一种数据处理方法及装置

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据处理方法及装置。

背景技术

3D虚拟人物在动画制作、电影特效中有很多的应用，大体流程就是通过动作捕捉技术捕捉演员的各种动作，再将这些动作迁移到指定的3D模型上。但是迁移过程中会存在很多问题，比如由于演员和需要驱动的3D模型身材不一样，导致3D模型作出一些不符合物理原理的动作，比如把手伸到了肢体内部，这种情况业界称之为“穿模”。

解决穿模问题，主要是对驱动模型的运动数据进行修正，也就是对关节的旋转角度进行修正，在传统手工修正的时候，修好后直接人工看下效果，和原始动作差不多就可以了。修正时不需要对每一帧动作都进行修正，对于非关键帧的数据可以通过关键帧进行插值。

人工修复时需要人工设置关键帧，但由于人为操作很可能因为个人水准、视觉疲劳等为问题导致误判，因此无法保证关键帧的精确性，而且人工设置需要人为查看每一帧数据，这种方式耗时长，人工成本大。

发明内容

本发明提供一种数据处理方法及装置，解决现有技术中人工设置关键帧耗时长，且无法保证精确性的问题。

在本发明实施的第一方面，提供了一种数据处理方法，包括：

根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数；其中所述原始运动序列包含多帧原始运动数据；

分别判断每帧原始运动数据的加速度参数是否大于预设加速度阈值，并在所述原始运动序列中选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据。

优选的，所述根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数的步骤包括：

根据原始运动序列中每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点的加速度；

根据每帧原始运动数据对应的每个关节点的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的所有关节点加速度加权后的平均值，并根据所述平均值确定每帧原始运动数据的加速度参数。

优选的，所述根据原始运动序列中每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点的加速度的步骤包括：

将每帧原始运动数据的每个关节点的运动数据，减去每帧原始运动数据的前一帧原始运动数据对应关节点的运动数据，获得每帧原始运动数据每个关节点的运动速度；

将每帧原始运动数据的后一帧原始运动数据的每个关节点的运动速度，减去每帧原始运动数据对应关节点的运动速度，获得每帧原始运动数据每个关节点的加速度。

优选的，所述将每帧原始运动数据的每个关节点的运动数据，减去每帧原始运动数据的前一帧原始运动数据对应关节点的运动数据，获得每帧原始运动数据每个关节点的运动速度之前，所述方法还包括：

将所述原始运动序列中第一帧原始运动数据复制为所述第一帧原始运动数据的前一帧原始运动数据。

优选的，每帧原始运动数据的每个关节点的运动数据分别包括多个维度方向的运动数据；

所述根据原始运动序列中每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点的加速度的步骤包括：

根据每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点在多个维度方向上的加速度；

所述根据每帧原始运动数据对应的每个关节点的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的所有关节点加速度加权后的平均值，并根据所述平均值确定每帧原始运动数据的加速度参数的步骤包括：

根据每帧原始运动数据对应的每个关节点在多个维度方向上的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值；

根据每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值，确定每帧原始运动数据的加速度参数。

优选的，所述根据每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值，确定每帧原始运动数据的加速度参数的步骤包括：

计算每帧原始运动数据对应的多个维度方向上的所述平均值的平方和，将所述平方和作为每帧原始运动数据的加速度参数。

优选的，所述根据每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点在多个维度方向上的加速度的步骤包括：

将每帧原始运动数据包含的多个关节点的运动数据分别转换成多维运动数据矩阵；

根据每帧原始运动数据的多维运动数据矩阵，获取每帧原始运动数据的多维加速度矩阵，所述多维加速度矩阵包括每个关节点在多个维度方向上的加速度。

优选的，所有关节点对应的权重系数的总乘积为1。

优选的，所述选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据之后，所述方法还包括：

判断所有关键帧运动数据中任意两帧相邻关键帧之间的距离是否大于预设间距阈值；

当两帧相邻关键帧之间的距离大于所述预设间距阈值时，在原始运动序列中，选取与两帧相邻关键帧中前一帧关键帧的距离为所述预设间距阈值的原始运动数据补充为关键帧的运动数据。

