《一种基于手势识别的手势运动基元模型结构化方法.pdf》由会员分享，可在线阅读，更多相关《一种基于手势识别的手势运动基元模型结构化方法.pdf（11页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 (43)申请公布日 (21)申请号 201410706278.0 (22)申请日 2014.11.27 G06K 9/00(2006.01) G06K 9/54(2006.01) (71)申请人 韩慧健 地址 250014 山东省济南市二环东路 7366 号 (72)发明人 韩慧健 刘峥 梁秀霞 贾可亮 张锐 其他发明人请求不公开姓名 (74)专利代理机构 北京元本知识产权代理事务 所 11308 代理人 秦力军 (54) 发明名称 一种基于手势识别的手势运动基元模型结构 化方法 (57) 摘要 一种基于手势识别的手势运动基元模型结构 化方法， 包括利用视频或图像采集装置获。
2、取手势 图像， 进行预处理， 将人物图像按照轮廓、 颜色、 纹 理分割为轮廓图像、 颜色图像和纹理图像 ； 将经 过处理的轮廓图像、 颜色图像和纹理图像进行再 合成， 建立手势图像数据库 ； 基于手势图像数据 库中的手势图像， 建立与手势图像匹配的手势运 动基元模型。基于手势识别的手势运动基元模型 结构化方法基于真人图像建立， 画面生动真实， 并 且虚拟人模型灵活多变， 能够直观、 生动的方式表 现手势动作。 (51)Int.Cl. (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书7页 附图1页 (10)申请公布号 CN 104376309 A (43)申请公。
3、布日 2015.02.25 CN 104376309 A 1/2 页 2 1. 一种基于手势识别的手势运动基元模型结构化方法， 其特征在于， 依次包括以下步 骤 ： (1) 利用视频或图像采集装置获取一个或多个分辨率为 NM 的手势图像， 对一个或多 个手势图像进行预处理， 将一个或多个手势图像中的人物图像提取出来， 删除除了人物图 像部分之外的背景图像 ； (2) 对提取后的人物图像进行去噪处理， 消除传输和采集过程中的噪声干扰， 之后将去 噪后的人物图像按照轮廓、 颜色、 纹理分割为轮廓图像、 颜色图像和纹理图像 ； (3) 对轮廓图像进行修正， 进行平滑处理 ； (4) 将颜色图像按照 。
4、RGB 图像的 R、 G、 B 三个分量通道进行分解， 分别将三个分量通道 中的每一个像素与其邻近的8个像素构成33的像素块， 按照如下公式分别得到处理后的 每一个像素分别对应的 R、 G、 B 三个分量的值 ： Pij(R)、 Pij(G)、 Pij(B) 分别为经过处理后的 R、 G、 B 三个分量通道中的像素值， Pij为 R、 G、 B 三个分量通道中对应第 i 行、 第 j 列的像素值， 其中 i 1,2,N,j 1,2,M ； (5) 将经过处理后的 R、 G、 B 三个分量通道中的像素值进行分配， 合成经过处理后的颜 色图像 ； (6) 对纹理图像进行修正， 进行平滑处理 ； (。
5、7) 将经过处理的轮廓图像、 颜色图像和纹理图像进行再合成， 建立手势图像数据库 ； (8) 基于手势图像数据库中的手势图像， 按照身体的生理结构以及各个关节运动时的 约束关系， 以关键帧的方式建立手势动作的基本单位， 并且描述所述基本单位的时序变化 信息， 建立与手势图像匹配的手势运动基元模型 ； (9) 将手势运动基元模型和图像数据库中的手势图像对应合成， 建立虚拟人数据库 ； (10) 将虚拟人数据库中的数据上传至云数据库单元， 所述云数据库单元将接收到的数 据存储后作为备份数据， 供远程客户端下载 ； 远程客户端下载云数据库单元中存储的数据， 进行自定义编辑， 将自定义编辑后的数据回传。
