一种基于人工智能的剧本大纲创作系统技术方案

本发明专利技术提供一种基于人工智能的剧本大纲创作系统，其中包括：信息识别模块是通过卷积神经网络对图片中的人物信息

【技术实现步骤摘要】
一种基于人工智能的剧本大纲创作系统


[0001]本专利技术属于剧本大纲创作领域，具体涉及一种基于人工智能的剧本大纲创作系统
。

技术介绍

[0002]剧本大纲是剧本创作初期的简要提纲，是故事情节的简要概述，对于后期的剧本创作有指导作用
。
创作者会在剧本大纲的基础上进行进一步的细化，将故事框架完善成包含场景
、
动作
、
台词等丰富细节的剧本创作
。
剧本大纲的撰写主要有人工和半人工两种形式
。
传统的人工方式通常是创作者被自己经历或听说的事情触动产生的想法，这一过程依靠的是创作者的灵感和想法萌发
。
半人工的方式是通过预先搜集的故事使用一定算法进行拼凑组成的，关注的是文字层面的语言组织
。
[0003]专利：
CN112464060A
，公开了一种基于维纳定律的辅助剧本编写的方法和系统，以维纳定律中赛博链的运作原理为基础，结合剧本创作工作中情节
、
场景
、
人物
、
逻辑
、
目标等要素的分类与联结的方式方法，运用计算机领域的相关知识和工具有效处理剧本制作工作中的各种信息得到相应的剧本雏形
。
该专利的辅助方式关注的仍是文字的形式，还是需要创作者的大量参与
。
[0004]现有技术的缺点是人工或半人工的剧本大纲编写方式存在着效率低和潜在侵权风险的问题
。
人工剧本大纲编写的关键在于创作者自身的写作状态，难以保证创作的稳定性
。
而现有半人工的方式需要存储大量的故事素材，在他人故事的基础上进行创作，可能存在侵权的潜在风险
。
[0005]本专利技术要解决的技术问题是提供一种基于人工智能的剧本大纲创作系统，通过对输入的一系列图片进行提取和分析产生相对应的剧本大纲，从而辅助创作者进行创作或者为他们提供创作灵感
。