在本发明实施的第二方面，还提供了一种数据处理装置，包括：

第一计算模块，用于根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数；其中所述原始运动序列包含多帧原始运动数据；

关键帧选取模块，用于分别判断每帧原始运动数据的加速度参数是否大于预设加速度阈值，并在所述原始运动序列中选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据。

在本发明实施的第三方面，还提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线；其中，处理器、通信接口以及存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现如上任一项所述的数据处理方法中的步骤。

在本发明实施的第四方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一项所述的数据处理方法。

针对在先技术，本发明具备如下优点：

本发明实施例中，首先根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数；其中原始运动序列包含多帧原始运动数据；然后分别判断每帧原始运动数据的加速度参数是否大于预设加速度阈值，并在原始运动序列中选取加速度参数大于预设加速度阈值的原始运动数据作为关键帧的运动数据。如此通过加速度参数自动选取整个动作过程中影响较大的关键数据作为关键帧，实现了选取关键帧的自动化批量处理，无需人为查看每一帧数据，提高了选取关键帧的处理效率，且按照加速度参数自动选取动作过程中影响较大的关键数据作为关键帧，避免了因为个人水准、视觉疲劳等问题导致误判，提高了选取关键帧的精确性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1为本发明实施例提供的数据处理方法的流程示意图；

图2为本发明实施例提供的模型关节点示意图；

图3为本发明实施例提供的修复运动数据示意图；

图4为本发明实施例提供的补充关键帧的流程示意图；

图5为本发明实施例提供的数据处理装置的示意框图；

图6为本发明实施例提供的电子设备的示意框图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解的是，还可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1是本发明实施例提供的数据处理方法的流程示意图，参见图1所示，该数据处理方法，包括：

步骤11：根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数；其中所述原始运动序列包含多帧原始运动数据。

这里，通过计算每帧原始运动数据的加速度参数，以基于加速度参数进行关键帧的选取，从而将关键帧计算转化为加速度参数计算，简化了计算过程。

其中，原始运动序列为在一段时间T内通过捕捉人体或动物等原型的动作信息，获得的一组按照时序有序排列的原始运动数据。其中捕捉动作信息的频率可根据需求进行设定，例如以每秒50帧的频率捕捉动作信息，T＝10s，则在时间段T内可捕捉到500帧原始运动数据，原始运动序列即包括按照时序有序排列的这500帧的原始运动数据。

其中，假定原始运动序列共包括t帧原始运动数据，t为大于或等于1的整数。原始运动序列可记为M＝{m

假定每帧原始运动数据分别包括k个关节点的运动数据，k为大于或等于1的整数。第i帧原始运动数据可记为

例如，如图2所示，假定一共34个关节点，则每帧原始运动数据分别包括34个关节点的运动数据。

步骤12：分别判断每帧原始运动数据的加速度参数是否大于预设加速度阈值，并在所述原始运动序列中选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据。

这里，利用加速度参数实现了关键帧的自动选取，且通过将加速度参数大于预设加速度阈值，即动作较大的原始运动数据作为关键帧，精确选取到了整个动作过程中影响较大的关键数据，提高了处理效率，且提高了精确性。

例如，如图3所示，假定在原始运动序列中节选的6帧原始运动数据中，通过步骤11获取到每帧原始运动数据的加速度参数，通过步骤12判断只有第1帧原始运动数据和第6帧原始运动数据的加速度参数满足大于预设加速度阈值的条件，则将第1帧原始运动数据和第6帧原始运动数据作为关键帧，其他原始运动数据作为非关键帧。在修复时，可对第1帧原始运动数据和第6帧原始运动数据进行修复，其他的第2-5帧原始运动数据的修复数据用第1帧和第6帧原始运动数据的修复数据插值得到，最终获得图3所示的修复运动序列。