6、至虚拟人数据库， 对虚拟人数据库中的数据 进行更新。 2. 如权利要求 1 所述的基于手势识别的手势运动基元模型结构化方法， 其特征在于 ： 所述步骤 (9) 中还包括将虚拟人手势动作划分为三类 ： 指向性手势动作、 节拍性手势动作、 描述性手势动作。 3. 如权利要求 1 所述的基于手势识别的手势运动基元模型结构化方法， 其特征在于 ： 所述约束关系包括采用四元数表示关节旋转。 4. 如权利要求 1 所述的基于手势识别的手势运动基元模型结构化方法， 其特征在于 ： 所述步骤 (8) 中以关键帧的方式建立手势动作的基本单位， 并且描述所述基本单位的时 序变化信息， 建立与手势图像匹配的手势运动。
7、基元模型步骤中 , 还包括为手势运动基元 权 利 要 求 书 CN 104376309 A 2 2/2 页 3 模型中的关键帧添加 flag 标记位， 将手势运动基元按具有时间次序关键帧标注 “start” ， “prepare” ，“achieve_goal” ，“release_goal” ，“end” , 并且将每个手势运动基元分解为四 个运动时段 ： 准备阶段、 伸出阶段、 后伸出阶段、 恢复阶段。 权 利 要 求 书 CN 104376309 A 3 1/7 页 4 一种基于手势识别的手势运动基元模型结构化方法 技术领域 0001 本发明涉及手势动画研究领域， 更具体地说涉及到手势动。
8、画基本动作单元及其结 构化描述研究。 背景技术 0002 语言伴随性手势合成是以自然语言理解为基础， 使用手势作为虚拟人语言信息表 达的辅助输出方式。 已有手势合成研究主要集中在以自然文本汉语词与手语词映射为基础 的手语动画合成， 并未考虑语言伴随手势， 使得虚拟人类似于机器人一样机械运动， 无法满 足人机交互的智能性和交互性要求， 在交互性和真实感方面还有可待提升。在人机交互过 程中， 通过语言伴随性手势合成研究能够为人机交互中手势和语音协同表达表达提供解决 方案， 提高手势动画的真实感， 实现虚拟人生动、 形象、 直观的视觉运动效果。 0003 手势识别主要是通过分析手势具有的各种特征实现。
9、对手势的判断， 这些特征主要 包括颜色特征、 文理特征、 形状特征、 轮廓特征及动态手势具有的运动特征等。 目前， 手势识 别系统主要分为基于数据手套的识别系统和基于视觉的识别系统。 基于数据手套的识别系 统主要通过传感器获取人手运动的信号， 这种方式更有利于获取手势运动信息 ； 然而， 这些 设备价格非常昂贵而且在使用这些设备的同时往往给用户带来诸多不便。但是， 基于视觉 的识别系统由于不需要价格昂贵的硬件设备， 因此越来越适合人机交互技术。早期的基于 视觉的手势识别系统往往需要对手势进行标记然后再进行图像处理 ； 然而， 目前基于视觉 的手势识别系统主要是利用手势特征如手势颜色、 手势形状。
10、、 手势轮廓或其他深度信息进 行识别。基于视觉的手势识别系统可以识别输入视频中的不同手势 , 并且用这些手势作为 计算机的人工输入命令， 并且可以建立包括有完整人物及其手势的图库、 并且这种手势识 别系统由于设备简单， 因而使用方便有效。基于视觉的手势识别系统为人机交互提供了一 种直观的交流方式。 0004 语言伴随性手势作为一种动作语言， 是手和手臂运动的统一， 需要计算机动画来 实现具体动作。 人体的外形主要有皮肤和所附着骨骼肌肉运动决定的， 因此， 在描述手势动 作之前必须先建立一个静态几何模型， 通过激活具有大量关节的复杂模型， 根据决定运动 的几个主关节的最终角度可以确定手臂运动， 。
11、从而创建精确灵活的基本手势动作单元 手势运动基元。根据伴随语言学和统计学分析， 基于语言连贯表达的手势运动基元连接能 够实现的手势和有声语言的协同表达， 提高运动合成效果和真实感。 然而， 目前虚拟人并非 基于真人图像建立， 不够生动真实， 并且虚拟人模型固定， 无法根据环境和需要进行变换。 发明内容 0005 本发明的目的在于克服现有技术的不足， 提供了一种基于真人图像建立， 画面生 动真实， 并且虚拟人模型灵活多变， 能够直观、 生动的方式表现手势动作的基于手势识别的 手势运动基元模型结构化方法， 并且云数据库单元的使用， 使得数据备份份数更多， 更有保 障， 利用了云计算端大的存储容量，。
