CN103116903A - 二维动画角色动作的重定向方法 - Google Patents

Abstract

二维动画角色动作的重定向方法，涉及二维动画的制作。基于两个形状相似的源动画角色和目标动画角色，在参考源动画角色和目标动画角色的基础上，定义目标动画角色的骨架结构；对源动画角色进行骨架提取，并对骨架进行特征描述，为骨架数据分配尺度和方向并生成高维特征向量；分析源动画角色中的骨架数据的运动轨迹，得到源动画角色的骨架运动轨迹；依据所得的源动画角色的骨架运动轨迹，并结合所定义的目标动画角色的骨架，实现源动画角色的骨架运动轨迹到目标动画角色的骨架轨迹的生成；依据所得目标动画角色的骨架运动轨迹，并结合所定义的目标动画角色的骨架，实现骨架驱动形状的变形，实现二维动画角色动作的重定向方法。

Description

二维动画角色动作的重定向方法

技术领域

本发明涉及二维动画的制作，尤其涉及二维动画角色动作的重定向方法。

背景技术

当前，高质量的二维动画有着广泛的应用领域，包括影视、娱乐、教育、广告等多个领域。我国“十一五”规划纲要明确提出，鼓励数字内容产业发展，而当前“十二五”规划建议也提出，要把文化作为支柱产业来发展。动漫产业作为数字内容产业和文化产业一个重要方面，必将成为我们国家在“十二五”期间极具爆发力的一个产业。

目前，二维动画制作一般采用基于关键帧的方法，其主要步骤包括关键帧绘制，中间帧绘制以及着色等。这些步骤枯燥繁琐，且制作效率低，是制约动画发展的瓶颈。随着相关技术的发展，二维动画制作过程中的很多工作和任务已经可以由计算机辅助完成。但是，因二维动画制作流程的特殊性，目前的计算机辅助动画主要还是指动画的后期制作阶段。其主要的中间帧绘制及着色，由于无法实现动画角色的动作重定向，使得新动画片的制作效率极低。另一方面，动画师对已有的成品和半成品二维动画，无法进行有效复用。因此，二维动画角色的动作重定向会发挥已有动画数据的资源优势，减轻动画师的工作负担，进而缩短动画制作的周期，具有重大的实践应用价值。

在目前的二维动画角色的匹配研究中，早期的J.Fekete等（J.Fekete,E.Bizouarn,E.Cournarie,T.Galas,and F.Taillefer,TicTacToon:a paperless system forprofessional2D animation[A],In Proceedings of Computer Graphics and InteractiveTechniques,USA,1995,79–90）提出了二维动画制作系统“TicTacToon”，即商业软件“Toon Boom Studio”的原型。该系统通过一整套数字化方法(digitalization)帮助动画师实现“无纸化”卡通动画制作。然而在动画角色形象设计、动作设计方面，“TicTacToon”及之后的“Toon Boom Studio”依然靠人力完成，即由动画师手工绘制完成。其后，人们开始利用计算机来辅助动画制作，许多动画制作的工作如关键帧插值、颜色填充等可以由计算机完成，在一定程序上减轻了动画师的工作负担。但即使利用这些工具，二维动画的制作仍然是比较困难的，要求动画师有较好的美术功底和动画制作基础。比如制作一段二维动画角色的运动，动画师需要设计并绘制该运动的关键帧。因此，将已有的二维动画中提取角色的运动风格并将得到的风格应用到新的二维动画角色生成新的运动，从而实现对已有二维动画角色运动数据的重用具有重要意义。

发明内容

本发明的目的在于提供一种在二维动画制作环境下的二维动画角色动作的重定向方法。

本发明包括以下步骤：

1)基于两个形状相似的源动画角色和目标动画角色，在参考源动画角色和目标动画角色的基础上，定义目标动画角色的骨架结构；

2)对源动画角色进行骨架提取，并对骨架进行特征描述，采用特征描述算法，为骨架数据分配尺度和方向并生成高维特征向量；

3)基于步骤2)中已获得的骨架数据，分析源动画角色中的骨架数据的运动轨迹，得到源动画角色的骨架运动轨迹；

4)依据步骤3)中所得到的源动画角色的骨架运动轨迹，并结合步骤1)所定义的目标动画角色的骨架，采用骨架运动轨迹数据的重定向算法，实现源动画角色的骨架运动轨迹到目标动画角色的骨架轨迹的生成；

5)依据步骤4)中所得到的目标动画角色的骨架运动轨迹，并结合步骤1)所定义的目标动画角色的骨架，采用目标动画角色的骨架驱动算法，实现骨架驱动形状的变形，从而实现二维动画角色动作的重定向方法。

