一种人体运动知识图谱构建方法及系统技术方案

本发明专利技术涉及一种人体运动知识图谱构建方法，包括以下步骤：一、从用户上传的人体运动三维数据文件中，提取出包含各个关键关节位置信息的关键帧序列，并返回给用户；二、由用户选取关键帧序列的子片段进行标注，并上传标注信息；三、从经过标注的关键帧序列中，根据知识图谱设置的本体类型进行实体抽取，本体类型根据动作周期分类设置；四、从关键帧序列以及用户标注中提取实体的属性以及实体间关系；五、将抽取出来的实体、实体属性与实体间关系存储到图数据库中。本发明专利技术采用知识图谱的形式对人体运动数据进行描述、处理和存储，为多领域多用户人体运动数据的检索、复用提供了可能，有利于人体运动数据的语义理解和数据挖掘。于人体运动数据的语义理解和数据挖掘。于人体运动数据的语义理解和数据挖掘。

【技术实现步骤摘要】
一种人体运动知识图谱构建方法及系统


[0001]本专利技术涉及一种人体运动知识图谱构建方法及系统。
[0002]
技术介绍

[0003]随着运动捕获技术的发展，科研人员目前已经可以利用运动捕获技术获取到大量的人体运动三维数据文件，这些人体运动三维数据文件可以较为精确地描述受试者的运动状况，广泛地运用到了体育训练、运动模拟、人机交互、人体运动仿真等领域中。
[0004]目前在各个领域中已经产生了大量有价值的人体运动三维数据，有效存储并复用这些数据将大大提高研究效率。但是，人体运动其本质是一种具有连续性的物理行为，导致其三维数据在时间上和空间上都缺乏结构性信息；并且人体运动具有多样性，至今仍有许多缺乏语义定义的人体运动；现有的人体运动数据库都是传统的关系型数据库，无法体现运动之间复杂的关系，其上存储的人体运动数据也很难重组、复用。所以如何构建一个统一、标准化的人体运动数据库，如何有效存储和复用各个领域已有的数据成为现在人体运动研究发展的一个瓶颈。
[0005]知识图谱最早是由Google在2012年提出，其希望使用知识图谱可以更好的查询复杂的关联信息，从语义层上就理解用户意图，改善搜索质量。知识图谱作为一种描述实体与实体联系的新方法，给信息存储与检索带来了全新的思路，在医学、百科、自然语言等领域都逐渐得到关注。其本质是将数据以三元组（triple）的形式表示，三元组中的实体为节点，实体关系为边，包含了大量三元组的知识库就构成了一个庞大的知识图谱。所以知识图谱对于数据的描述能力非常的强大。
[0006]人体运动过程中包含的各种运动很多具有极强的相似性，多个父运动甚至会包含同一段子运动。在保持运动特性的基础上，运动数据还可以按照一定规律重组和合成，生成新的运动数据，用于满足新应用环境的动作要求。人体运动数据的这些特点采用传统关系型数据库无法得到有效体现，而采用知识图谱三元组的形式可以很好地体现运动的迁移、相似的特性，以及父子运动的关系。在对三维运动数据文件进行检索时，知识图谱也能够更好地在语义层上理解科研人员的意图。因此，知识图谱可以使运动数据得到有效的存储和复用。但是现有技术中并没有一种以人体运动为基础数据，体现运动特性，面向体育训练、运动模拟、人机交互、人体运动仿真等领域的人体运动知识图谱。
[0007]
技术实现思路