12、 优越的运算能力和更广的数据网络， 功能更加强大， 结 说 明 书 CN 104376309 A 4 2/7 页 5 合远程客户端， 可以对数据进行自定义编辑后更新， 操作和查询更加方便， 可控性更强， 更 加灵活多变， 适应性更强。 0006 基于手势识别的手势运动基元模型结构化方法， 依次包括以下步骤 ： 0007 (1) 利用视频或图像采集装置获取一个或多个分辨率为 NM 的手势图像， 对一个 或多个手势图像进行预处理， 将一个或多个手势图像中的人物图像提取出来， 删除除了人 物图像部分之外的背景图像 ； 0008 (2) 对提取后的人物图像进行去噪处理， 消除传输和采集过程中的噪声干扰。
13、， 之后 将去噪后的人物图像按照轮廓、 颜色、 纹理分割为轮廓图像、 颜色图像和纹理图像 ； 0009 (3) 对轮廓图像进行修正， 进行平滑处理 ； 0010 (4) 将颜色图像按照 RGB 图像的 R、 G、 B 三个分量通道进行分解， 分别将三个分量 通道中的每一个像素与其邻近的8个像素构成33的像素块， 按照如下公式分别得到处理 后的每一个像素分别对应的 R、 G、 B 三个分量的值 ： 0011 0012 0013 0014 Pij(R)、 Pij(G)、 Pij(B) 分别为经过处理后的 R、 G、 B 三个分量通道中的像素值， Pij为 R、 G、 B 三个分量通道中对应第 i 。
14、行、 第 j 列的像素值， 其中 i 1,2,N,j 1,2,M ； 0015 (5) 将经过处理后的 R、 G、 B 三个分量通道中的像素值进行分配， 合成经过处理后 的颜色图像 ； 0016 (6) 对纹理图像进行修正， 进行平滑处理 ； 0017 (7) 将经过处理的轮廓图像、 颜色图像和纹理图像进行再合成， 建立手势图像数据 库 ； 0018 (8) 基于手势图像数据库中的手势图像， 按照身体的生理结构以及各个关节运动 时的约束关系， 以关键帧的方式建立手势动作的基本单位， 并且描述所述基本单位的时序 变化信息， 建立与手势图像匹配的手势运动基元模型 ； 0019 (9) 将手势运动基。
15、元模型和图像数据库中的手势图像对应合成， 建立虚拟人数据 库 ； 0020 (10) 将虚拟人数据库中的数据上传至云数据库单元， 所述云数据库单元将接收到 的数据存储后作为备份数据， 供远程客户端下载 ； 远程客户端下载云数据库单元中存储的 数据， 进行自定义编辑， 将自定义编辑后的数据回传至虚拟人数据库， 对虚拟人数据库中的 数据进行更新。 附图说明 0021 图 1 上肢骨骼构成示意图 0022 图 2 手臂活动自由度示意图 0023 图 3 带有起始和恢复姿态的手势运动基元示意图。 说 明 书 CN 104376309 A 5 3/7 页 6 0024 图 4 手势运动基元的关键帧标注示。
16、意图 具体实施方式 0025 下面详细说明本发明的具体实施， 有必要在此指出的是， 以下实施只是用于本发 明的进一步说明， 不能理解为对本发明保护范围的限制， 该领域技术熟练人员根据上述本 发明内容对本发明做出的一些非本质的改进和调整， 仍然属于本发明的保护范围。 0026 本发明提供了一种基于手势识别的手势运动基元模型结构化方法， 依次包括以下 步骤 ： 0027 (1) 利用视频或图像采集装置获取一个或多个分辨率为 NM 的手势图像， 对一个 或多个手势图像进行预处理， 将一个或多个手势图像中的人物图像提取出来， 删除除了人 物图像部分之外的背景图像 ； 0028 (2) 对提取后的人物图。
17、像进行去噪处理， 消除传输和采集过程中的噪声干扰， 之后 将去噪后的人物图像按照轮廓、 颜色、 纹理分割为轮廓图像、 颜色图像和纹理图像 ； 0029 (3) 对轮廓图像进行修正， 进行平滑处理 ； 0030 (4) 将颜色图像按照 RGB 图像的 R、 G、 B 三个分量通道进行分解， 分别将三个分量 通道中的每一个像素与其邻近的8个像素构成33的像素块， 按照如下公式分别得到处理 后的每一个像素分别对应的 R、 G、 B 三个分量的值 ： 0031 0032 0033 0034 Pij(R)、 Pij(G)、 Pij(B) 分别为经过处理后的 R、 G、 B 三个分量通道中的像素值， Pi。