技术实现思路

[0006]本专利技术通过卷积神经网络对图片进行初步分析和深入分析识别其中的相关信息，再通过循环神经网络对图片的相关信息进行词语编码，最后基于上述工作基础进行解码输出剧本大纲的故事类型
、
故事摘要
、
人物小传和故事简介
。
具体分为以下几个模块：
[0007]信息识别模块是通过卷积神经网络对图片中的人物信息
、
物体信息和背景信息及其属性进行识别的初步分析；
[0008]综合分析模块是对剧本大纲的故事类型
、
主角和配角及其利害关系的深入分析；
[0009]结果输出模块是通过循环神经网络先对图片分析的相关信息进行词语编码，再对相关词语进行解码输出剧本大纲
。
[0010]进一步的，所述图片信息初步分析方法的具体过程为：
[0011]首先对用户输入的图片进行预处理，再通过卷积神经网络对图片中的人物信息
、
物体信息和背景信息及其属性进行识别
。
[0012]具体的，输入图片预处理的方法为：
[0013]对输入图片进行光线补偿
、
灰度变换
、
直方图均衡化
、
归一化
、
几何校正
、
滤波以及锐化的预处理
。
[0014]具体的，图片中人物信息识别的方法为：
[0015]识别图片中的人物及其相关信息
。
首先对图片进行人脸检测确定人物数量，再进行人脸识别对图片中的每个人物及其相关信息进行分析，其中相关信息包括该人物的性别
、
年龄
、
脸型
、
眼型
、
鼻型
、
嘴型
、
表情和动作，并将每个人物及其相关信息录入到相应图片的相关信息库
。
[0016]具体的，图片中物体信息识别的方法为：
[0017]识别图片中物体及其相关信息
。
首先对图片进行物体识别，再对图片中的每个物体及其相关信息进行分析，其中相关信息包括该物体的形状
、
颜色
、
纹理以及位置关系，并将每个物体及其相关信息录入到相应图片的相关信息库
。
[0018]具体的，图片中背景信息识别的方法为：
[0019]识别图片背景及其相关信息
。
首先对图片进行背景识别，再对图片背景的相关信息进行分析，其中相关信息包括场景
、
时刻和时间，并将每个物体及其相关信息录入到相应图片的相关信息库
。
[0020]进一步的，所述图片信息深入分析的具体过程为：
[0021]首先对剧本大纲的角色分配进行分析，再对剧本大纲所属类型进行分析，然后根据角色分配和剧本类型确定主角和配角，最后对剧本大纲的角色间利害关系进行分析
。
[0022]具体的，剧本大纲角色分配分析的方法为：
[0023]首先根据每张图片中人物的性别
、
年龄
、
眼型
、
鼻型
、
嘴型和脸型将同一个人物的相关信息库进行合并，确定故事中出现的人物数量
。
然后根据每个人物出现次数的统计结果从高到低进行排序，其中出现次数排在前两位的男性角色和排在前两位的女性角色作为主角和主要配角的候选人物
(
如果候选人物出现次数一致时，进一步筛选他们出现的图片，优先选择更多处于图片中心位置的角色
)
，对出现次数和用户输入图片总数的比例不足
30
％的人物忽略不计，其余人物定义为次要配角
。
[0024]具体的，剧本大纲所属类型分析的方法为：
[0025]根据图片信息初步分析的结果，对于所有图片的人物信息
、
物体信息和背景信息等符合某种故事类型条件且出现频率大于
50
％的判定为该故事类型
。
[0026]具体的，剧本大纲主角和配角确定的方法为：
[0027]根据剧本大纲所属类型的分析结果，从不同故事类型的角度进行进一步分析，由所属类型的特点确定剧本大纲的主角和配角
。
[0028]具体的，剧本大纲角色利害关系分析的方法为：
[0029]对主角与其他角色共同出现的图片相关信息库进行分析，判断两个角色之间的利害关系
。
如果两个角色之间的表情和动作信息存在愤怒和厌恶等负面情绪或是吵架和打架等争执性动作且其出现频率大于
50
％，则判断为敌对关系；反之则判断为朋友关系
。
[0030]进一步的，所述剧本大纲结果输出的具体过程为：
[0031]首先通过循环神经网络先对图片分析的相关信息进行词语编码，再对相关词语进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的剧本大纲创作系统，其特征在于，包括：信息识别模块是通过卷积神经网络对图片中的人物信息
、
物体信息和背景信息及其属性进行识别的初步分析；综合分析模块是对剧本大纲的故事类型
、
主角和配角及其利害关系的深入分析；结果输出模块是通过循环神经网络先对图片分析的相关信息进行词语编码，再对相关词语进行解码输出剧本大纲
。2.
根据权利要求1中所述的基于人工智能的剧本大纲创作系统，其特征在于，所述图片信息初步分析的方法，包括：首先对用户输入的图片进行光线补偿
、
灰度变换
、
直方图均衡化
、
归一化
、
几何校正
、
滤波以及锐化等预处理，再通过卷积神经网络对图片中的人物信息
、
物体信息和背景信息及其属性进行识别
。3.
根据权利要求2中所述的图片信息初步分析方法，其特征在于，所述图片信息识别的方法，包括：识别图片中的人物及其相关信息
。
首先对图片进行人脸检测确定人物数量，再进行人脸识别对图片中的每个人物及其相关信息进行分析，其中相关信息包括该人物的性别
、
年龄
、
脸型
、
眼型
、
鼻型
、
嘴型
、
表情和动作，并将每个人物及其相关信息录入到相应图片的相关信息库
。
识别图片中物体及其相关信息
。
首先对图片进行物体识别，再对图片中的每个物体及其相关信息进行分析，其中相关信息包括该物体的形状
、
颜色
、
纹理以及位置关系，并将每个物体及其相关信息录入到相应图片的相关信息库
。
识别图片背景及其相关信息
。
首先对图片进行背景识别，再对图片背景的相关信息进行分析，其中相关信息包括场景
、
时刻和时间，并将每个物体及其相关信息录入到相应图片的相关信息库
。4.
根据权利要求1中所述的基于人工智能的剧本大纲创作系统，其特征在于，所述图片信息深入分析的方法，包括：首先对剧本大纲的角色分配进行分析，再对剧本大纲所属类型进行分析，然后根据角色分配和剧本类型确定主角和配角，最后对剧本大纲的角色间利害关系进行分析
。5.
根据权利要求4中所述的图片信息深入分析，其特征在于，所述剧本大纲故事类型
、
主角和配角及其利害关系分析的方法，包括：分析剧本大纲的角色分配
。
首先根据每张图片中人物的性别
、
年龄
、
眼型
、
鼻型
、
嘴型和脸型将同一个人物的相关信息库进行合并，确定故事中出现的人物数量
。
然后根据每个人物出现次数的统计结果从高到低进行排序，其中出现次数排在前两位的男性角色和排在前两位的女性角色作为主角和主要配角的候选人物
(
如果候选人物出现次数一致时，进一步筛选他们出现的图片，优先选择更多处于图片中心位置的角色
)
，对出现次数与用户输入图片总数比例不足
30
％的人物忽略不计，其余人物定义为次要配角
。
分析剧本大纲所属的类型
。
根据图片信息初步分析的结果，对于所有图片的人物信息
、
物体信息和背景信息等符合某种故事类型条件且出现频率大于
50
％的判定为该故事类型
。
分析剧本大纲的主角和配角
。
根据剧本大纲所属类型的分析结果...

【专利技术属性】
技术研发人员：吴蕾，刘海军，张仲广，张现丰，雷婷婷，
申请(专利权)人：北京华录新媒信息技术有限公司，
类型：发明
国别省市：