[发明专利]基于人工智能和模式识别的中间画图像优化方法及系统

说明书

本发明公开了一种基于人工智能和模式识别的中间画图像优化方法及系统，该方法的具体包括获取各段视频帧的波动指标，通过视频波动指标选取异常段视频；将获取的异常段视频中存在的异常中间画进行提取，然后进行局部边缘检测，获取波动边缘程度；根据波动边缘程度对异常部件边缘进行像素点主成分分析，将位于同一主成分方向的此类像素点合并形成同一主成分方向的边缘，将合并后的边缘依据异常程度和边缘灰度进行轮廓拟合，得到非线性曲线，采用非线性插值法，完成边缘轮廓优化；该方法具有获取波动程度准确度高，泛化能力更好，边缘细化更加准确和有效的优点，优化后的边缘消除了动画播放过程中因中间画异常造成流畅度损失的问题。

技术领域

本发明涉及中间画优化技术领域，具体涉及一种基于人工智能和模式识别的中间画图像优化方法及系统。

背景技术

动画也称连续图画，连续图画包括原画、小原画、关键帧以及中间画，这些画中起到描述故事内容最重要且最具有代表性的动作画为关键帧，一个动作的第一张和最后一张被称为原画，其余部分中，组成时间和空间的部分被称为小原画，连接原画与小原画的其他张被称为中间画，中间画是为了呈现人物，在连续图画间的动态效果图；当画师绘制中间画时，常因画师的个人习惯或画师的误操作导致原画和中间画之间出现部件不匹配的问题，比如由于画师的作画风格和自身的严谨度，原画和小原画的人物部件边缘通常会出现多条重复且不连续的线条或间断线条，造成中间画在生成的过程中出现部件边缘缺失问题，造成中间画间出现部件突变的现象，进而影响整体画面的流畅度。

基于上述问题，授权公开号为CN101436310B的中国专利公开了二维动画过程中的中间帧自动生成的方法，该方法提出了一种基于区域划分、特征点匹配和贝塞尔曲线插值的方式生成中间帧的方法。

上述公开专利虽然解决了二维动画制作软件无法在镜头中的人物形象或场景结构比较复杂的情况下自动生成中间帧的问题，但是未考虑到画师在制作画时，不同画之间的人物匹配度存在误差导致视频波动边缘程度出现异常，进而导致出现异常中间画图像，异常中间画图像直接影响整体画面的流畅度问题。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种提高整体画面流畅度的基于人工智能和模式识别的中间画图像优化方法及系统。

为了实现上述目的，本发明采用以下技术方案予以实现：

一种基于人工智能和模式识别的中间画图像优化方法，具体包括以下步骤；

对动画视频图像进行分段处理，并将每段视频的中间画和原画按照比例进行分帧处理；对每段视频中的中间画进行异常检测，获取异常中间画图像；

提取异常中间画图像，对异常中间画中异常区域的部件边缘进行检测，获取异常区域部件的边缘轮廓，将原画的部件边缘轮廓与异常区域部件的边缘轮廓进行相似性度量，获取局部异常波动程度；

对异常波动程度超过设定阈值的异常部件边缘进行像素点主成分分析，提取异常部件边缘的像素点，并利用该异常部件边缘像素点的灰度梯度方向和像素坐标得到相似性度量；根据相似性度量获取同一主成分方向的像素点，并对获取的此类像素点进行合并形成同一主成分方向的边缘；对合并后的边缘依据异常程度和边缘灰度的方式进行轮廓拟合，得到非线性曲线，采用非线性插值法，完成边缘轮廓优化。

进一步地，所述每段视频的中间画和原画按照如下比例进行分帧处理：

式中：N为中间画与原画的比值，N_z为中间画的数量，N_y为原画数量；当中间画和原画的比值满足上述公式时直接划分为一段；当中间画和原画的比值不满足上述公式时，则直接划为一段作为视频最后一段。

进一步地，所述获取异常中间画图像的具体步骤如下：