18、j为 R、 G、 B 三个分量通道中对应第 i 行、 第 j 列的像素值， 其中 i 1,2,N,j 1,2,M ； 0035 (5) 将经过处理后的 R、 G、 B 三个分量通道中的像素值进行分配， 合成经过处理后 的颜色图像 ； 0036 (6) 对纹理图像进行修正， 进行平滑处理 ； 0037 (7) 将经过处理的轮廓图像、 颜色图像和纹理图像进行再合成， 建立手势图像数据 库 ； 0038 (8) 基于手势图像数据库中的手势图像， 按照身体的生理结构以及各个关节运动 时的约束关系， 以关键帧的方式建立手势动作的基本单位， 并且描述所述基本单位的时序 变化信息， 建立与手势图像匹配的手势。
19、运动基元模型 ； 0039 (9) 将手势运动基元模型和图像数据库中的手势图像对应合成， 建立虚拟人数据 库 ； 0040 (10) 将虚拟人数据库中的数据上传至云数据库单元， 所述云数据库单元将接收到 的数据存储后作为备份数据， 供远程客户端下载 ； 远程客户端下载云数据库单元中存储的 数据， 进行自定义编辑， 将自定义编辑后的数据回传至虚拟人数据库， 对虚拟人数据库中的 数据进行更新。 说 明 书 CN 104376309 A 6 4/7 页 7 0041 所述步骤 (9) 中还包括将虚拟人手势动作划分为三类 ： 指向性手势动作、 节拍性 手势动作、 描述性手势动作。 0042 所述约束关。
20、系包括采用四元数表示关节旋转。 0043 所述步骤 (8) 中以关键帧的方式建立手势动作的基本单位， 并且描述所述基本 单位的时序变化信息， 建立与手势图像匹配的手势运动基元模型步骤中 , 还包括为手势 运动基元模型中的关键帧添加 flag 标记位， 将手势运动基元按具有时间次序关键帧标注 “start” ，“prepare” ，“achieve_goal” ，“release_goal” ，“end” , 并且将每个手势运动基元 分解为四个运动时段 ： 准备阶段、 伸出阶段、 后伸出阶段、 恢复阶段。 0044 手势图像釆集是本发明方法的关键， 一般通过视频或图像釆集设备对手势图形进 行采集。
21、， 从而提取手势视频流或手势图像。手势图像预处理是手势分割与手势分析的前提 与基础。一般手势图像预处理主要是为了消除图像在传输和釆集过程中所产生的干扰， 从 而为后续工作打好基础。 0045 计算机的色彩显示基本原理与彩色的电视机显示色彩基本原理一样， 都是通过 R、 G、 B 相加混色原理， 通过发射不同强度的三种电子束， 使屏幕内覆盖的蓝、 红、 绿的憐光材料 通过发光而产生色彩。该色彩表示法称为 RGB 颜色空间表示。在多媒体的计算机技术里， RGB 色彩空间表示是最常用的颜色空间。RGB 颜色空间是基于自然界中三种基色光的加法 混合原理， 将 Red、 Green、 Blue 三种基色。
22、按照从黑色 ( 灰度值为 0) 到白色 ( 灰度值为 255) 的亮度值在三个颜色通道中分配， 从而确定色彩， 由于RGB颜色空间中的三个分量R、 G、 B有 255 个等级， 通过 RGB 三个分量的组合可以产生 256*256*256 种颜色， 因此， RGB 颜色空间是 广泛应用于数字图像处理与存储的颜色空间之一。在 RGB 色彩空间中， 任意色光 F 都可以 用 R、 G、 B 三种分量相加混合而成， 其中， 当 R、 G、 B 三基色分量最弱 ( 为 0) 时， 混合为黑色 光， 当 R、 G、 B 三基色分量最强 ( 为 255) 时， 混合为白色光。RGB 颜色空间如图 2-4 。
23、所示， 三 个轴分别对应 R、 G、 B 三分量， 原点对应 R、 G、 B 值为 0 的点即黑色， 与原点对应的顶点为纯 白色。过原点的对角线对应从黑色到白色的灰度值变化。而立方体内 ( 包含立方体表面 ) 的点都是 256*256*256 种颜色中的一种， 用从原点到该点的矢量表示。本发明通过特殊的 图像处理方式， 使得经过处理后的手势图像， 颜色失真更小， 颜色更加真实， 具体通过将颜 色图像按照 RGB 图像的 R、 G、 B 三个分量通道进行分解， 分别将三个分量通道中的每一个像 素与其邻近的8个像素构成33的像素块， 按照如下公式分别得到处理后的每一个像素分 别对应的 R、 G、 。
