[发明专利]一种基于神经网络的二维角色动画生成方法和装置

权利要求书

1.一种基于神经网络的二维角色动画生成方法，适用于二维动画或二维电子游戏制作，其特征在于，包括以下步骤：

S100)获取多张二维角色动态图片，并标记各张二维角色动态图片及其序列中各张静止帧的运动信息，以形成角色动态图片样本库；

S200)初始化深度卷积神经网络DeepCNN和循环神经网络RNN，以建立角色动画生成神经网络模型；

S300)导入角色动态图片样本库作为训练集，由角色动画生成神经网络模型对角色动态图片样本库进行监督学习；

S400)输入同一角色的一对图片及指定动作类型，以利用训练完毕的角色动画生成神经网络模型，自动生成完整序列的二维角色动态图片，

其中，所述步骤S100包括以下子步骤：

S101)基于openCV读取各张二维角色动态图片及其序列中各张静止帧；

S102)指定各张二维角色动态图片的序列中的关键静止帧及二维角色动态图片的动作类型；

S103)计算序列中各静止帧上的动画单位相对于相邻两张关键静止帧的权重值；

S104)标记上述指定的关键静止帧、二维角色动态图片的运动类型以及权重值序列以形成二维角色动态图片的运动信息，

其中，动画单位是动画划分的最小单元。

2.根据权利要求1所述的方法，其特征在于，所述运动信息至少还包括标识所述二维角色动态图片是否循环播放的标识。

3.根据权利要求2所述的方法，其特征在于，角色动态图片样本库根据二维角色动态图片的风格分类为多个子训练集，并基于所述子训练集形成相应多个角色动画生成神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述步骤S200还包括以下子步骤：

S201)初始化深度卷积神经网络DeepCNN和循环神经网络RNN；

S202)使用VGG-16网络模型提取角色动态图片样本库中各关键静止帧上动画单位的图像特征，以形成4096维特征向量。

5.根据权利要求4所述的方法，其特征在于，所述步骤S300还包括以下子步骤：

S301)将所述特征向量导入到深度卷积神经网络DeepCNN；

S302)采用循环神经网络RNN对训练集进行反复监督学习。

6.根据权利要求1所述的方法，其特征在于，所述步骤S400包括以下子步骤：

S401)将训练完毕的角色动画生成神经网络模型布置在网络服务器，并配置角色动画生成神经网络模型的数据入口；

S402)将同一角色的一对图片和动作类型通过数据入口上传到角色动画生成神经网络模型，以自动生成完整序列的二维角色动态图片。

7.根据权利要求6所述的方法，其特征在于，所述数据入口是网页的形式。