一种计算机系统、方法及介质技术方案

本发明专利技术涉及动漫制作技术领域，公开了一种计算机系统，包括：帧图像抽取模块，其用于从三维动画视频中抽取帧图像；人物识别模块，其用于从帧图像中识别人物和获取人物姿态数据；关键帧提取模块，其用于从帧图像中筛选获得关键帧序列；姿态序列校正模块，其首先将第一人物对应的关键帧序列提取，然后为关键帧进行标记；参考序列校正模块，其用于对第三人物的关键帧序列的关键帧进行标记；关键帧序列合成模块，其用于提取参考关键帧序列；将每个参考关键帧序列分别与第一人物的关键帧序列进行合成；本发明专利技术能够基于图像处理和数据挖掘来对3D动漫进行2D化过程中需要进行手绘的关键帧进行参考图像的映射，为手绘人员提供较高匹配度的参考。的参考。的参考。

【技术实现步骤摘要】
一种计算机系统、方法及介质


[0001]本专利技术涉及动漫制作
，更具体地说，它涉及一种计算机系统。

技术介绍

[0002]3D动漫进行2D化的过程中除了通过深度学习对图像进行边缘处理和色彩处理，如果想要体现2D动漫的风格还需要替换部分帧图像为基于手绘关键帧来生成的帧图像，这就需要手绘人员能够在真实动作之间绘制超现实人物动作的能力，对于手绘人员的艺术创作能力要求较高。