其中，预设加速度阈值可根据需求设定为任意大小，在此不做限定。

本发明实施例的数据处理方法，通过加速度参数自动选取整个动作过程中影响较大的关键数据作为关键帧，实现了选取关键帧的自动化批量处理，无需人为查看每一帧数据，提高了选取关键帧的处理效率，且按照加速度参数自动选取动作过程中影响较大的关键数据作为关键帧，避免了因为个人水准、视觉疲劳等问题导致误判，提高了选取关键帧的精确性。

优选的，上述步骤11包括：

步骤111：根据原始运动序列中每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点的加速度。

这里，利用每帧原始运动数据包含的多个关节点的运动数据，能够准确计算每帧原始运动数据对应的每个关节点的加速度，以利用每个关节点的加速度确定最终的加速度参数。

步骤112：根据每帧原始运动数据对应的每个关节点的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的所有关节点加速度加权后的平均值，并根据所述平均值确定每帧原始运动数据的加速度参数。

这里，根据每帧原始运动数据对应的所有关节点的加速度加权后的平均值确定加速度参数，使得加速度参数综合了所有关节点的运动情况，并考量了不同关节点之间的差异，以此为标准进行关键帧的选取，能够更加精确地选取到对运动影响较大的关键数据。

其中，每个关节点对应的权重系数可根据需求进行设定，本发明实施例对每个关节点对应的权重大小不做限定。

但为了保证所有关节点的权重分配更加合理，优选的，所有关节点对应的权重系数的总乘积为1。

此时，假定w

当然，上述加速度参数的确定方式仅为一种优选的实现方式，也可按照其他方式确定加速度参数，例如不考虑不同关节点之间的差异，直接计算每帧原始运动数据对应的所有关节点加速度的平均值，根据该平均值确定加速度参数，在此不一一说明。

优选的，上述步骤111包括：

步骤1111：将每帧原始运动数据的每个关节点的运动数据，减去每帧原始运动数据的前一帧原始运动数据对应关节点的运动数据，获得每帧原始运动数据每个关节点的运动速度。

这里，要确定加速度，首先确定速度，即利用每帧原始运动数据的每个关节点的运动数据，减去每帧原始运动数据的前一帧原始运动数据对应关节点的运动数据，获得每帧原始运动数据每个关节点的运动速度。

例如，以第i帧原始运动数据

步骤1112：将每帧原始运动数据的后一帧原始运动数据的每个关节点的运动速度，减去每帧原始运动数据对应关节点的运动速度，获得每帧原始运动数据每个关节点的加速度。

这里，确定好速度后，继续确定加速度，即利用每帧原始运动数据的后一帧原始运动数据的每个关节点的运动速度，减去每帧原始运动数据对应关节点的运动速度，获得每帧原始运动数据每个关节点的加速度。

例如，以第i帧原始运动数据的每个关节点的运动速度

获得第i帧原始运动数据每个关节点的加速度之后，可通过步骤112计算第i帧原始运动数据对应的所有关节点加速度加权后的平均值，使用公式表示如下：

其中，w

优选的，步骤1111之前，所述方法还包括：

步骤1110：将所述原始运动序列中第一帧原始运动数据复制为所述第一帧原始运动数据的前一帧原始运动数据。

这里，由于每帧原始运动数据每个关节点的运动速度都是基于前一帧原始运动数据确定的，通过将原始运动序列中第一帧原始运动数据复制为该第一帧原始运动数据的前一帧原始运动数据，避免在计算第一帧原始运动数据出现报错。

其中，为了避免计算第一帧原始运动数据出现报错，还可采用其他方式，例如直接跳过第一帧原始运动数据，从第二帧原始运动数据开始计算，同时将第一帧原始运动数据的每个关节点的运动速度置位零。