[0008]本专利技术的目的在于针对现有技术的不足，提供一种人体运动知识图谱构建方法，采用知识图谱的形式对人体运动数据进行描述、处理和存储，以利于数据的检索、复用、语义理解和数据挖掘。
[0009]为达到上述目的，本专利技术提供了一种人体运动知识图谱构建方法，包括以下步骤：
一、从用户上传的人体运动三维数据文件中，提取出包含各个关键关节位置信息的关键帧序列，并返回给用户；二、由用户选取关键帧序列的子片段进行标注，并上传标注信息；三、从经过标注的关键帧序列中，根据知识图谱设置的本体类型进行实体抽取，本体类型根据动作周期分类设置；四、从关键帧序列以及用户标注中提取实体的属性以及实体间关系；五、将抽取出来的实体、实体属性与实体间关系存储到图数据库中。
[0010]根据本专利技术实施例所述的一种具体实现方式，本体类型包括：姿态Pose，为关键帧上人体骨架所有可能呈现的姿态的集合；动作Action，表示一个周期为一的一段动作，由多个Pose构成；运动Motion，由多个Action构成，表示周期大于一的一段运动。
[0011]根据本专利技术实施例所述的一种具体实现方式，姿态Pose类型实体的属性包括关键帧的人体姿态数据。
[0012]根据本专利技术实施例所述的一种具体实现方式，动作和运动类型实体的属性包括名称和周期。
[0013]根据本专利技术实施例所述的一种具体实现方式，所述实体间关系包括以下四种类型：邻接关系，表示两个实体在关键帧序列里邻接；构成关系，表示实体由多个子实体构成；开始关系，表示子实体为构成实体的第一个子实体；结束关系，表示子实体为构成实体的最后一个子实体。
[0014]根据本专利技术实施例所述的一种具体实现方式，使用杰卡德相似性算法计算各个实体的相似度，将相似度超过阈值的实体进行合并；实体A、B的杰卡德相似性是各个关系中杰卡德值的加权平均，计算方法为；；其中，J
i
(A,B)表示关系i中A、B的杰卡德值，k
i
表示J
i
(A,B)权重系数，Φ
i
(A)表示关系i中实体A指向的实体集合；Φ
i
(B)表示关系i中实体B指向的实体集合
[0015]根据本专利技术实施例所述的一种具体实现方式，关键帧序列通过可视化的形式向用户展示，使用户看到每个关键帧的人体姿态外观，辅助用户对关键帧序列进行标注。
[0016]另一方面，本专利技术还提供了一种人体运动知识图谱构建系统，包括：关键帧提取模块：用于从用户上传的人体运动三维数据文件中，提取出包含各个关键关节位置信息的关键帧序列，并返回给用户进行标注；标注上传模块：接收用户上传的标注信息；本体设置模块：设置知识图谱的本体类型、每种类型的本体属性以及本体间关系，其中本体类型根据动作周期分类设置；实体抽取模块：根据用户标注信息和设置的本体类型，从关键帧序列中抽取实体、实体的属性以及实体间关系；数据库存储模块：将抽取出来的实体、实体属性与实体间关系存储到图数据库中。
[0017]另一方面，本专利技术还提供了一种终端，包括处理器、输入设备、输出设备和存储器，
其特征在于，所述存储器用于存储程序代码，所述处理器被配置用于运行所述程序代码，执行前述的人体运动知识图谱构建方法。
[0018]另一方面，本专利技术还提供了一种计算机可读存储介质，所述计算机存储介质存储有程序指令，所述程序指令当被处理器执行时使所述处理器执行前述的人体运动知识图谱构建方法。
[0019]有益效果本专利技术提出的人体运动知识图谱构建方法和系统，采用知识图谱的形式对人体运动数据进行描述、处理和存储，为多领域多用户人体运动数据的检索、复用提供了可能，有利于人体运动数据的语义理解和数据挖掘。
附图说明
[0020]图1为人体运动知识图谱构建方法的流程图。
[0021]图2为人体运动三维数据文件中关键关节示意图。
[0022]图3为图数据库中实体和实体间关系的示意图。
具体实施方式
[0023]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0024]目前在体育训练、运动模拟、人机交互、人体运动仿真等各个领域中已经产生了大量有价值的人体运动三维数据，有效存储并复用这些数据将大大提高研究效率。但是，现有的人体运动数据库都是传统的关系型数据库，无法体现运动之间复杂的关系，而且不同用户定义的数据库结构也各不相同，其上存储的人体运动数据很难重组、复用。本专利技术实施例1提供了一种人体运动知识图谱构建方法，使得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体运动知识图谱构建方法，其特征在于，包括以下步骤：一、从用户上传的人体运动三维数据文件中，提取出包含各个关键关节位置信息的关键帧序列，并返回给用户；二、由用户选取关键帧序列的子片段进行标注，并上传标注信息；三、从经过标注的关键帧序列中，根据知识图谱设置的本体类型进行实体抽取，本体类型根据动作周期分类设置；四、从关键帧序列以及用户标注中提取实体的属性以及实体间关系；五、将抽取出来的实体、实体属性与实体间关系存储到图数据库中。2.基于权利要求1所述的人体运动知识图谱构建方法，其特征在于，所述本体类型包括：姿态Pose，为关键帧上人体骨架所有可能呈现的姿态的集合；动作Action，表示一个周期为一的一段动作，由多个Pose构成；运动Motion，由多个Action构成，表示周期大于一的一段运动。3.基于权利要求2所述的人体运动知识图谱构建方法，其特征在于，姿态Pose类型实体的属性包括关键帧的人体姿态数据。4.基于权利要求2所述的人体运动知识图谱构建方法，其特征在于，动作和运动类型实体的属性包括名称和周期。5.基于权利要求1
‑
4任一项所述的人体运动知识图谱构建方法，其特征在于，所述实体间关系包括以下四种类型：邻接关系，表示两个实体在关键帧序列里邻接；构成关系，表示实体由多个子实体构成；开始关系，表示子实体为构成实体的第一个子实体；结束关系，表示子实体为构成实体的最后一个子实体。6.基于权利要求1
‑
4任一项所述的人体运动知识图谱构建方法，其特征在于，使用杰卡德相似性算法计算各个实体的相似度，将相似度超过阈值的实体进行合并；实体A、B的杰卡德相似性是各个关系中杰卡德值的加权平均，计...

【专利技术属性】
技术研发人员：黄天羽，唐梦菲，李祥臣，王家宏，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：