运动序列生成方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例公开一种运动序列生成方法、装置、电子设备和存储介质；包括：获取源运动序列，并对源运动序列进行第一特征提取处理，得到内容特征；获取目标视频，并对目标视频内的目标运动对象进行关键点提取，得到目标运动序列；对目标运动序列进行第二特征提取处理，得到目标风格特征；基于目标风格特征对内容特征进行风格迁移处理，得到重组运动序列，其中，重组运动序列对应的运动内容与源运动序列一致，重组运动序列对应的运动风格与目标运动序列一致。本申请实施例可以从视频中提取运动风格，并将提取到的运动风格赋予源运动对象的运动内容，无需依赖风格标签便能实现多种多样的运动风格的赋予，因此泛化性较强、适用范围较广。广。广。

【技术实现步骤摘要】
运动序列生成方法、装置、电子设备和存储介质


[0001]本申请涉及计算机领域，具体涉及一种运动序列生成方法、装置、电子设备和存储介质。

技术介绍

[0002]在创建虚拟角色的过程中，为了更鲜明地体现虚拟角色的个性，对于不同的虚拟角色，往往会依据该虚拟角色的人物特点，设计相应的运动风格；例如：性格活泼的虚拟角色与性格沉稳的虚拟角色相比，走路的风格便是不同的。因此，对于同样的运动内容，往往需要设计多种运动风格，以满足多个虚拟角色的各自使用。
[0003]现有技术中，在为某一运动内容赋予运动风格时，往往通过表征运动风格的风格标签作为约束条件来实现。然而，风格标签的数量较为有限，依赖风格标签进行运动风格的赋予，往往只能实现有限数量的运动风格的赋予，泛化性较差、适用范围较小。

技术实现思路

[0004]本申请实施例提供一种运动序列生成方法、装置、电子设备和存储介质，可以改善现有技术中对运动内容赋予运动风格的过程泛化性较差、适用范围较小的问题。
[0005]本申请实施例提供一种运动序列生成方法，该方法包括：获取源运动序列，并本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动序列生成方法，其特征在于，所述方法包括：获取源运动序列，并对源运动序列进行第一特征提取处理，得到内容特征，其中，所述源运动序列包括源运动对象在多个时刻的运动动作；所述内容特征为表示所述源运动对象的运动内容的特征；获取目标视频，并对所述目标视频内的目标运动对象进行关键点提取，得到目标运动序列，其中，所述目标运动序列包括所述目标运动对象在多帧图像的运动动作，且所述多帧图像按照时间顺序排列；对所述目标运动序列进行第二特征提取处理，得到目标风格特征，其中，所述目标风格特征为反映所述目标运动对象的运动风格的特征；基于所述目标风格特征对所述内容特征进行风格迁移处理，得到重组运动序列，其中，所述重组运动序列对应的运动内容与所述源运动序列对应的运动内容一致，所述重组运动序列对应的运动风格与所述目标运动序列对应的运动风格一致。2.如权利要求1所述的方法，其特征在于，所述源运动序列为三维运动序列；所述源运动序列中的运动动作通过所述源运动对象的骨骼的运动状态表现；所述对源运动序列进行第一特征提取处理，得到内容特征，包括：获取所述源运动对象的骨骼相对于第一预设节点的第一旋转角；获取所述源运动对象的关节点相对于所述第一预设节点的第一坐标值，其中，所述关节点位于所述源运动对象的相邻两个骨骼的连接位置；对所述第一旋转角和所述第一坐标值进行下采样处理，得到内容特征。3.如权利要求1所述的方法，其特征在于，所述目标运动序列为二维运动序列；所述目标运动序列中的运动动作通过所述目标运动对象的骨骼的运动状态表现；所述对所述目标运动序列进行第二特征提取处理，得到目标风格特征，包括：获取所述目标运动对象的关节点相对于第二预设节点的第二坐标值，其中，所述关节点位于所述目标运动对象的相邻两个骨骼的连接位置；对所述第二坐标值进行下采样处理，得到下采样结果；对所述下采样结果依次进行池化处理和全连接处理，得到所述目标风格特征。4.如权利要求1所述的方法，其特征在于，所述运动序列包括如下的一种或多种：运动对象在奔跑状态的多个时刻的运动动作组成的序列，运动对象在跳跃状态的多个时刻的运动动作组成的序列，运动对象在游泳状态的多个时刻的运动动作组成的序列，运动对象在跳舞状态的多个时刻的运动动作组成的序列。5.如权利要求1所述的方法，其特征在于，所述基于所述目标风格特征对所述内容特征进行风格迁移处理，得到重组运动序列，包括：对所述目标风格特征依次进行预设数量次全连接处理，得到概括特征；基于所述概括特征，对所述内容特征进行上采样处理，得到重组运动序列。6.如权利要求5所述的方法，其特征在于，所述运动序列生成方法应用于训练后运动序列生成网络，所述训练后运动序列生成网络包括内容编码器、二维风格编码器、多层感知机以及解码器；所述对源运动序列进行第一特征提取处理，得到内容特征，包括：利用所述内容编码器对所述源运动序列进行第一特征提取处理，得到内容特征；
所述对所述目标运动序列进行第二特征提取处理，得到目标风格特征，包括：利用所述二维风格编码器对所述目标运动序列进行第二特征提取处理，得到目标风格特征；所述对所述目标风格特征依次进行预设数量次全连接处理，得到所述概括特征，包括：利用所述多层感知机对所述目标风格特征依次进行预设数量次全连接处理，得到所述概括特征；所述基于所述概括特征，对所述内容特征进行上采样处理，得到重组运动序列，包括：利用所述解码器基于所述概括特征，对所述内容特征进行上采样处理，得到重组运动序列。7.如权利要求6所述的方法，其特征在于，在所述获取源运动序列之前，所述方法还包括：利用训练源三维运动序列以及参考运动序列对运动序列生成网络进行训练，得到所述训练后运动序列生成网络。8.如权利要求7所述的方法，其特征在于，所述利用训练源三维运动序列以及参考运动序列对运动序列生成网络进行训练，得到所述训练后运动序列生成网络，包括：利用所述运动序列生成网络的内容编码器对所述训练源三维运动序列进行特征提取处理，得到训练内容特征；利用所述运动序列生成网络的风格编码器以及多层感知机对所述训练源三维运动序列进行特征提取处理，得到训练概括特征；利用所述运动序列生成网络的解码器基于所述训练概括特征对所述训练内容特征进行上采样处理，得到训练重组三维运动序列；利用所述运动序列生成网络的三维风格编码器以及多层感知机对所述参考运动序列进行特征提取处理，得到参考概括特征；利用所述运动序列生成网络的解码器基于所述参考概括特征对所述训练内容...

【专利技术属性】
技术研发人员：钟磊，翁俊武，张勇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：