优选的，每帧原始运动数据的每个关节点的运动数据分别包括多个维度方向的运动数据；上述步骤111包括：

步骤1113：根据每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点在多个维度方向上的加速度。

这里，当每个关节点的运动数据包括多个维度方向的运动数据时，需要计算每个关节点在多个维度方向上的加速度，以全方位分析所有关节点的运动数据，保证精确性。

一般进行模型运动数据计算时，都是以三维坐标系分析运动序列，相应的每个关节点分别包括三个维度方向的运动数据。三维坐标系如包括X、Y、Z三个坐标轴，则每个关节点分别包括X、Y、Z三个方向的运动数据。例如，第i帧原始运动数据的第j个关节点的运动数据

其中，为了便于计算，优选的，上述步骤1113包括：

步骤11131：将每帧原始运动数据包含的多个关节点的运动数据分别转换成多维运动数据矩阵。

这里，通过转换矩阵进行计算，能够简化计算方式，提高效率。

例如，以第i帧原始运动数据

步骤11132：根据每帧原始运动数据的多维运动数据矩阵，获取每帧原始运动数据的多维加速度矩阵，所述多维加速度矩阵包括每个关节点在多个维度方向上的加速度。

这里，基于每帧原始运动数据的多维运动数据矩阵，进一步获取每帧原始运动数据的多维加速度矩阵，以确定加速度参数。

其中，本步骤可基于步骤1111-1112的方式，首先利用每帧原始运动数据的每个关节点的运动数据，减去每帧原始运动数据的前一帧原始运动数据对应关节点的运动数据的方式，获得每帧原始运动数据的多维运动速度矩阵；然后利用每帧原始运动数据的后一帧原始运动数据的每个关节点的运动速度，减去每帧原始运动数据对应关节点的运动速度的方式，获得每帧原始运动数据的多维加速度矩阵。

例如，仍以第i帧原始运动数据

然后根据m

获得每帧原始运动数据的多维加速度矩阵的基础上，上述步骤112包括：

步骤1121：根据每帧原始运动数据对应的每个关节点在多个维度方向上的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值。

这里，根据每个关节点在多个维度方向上的加速度以及对应的权重系数，计算每个维度方向上所有关节点加速度加权后的平均值，从而综合所有关节点每个维度方向上的运动情况，并考量不同关节点之间的差异进行计算，提高了加速度参数的精确性。

其中，如前文提到的，也可采用其他方式，例如不考虑不同关节点之间的差异，直接计算每帧原始运动数据对应的每个维度方向上所有关节点加速度的平均值。

例如，仍以第i帧原始运动数据

步骤1122：根据每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值，确定每帧原始运动数据的加速度参数。

这里，基于每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值，确定出来的加速度参数能够更加全面的体现每帧原始运动数据的运动情况，从而提高了选取关键帧的精确性。

优选的，上述步骤1122包括：

步骤1122：计算每帧原始运动数据对应的多个维度方向上的所述平均值的平方和，将所述平方和作为每帧原始运动数据的加速度参数。

例如，仍以第i帧原始运动数据

此时，利用该综合加速度参数

当然，上述求平方和确定加速度参数的方式仅为一种优选的实现方式，本发明实施例也可采用其他方式确定加速度参数，例如计算多个维度方向上所有关节点加速度加权后的平均值的平方和之后，再计算平方和的开方值，将开方值作为加速度参数，在此不一一说明。

通过前述过程在原始运动序列中选取到关键帧之后，为了保证动作连贯性，优选的，上述步骤12选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据之后，所述方法还包括：

步骤13：判断所有关键帧运动数据中任意两帧相邻关键帧之间的距离是否大于预设间距阈值。

步骤14：当两帧相邻关键帧之间的距离大于所述预设间距阈值时，在原始运动序列中，选取与两帧相邻关键帧中前一帧关键帧的距离为所述预设间距阈值的原始运动数据补充为关键帧的运动数据。

此时，当任意两帧相邻关键帧之间的距离大于设定的预设间距阈值时，将原始运动序列中距离前一帧关键帧预设间距阈值的一帧原始运动数据补充为关键帧数据，避免了相邻两帧关键帧距离过大，进一步提高了关键帧选取的精确性，保证了动作连续自然。