在步骤2)中，所述对源动画角色进行骨架提取可采用离散曲线进化算法计算源动画角色的骨架拓扑结构，并对骨架描述为尺度不变性和旋转不变性，具体方法如下：

（2.1）对源动画角色，计算出源动画角色形状的中轴，再通过剪枝，将多余的中轴线裁剪掉，得到骨架的拓扑结构，对骨架P的特征信息p_i和q相对其余n-1个特征信息的直方图h_i：

h_i(k)＝#{q≠p_i:(q-p_i)∈bin(k)}

其中，直方图h_i表示特征p_i的尺度空间，k表示特征的维度，bin(k)是在k维度下的极坐标空间；

（2.2）通过以下公式计算骨架特征的尺度空间：

$D(p_i,q_j)=\frac{1}{2}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{{[h_i\left(k\right)-h_j\left(k\right)]}^2}{h_i\left(k\right)+h_j\left(k\right)}$

计算结果D(p_i,q_j)表示骨架的特征信息p_i和q_j的距离尺度空间，从而保证了骨架的尺度不变性；

（2.3）对骨架的特征信息建立极坐标空间bin(k)为其分配一个或多个方向，其计算公式为：

${\mathrm{\θ}}_i(x,y)={\tan }^{-1}\left(\frac{P_i(x,y+1)-P_i(x,y-1)}{P_i(x+1,y)-P_i(x-1,y)}\right)$

其中，源角色骨架P_i(x,y)描述特征p_i的坐标位置，计算结果θ_i(x,y)是特征p_i的方向角，从而保证了旋转不变性；

（2.4）以特征p_i为中心取16×16窗口，在每个邻近的4×4的小块上计算8个方向的梯度方向直方图，即可生成高维特征向量空间Φ＝{φ(i)}。

在步骤3)中，所述分析源动画角色中的骨架数据的运动轨迹的具体方法如下：

以已定义的目标动画角色的骨架拓扑为参考，对源动画骨架序列进行骨架关键点信息匹配，首先设置一个源动画角色中的骨架特征为P，另一个骨架特征为L，寻找一个最大后验概率的

其计算公式为：

$\hat{f}=\underset{f}{\arg \max }\mathrm{Pr}\left(f\right|\mathrm{\Φ},P)$

这个问题可转化为马尔可夫场模型，假定特征点服从独立分布，Pr(f|Φ,P)可以被定义为：

$\mathrm{Pr}\left(f\right|\mathrm{\Φ},P)=\left(\underset{p\∈P}{\mathrm{\Π}}\exp (-D(p,f_p,\mathrm{\Φ}))\right)\·\exp (-\underset{p,q}{\mathrm{\Σ}}{V}_{p,q}(A,f_p,f_q))$

其中D(p,f_p,Φ)是一个特征点p到f_p的惩罚函数，V_p,q(A,f_p,f_q)是惩罚平滑函数，A是系数矩阵；然后两边取对数，即可以得到最终的能量函数：

$E(f,\mathrm{\Φ},A)=\underset{p\∈P}{\mathrm{\Σ}}D(p,f_p,\mathrm{\Φ})+\underset{p,q}{\mathrm{\Σ}}{V}_{p,q}(A,f_p,f_q)$

然后先随机选取一个f，对于每个α∈L，寻找

直到找到所有的f才终止，这样可以建立起骨架关键点的匹配关系，从而可以获得源动画骨架的运动轨迹。

在步骤4)中，所述采用骨架运动轨迹数据的重定向算法，实现源动画角色的骨架运动轨迹到目标动画角色的骨架轨迹的生成的方法如下：

(4.1)定义一个重定向函数，其计算公式为：

m(t)＝m₀(t)+d(t)

其中，m是重定向到目标骨架的运动数据；m₀是源骨架的运动轨迹信息；d是偏移向量；源骨架的运动轨迹信息m₀在时间t被表示为：

其中，x和y是源动画骨架的关键点坐标，θ^src是两个关键点间的坐标，n是骨架关键点的数量；

（4.2）计算出目标骨架的运动轨迹信息，并通过目标骨架信息驱动目标动画形状，完成二维动画角色的动作重定向方法。

本发明是以两个相似的动画角色的运动序列为基础，首先在参考源动画角色的基础上定义将动作重定向到的目标动画角色的骨架结构；然后，对源动画角色进行骨架结构的提取，所提取的进行特征描述生成高维特征向量，使其满足在变形、缩放以及旋转等条件下具有尺度不变性和旋转不变性；最后，分析源动画角色的骨架数据，将提取的源动画角色的骨架运动轨迹数据应用到事先已定义好的目标动画角色的骨架结构上，再通过目标动画角色的骨架来驱动目标动画角色产生变形，从而实现源动画角色到目标动画角色的动作重定向。本发明可以使得角色动画师能够方便、快捷的为计算机二维动画角色实现显示不同的动画角色风格，但具有相同的动作风格，为提高动画数据的使用效率提供了技术保障。

