【技术实现步骤摘要】
本专利技术涉及动画角色捕捉，特别涉及基于人工智能的动画角色动作捕捉系统。
技术介绍
1、动画角色动作捕捉技术作为实现逼真动画效果的关键手段，已经被广泛应用于电影、游戏、虚拟现实等领域。
2、而现有技术中的动画角色动作捕捉系统还存在以下不足：
3、通过训练神经网络模型学习动作特征与动画角色动作之间的映射关系，从而实现对动作的自动捕捉和合成，上述虽然完成了对动作的自动捕捉和合成，但没有对合成效果进行综合评估，确保选取最佳神经网络模型进行应用，导致动画产品的质量和制作效率得不到保证；
4、大多通过传统的加密方式对合成动作数据进行加密，导致被恶意攻击的风险较高。
5、为此，推出基于人工智能的动画角色动作捕捉系统。
技术实现思路
1、有鉴于此，本专利技术提供基于人工智能的动画角色动作捕捉系统，以解决上述
技术介绍
提出的问题。
2、本专利技术的目的可以通过以下技术方案实现：基于人工智能的动画角色动作捕捉系统，包括：
3、动作数据采集模块：用于捕捉目标人物的动作数据并发送至人工智能处理模块；
4、人工智能处理模块：包括有数据预处理单元、特征提取单元以及神经网络训练单元；
5、数据预处理单元用于接收目标人物的动作数据，并进行预处理；
6、特征提取单元用于从动作数据中提取关键特征；
7、神经网络训练单元用于训练各组神经网络模型，学习动作特征与动画角色动作之间的映射关系，由此生成各组神
8、动作合成模块：将神经网络训练单元生成的各组动作模型应用到动画角色上，实现动作的合成，并对各组合成的动作进行效果的评估，基于效果评估的结果选取最佳神经网络模型进行应用；
9、附加模块：包括有数据存储管理单元和硬件接口单元；
10、数据存储管理单元用于对存储的动作数据基于生成时间点进行分类后，创建对应时间点的动作数据包，压缩动作数据包后再根据预设的加密规则对压缩的动作数据包进行加密，并提供数据检索和管理功能；
11、硬件接口单元用于与各种动作捕捉硬件设备进行通信，确保数据的准确传输；
12、用户交互模块：提供操作界面，允许用户输入指令、调整参数、预览动作效果。
13、在一些实施例中，对各组合成的动作进行效果的评估，具体为：
14、确定评估动作效果的相关指标，相关指标包括准确性、流畅性、逼真度以及专家评估。
15、在一些实施例中，对各组合成的动作进行效果的评估，具体为：
16、从目标人物的原始动作和合成动作中提取关键点；
17、对于每个提取的关键点，计算其在三维空间中的角度；
18、利用均方误差计算目标人物原始动作和合成动作之间的角度误差；
19、对于每个时间点，计算原始动作和合成动作各关键点之间的角度误差；随后累加每个时间点原始动作和合成动作的角度误差，以获得对应关键点在整个动作序列中的总误差；
20、预设不同关键点的权重系数，将不同关键单的总误差分别与对应的权重系数相乘，然后求和得到动作效果的准确性指数za；
21、计算各关键点的速度曲线，即关键点位置对时间的导数，计算关键点的加速度曲线，即速度对时间的导数，平滑速度和加速度曲线后，检测速度和加速度曲线的导数中的突变点；统计突变点的数量，并计算突变点在时间序列中的密度；
22、预设突变点数量和突变点密度所对应的权重系数，将突变点数量和突变点密度分别与对应的权重系数相乘，然后求和得到动作效果的流畅性指数zb。
23、在一些实施例中，对各组合成的动作进行效果的评估，还包括：
24、确保目标人物原始动作和合成动作数据在时间序列上对齐，对齐后从各关键点数据中构建特征向量；选择相似度度量方法，对每对原始动作和合成动作的关键点特征向量计算相似度；
25、并基于预设的转化规则对每对原始动作和合成动作的关键点特征向量相似度进行评分的转化；预设各关键点特征向量相似度的各组取值范围，设定各关键点特征向量相似度的每组取值范围对应一个评分，将每对原始动作和合成动作的关键点特征向量相似度与对应的各组取值范围进行匹配，从而得到每个关键点相似度评分；
26、对所有关键点的相似度评分进行均值的计算，得到动作效果的逼真度指数zc。
27、在一些实施例中，对各组合成的动作进行效果的评估，具体为：
