基于关键帧的自定义灯效配置方法及其系统技术方案

一种基于关键帧的自定义灯效配置方法及其系统，其接受用户输入的灯效手绘曲线图像；以所述灯效手绘曲线图像中曲线的起点和终点作为第一关键帧和第二关键帧；以及，基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率。这样，可以对用户输入的手绘曲线图进行基于用户意图揣摩的优化，以提高最终的灯效自定义效果。果。果。

【技术实现步骤摘要】
基于关键帧的自定义灯效配置方法及其系统


[0001]本申请涉及智能化配置
，并且更具体地，涉及一种基于关键帧的自定义灯效配置方法及其系统。

技术介绍

[0002]近年来，市面上比较流行彩色装饰灯具，其内置一些灯光动态变幻的效果，尤其是一些智能型的装饰彩灯，其可通过APP给彩色装饰灯下发控制灯光的命令。但是，现有的装饰彩灯的灯效类型有限，并且，在用户想要自定义灯效时，配置灯效的灵活度不够。
[0003]因此，期待一种优化的自定义灯效配置方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于关键帧的自定义灯效配置方法及其系统，其接受用户输入的灯效手绘曲线图像；以所述灯效手绘曲线图像中曲线的起点和终点作为第一关键帧和第二关键帧；以及，基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率。这样，可以对用户输入的手绘曲线图进行基于用户意图揣摩的优化，以提高最终的灯效自定义效果。
[0005]第一方面，提供了一种基于关键帧的自定义灯效配置方法，其包括：接受用户输入的灯效手绘曲线图像；以所述灯效手绘曲线图像中曲线的起点和终点作为第一关键帧和第二关键帧；以及基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率。
[0006]在上述基于关键帧的自定义灯效配置方法中，基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率，包括：对所述灯效手绘曲线图像进行图像降噪以得到降噪后手绘图像；对所述降噪后手绘曲线图像进行图像分块处理以得到手绘曲线图像块的序列；将所述手绘曲线图像块的序列中的各个手绘曲线图像块分别通过基于卷积神经网络模型的浅层特征提取器以得到多个手绘曲线图像块特征矩阵；将所述多个手绘曲线图像块特征矩阵按照图像分块的位置进行排列以得到手绘曲线图像全局特征矩阵；将所述手绘曲线图像全局特征矩阵通过双向注意力机制以得到优化手绘曲线图像全局特征矩阵；对所述优化手绘曲线图像全局特征矩阵进行类概率密度区分度强化以得到再优化手绘曲线图像全局特征矩阵；将所述再优化手绘曲线图像全局特征矩阵通过解码器以生成优化手绘曲线图像；以及，基于所述优化手绘曲线图像中曲线的形状，确定所述从所述第一关键帧到所述第二关键帧的插值变化曲率。
[0007]在上述基于关键帧的自定义灯效配置方法中，对所述灯效手绘曲线图像进行图像降噪以得到降噪后手绘图像，包括：对所述灯效手绘曲线图像进行双线性滤波以得到所述降噪后手绘图像。
[0008]在上述基于关键帧的自定义灯效配置方法中，对所述降噪后手绘曲线图像进行图
像分块处理以得到手绘曲线图像块的序列，包括：对所述降噪后手绘曲线图像进行图像块均匀划分以得到所述手绘曲线图像块的序列，其中，所述手绘曲线图像块的序列中各个手绘曲线图像块具有相同的尺寸。
[0009]在上述基于关键帧的自定义灯效配置方法中，将所述手绘曲线图像块的序列中的各个手绘曲线图像块分别通过基于卷积神经网络模型的浅层特征提取器以得到多个手绘曲线图像块特征矩阵，包括：使用所述基于卷积神经网络模型的浅层特征提取器的各层在层的正向传递中分别对输入数据进行卷积处理、池化处理和非线性激活处理以从所述基于卷积神经网络模型的浅层特征提取器的浅层输出为所述多个手绘曲线图像块特征矩阵。
[0010]在上述基于关键帧的自定义灯效配置方法中，所述基于卷积神经网络模型的浅层特征提取器包含3
‑
5个卷积层。
[0011]在上述基于关键帧的自定义灯效配置方法中，将所述手绘曲线图像全局特征矩阵通过双向注意力机制以得到优化手绘曲线图像全局特征矩阵，包括：将所述手绘曲线图像全局特征矩阵分别沿着水平方向和垂直方向进行池化以得到第一向池化向量和第二向池化向量；对所述第一向池化向量和所述第二向池化向量进行关联编码以得到双向关联矩阵；将所述双向关联矩阵输入Sigmoid激活函数以得到双向关联权重矩阵；以及，计算所述双向关联权重矩阵和所述手绘曲线图像全局特征矩阵之间的按位置点乘以得到所述优化手绘曲线图像全局特征矩阵。
[0012]在上述基于关键帧的自定义灯效配置方法中，对所述优化手绘曲线图像全局特征矩阵进行类概率密度区分度强化以得到再优化手绘曲线图像全局特征矩阵，包括：以如下优化公式对所述优化手绘曲线图像全局特征矩阵进行类概率密度区分度强化以得到再优化手绘曲线图像全局特征矩阵；其中，所述优化公式为：其中，和是所述优化手绘曲线图像全局特征矩阵中各个位置的特征值集合的均值和标准差，是所述优化手绘曲线图像全局特征矩阵的第位置的特征值，且 是所述再优化手绘曲线图像全局特征矩阵的第位置的特征值。
[0013]在上述基于关键帧的自定义灯效配置方法中，所述解码器包括多个反卷积层。
[0014]第二方面，提供了一种基于关键帧的自定义灯效配置系统，其包括：图像接受模块，用于接受用户输入的灯效手绘曲线图像；关键帧生成模块，用于以所述灯效手绘曲线图像中曲线的起点和终点作为第一关键帧和第二关键帧；以及插值变化曲率生成模块，用于基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率。
[0015]与现有技术相比，本申请提供的基于关键帧的自定义灯效配置方法及其系统，其接受用户输入的灯效手绘曲线图像；以所述灯效手绘曲线图像中曲线的起点和终点作为第一关键帧和第二关键帧；以及，基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率。这样，可以对用户输入的手绘曲线图进行基于用户意图揣摩的优化，以提高最终的灯效自定义效果。
附图说明
[0016]为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为根据本申请实施例的直线插值变化速率图。
[0018]图2为根据本申请实施例的曲线插值变化速率图。
[0019]图3为根据本申请实施例的折线插值变化速率图。
[0020]图4为根据本申请实施例的自定义插值变化速率图。
[0021]图5为根据本申请实施例的基于关键帧的自定义灯效配置方法的场景示意图。
[0022]图6为根据本申请实施例的基于关键帧的自定义灯效配置方法的流程图。
[0023]图7为根据本申请实施例的基于关键帧的自定义灯效配置方法中步骤130的子步骤的流程图。
[0024]图8为根据本申请实施例的基于关键帧的自定义灯效配置方法中步骤130的架构示意图。
[0025]图9为根据本申请实施例的基于关键帧的自定义灯效配置方法中步骤135的子步骤的流程图。
[0026]图10为根据本申请实施例的基于关键帧的自定义灯效配置系统的框图。...

