專利名稱：基于稀疏表達的三維人體運動數(shù)據(jù)補全方法
技術領域：
本發(fā)明涉及數(shù)據(jù)補全，稀疏表達，尤其涉及基于稀疏表達的三維人體運動數(shù)據(jù)補全方法。
背景技術：
三維人體運動數(shù)據(jù)被廣泛應用到影視娛樂，電視廣告，計算機游戲等領域，帶來巨大的經(jīng)濟效益。然而，即使是目前商用的三維人體運動捕獲設備，由于受到表演者人體肢體自遮擋、服飾的遮擋等原因，常常會出現(xiàn)人體部分標記點缺失的現(xiàn)象。為了解決這個問題，近年來各個各樣的三維人體運動數(shù)據(jù)補全算法被提出，這些方法大致可以劃分為如下幾類I)插值法利用線性或樣條插值函數(shù)，對三維人體運動數(shù)據(jù)曲線進行插值。這種方法的特點是簡單快速，適合短時間的運動缺失，對超過O. 5秒以上的運動缺失無法進行準確的補全。2)模型驅動法Herda等人提出通過對人體骨架跟蹤的方法，利用時序關系和運動力學來預測缺失的運動數(shù)據(jù)，Van在此基礎上提出了一個全自動的人體骨架跟蹤和骨架系統(tǒng)。3)數(shù)據(jù)庫驅動的方法這類方法是通過對數(shù)據(jù)庫中現(xiàn)有的三維人體姿態(tài)進行檢索和內在時刻關系挖掘，來對缺失的數(shù)據(jù)進行預測或過濾。例如，Chai J.X.和Hodgins J. K.提出在數(shù)據(jù)庫支持的基礎上，利用少量人體標記點來估計完整的人體姿態(tài)。Liu H.等人提出基于樣例的三維人體運動數(shù)據(jù)去噪，并將其應用到三維人體運動數(shù)據(jù)的補全。4)隱變量法這類方法是利用離散隱狀態(tài)對人體運行姿態(tài)進行建模，學習非線性二值表達。5)線性動態(tài)系統(tǒng)法這類方法的典型是利用卡爾曼濾波的方法，將人體姿態(tài)變遷過程用線性或非線性的動態(tài)系統(tǒng)進行建模，利用構建的模型對缺失的數(shù)據(jù)進行預測。本文所提出的方法與上面提到的傳統(tǒng)方法不同，本方法從數(shù)據(jù)表達的角度來看待運動數(shù)據(jù)補全這個問題，將其轉換為求解最優(yōu)稀疏表達系數(shù)問題。稀疏表達的核心是基于數(shù)據(jù)存在稀疏性表達的前提，通過求解I1范數(shù)約束的最優(yōu)化問題，來計算得到該稀疏表達系數(shù)。Wright和馬毅等人將稀疏表達應用到人臉識別中，取得了令人矚目的成功。目前，稀疏表達已經(jīng)被擴展應用到圖像識別、標注、檢索，圖像去噪和壓縮，音頻數(shù)據(jù)識別等領域。受這些相關研究的啟發(fā)，本文將該算法首次應用到三維人體運動數(shù)據(jù)補全應用中，利用姿態(tài)的稀疏表達特征，從而實現(xiàn)對缺失數(shù)據(jù)的補全。

發(fā)明內容
本發(fā)明的目的是克服現(xiàn)有技術的不足，提供基于稀疏表達的三維人體運動數(shù)據(jù)補全方法。基于稀疏表達的三維人體運動數(shù)據(jù)補全方法于包括如下步驟I)利用采集得到的包含各種運動類型的完整的三維人體姿態(tài)，以三維人體姿態(tài)所包含的所有標記點的三維空間坐標信息為特征表達，構建一個過完備樣本字典Φ = [ \，f2，…，fN] e R3kXN, N》3k，其中A e R3k為第i個完整的三維人體姿態(tài)，k為人體姿態(tài)中所包含的標記點數(shù)目，N為該樣本字典中所包含的姿態(tài)數(shù)目；2)對不完整的三維人體姿態(tài)fi;按照已知標記點集和缺失標記點集劃分為已知部分姿態(tài)fi。和缺失部分姿態(tài)fim，同樣，對過完備樣本字典按照已知標記點集和缺失標記點集劃分為已知部分過完備樣本字典Φ。和缺失部分過完備樣本字典Φπ ;·
3)計算已知標記點集所對應的已知部分姿態(tài)fi()在對應的已知部分過完備樣本字典Φ。下的稀疏表達系數(shù)，計算公式如下ι-η η||Φ0χ-.41|； +A||x||,I
