[發(fā)明專利]一種動(dòng)畫生成方法、系統(tǒng)及其可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110012068.1
• 申請日: 2021-01-06
• 公開（公告）號: CN112634411B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 陳小紅;張銳;張雪松
• 申請（專利權(quán)）人: 上海欣子信息科技有限公司
• 主分類號: G06T13/00
• 分類號: G06T13/00;G06V40/20;G06V10/46;G06T7/194;G06T7/90;G06N3/0464;G06N3/08
• 代理公司: 上海中外企專利代理事務(wù)所(特殊普通合伙) 31387
• 代理人: 孫益青

本申請公開了一種動(dòng)畫生成方法、系統(tǒng)及其可讀介質(zhì)，該方法包括：識(shí)別用戶的上傳圖像、當(dāng)該圖像識(shí)別為非人體圖像時(shí)報(bào)錯(cuò)；識(shí)別為人體圖像時(shí)沿從頭到腳的方向依次對各個(gè)部位進(jìn)行特征點(diǎn)識(shí)別；以人體圖像從頭到腳的方向依次對所需特征點(diǎn)標(biāo)號；對標(biāo)號后所需特征點(diǎn)進(jìn)行邏輯分析，劃分出各個(gè)身體部位所包含的特征點(diǎn)，從而將整個(gè)身體分割各個(gè)模塊；取人體圖像肢體根部關(guān)節(jié)點(diǎn)為原點(diǎn)建立坐標(biāo)系，將分割后的各個(gè)模塊放入對應(yīng)建立好的坐標(biāo)系中，改變特征點(diǎn)坐標(biāo)來實(shí)現(xiàn)特征點(diǎn)的移動(dòng)，從而帶動(dòng)整個(gè)身體進(jìn)行運(yùn)動(dòng)，形成新的姿態(tài)。本方案，簡便的在對人體圖像處理后，自動(dòng)形成新的姿態(tài)，方便動(dòng)畫的生成，提高工作效率。

技術(shù)領(lǐng)域

本申請涉及動(dòng)畫生成技術(shù)領(lǐng)域，具體而言，涉及動(dòng)畫生成方法、系統(tǒng)及其可讀介質(zhì)。

背景技術(shù)

現(xiàn)有的人工智能AI技術(shù)中，可以分析出人體的每個(gè)身體部分，那么就可以達(dá)到只需要設(shè)計(jì)出角色的物體模型，AI代碼就可以控制角色的每個(gè)需要改變姿態(tài)的身體部位，進(jìn)行各種各樣的運(yùn)動(dòng)例如坐下、跑步、行走等。以確保人體按照所需進(jìn)行動(dòng)畫呈現(xiàn)，既能省出很多人力，也能極大的提高工作效率。在現(xiàn)有技術(shù)中，人體關(guān)鍵點(diǎn)檢測主要檢測人體的一些關(guān)鍵點(diǎn)，如關(guān)節(jié)，五官等，通過關(guān)鍵點(diǎn)提述人體骨骼信息；由于人體具有相當(dāng)?shù)娜嵝裕瑫?huì)出現(xiàn)各種姿態(tài)和形狀，人體任何一個(gè)部位的微小變化都會(huì)產(chǎn)生一種新的姿態(tài)，同時(shí)其關(guān)鍵點(diǎn)的可見性受穿著、姿態(tài)、視角等影響非常大，而且還面臨著遮擋、光照、霧等環(huán)境的影響。一般通過圖像分割和識(shí)別的方式解決上述問題。常見的圖像分割技術(shù)有局部分割以及全局分割。人體行為是由一些基本動(dòng)作組成的，局部分割是以選取部分動(dòng)作或提取部分特征來實(shí)現(xiàn)圖像分割的，常用的方法為邊界檢測法。邊界檢測法使用起來很簡單很方便，但卻不適合用在多人運(yùn)動(dòng)場景中。全局分割是將整個(gè)動(dòng)作系列作為一個(gè)可統(tǒng)計(jì)的模型進(jìn)行處理的。識(shí)別出了人體姿態(tài)但識(shí)別之后的應(yīng)用并不多，且很多時(shí)候人體姿態(tài)的識(shí)別是和動(dòng)畫生成結(jié)合在一起的，就算識(shí)別了人體姿態(tài)之后，想要進(jìn)行新的姿態(tài)生成，還需要技術(shù)人員進(jìn)行更多的特征點(diǎn)操作才可以實(shí)現(xiàn)。因此，如何開發(fā)出一種新型的人體動(dòng)畫生成方法，以克服上述問題，是本領(lǐng)域技術(shù)人員需要研究的方向。

發(fā)明內(nèi)容

本申請公開了一種動(dòng)畫生成方法，能夠克服現(xiàn)有技術(shù)中，在人體姿態(tài)識(shí)別后角色新姿態(tài)生成困難、影響動(dòng)畫制作效率的問題。

一種動(dòng)畫生成方法，其包括以下步驟：

步驟1：識(shí)別用戶的上傳圖像、當(dāng)該圖像識(shí)別為非人體圖像時(shí)報(bào)錯(cuò)，當(dāng)該圖像識(shí)別為人體圖像時(shí)進(jìn)入步驟2；

步驟2：對所述上傳圖像沿從頭到腳的方向依次對各個(gè)部位進(jìn)行特征點(diǎn)識(shí)別、對人體圖像所需特征點(diǎn)進(jìn)行標(biāo)號；

步驟3：對標(biāo)號后所需特征點(diǎn)進(jìn)行邏輯分析，劃分出各個(gè)身體部位所包含的特征點(diǎn)，并將人體圖像分割出各個(gè)模塊；

步驟4：取人體圖像肢體根部關(guān)節(jié)點(diǎn)為原點(diǎn)建立坐標(biāo)系，將分割后的各個(gè)模塊放入對應(yīng)建立好的坐標(biāo)系中，改變特征點(diǎn)坐標(biāo)來實(shí)現(xiàn)特征點(diǎn)的移動(dòng)，從而帶動(dòng)整個(gè)身體進(jìn)行運(yùn)動(dòng)，形成新的姿態(tài)。

優(yōu)選的是，步驟1中所述識(shí)別用戶的上傳圖像基于卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練模型實(shí)現(xiàn)，其具體包括以下步驟：

步驟11：選擇一個(gè)MNIST數(shù)據(jù)集，使用TensorFlow框架建卷積神經(jīng)網(wǎng)絡(luò)，建立關(guān)鍵節(jié)點(diǎn)特征；

步驟12：選用一張訓(xùn)練圖，池化函數(shù)選用2x2的實(shí)驗(yàn)?zāi)０澹M(jìn)行兩次卷積加池化；

步驟13：連接卷積層，對獲得的結(jié)果保存并進(jìn)行結(jié)果運(yùn)算，當(dāng)關(guān)鍵點(diǎn)得分大于0.15的個(gè)數(shù)大于4，并且整個(gè)人體輪廓的信用值不小于0.04時(shí)，判定為可用人體圖像并輸出該圖片為訓(xùn)練模型。

更優(yōu)選的是，所述訓(xùn)練圖卷積加池化前，對訓(xùn)練圖片進(jìn)行base64編碼，使用編碼字符串代替圖像地址，且編碼和urlencode后的大小不超過4M，長寬比在3:1。