基于分层曲线简化的运动捕获数据关键帧提取

《基于分层曲线简化的运动捕获数据关键帧提取》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第18卷第11期计算机辅助设计与图形学学报Vol.18，No.11Z006年11月JOURNALOFCOMPUTER-AIDEDDESIGNSCOMPUTERGRAP~ICSNov.，Z006!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!基于分层曲线简化的运动捕获数据关键帧提取杨涛肖俊吴飞庄越挺（浙江大学计算机科学与技术学院人工智能研究所杭州3100Z7）（yang.tao!founder.com）摘要引入骨骼夹角作为

2、运动特征，并以此确定候选关键帧；采用分层曲线简化算法精选候选关键帧获得最终关键帧集合；通过对算法参数自适应调节，以满足不同压缩率要求.实验结果表明：该算法具有良好的数据压缩效果及较强的运动概括能力，并在一定程度上保证了同类相似运动间关键帧集合的一致性.关键词关键帧；运动捕获；特征表示；分层曲线简化中图法分类号TP391.41ExtractionofkeyframeofMotioncapturedatabasedonlayeredcurvesimplificationYangTaoXiaoJunWu

3、FeiZhuangYueting（InstituteofArtificialIntelligence，CollegeofComPuterscienceandtechnology，ZhejiangUnioersity，Hangzhou3100Z7）AbstractThispaperpresentsakeyframeextractionmethod.Anglesbetweenbonesareintroducedasmotion’sfeatures，andkeyframecandidatescanbef

4、oundbasedonthem.Then，thelayeredcurvesimplificationalgorithmwillbeusedtorefinethosecandidatesandthekeyframecollectioncanbegained.Inaddition，anadaptivealgorithmparameterisemployedtomeetdifferentreCuirementsforcompression.Theexperimentsdemonstratethatthe

5、proposedmethodcannotonlycompressandsummarizethemotioncapturedataefficiently，butalsokeeptheconsistencyofkeyframecollectionsbetweentwoseCuencesofsimilarmotioncapturedata.keywordskeyframe；motioncapture；featureexpression；layeredcurvesimplification近年来，随着运动

6、捕获设备被广泛地使用，生成分过采样，会造成数据冗余；在运动激烈部分欠采了大量具有真实感的3D人体运动数据，这些数据样，会丢失运动细节.自适应采样正好解决了这一被广泛应用于计算机游戏、动画生成及医学仿真等问题.Liu等［4］提出一种基于聚类的关键帧提取方多个领域.由于人体运动是以较高的采样频率被捕法以实现自适应采样，该算法将N帧运动数据聚类获，为了便于大量运动捕获数据的压缩存储、检索、到K个群集合中，取各集合中的首帧作为关键帧；沈军行等［5］将人体各关节上总的旋转变化作为帧浏览及更进一步的运动编辑，

7、对运动捕获数据进行关键（姿势）帧提取是非常有用的.间距，通过逐帧比较帧间距变化情况来确定关键帧；［6］将原始运动捕获数据中每一帧看成高维空关键帧提取是一种被广泛应用于视频分析与检Lim等索领域的技术，如基于镜头边界、颜色特征、运动分间中的一点，通过按序连接整段数据中的数据点，将析及基于聚类等视频关键帧提取方法［1-3］.与ZD时原始运动视为高维空间中的一段曲线，然后采用曲序视频数据中的关键帧不同，在运动捕获数据中，关线简化算法提取关键帧：这些方法主要关注运动特键帧是指能够代表运动序列的3D骨架数据

8、.现有征的表达和如何对关键帧提取方法进行量化分析Z的运动捕获数据关键帧提取方法主要分为等间隔采个方面.样及自适应采样Z大类.等间隔采样在运动缓慢部为了对运动捕获数据进行处理，研究人员已经收稿日期：Z006-03-06基金项目：国家杰出青年基金（605Z5108）；国家自然科学基金重点项目（60533090）；国家重点基础研究发展规划项目（Z00ZCB31Z101）；浙江省科技计划项目重大科技项目（Z005C1303Z）；浙江省科技计划项目重大科技攻关项目（Z005C11001-05