[發(fā)明專利]一種基于ai算法的數(shù)字人外界紋理構(gòu)造分析系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202111584877.6
• 申請日: 2021-12-22
• 公開（公告）號: CN114359465B
• 公開（公告）日: 2023-01-31
• 發(fā)明（設計）人: 劉威;葉志太;劉浩
• 申請（專利權(quán)）人: 花臉數(shù)字技術(shù)（杭州）有限公司
• 主分類號: G06T15/04
• 分類號: G06T15/04;G06T7/40;G06T1/20
• 代理公司: 合肥錦輝利標專利代理事務所(普通合伙) 34210
• 代理人: 王利利

1.一種基于ai算法的數(shù)字人外界紋理構(gòu)造分析系統(tǒng)，包括云平臺和紋理構(gòu)造端，其特征在于，所述云平臺包括采集模塊、數(shù)據(jù)庫和AI處理模塊；

所述采集模塊用于采集數(shù)字人模型的紋理數(shù)據(jù)并將紋理數(shù)據(jù)發(fā)送至AI處理模塊；其中紋理數(shù)據(jù)為數(shù)字人模型對應實體的三維掃描紋理圖片以及圖片對應的位置；

所述AI處理模塊用于對紋理數(shù)據(jù)進行處理，具體處理過程為：將數(shù)字人模型對應的皮膚外表面分為若干個紋理構(gòu)造區(qū)表面模型，將紋理數(shù)據(jù)依據(jù)紋理構(gòu)造區(qū)表面模型進行分類得到紋理構(gòu)造區(qū)表面模型對應的紋理數(shù)據(jù)并壓縮得到紋區(qū)數(shù)據(jù)包，將紋區(qū)數(shù)據(jù)包通過AI分配算法發(fā)送至紋理構(gòu)造端；接收紋理構(gòu)造模型并將其對應構(gòu)建在數(shù)字人模型上得到紋理數(shù)字人模型；

所述紋理構(gòu)造端對紋區(qū)數(shù)據(jù)包進行解壓以得到紋理構(gòu)造區(qū)表面模型的紋理數(shù)據(jù)；對紋理數(shù)據(jù)中的每條紋理識別以得到紋理的三維信息，三維信息包括起始位置、結(jié)束位置、寬度和深度；通過三維信息依次將每條紋理刻畫在紋理構(gòu)造區(qū)表面模型以得到對應紋理構(gòu)造模型，將紋理構(gòu)造模型反饋至AI處理模塊；

所述AI處理模塊將紋區(qū)數(shù)據(jù)包通過AI分配算法發(fā)送至紋理構(gòu)造端的具體步驟為：

向注冊端發(fā)送構(gòu)造信令以獲取注冊端的授權(quán)信息，在預設時間范圍內(nèi)，將獲取授權(quán)信息的注冊端標記為分配端；

向分配端發(fā)送信息獲取信令以獲取分配端實時的性能信息，對性能信息進行處理以得到性能參數(shù)；

獲取分配端的注冊時刻、位置和處理總次數(shù)，將注冊時刻與當前時刻進行時刻差計算得到注冊時長；將分配端的位置與云平臺的位置進行位置間距計算以得到數(shù)傳距，將注冊時長、數(shù)傳距和處理總次數(shù)進行歸一化處理并且三者歸一化處理后的數(shù)值，對三者數(shù)值進行處理得到分配端的配端值；

設定配端值、端里值和傳息值的權(quán)重占比分別為ma1、ma2和ma3，提取分配端值、端里值和傳息值的數(shù)值并依次標記為FP1、FP2和FP3；

利用公式GZ=μ×（FP1×ma1+FP2×ma2+FP3×ma3）得到分配端的構(gòu)造分值GZ；μ為處效因子；將分配端依據(jù)構(gòu)造分值由大到小進行排序，從前之后依次選取與紋區(qū)數(shù)據(jù)包相同數(shù)量的分配端并將其標記為紋理構(gòu)造端，然后向該紋理構(gòu)造端發(fā)送紋區(qū)數(shù)據(jù)包；

所述性能信息包括CPU利用率數(shù)據(jù)、以太網(wǎng)數(shù)據(jù)和GPU利用率數(shù)據(jù)；對性能信息進行處理的具體過程為：