24、B 三个分量的值 ： 0046 0047 0048 0049 Pij(R)、 Pij(G)、 Pij(B) 分别为经过处理后的 R、 G、 B 三个分量通道中的像素值， Pij为 R、 G、 B 三个分量通道中对应第 i 行、 第 j 列的像素值， 其中 i 1,2,N,j 1,2,M ； 0050 此外， 在人体运动分析中， 通常将人的身体抽象为简单刚体， 关节抽象为球体， 用 各关节之间的相对位置和姿态变化描述人体运动， 这种模型称为人体骨架模型。本发明的 说 明 书 CN 104376309 A 7 5/7 页 8 手势动画是以虚拟人作为运动载体的， 因而， 人体骨架模型对本文研究的手势。
25、运动表示是 至关重要的。 0051 人体骨骼模型中各骨骼之间通过旋转关节相互连接， 旋转关节之间满足相关约束 不能进行相互变换， 进而整个人体骨架有一个统一的位置和朝向。所有刚性子段的长度和 关节点的三维坐标决定了人体运动的状态， 当前关节位置或姿态发生变化时， 依附于该关 节的身体段以及其子关节也随之变化。 我们可以计算人体关节点的当前位置实现角色模型 的运动姿态转换。 0052 人体上肢同样由多个关节连接而成， 结构灵活。 大致来说， 上肢包括肩关节， 上臂， 肘关节， 前臂， 腕关节和手部。 肩关节连接上臂和躯体， 肘关节连接前臂和上臂， 腕关节连接 手和前臂。因此， 人体手臂几何模型包。
26、括手臂几何建模和手臂关节运动约束。 0053 本发明假设上肢和手指是刚性的， 它们是由一个个关节连接起来的刚体， 在运动 过程中形状是固定， 这样可以对它们进行建模， 将自由上肢部分的关节简化成父子节点关 系， 如附图 1 所示单只手臂有 18 个关节， 不计整个手臂三维空间位置的 6 个自由度及其约 束影响， 共包含 28 个自由度， 即关节转角变量。 0054 相对于手指动画而言， 手臂运动对手势动作真实感影响较大， 在实际应用中往往 需要进行插值平滑处理。当忽略手部关节时， 手臂基础建模可简单地视为具有 7 个 DOF 的 关节模型， 如附图 2 所示。其中， 肩部包含 3 个 DOF(。
27、 肩关节的屈伸， 旋内旋外， 外摆内敛 )， 肘部包含 1 个 DOF( 肘关节屈伸 )， 前臂 1 个 DOF( 内旋 )， 腕部包含 3 个 DOF( 手腕的屈伸， 旋内旋外， 外展内敛 )。手臂的形态或姿态定义为 7 个关节旋转角的集合， 并且每一个关节 旋转角与上肢运动模型中 7 个自由度一一对应。 0055 基于上肢的生理结构， 上肢的关节运动必须符合一定的约束关系， 正是这些约束 关系的存在才使得上肢以自然的方式运动。手臂模型中前臂旋转与腕部关联， 若不加以限 制前臂旋转将会产生问题。因为在现实世界中， 类似于大多数人物角色的 DOF， 前臂旋转并 非与局部关节关联， 当两块前臂骨。
28、骼(桡骨和尺骨)围绕彼此旋转时， 其旋转行为将沿前臂 自身方向分布。以站立手臂时手臂垂直为初始状态， 人体上肢各关节活动范围如表 1。 0056 表 1 上肢关节运动范围 0057 0058 手势合成是一种以虚拟人连续的手臂动作运动序列来增强语言信息表达的技术。 在分析有声语言的语音结构时， 可以找到最小的表示单位是音位。通过音位有机嵌套可定 义各种有声语言的语素、 词句、 段落。 同样地， Stokoe等人曾指出手势也存在类似的 “语音单 说 明 书 CN 104376309 A 8 6/7 页 9 位” ， 可以由有限的手势要素 (chereme) 在运动中反复出现， 分别定义为 ： 手臂。
29、姿态、 位置、 运动 0059 手势运动基元表示形式， 从运动学角度， 将手臂运动简化为手臂关节运动， 定义上 肢关节链所有可能的姿态向量空间为该上肢关节链的运动空间。 运动空间的每一个向量定 义了上肢关节链的一种状态， 通过一组独立的位置、 朝向及旋转角度等参数唯一确定。 通过 指定角色上肢关节自由度可以确定一个静态手势， 本发明使用静态手势序列定义一个手势 运动基元。在 28 个手臂关节自由度中， 除了其余手指的近端关节和远端关节都有 2/3 的角 度线性相关， 所以只需要其中一个关节的自由度就可以角度的线性变换方法计算出另一关 节的旋转角度， 因此， 单只手臂姿态可以由 24 个关节自由。