技术实现思路

[0003]本专利技术提供一种计算机系统，解决相关技术中XXXXX的技术问题。
[0004]本专利技术提供了一种计算机系统，包括：
[0005]帧图像抽取模块，其用于从三维动画视频中抽取第一帧图像，从二维动画视频中抽取第二帧图像；人物识别模块，其用于从帧图像中识别人物和获取人物姿态数据；人物的信息包括人物的性别，人物姿态数据包括人物姿态参数；人物匹配模块，其用于选择从第一帧图像中提取的一个第一人物，然后匹配一个从第二帧图像中提取的一个第二人物，第一人物与第二人物的信息相同，匹配的第二人物标记为第三人物；关键帧提取模块，其用于从帧图像中筛选获得关键帧序列；
[0006]姿态序列校正模块，其首先将第一人物对应的关键帧序列提取，然后为关键帧进行标记，对于需要进行重绘的关键帧的标记值为0，其余关键帧的标记值为1；
[0007]参考序列校正模块，其用于提取第三人物对应的关键帧序列，然后对第三人物的关键帧序列的关键帧进行标记；
[0008]关键帧序列合成模块，其用于计算第一人物和第二人物的关键帧序列的参照距离，提取与第一人物的关键帧序列的参照距离最小的前N个第二人物的关键帧序列作为参考关键帧序列；将每个参考关键帧序列分别与第一人物的关键帧序列进行合成。
[0009]进一步地，从帧图像中筛选获得关键帧的方法包括：
[0010]步骤101，从每个帧图像中提取选定的人物的人物姿态参数，生成人物姿态序列，人物姿态序列的每个单元包括一个帧图像中选定的人物的人物姿态参数；
[0011]步骤102，从人物姿态序列的序列单元开始向后遍历，直至遍历的序列单元与遍历开始的序列单元之间的第一相似度小于设定的第一相似度阈值；标记遍历终止的序列单元为第一序列单元；
[0012]步骤103，迭代执行步骤102直至人物姿态序列的所有序列单元被遍历，第一次执行时从人物姿态序列的第一个序列单元开始遍历，后面的每次执行都以前一次生成的第一序列单元开始向后遍历；
[0013]步骤104，将生成的所有第一序列单元提取生成第一人物姿态序列；
[0014]步骤105，提取第一序列单元的人物姿态参数来源的帧图像作为关键帧，并将关键
帧按照时间点进行排序生成关键帧序列。
[0015]进一步地，第一相似度的计算公式如下：
[0016]其中k为人体骨架模型的肢体数量，θ
i1
为一个人物姿态序列的序列单元的人物姿态参数的第i个肢体与标准姿态模型中第i个肢体的夹角；θ
i2
为另一个人物姿态序列的序列单元的人物姿态参数的第i个肢体与标准姿态模型中第i个肢体的夹角。
[0017]进一步地，对第三人物的关键帧序列的关键帧标记的方法包括：
[0018]定义二维随机场，二维随机场的节点集合表示为V，节点之间的边的集合表示为E；
[0019]该二维随机场的能量函数为：
[0020]其中X为节点集合，θ
p
(x
p
)为节点p的势函数，θ
pq
(x
p
,x
q
)为节点p与q之间的边的势函数，x
p
为节点p映射的图像节点的标记值，x
q
为节点q映射的关键帧序列的标记值；标记值为0表示关键帧对应的人物姿态参数与真实人物偏差较大；标记值为1表示关键帧对应的人物姿态参数接近真实人物；
[0021]其中，
[0022]simila
p,q
表示x
p
与x
q
映射的关键帧映射的人物姿态参数的第二相似度；
[0023]其中，
[0024]S1为设定的移动熵阈值，S(x
p
)为x
p
映射的关键帧的移动熵，计算公式如下：
[0025]S(x
p
)＝∑
c∈K
cosθ
c1,c2
，其中K为人体骨架模型的肢体的集合，其中θ
c1,c2
表示x
p
映射的关键帧的人物姿态参数第c个肢体与标准姿态模型中第c个肢体的夹角；
[0026]计算能量函数最小化时，二维随机场的各个节点的标记值作为关键帧序列的关键帧的标记值。
[0027]进一步地，第二相似度的计算公式如下：
[0028]其中，其中k为人体骨架模型的肢体数量，θ
ip
为一个人物姿态参数的第i个肢体与标准姿态模型中第i个肢体的夹角；θ
iq
为另一个人物姿态参数的第i个肢体与标准姿态模型中第i个肢体的夹角。
[0029]进一步地，关键帧序列合成模块包括：
[0030]距离矩阵生成模块，建立m
×
n的距离矩阵，距离矩阵的第i行第j列的元素表示为d(i，j)；
[0031]d(i，j)的取值为d
ij
，d
ij
表示关键帧序列Q的第i个关键帧和关键帧序列C的第j个关键帧的第二距离或第三距离；
[0032]第一距离计算模块，其计算第二距离填入距离矩阵，然后在距离矩阵上生成从第1行第1列的元素到第m行第n列的元素的路径K，对路径K上的距离矩阵的元素的值求和作为路径距离值，选择路径距离值最小的路径K作为最短路径，将最短路径的路径距离值作为第一距离dist1；
[0033]第四距离计算模块，其计算第三距离填入距离矩阵，然后在距离矩阵上生成从第1行第1列的元素到第m行第n列的元素的路径K，对路径K上的距离矩阵的元素的值求和作为路径距离值，选择路径距离值最小的路径K作为最短路径，将最短路径的路径距离值作为第四距离dist4；
[0034]参照距离计算模块，其基于第一距离和第四距离计算参照距离，参照距离dist
c
的计算公式如下：
[0035][0036]其中t为两个关键帧序列的关键帧数量的最大值，k为人体骨架模型的肢体数量；
[0037]合成模块，其用于将第一人物的关键帧序列和参考关键帧序列的标记为0的关键帧进行映射，建立映射关系的两个关键帧的第三距离小于设定的第三距离阈值。
[0038]进一步地，第二距离dist2的计算公式如下：
[0039]dist2＝|Q
i
‑
C
j
|，其中Q
i
为关键帧序列Q的第i个关键帧的标记值，C
j
为关键本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机系统，其特征在于，包括：帧图像抽取模块，其用于从三维动画视频中抽取第一帧图像，从二维动画视频中抽取第二帧图像；人物识别模块，其用于从帧图像中识别人物和获取人物姿态数据；人物的信息包括人物的性别，人物姿态数据包括人物姿态参数；人物匹配模块，其用于选择从第一帧图像中提取的一个第一人物，然后匹配一个从第二帧图像中提取的一个第二人物，第一人物与第二人物的信息相同，匹配的第二人物标记为第三人物；关键帧提取模块，其用于从帧图像中筛选获得关键帧序列；姿态序列校正模块，其首先将第一人物对应的关键帧序列提取，然后为关键帧进行标记，对于需要进行重绘的关键帧的标记值为0，其余关键帧的标记值为1；参考序列校正模块，其用于提取第三人物对应的关键帧序列，然后对第三人物的关键帧序列的关键帧进行标记；关键帧序列合成模块，其用于计算第一人物和第二人物的关键帧序列的参照距离，提取与第一人物的关键帧序列的参照距离最小的前N个第二人物的关键帧序列作为参考关键帧序列；将每个参考关键帧序列分别与第一人物的关键帧序列进行合成。2.根据权利要求1所述的一种计算机系统，其特征在于，从帧图像中筛选获得关键帧的方法包括：步骤101，从每个帧图像中提取选定的人物的人物姿态参数，生成人物姿态序列，人物姿态序列的每个单元包括一个帧图像中选定的人物的人物姿态参数；步骤102，从人物姿态序列的序列单元开始向后遍历，直至遍历的序列单元与遍历开始的序列单元之间的第一相似度小于设定的第一相似度阈值；标记遍历终止的序列单元为第一序列单元；步骤103，迭代执行步骤102直至人物姿态序列的所有序列单元被遍历，第一次执行时从人物姿态序列的第一个序列单元开始遍历，后面的每次执行都以前一次生成的第一序列单元开始向后遍历；步骤104，将生成的所有第一序列单元提取生成第一人物姿态序列；步骤105，提取第一序列单元的人物姿态参数来源的帧图像作为关键帧，并将关键帧按照时间点进行排序生成关键帧序列。3.根据权利要求2所述的一种计算机系统，其特征在于，第一相似度的计算公式如下：其中k为人体骨架模型的肢体数量，θ
i1
为一个人物姿态序列的序列单元的人物姿态参数的第i个肢体与标准姿态模型中第i个肢体的夹角；θ
i2
为另一个人物姿态序列的序列单元的人物姿态参数的第i个肢体与标准姿态模型中第i个肢体的夹角。4.根据权利要求1所述的一种计算机系统，其特征在于，对第三人物的关键帧序列的关键帧标记的方法包括：定义二维随机场，二维随机场的节点集合表示为V，节点之间的边的集合表示为E；该二维随机场的能量函数为：其中X为节点集合，θ
p
x
p
为节点p的势函数，θ
pq
x
p
,x
q
为节点p与q之间的边的势函数，x
p
为节点p映射的图像节点的标记值，x
q
为节点q映射
的关键帧序列的标记值；标记值为0表示关键帧对应的人物姿态参数与真实人物偏差较大；标记值为1表示关键帧对应的人物姿态参数接近真实人物；其中，simila
p,q
表示x
p
与x
q
映射的关键帧映射的人物姿态参数的第二相似度；其中，S1为设定的移动熵阈值，Sx
p
为x
p
映射的关键帧的移动熵，计算公式如下：Sx
p
＝∑
c∈K
cosθ
c1,c2
，其中K为人体骨...

【专利技术属性】
技术研发人员：张刘灿，丁佳伟，黄鹏，于秋燕，张翔，戚欠礼，明小凯，
申请(专利权)人：杭州若夕企业管理有限公司，
类型：发明
国别省市：