子樹，則構(gòu)成了檢索樹；步驟33，空間軌跡曲線計算對于檢索示例，根據(jù)人體關(guān)節(jié)模型中關(guān)節(jié)的偏移量坐標(biāo)和每一幀動作數(shù)據(jù)中各個關(guān)節(jié)的旋轉(zhuǎn)歐拉角，計算在檢索子樹中的關(guān)節(jié)相對于檢索子樹根節(jié)點關(guān)節(jié)的三維坐標(biāo)；對于每一個關(guān)節(jié)，按照幀號順序排列構(gòu)成三維坐標(biāo)集合，所述三維坐標(biāo)集合構(gòu)成一個動作中該關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線，三維坐標(biāo)集合中的每一個三維坐標(biāo)對應(yīng)的點都是該空間軌跡曲線的一個采樣點；步驟34，動作特征提取由檢索示例在檢索子樹中的關(guān)節(jié)相對于檢索子樹根節(jié)點關(guān)節(jié)的空間軌跡曲線，分別對檢索子樹中的每個關(guān)節(jié)計算具有平移、縮放以及旋轉(zhuǎn)不變性的9個幾何不變矩特征；步驟35，特征相似度計算采用以下公式計算特征相似度similarity (X，Y)Similarity(XJ) = ，其中，χ禾日γ分別為待計算的兩個動作中同一個關(guān)節(jié)對應(yīng)的
權(quán)利要求
1.一種人體動作數(shù)據(jù)的空間軌跡檢索方法，其特征在于，包括以下步驟步驟1，人體動作結(jié)構(gòu)模型定義對人體關(guān)節(jié)模型進行動作相關(guān)性層次分解，形成了包含五個子結(jié)構(gòu)的人體動作結(jié)構(gòu)模型，包括以左髖為子結(jié)構(gòu)根節(jié)點的一個子結(jié)構(gòu)、以右髖為子結(jié)構(gòu)根節(jié)點的一個子結(jié)構(gòu)、以及以胸部關(guān)節(jié)為子結(jié)構(gòu)根節(jié)點的三個子結(jié)構(gòu)；步驟2，離線動作特征樹生成對于人體動作庫中的每一個動作，根據(jù)人體動作結(jié)構(gòu)模型，計算關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線并提取空間軌跡曲線的特征作為該關(guān)節(jié)的動作特征，所述人體動作庫是包含各種人體動作的數(shù)據(jù)庫，每個人體動作由一組連續(xù)幀的動作數(shù)據(jù)構(gòu)成；根據(jù)人體動作結(jié)構(gòu)模型中五個子結(jié)構(gòu)的層次定義，對提取的動作特征進行聚類，生成了包含五個動作特征子樹的動作特征樹；步驟3，在線動作數(shù)據(jù)檢索用戶提交檢索示例，并指定檢索關(guān)節(jié)，所述的檢索示例為表示人體動作的數(shù)據(jù)；根據(jù)指定的檢索關(guān)節(jié)以及人體動作結(jié)構(gòu)模型得到檢索樹，所述檢索樹由一組檢索子樹構(gòu)成，所述檢索子樹指人體動作結(jié)構(gòu)模型中從子結(jié)構(gòu)的根節(jié)點關(guān)節(jié)到檢索關(guān)節(jié)之間的途徑關(guān)節(jié)構(gòu)成的子樹；計算檢索示例在檢索子樹中的關(guān)節(jié)相對于檢索子樹根節(jié)點關(guān)節(jié)的空間軌跡曲線并提取空間軌跡曲線的特征作為該關(guān)節(jié)的動作特征；由檢索樹和動作特征樹，按照關(guān)節(jié)的層次關(guān)系自頂向下依次進行特征相似度計算，對最終相似度由高到低排序后將結(jié)果動作返回。