X其中，X為稀疏表達系數(shù)，λ是稀疏正則化參數(shù)，I I · I I1為矩陣和向量的I1范數(shù)；4)根據(jù)得到的稀疏表達系數(shù)x*=x，對不完整三維人體運動數(shù)據(jù)中缺失部分姿態(tài)fim進行預測補全，計算公式如下^Φ,,χ*2從而實現(xiàn)對不完整三維人體運動數(shù)據(jù)的補全。本發(fā)明與現(xiàn)有技術相比具有的有益效果是，算法穩(wěn)定，運算快速，易于實現(xiàn)，能夠快速準確地進行三維人體運動數(shù)據(jù)補全。


圖1是人體姿態(tài)在由800個三維人體姿態(tài)構成的過完備樣本字典下的表達系數(shù)；圖2是本發(fā)明在具有重復性運動人體數(shù)據(jù)測試下，不同過完備樣本字典大小情況下，方法性能對比；圖3是本發(fā)明在具有重復性運動人體數(shù)據(jù)測試下，不同缺失幀長度情況下，方法性能對比；圖4是本發(fā)明在具有重復性運動人體數(shù)據(jù)測試下，不同缺失標記點數(shù)目情況下，方法性能對比；圖5是本發(fā)明在復雜運動人體數(shù)據(jù)測試下，不同過完備樣本字典大小情況下，方法性能對比；圖6是本發(fā)明在復雜運動人體數(shù)據(jù)測試下，不同不同缺失幀長度情況下，方法性能對比；圖7是本發(fā)明在復雜運動人體數(shù)據(jù)測試下，不同缺失標記點數(shù)目情況下，方法性能對比。
具體實施例方式基于稀疏表達的三維人體運動數(shù)據(jù)補全方法于包括如下步驟I)利用采集得到的包含各種運動類型的完整的三維人體姿態(tài)，以三維人體姿態(tài)所包含的所有標記點的三維空間坐標信息為特征表達，構建一個過完備樣本字典Φ = [ \，f2，…，fN] e R3kXN, N》3k，其中A e R3k為第i個完整的三維人體姿態(tài)，k為人體姿態(tài)中所包含的標記點數(shù)目，N為該樣本字典中所包含的姿態(tài)數(shù)目；2)對不完整的三維人體姿態(tài)fi;按照已知標記點集和缺失標記點集劃分為已知部分姿態(tài)fi。和缺失部分姿態(tài)fim，同樣，對過完備樣本字典按照已知標記點集和缺失標記點集劃分為已知部分過完備樣本字典Φ。和缺失部分過完備樣本字典Φπ ;3)計算已知標記點集所對應的已知部分姿態(tài)fi()在對應的已知部分過完備樣本字典Φ。下的稀疏表達系數(shù)，計算公式如下
權利要求
1.一種基于稀疏表達的三維人體運動數(shù)據(jù)補全方法，其特征在于包括如下步驟1)利用采集得到的包含各種運動類型的完整的三維人體姿態(tài)，以三維人體姿態(tài)所包含的所有標記點的三維空間坐標信息為特征表達，構建一個過完備樣本字典
全文摘要
本發(fā)明公開了一種基于稀疏表達的三維人體運動數(shù)據(jù)補全方法。本方法基于任意一個三維人體姿態(tài)在過完備樣本字典中其重建表達系數(shù)都具有稀疏性的特點，首先利用采集到的包含各種運動類型的完整三維人體姿態(tài)構建一個過完備樣本字典；接著按照不完整三維人體姿態(tài)中已知標記點集與缺失標記點集，將劃分已知部分姿態(tài)和缺失部分姿態(tài)，劃分為和；然后，計算已知標記點集所對應的已知部分姿態(tài)在對應的已知部分過完備樣本字典下的稀疏表達系數(shù)；最后，根據(jù)計算得到的和已知的計算缺失部分姿態(tài)，從而實現(xiàn)三維人體運動數(shù)據(jù)的補全。本方法簡單清晰，易于實現(xiàn)，能夠準確地對不完整的三維人體運動數(shù)據(jù)進行補全。
文檔編號G06T7/20GK103020984SQ201210361309
公開日2013年4月3日 申請日期2012年9月25日 優(yōu)先權日2012年9月25日
發(fā)明者肖俊, 馮銀付, 莊越挺 申請人:浙江大學