【技术保护点】

【技术特征摘要】
1.一种基于关键帧的自定义灯效配置方法，其特征在于，包括：接受用户输入的灯效手绘曲线图像；以所述灯效手绘曲线图像中曲线的起点和终点作为第一关键帧和第二关键帧；以及基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率。2.根据权利要求1所述的基于关键帧的自定义灯效配置方法，其特征在于，基于所述灯效手绘曲线图像中曲线的形状，确定从所述第一关键帧到所述第二关键帧的插值变化曲率，包括：对所述灯效手绘曲线图像进行图像降噪以得到降噪后手绘图像；对所述降噪后手绘曲线图像进行图像分块处理以得到手绘曲线图像块的序列；将所述手绘曲线图像块的序列中的各个手绘曲线图像块分别通过基于卷积神经网络模型的浅层特征提取器以得到多个手绘曲线图像块特征矩阵；将所述多个手绘曲线图像块特征矩阵按照图像分块的位置进行排列以得到手绘曲线图像全局特征矩阵；将所述手绘曲线图像全局特征矩阵通过双向注意力机制以得到优化手绘曲线图像全局特征矩阵；对所述优化手绘曲线图像全局特征矩阵进行类概率密度区分度强化以得到再优化手绘曲线图像全局特征矩阵；将所述再优化手绘曲线图像全局特征矩阵通过解码器以生成优化手绘曲线图像；以及基于所述优化手绘曲线图像中曲线的形状，确定所述从所述第一关键帧到所述第二关键帧的插值变化曲率。3.根据权利要求2所述的基于关键帧的自定义灯效配置方法，其特征在于，对所述灯效手绘曲线图像进行图像降噪以得到降噪后手绘图像，包括：对所述灯效手绘曲线图像进行双线性滤波以得到所述降噪后手绘图像。4.根据权利要求3所述的基于关键帧的自定义灯效配置方法，其特征在于，对所述降噪后手绘曲线图像进行图像分块处理以得到手绘曲线图像块的序列，包括：对所述降噪后手绘曲线图像进行图像块均匀划分以得到所述手绘曲线图像块的序列，其中，所述手绘曲线图像块的序列中各个手绘曲线图像块具有相同的尺寸。5.根据权利要求4所述的基于关键帧的自定义灯效配置方法，其特征在于，将所述手绘曲线图像块的序列中的各个手绘曲线图像块分别通过基于卷积神经网络模型的浅层特征提取器以得到多个手绘曲线图像块特征矩阵，包括：使用所述基于卷积...

【专利技术属性】
技术研发人员：任天游，赵春生，
申请(专利权)人：杭州行至云起科技有限公司，
类型：发明
国别省市：