2.根據(jù)權(quán)利要求1所述的一種人體動作數(shù)據(jù)的空間軌跡檢索方法，其特征在于，所述步驟2具體包括以下步驟步驟21，空間軌跡曲線計算對于人體動作庫中每一個動作，根據(jù)人體關(guān)節(jié)模型中關(guān)節(jié)的偏移量坐標(biāo)和每一幀動作數(shù)據(jù)中各個關(guān)節(jié)的旋轉(zhuǎn)歐拉角，計算每個關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的三維坐標(biāo)；對于每一個關(guān)節(jié)，按照幀號順序排列構(gòu)成三維坐標(biāo)集合，所述三維坐標(biāo)集合構(gòu)成一個動作中該關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線，三維坐標(biāo)集合中的每一個三維坐標(biāo)對應(yīng)的點都是該空間軌跡曲線的一個采樣點；步驟22，動作特征提取對于人體動作庫中每一個動作，由動作中每個關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線，分別對每個關(guān)節(jié)計算具有平移、縮放以及旋轉(zhuǎn)不變性的9個幾何不變矩特征；步驟23，動作特征聚類以人體動作庫中的所有動作為聚類對象，對人體動作結(jié)構(gòu)模型中的五個子結(jié)構(gòu)，分別按照子結(jié)構(gòu)中關(guān)節(jié)的層次關(guān)系，使用本層關(guān)節(jié)的幾何不變矩特征為聚類向量，使用自適應(yīng)模糊C均值聚類方法，自頂向下構(gòu)建動作特征子樹，對應(yīng)人體根關(guān)節(jié)的節(jié)點是動作特征樹的根節(jié)點，將根節(jié)點指向生成的五個動作特征子樹，則構(gòu)成了動作特征樹。
3.根據(jù)權(quán)利要求2所述的一種人體動作數(shù)據(jù)的空間軌跡檢索方法，其特征在于，所述步驟3包括以下步驟步驟31，示例提交用戶提交檢索動作示例，并指定檢索關(guān)節(jié)，否則默認指定人體的全部關(guān)節(jié)作為檢索關(guān)節(jié)；步驟32，檢索樹生成檢索關(guān)節(jié)決定人體動作結(jié)構(gòu)模型中參與檢索的子結(jié)構(gòu)，以及參與檢索的關(guān)節(jié)為從子結(jié)構(gòu)的根節(jié)點到檢索關(guān)節(jié)之間的關(guān)節(jié)，由此確定計算特征相似度的范圍；參與檢索的子結(jié)構(gòu)中的關(guān)節(jié)形成了檢索子樹，對應(yīng)人體根關(guān)節(jié)的節(jié)點是檢索樹的根節(jié)點，將根節(jié)點指向檢索子樹，則構(gòu)成了檢索樹；步驟33，空間軌跡曲線計算對于檢索示例，根據(jù)人體關(guān)節(jié)模型中關(guān)節(jié)的偏移量坐標(biāo)和每一幀動作數(shù)據(jù)中各個關(guān)節(jié)的旋轉(zhuǎn)歐拉角，計算在檢索子樹中的關(guān)節(jié)相對于檢索子樹根節(jié)點關(guān)節(jié)的三維坐標(biāo)；對于每一個關(guān)節(jié)，按照幀號順序排列構(gòu)成三維坐標(biāo)集合，所述三維坐標(biāo)集合構(gòu)成一個動作中該關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線，三維坐標(biāo)集合中的每一個三維坐標(biāo)對應(yīng)的點都是該空間軌跡曲線的一個采樣點；步驟34，動作特征提取由檢索示例在檢索子樹中的關(guān)節(jié)相對于檢索子樹根節(jié)點關(guān)節(jié)的空間軌跡曲線，分別對檢索子樹中的每個關(guān)節(jié)計算具有平移、縮放以及旋轉(zhuǎn)不變性的9 個幾何不變矩特征；步驟35，特征相似度計算采用以下公式計算特征相似度similarity (X，Y)Similarity(XJ) = +，其中，χ和γ分別為待計算的兩個動作中同一個關(guān)節(jié)對應(yīng)的空間軌跡曲線，L2為幾何不變矩特征的歐氏距離，L2采用如下公式計算L2 = () I2)1'2，其中Xi和Ii分別為χ和Y對應(yīng)的幾何不變矩特征分量，O i為該特征分量的標(biāo)準(zhǔn)差，i為9個幾何不變矩特征對應(yīng)的序號；步驟36，相似動作層次匹配由檢索樹和動作特征樹，分別在檢索子樹對應(yīng)的每個動作特征子樹上從第1層開始直到檢索關(guān)節(jié)對應(yīng)的層為止，依次計算檢索示例和人體動作庫中動作的特征相似度，最后對檢索相關(guān)的每個動作特征子樹上得到的最相似的s個候選動作求交集并計算其最終相似度，對最終相似度由高到低排序后將結(jié)果動作返回。