28、将目标人物的合成动作发送统一的平台上，并向平台上的各位动作捕捉专家对应账号发送审查信令；
29、各位动作捕捉专家接收审查信令后对合成动作进行评估，对合成动作效果进行评分；
30、评分完成后基于各位专家的权威估值qw，得到各位专家评分所对应的影响系数；随后将各位专家的评分与对应的影响系数相乘，然后相加，将相加的值除以专家的总数得到动作效果的专家估值zd。
31、在一些实施例中，基于各位专家的权威估值qw，得到各位专家评分所对应的影响系数，具体为：
32、获取各位专家的从业年限，并记为na，统计各位专家的已评估次数，并记为nb；预设从业年限和已评估次数的权重系数，将各位专家的从业年限和已评估次数分别与对应的权重系数相乘，然后求和得到各位专家的权威估值qw；
33、预设权威估值qw的各组估值取值范围，设定每组估值取值范围对应一个影响系数；
34、将各位专家的权威估值qw与预设的各组取值范围进行匹配，得到各位专家对应当前时间点的影响系数。
35、在一些实施例中，基于效果评估的结果选取最佳神经网络模型，具体为：
36、提取动作效果的准确性指数za、流畅性指数zb、逼真度指数zc以及专家估值zd，并基于对应应用的神经网络模型进行编号，得到各神经网络模型所对应动作效果的准确性指数zai、流畅性指数zbi、逼真度指数zci以及专家估值zdi；
37、依据公式，对各神经网络模型所对应动作效果的准确性指数zai、流畅性指数zbi、逼真度指数zci以及专家估值zdi进行加权计算，得到各神经网络模型所对应动作效果的优选指数yxi；其中、、以及分别表示最差允许准确性指数，最差允许流畅性指数、及格参考逼真度指数以及专家最低允许估值；、、、分别为准确性指数zai、流畅性指数zbi、逼真度指数zci以及专家估值zdi的影响权重因子；
38、将各神经网络模型所对应动作效果的优选指数yxi从大到小进行排序，将优选指数yxi最大的神经网络模型作为最佳神经网络模型并进行应用。
39、在一些实施例中，根据预设的加密规则对压缩的动作数据包进行加密，具体为：
40、随机为各组动作数据包生成一串设定数量范围内的代码，得到各组动作数据包的代码序列；代码由数字、符号以及字母组成；...
【技术保护点】
1.基于人工智能的动画角色动作捕捉系统，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，具体为：
3.根据权利要求2所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，具体为：
4.根据权利要求3所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，还包括：
5.根据权利要求4所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，具体为：
6.根据权利要求5所述的基于人工智能的动画角色动作捕捉系统，其特征在于，基于各位专家的权威估值Qw，得到各位专家评分所对应的影响系数，具体为：
7.根据权利要求6所述的基于人工智能的动画角色动作捕捉系统，其特征在于，基于效果评估的结果选取最佳神经网络模型，具体为：
8.根据权利要求7所述的基于人工智能的动画角色动作捕捉系统，其特征在于，根据预设的加密规则对压缩的动作数据包进行加密，具体为：<...
【技术特征摘要】
1.基于人工智能的动画角色动作捕捉系统，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，具体为：
3.根据权利要求2所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，具体为：
4.根据权利要求3所述的基于人工智能的动画角色动作捕捉系统，其特征在于，对各组合成的动作进行效果的评估，还包括：
5.根据权利要求4所述的基于人工智能的动画角色...
【专利技术属性】
技术研发人员：田若贤，陈湘枚，徐强，
申请(专利权)人：安徽圣紫技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。