[發(fā)明專利]一種鏡頭動(dòng)畫(huà)快速生成系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911285786.5
• 申請(qǐng)日: 2019-12-13
• 公開(kāi)（公告）號(hào): CN112991498B
• 公開(kāi)（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 熊軍
• 申請(qǐng)（專利權(quán)）人: 上海懿百教育科技有限公司
• 主分類號(hào): G06T13/20
• 分類號(hào): G06T13/20;G06T13/80;G06N3/0464;G06N3/088
• 代理公司: 上海宏京知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31297
• 代理人: 何艷娥

本發(fā)明公開(kāi)了一種鏡頭動(dòng)畫(huà)快速生成系統(tǒng)及方法，涉及動(dòng)畫(huà)技術(shù)領(lǐng)域，所述系統(tǒng)包括：模型生成單元、軌跡控制單元、渲染單元和動(dòng)畫(huà)檢測(cè)單元；所述動(dòng)畫(huà)檢測(cè)單元分別信號(hào)連接于模型生成單元、軌跡控制單元和渲染單元；所述模型生成單元，用于根據(jù)模型生成方法，生成動(dòng)畫(huà)模型；所述軌跡控制單元，用于根據(jù)生成的動(dòng)畫(huà)模型，控制畫(huà)筆的軌跡，完成模型繪畫(huà)，生成中間鏡頭；所述渲染單元，用于對(duì)中間鏡頭進(jìn)行渲染，完成鏡頭動(dòng)畫(huà)生成；所述動(dòng)畫(huà)檢測(cè)單元，為多層網(wǎng)絡(luò)構(gòu)成的反饋神經(jīng)網(wǎng)絡(luò)，對(duì)模型生成單元生成的動(dòng)畫(huà)模型、軌跡控制單元完成的模型繪畫(huà)和渲染單元最終生成的鏡頭動(dòng)畫(huà)進(jìn)行檢測(cè)。具有生成效率高、具備學(xué)習(xí)能力和準(zhǔn)確率高的優(yōu)點(diǎn)。

背景技術(shù)

動(dòng)畫(huà)制作分為二維動(dòng)畫(huà)制作、三維動(dòng)畫(huà)制作和定格動(dòng)畫(huà)制作，二維動(dòng)畫(huà)和三維動(dòng)畫(huà)是當(dāng)今世界上運(yùn)用得比較廣泛的動(dòng)畫(huà)形式，鏡頭動(dòng)畫(huà)生成屬于三維動(dòng)畫(huà)制作范疇。在現(xiàn)實(shí)生活的拍攝過(guò)程中，一般是通過(guò)將攝像機(jī)放在移動(dòng)物體上進(jìn)行拍攝來(lái)達(dá)到移動(dòng)鏡頭的效果，從而獲取鏡頭畫(huà)面；而在計(jì)算機(jī)圖形領(lǐng)域，在動(dòng)畫(huà)制作過(guò)程中，動(dòng)畫(huà)制作人員則是根據(jù)制作需求，編程實(shí)現(xiàn)對(duì)模擬鏡頭的運(yùn)動(dòng)軌跡的設(shè)定，模擬鏡頭按照所設(shè)定的運(yùn)動(dòng)軌跡進(jìn)行移動(dòng)，從而呈現(xiàn)給用戶模擬鏡頭中的畫(huà)面。

現(xiàn)有的鏡頭動(dòng)畫(huà)生成方法的缺點(diǎn)是，每一次的目標(biāo)對(duì)象改變或者虛擬鏡頭的運(yùn)動(dòng)屬性發(fā)生改變時(shí)，動(dòng)畫(huà)制作人員都需要反復(fù)進(jìn)行大量編程來(lái)對(duì)虛擬鏡頭的運(yùn)動(dòng)軌跡進(jìn)行設(shè)定，工作量大，且容易出錯(cuò)，動(dòng)畫(huà)制作的效率不高。