對CPU利用率數(shù)據(jù)進行處理，將CPU利用率數(shù)據(jù)中的所有CPU利用率的數(shù)值進行求和并取均值的利用率均值并標記為CP，將CPU利用率的數(shù)值標記為Ai，i=1，2，……，n；n為正整數(shù)，n為CPU利用率的總數(shù)；

利用公式得到處利值CL；其中，qs1和qs2為預設權(quán)重因子；

對GPU利用率數(shù)據(jù)進行處理，將GPU利用率數(shù)據(jù)中的所有GPU利用率的數(shù)值進行求和并取均值的利用率均值并標記為GP，將GPU利用率的數(shù)值標記為Bj，j=1，2，……，k；k為正整數(shù)，k為GPU利用率的總數(shù)；

利用公式得到圖利值GL；其中，qs3和qs4為預設權(quán)重因子；

設定處利值和圖利值對應的占比系數(shù)為qs5和qs6，且0qs5qs61；利用公式FP2=10/（CL×qs5+GL×qs6）得到端里值FP2；

對以太網(wǎng)數(shù)據(jù)進行處理，獲取以太網(wǎng)數(shù)據(jù)中的發(fā)送速率和接收速率，分別提取所有發(fā)送速率和接收速率的數(shù)值，將所有發(fā)送速率對應數(shù)值進行求和并取均值得到發(fā)送均值；將所有接收速率對應數(shù)值進行求和并取均值得到接收均值；將發(fā)送均值和接收均值進行歸一化處理得到傳息值；

所述云平臺內(nèi)還包括注冊模塊，注冊模塊用于電腦終端擁有者通過電腦終端提交電腦終端注冊信息進行注冊并將注冊成功的注冊信息發(fā)送至數(shù)據(jù)庫內(nèi)存儲，同時，將注冊成功的電腦終端標記為注冊端，數(shù)據(jù)庫將接收到注冊信息的時刻標記為注冊端的注冊時刻；

所述云平臺內(nèi)還包括處效模塊；

處效模塊用于采集紋理構(gòu)造端接收到紋區(qū)數(shù)據(jù)包的時刻一以及反饋紋理構(gòu)造模型的時刻二并發(fā)送至數(shù)據(jù)庫進行存儲，同時對時刻一和時刻二進行分析，具體分析過程為：

將時刻一與時刻二進行差值計算得到分析時長，將紋理構(gòu)造端所有的分析時長依據(jù)時刻一的時間先后順序進行排序，然后統(tǒng)計分析時長的數(shù)量得到時長總數(shù)；提取分析時長的數(shù)值，將所有分析時長的數(shù)值填充在柱狀圖中以得到每個分析時長數(shù)值對應的條形柱，連接相鄰兩個條形柱之間的中心點以得到中柱線，計算中柱線的斜率，當中柱線的斜率與水平線的夾角為銳角，則將斜率標記為斜率一；當中柱線的斜率與水平線的夾角為頓角，則將斜率標記為斜率二；將所有斜率二之和減去所有斜率一之和得到斜率差并標記為XL；利用公式μ=1+XL×0.27得到處效因子μ并發(fā)送至數(shù)據(jù)庫內(nèi)存儲；

在使用時，通過采集模塊采集數(shù)字人模型的紋理數(shù)據(jù)，數(shù)字人模型對應的皮膚外表面分為若干個紋理構(gòu)造區(qū)表面模型，將紋理數(shù)據(jù)依據(jù)紋理構(gòu)造區(qū)表面模型進行分類得到紋理構(gòu)造區(qū)表面模型對應的紋理數(shù)據(jù)并壓縮得到紋區(qū)數(shù)據(jù)包，將紋區(qū)數(shù)據(jù)包通過AI分配算法發(fā)送至紋理構(gòu)造端，并結(jié)合配端值、端里值和傳息值得到構(gòu)造分值，通過構(gòu)造分值合理的選取對應的紋理構(gòu)造端，進而通過紋理構(gòu)造端對紋區(qū)數(shù)據(jù)包進行解壓以得到紋理構(gòu)造區(qū)表面模型的紋理數(shù)據(jù)，對紋理數(shù)據(jù)中的每條紋理識別以得到紋理的三維信息，通過三維信息依次將每條紋理刻畫在紋理構(gòu)造區(qū)表面模型以得到對應紋理構(gòu)造模型，從而快速的對數(shù)字人模型進行外界紋理構(gòu)造，提高處理效率。