[发明专利]一种基于草图的三维人体骨骼动画自动生成方法

权利要求书

1.一种基于草图的三维人体骨骼动画自动生成方法，其特征在于，该方法包括如下步骤

步骤1，实现与用户的交互，接收用户输入的人体动作草图图像文件；

步骤2，根据所述草图图像文件调用后台模型；

步骤3，根据动画序列中首尾帧中的人体动作信息进行完成动画序列中的缺失插值帧的自动合成，进而实现完整动画序列的生成；

步骤4，将所述完整动画序列的生成数据渲染到屏幕，得到可视化的三维人体骨骼动画；

在所述步骤2中，根据所述草图图像文件调用后台模型，具体包括：

步骤201，根据用户输入的人体动作草图图像，进行图像预处理方法，以得到符合网络输入格式的草图图像数据；

步骤202，制定草图图像识别网络标签，获得用于描述网络对草图图像识别能力的输出结果；

步骤203，进行草图图像识别网络训练，根据输入草图图像得到具体草图识别结果并实现到三维空间骨骼关节点坐标信息的映射；

步骤204，获得人体三维空间中骨骼关节点的坐标信息；

在步骤201中所述图像预处理方法，具体包括：

依次使用轮廓检测方法、填充方法、等比例缩放方法对用户输入的草图图像数据进行图像变换，以得到满足基于草图图像的三维人体骨骼模型重建模型的网络输入；

依次使用轮廓检测方法、填充方法、等比例缩放方法对用户输入的草图图像数据进行图像变换，具体包括：

对用户输入草图图像进行人体闭合曲线轮廓检测，从而获取图像中能够描述人体动作的主要区域部分；

根据所述轮廓检测所得到的人体曲线轮廓对闭合部分实现填充，以提高图像对于人体动作的描述能力；

将原始图像转化为满足基于草图图像的三维人体骨骼模型重建模型的网络输入格式，并且屏蔽原始图像中的非必要细节信息；

在步骤202中，所述制定草图图像识别网络标签，具体包括：

根据人体动作间的关系将标签分为三个层次，分别为动作类别、动作样态类别和动作帧类别，三种标签对于动作图像的描述能力由粗到细，最终的动作帧类别标签用来描述具体动画序列中单帧的动作信息。

2.根据权利要求1所述的三维人体骨骼动画自动生成方法，其特征在于，在步骤203中，所述进行草图图像识别网络训练，具体包括：

根据草图识别网络标签的制定使用卷积神经网络分层进行动作草图图像的识别与分类，包括：训练方式、参数调整、以及误差函数设定；

所述训练方式使用tensorflow作为深度学习工具，并使用分层分类的方式逐步对网络进行训练，并在训练中使用模型融合的方式将较难训练的模型进行分解并进行弱分类模型的训练，并将每部分模型进行融合，得到最终的结果；

所述参数调整用于调整网络各部分参数以达到最优效果，其参数包括：卷积核尺寸、权重和偏差初始化设置、卷积层数量、优化器设置以及学习率初始化设置；

其中所述卷积层数量决定特征表示的维度与网络计算量，卷积层越多特征表示越抽象化，同时计算量也越大，卷积层越少特征表示越接近于原始数据，同时运算量较小。

3.根据权利要求1所述的三维人体骨骼动画自动生成方法，其特征在于，在步骤3中，所述根据动画序列中首尾帧中的人体动作信息进行完成动画序列中的缺失插值帧的自动合成，具体包括：

当给定任意两个动作帧数据时，将给定数据作为一段完整三维人体骨骼动画的首尾帧并自动生成两帧之间缺失的插值帧数据，所使用的方法包括骨骼动画特征提取方法和插值帧自动合成方法。

4.根据权利要求3所述的三维人体骨骼动画自动生成方法，其特征在于，

所述骨骼动画特征提取方法使用卷积自编码网络结构通过编码和解码操作经历一个数据再生成过程，网络的输入数据为完整的骨骼动画序列数据，网络的最终输出为动画序列的再生成数据，网络训练时的优化策略是最小化原始数据与再生成数据间的方差距离，训练好的模型可以通过编码计算实现原始骨骼动画的特征提取。

5.根据权利要求3所述的三维人体骨骼动画自动生成方法，其特征在于，

所述插值帧自动合成方法使用卷积前馈网络与插值运算相结合的方式逐步恢复动作间的变化趋势，最终生成完整的骨骼动画序列，网络层结构上包括使用最近邻插值策略的插值层、卷积层以及激活层。

6.根据权利要求5所述的三维人体骨骼动画自动生成方法，其特征在于，

所述使用最近邻插值策略的插值层，具体包括：最近邻插值策略会对原始数据进行尺寸上的放大，并且会保留原始数据信息，在网络计算中通过逐步经过插值层的计算来满足最终的输出数据格式尺寸；

所述卷积层，将经过插值层的数据进行抽象与扭转，实现到目标输出的拟合；

所述激活层，用于增加网络的非线性，并减少网络参数中的相互依赖关系，缓解了网络的过拟合。