这里，步骤14之后，通过步骤13将继续判断补充的目标关键帧与相邻的后一帧关键帧的距离是否大于所述预设间距阈值，若大于，则在原始运动序列中，继续选取与所述目标关键帧的距离为所述预设间距阈值的原始运动数据补充为关键帧的运动数据。

此时，在两帧相邻关键帧之间可能补充多帧关键帧，以保证任意相邻两帧关键帧之间的距离都不会过大，保证动作的连续自然。

其中，预设间距阈值可根据需求设定为任意值，如预设间距阈值为6帧，此时任意两帧相邻关键帧之间的距离不能超过6帧，如果超过，需要将与前一帧关键帧间隔6帧的运动数据补充为关键帧。

下面对本发明实施例补充关键帧的一具体应用流程举例说明如下。

假定通过步骤11-12在原始运动序列中选取到关键帧之后，得到了初始关键帧列表K：

K是个有序列表，k

如图4所示，补充关键帧具体包括：

S41：开始。

S42：设置o＝0，q＝q_set。其中q_set为预设间距阈值，o代表初始关键帧列表K中第几帧关键帧。

S43：设置o＝o+1。

S44：设置S＝k

S45：判断o+1是否大于len(K)，若是，则跳转到S410，否则，跳转到S46。

这里，判断o+1是否大于序列表K的总帧数len(K)，如果大于说明当前已经判断到序列表K的最后一帧关键帧，对于序列表K的所有相邻关键帧之间距离较大的已经补充完毕，跳转到S410结束即可，否则，需要跳转到S46继续补充。

S46：设置E＝k

S47：判断E-S是否大于q，若是，则跳转到S48，否则，返回S43。

这里，判断后一帧关键帧与前一帧关键帧的之间的距离是否大于q，q等于预设间距阈值，如果大于，则跳转到S48进行关键帧的补充，否则返回S43继续判断K中下一帧关键帧。

S48：将原始运动序列中第S+q帧原始运动数据补充为关键帧的运动数据。

这里，假设当前o＝3，S＝k

S49：设置S＝S+q，之后返回到S45。

这里，将S设置为补充后的关键帧，之后返回到S45，判断是否已经补充完毕，如果补充完毕结束即可，如果未补充完毕，通过S46-S47继续判断补充后的关键帧与其相邻的后一帧关键帧之间的距离是否大于q，如果大于，对关键帧进行补充，否则继续判断K中下一帧关键帧，如此循环，直至序列表K的所有相邻关键帧之间距离较大的补充完毕。

S410：结束。

此时，通过补充关键帧，保证任意相邻两帧关键帧之间的距离都不会过大，进一步提高了关键帧选取的精确性，保证了动作的连续自然。

本发明实施例的数据处理方法，通过加速度参数自动选取整个动作过程中影响较大的关键数据作为关键帧，实现了选取关键帧的自动化批量处理，无需人为查看每一帧数据，提高了选取关键帧的处理效率，且按照加速度参数自动选取动作过程中影响较大的关键数据作为关键帧，避免了因为个人水准、视觉疲劳等问题导致误判，提高了选取关键帧的精确性。

参见图5所示，本发明实施例还提供了一种数据处理装置500，包括：

第一计算模块501，用于根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数；其中所述原始运动序列包含多帧原始运动数据；

关键帧选取模块502，用于分别判断每帧原始运动数据的加速度参数是否大于预设加速度阈值，并在所述原始运动序列中选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据。

本发明实施例的数据处理装置500，通过加速度参数自动选取整个动作过程中影响较大的关键数据作为关键帧，实现了选取关键帧的自动化批量处理，无需人为查看每一帧数据，提高了选取关键帧的处理效率，且按照加速度参数自动选取动作过程中影响较大的关键数据作为关键帧，避免了因为个人水准、视觉疲劳等问题导致误判，提高了选取关键帧的精确性。