4.根據(jù)權(quán)利要求3所述的一種人體動作數(shù)據(jù)的空間軌跡檢索方法，其特征在于，所述步驟36中相似動作層次匹配包括如下步驟步驟361，由檢索樹獲取本次檢索相關(guān)的動作特征子樹；步驟362，在每個檢索相關(guān)的動作特征子樹上進行特征相似度計算，獲取和檢索示例最相似的s個候選動作，包括如下步驟步驟3621，由檢索子樹獲取當(dāng)前動作特征子樹上進行特征相似度計算的范圍為子樹上第1層到第h'層之間的節(jié)點，其中h'為檢索關(guān)節(jié)對應(yīng)的層數(shù)；步驟3622，對于當(dāng)前動作特征子樹上第1層的每一個節(jié)點，計算該節(jié)點包含動作的幾何不變矩特征的算術(shù)平均值和檢索示例在該層對應(yīng)的關(guān)節(jié)的幾何不變矩特征的歐氏距離； 對計算的結(jié)果進行排序后，選擇距離最小的q個節(jié)點作為本層和檢索示例最相關(guān)的節(jié)點； 步驟3623，對當(dāng)前動作特征子樹上第2層到第h'層中的每一層，依次進行如下步驟 步驟3623a，獲取當(dāng)前層的上一層和檢索示例最相關(guān)的q個節(jié)點，并獲取這q個節(jié)點的子節(jié)點，所述q個節(jié)點的子節(jié)點限定了在當(dāng)前層上進行特征相似度計算的范圍；步驟3623b，對于q個節(jié)點的子節(jié)點中的每一個節(jié)點，計算該節(jié)點包含動作的幾何不變矩特征的算術(shù)平均值和檢索示例在當(dāng)前層對應(yīng)的關(guān)節(jié)的幾何不變矩特征的歐氏距離；對計算的結(jié)果進行排序后，選擇距離最小的q個節(jié)點作為當(dāng)前層和檢索示例最相關(guān)的節(jié)點；步驟36M，通過上述步驟計算得到當(dāng)前動作特征子樹第h'層中和檢索示例最相關(guān)的q個節(jié)點，對每一個節(jié)點，根據(jù)特征相似度計算公式，計算節(jié)點中包含的每個動作和檢索示例從第1層到第h'層對應(yīng)關(guān)節(jié)的幾何不變矩特征的歐氏距離之和，歐氏距離之和的倒數(shù)作為該動作和檢索示例在該動作特征子樹中的相似度，排序后得到最相似的s個候選動作；步驟363，對從檢索相關(guān)的每個動作特征子樹中獲取的最相似的s個候選動作求交集得到s'個最相似的動作；步驟364，對于s'中的每一個動作，對其和檢索示例在檢索相關(guān)的每個動作特征子樹中的相似度進行求和，求和的結(jié)果作為該動作和檢索示例的最終相似度； 步驟365，對最終相似度由高到低排序后將s'個結(jié)果動作返回。
全文摘要
本發(fā)明公開了人體動作數(shù)據(jù)的空間軌跡檢索方法，包括以下步驟人體動作結(jié)構(gòu)模型定義對人體關(guān)節(jié)模型進行動作相關(guān)性層次分解，形成了包含五個子結(jié)構(gòu)的人體動作結(jié)構(gòu)模型；離線動作特征樹生成對于人體動作庫中的每一個動作，計算關(guān)節(jié)相對于所屬子結(jié)構(gòu)根節(jié)點關(guān)節(jié)的空間軌跡曲線并提取空間軌跡曲線的特征作為該關(guān)節(jié)的動作特征；根據(jù)人體動作結(jié)構(gòu)模型中五個子結(jié)構(gòu)的層次定義生成了包含五個動作特征子樹的動作特征樹；在線動作數(shù)據(jù)檢索用戶提交檢索示例，并指定檢索關(guān)節(jié)；根據(jù)指定的檢索關(guān)節(jié)以及人體動作結(jié)構(gòu)模型得到檢索樹；由檢索樹和動作特征樹，按照關(guān)節(jié)的層次關(guān)系自頂向下依次進行特征相似度計算，對最終相似度由高到低排序后將結(jié)果動作返回。
文檔編號G06F17/30GK102298649SQ20111030213
公開日2011年12月28日 申請日期2011年10月9日 優(yōu)先權(quán)日2011年10月9日
發(fā)明者周杰, 孫正興, 陳松樂, 項建華 申請人:南京大學(xué)