發(fā)明內(nèi)容

鑒于此，本發(fā)明的目的是提供一種鏡頭動(dòng)畫(huà)快速生成系統(tǒng)及方法，具有生成效率高、具備學(xué)習(xí)能力和準(zhǔn)確率高的優(yōu)點(diǎn)。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種鏡頭動(dòng)畫(huà)快速生成系統(tǒng)，所述系統(tǒng)包括：模型生成單元、軌跡控制單元、渲染單元和動(dòng)畫(huà)檢測(cè)單元；所述動(dòng)畫(huà)檢測(cè)單元分別信號(hào)連接于模型生成單元、軌跡控制單元和渲染單元；所述模型生成單元，用于根據(jù)模型生成方法，生成動(dòng)畫(huà)模型；所述軌跡控制單元，用于根據(jù)生成的動(dòng)畫(huà)模型，控制畫(huà)筆的軌跡，完成模型繪畫(huà)，生成中間鏡頭；所述渲染單元，用于對(duì)中間鏡頭進(jìn)行渲染，完成鏡頭動(dòng)畫(huà)生成；所述動(dòng)畫(huà)檢測(cè)單元，為多層網(wǎng)絡(luò)構(gòu)成的反饋神經(jīng)網(wǎng)絡(luò)，對(duì)模型生成單元生成的動(dòng)畫(huà)模型、軌跡控制單元完成的模型繪畫(huà)和渲染單元最終生成的鏡頭動(dòng)畫(huà)進(jìn)行檢測(cè)，根據(jù)檢測(cè)結(jié)果，進(jìn)行人為評(píng)估，根據(jù)評(píng)估結(jié)果調(diào)整模型生成單元、軌跡控制單元和渲染單元的運(yùn)行，提升各個(gè)單元的運(yùn)行效率，及提升各個(gè)單元的運(yùn)行效果。

進(jìn)一步的，所述動(dòng)畫(huà)檢測(cè)單元包括：神經(jīng)網(wǎng)絡(luò)單元，用于構(gòu)建和訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)；監(jiān)督學(xué)習(xí)單元，用于以卷積運(yùn)算和離散編碼算法為基礎(chǔ)，針對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)和動(dòng)畫(huà)的特性，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)的無(wú)監(jiān)督學(xué)習(xí)算法，針對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)和動(dòng)畫(huà)的特性，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)的無(wú)監(jiān)督學(xué)習(xí)算法；訓(xùn)練集單元，用于構(gòu)建動(dòng)畫(huà)訓(xùn)練集；動(dòng)畫(huà)提取單元，用于使用多尺度滑動(dòng)窗算法提取自然圖像中的候選動(dòng)畫(huà)區(qū)域，并由訓(xùn)練得到的所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，得到動(dòng)畫(huà)區(qū)域；聚合單元，用于將相關(guān)動(dòng)畫(huà)區(qū)域聚合成動(dòng)畫(huà)行，并用矩形框?qū)?dòng)畫(huà)行加以標(biāo)定。

進(jìn)一步的，所述神經(jīng)網(wǎng)絡(luò)單元，構(gòu)建和訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)的方法執(zhí)行以下步驟：根據(jù)卷積運(yùn)算和離散編碼算法構(gòu)建目標(biāo)函數(shù)，優(yōu)化目標(biāo)為：特征，字典和網(wǎng)絡(luò)參數(shù)；固定字典，得到最優(yōu)特征；固定最優(yōu)特征，單次使用隨機(jī)梯度下降法訓(xùn)練字典；固定最優(yōu)特征，多次使用隨機(jī)梯度下降法訓(xùn)練網(wǎng)絡(luò)參數(shù)，直至訓(xùn)練誤差小于預(yù)設(shè)值；使用最新網(wǎng)絡(luò)參數(shù)重新計(jì)算特征；重復(fù)上述步驟直至達(dá)到學(xué)習(xí)目標(biāo)。

進(jìn)一步的，所述聚合單元，將相關(guān)動(dòng)畫(huà)區(qū)域聚合成動(dòng)畫(huà)行的方法執(zhí)行以下步驟：使用得到的動(dòng)畫(huà)區(qū)域，執(zhí)行基于區(qū)域相關(guān)性的動(dòng)畫(huà)行聚合算法，具體相關(guān)性特征和聚合規(guī)則如下：兩個(gè)動(dòng)畫(huà)區(qū)域的高度比值在0.5和2之間；兩個(gè)動(dòng)畫(huà)區(qū)域外接矩形的中心點(diǎn)y坐標(biāo)差值不大于兩個(gè)動(dòng)畫(huà)區(qū)域之間最高的高度值的1/2；兩個(gè)動(dòng)畫(huà)區(qū)域的外接矩形的中心點(diǎn)x坐標(biāo)差值不大于兩個(gè)動(dòng)畫(huà)區(qū)域之間最寬的寬度值的2倍；單個(gè)動(dòng)畫(huà)行至少有三個(gè)或以上的動(dòng)畫(huà)區(qū)域；相關(guān)性為：兩個(gè)動(dòng)畫(huà)區(qū)域的高度、兩個(gè)動(dòng)畫(huà)區(qū)域外接矩形的中心點(diǎn)y坐標(biāo)差、兩個(gè)動(dòng)畫(huà)區(qū)域的外接矩形的中心點(diǎn)x坐標(biāo)差。