30、度参数唯一确定。根据运动原理， 人体的父关节运动影响子关节运动， 而子关节本身又可根据自身特征进行运动而不受父关 节运动的影响， 如小臂转动动作。本发明采用四元数表示关节旋转能够有效避免欧拉角表 示人体关节旋转所产生的万象锁等奇异性问题。令 i xi1,xi2,xis 为记录一个手臂 关节运动的特征向量， 其中 xik表示该关节的在目标空间中的特征值， s 表示关节特征值个 数 ( 自由度 )。手臂姿态向量 G 表示如下 ： 0060 G 1,2,3,n,sim,flag (1) 0061 其中， n 表示手臂关节特征向量数目， 且特征向量且顺序是确定的， sim 保存手势 运动基元当前姿态和。
31、前一个相邻姿态的相似度， flag 是基于任务目标的手势运动基元结构 化标记， 实现对运动基元的运动时段划分。则包含 m 个关键帧的手势运动基元 可表示 为 ： 0062 G1,G2,Gm (2) 0063 手臂姿态可由一组向量唯一确定， 不同手臂姿态可通过改变左右手臂关节的旋转 角参数来实现， 将这些不同的手臂姿态连接起来便可生成相应的手势动作。 0064 手势运动基元中动作分类， 本发明根据手臂运动特征将虚拟人手势动作划分为三 类 ： 0065 第一类是指向性手势动作， 用手指向某个物体或位置的手势 ( 如用手指向这、 那 等指向动作 ) ； 0066 第二类是节拍性手势动作， 即手指或手。
32、掌上下点击或左右摆动的手势 ( 例如虚拟 人在列举某学校的地址、 电话、 招生人数等 ) ； 0067 第三类是描述性手势动作， 即手型或胳膊的运动象征某种物体、 行为、 概念或关系 ( 如示意某物体宽度、 长度等信息 )。 0068 本发明通过对手势如何伴随着语言内容的不同而不同进行分析， 并对所有语言伴 随性手势运动基元进行反复研究发现每个运动基元大都遵循以下规律 ： 手势动作从休息位 置(一种常见手势运动起始位置， 如双手臂下垂的静止站立姿态)开始远离休息位置、 达到 运动目标最后回到休息位置。附图 3 展示了手势运动基元中的手臂运动规律。 0069 本发明根据手势运动特点和运动任务目标。
33、原理， 提出了一种关键帧标注的手势运 动基元结构化描述方法， 为手势运动基元模型中的关键帧添加了 flag 标记位， 将手势运动 基元按具有时间次序关键帧标注 “start” ，“prepare” ，“achieve_goal” ，“release_goal” ， “end” 将每个手势运动基元分解为四个运动时段 ： 0070 准备阶段 ： 手势开始展开 ； 说 明 书 CN 104376309 A 9 7/7 页 10 0071 伸出阶段 ： 手势动作努力达到任务目标 ； 0072 后伸出阶段 ： 手势动作完成任务目标释放 ； 0073 恢复阶段 ： 手势最终回到休息位置 ； 0074 附图。
34、 4 展示了基于关键帧标注运动时段的手势运动基元结构化形式。 0075 该方法能够为运动合成提供运动过渡信息实现运动基元的最优过渡点定位， 可 以保证手势运动基元在正确的时间进行运动合成。否则， 我们很可能会将一个动作的 “achieve_goal” 之前的运动阶段与另一个动作的 “release_goal” 之后的运动阶段进行合 成， 这将会造成运动变形严重甚至是无法合成运动的情况。 0076 尽管为了说明的目的， 已描述了本发明的示例性实施方式， 但是本领域的技术人 员将理解， 不脱离所附权利要求中公开的发明范围和精神的情况下， 可以在形式和细节上 进行各种修改、 添加和替换等的改变， 而所有这些改变都应属于本发明所附权利要求的保 护范围， 并且本发明要求保护的产品各个部门和方法中的各个步骤， 可以以任意组合的形 式组合在一起。 因此， 对本发明中所公开的实施方式的描述并非为了限制本发明的范围， 而 是用于描述本发明。 相应地， 本发明的范围不受以上实施方式的限制， 而是由权利要求或其 等同物进行限定。 说 明 书 CN 104376309 A 10 1/1 页 11 图 1 图 2 图 3 图 4 说 明 书 附 图 CN 104376309 A 11 。