优选的，所述第一计算模块501包括：

第一计算子模块，用于根据原始运动序列中每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点的加速度；

第二计算子模块，用于根据每帧原始运动数据对应的每个关节点的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的所有关节点加速度加权后的平均值，并根据所述平均值确定每帧原始运动数据的加速度参数。

优选的，所述第一计算子模块包括：

第一处理单元，用于将每帧原始运动数据的每个关节点的运动数据，减去每帧原始运动数据的前一帧原始运动数据对应关节点的运动数据，获得每帧原始运动数据每个关节点的运动速度；

第二处理单元，用于将每帧原始运动数据的后一帧原始运动数据的每个关节点的运动速度，减去每帧原始运动数据对应关节点的运动速度，获得每帧原始运动数据每个关节点的加速度。

优选的，所述装置还包括：

复制模块，用于将所述原始运动序列中第一帧原始运动数据复制为所述第一帧原始运动数据的前一帧原始运动数据。

优选的，每帧原始运动数据的每个关节点的运动数据分别包括多个维度方向的运动数据；

所述第一计算子模块包括：

第一计算单元，用于根据每帧原始运动数据包含的多个关节点的运动数据，计算每帧原始运动数据对应的每个关节点在多个维度方向上的加速度；

所述第二计算子模块包括：

第二计算单元，用于根据每帧原始运动数据对应的每个关节点在多个维度方向上的加速度以及每个关节点对应的权重系数，计算每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值；

第一确定单元，用于根据每帧原始运动数据对应的每个维度方向上所有关节点加速度加权后的平均值，确定每帧原始运动数据的加速度参数。

优选的，所述第一确定单元具体用于：

计算每帧原始运动数据对应的多个维度方向上的所述平均值的平方和，将所述平方和作为每帧原始运动数据的加速度参数。

优选的，所述第一计算单元具体用于：

将每帧原始运动数据包含的多个关节点的运动数据分别转换成多维运动数据矩阵；根据每帧原始运动数据的多维运动数据矩阵，获取每帧原始运动数据的多维加速度矩阵，所述多维加速度矩阵包括每个关节点在多个维度方向上的加速度。

优选的，所有关节点对应的权重系数的总乘积为1。

优选的，所述装置还包括：

判断模块，用于判断所有关键帧运动数据中任意两帧相邻关键帧之间的距离是否大于预设间距阈值；

补充模块，用于当两帧相邻关键帧之间的距离大于所述预设间距阈值时，在原始运动序列中，选取与两帧相邻关键帧中前一帧关键帧的距离为所述预设间距阈值的原始运动数据补充为关键帧的运动数据。

本发明实施例的数据处理装置500，通过加速度参数自动选取整个动作过程中影响较大的关键数据作为关键帧，实现了选取关键帧的自动化批量处理，无需人为查看每一帧数据，提高了选取关键帧的处理效率，且按照加速度参数自动选取动作过程中影响较大的关键数据作为关键帧，避免了因为个人水准、视觉疲劳等问题导致误判，提高了选取关键帧的精确性。

对于上述装置实施例而言，由于其与方法实施例基本相似，相关之处参见方法实施例的部分说明即可。

本发明实施例还提供了一种电子设备，该电子设备可以是移动终端。如图6所示，包括处理器601、通信接口602、存储器603和通信总线604，其中，处理器601，通信接口602，存储器603通过通信总线604完成相互间的通信。

存储器603，用于存放计算机程序。

处理器601用于执行存储器603上所存放的程序时，实现如下步骤：

根据原始运动序列中每帧原始运动数据分别包含的多个关节点的运动数据，计算每帧原始运动数据的加速度参数；其中所述原始运动序列包含多帧原始运动数据；

分别判断每帧原始运动数据的加速度参数是否大于预设加速度阈值，并在所述原始运动序列中选取加速度参数大于所述预设加速度阈值的原始运动数据作为关键帧的运动数据。

上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中所述的数据处理方法。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中所述的数据处理方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，包含在本发明的保护范围内。