本发明的有益效果是：将一些现有的二维动画的角色素材和动作运动风格素材效地应用到新的动画制作的角色中，减少了动画师的工作量，进而缩短了动画制作所需要的时间。为动画数据检索及复用提供了重要的实践应用价值，不仅大大降低了劳动力成本，而且有效地提高了动画角色的制作效率。

附图说明

图1是本发明使用的源动画角色运动序列及相应的骨架提取信息示意图。

图2是本发明中二维源动画角色到目标动画角色的动作重定向结果示意图。

具体实施方式

本发明提出的二维动画角色动作的重定向方法，本发明的具体技术方案和实施步骤：

步骤一：基于两个形状相似的源动画角色和目标动画角色，在参考源动画角色和目标动画角色的基础上，定义目标动画角色的骨架结构；

步骤二：对源动画角色进行骨架提取，并对骨架进行特征描述，采用特征描述算法，为骨架数据分配尺度和方向并生成高维特征向量；

步骤三：基于步骤二中已获得的骨架数据，进行骨架数据的运动分析，得到源动画角色的骨架运动轨迹；

步骤四：依据步骤三中所得到的源动画角色的骨架运动轨迹，并结合步骤一所定义的目标动画角色的骨架，采用骨架运动轨迹数据的重定向算法，实现源动画角色的骨架运动轨迹到目标动画角色的骨架轨迹的生成；

步骤五：依据步骤四中所得到的目标动画角色的骨架运动轨迹，并结合步骤一所定义的目标动画角色的骨架，采用目标动画角色的骨架驱动算法，实现骨架驱动形状的变形，从而实现二维动画角色的动作重定向方法。

所述对源动画角色进行骨架提取可采用离散曲线进化算法计算源动画角色的骨架拓扑结构，并对骨架描述为尺度不变性和旋转不变性。首先对源动画角色，计算出源动画角色形状的中轴，再通过剪枝，将多余的中轴线裁剪掉，得到骨架的拓扑结构，对骨架P的特征信息p_i和q相对其余n-1个特征信息的直方图h_i：

h_i(k)＝#{q≠p_i:(q-p_i)∈bin(k)}

其中，直方图h_i表示特征p_i的尺度空间，k表示特征的维度，bin(k)是在k维度下的极坐标空间。然后，可通过以下公式计算骨架特征的尺度空间：

$D(p_i,q_j)=\frac{1}{2}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{{[h_i\left(k\right)-h_j\left(k\right)]}^2}{h_i\left(k\right)+h_j\left(k\right)}$

计算结果D(p_i,q_j)表示骨架的特征信息p_i和q_j的距离尺度空间，从而保证了骨架的尺度不变性。

然后对骨架的特征信息建立极坐标空间bin(k)为其分配一个或多个方向，其计算公式为：

${\mathrm{\θ}}_i(x,y)={\tan }^{-1}\left(\frac{P_i(x,y+1)-P_i(x,y-1)}{P_i(x+1,y)-P_i(x-1,y)}\right)$

其中，源角色骨架P_i(x,y)描述特征p_i的坐标位置，计算结果θ_i(x,y)是特征p_i的方向角，从而保证了旋转不变性。

最后以特征p_i为中心取16×16窗口，在每个邻近的4×4的小块上计算8个方向的梯度方向直方图，即可生成高维特征向量空间Φ＝{φ(i)}。

分析源动画骨架的运动轨迹，首先以已定义的目标动画角色的骨架拓扑为参考，对源动画骨架序列进行骨架关键点信息匹配。首先设置一个源动画角色中的骨架特征为P，另一个骨架特征为L，我们的目的就是寻找一个最大后验概率的其计算公式为：

$\hat{f}=\underset{f}{\arg \max }\mathrm{Pr}\left(f\right|\mathrm{\Φ},P)$

这个问题可转化为马尔可夫场模型，假定特征点服从独立分布，Pr(f|Φ,P)可以被定义为：

$\mathrm{Pr}\left(f\right|\mathrm{\Φ},P)=\left(\underset{p\∈P}{\mathrm{\Π}}\exp (-D(p,f_p,\mathrm{\Φ}))\right)\·\exp (-\underset{p,q}{\mathrm{\Σ}}{V}_{p,q}(A,f_p,f_q))$

其中D(p,f_p,Φ)是一个特征点p到f_p的惩罚函数，V_p,q(A,f_p,f_q)是惩罚平滑函数，A是系数矩阵。然后两边取对数，我们就可以得到最终的能量函数：

$E(f,\mathrm{\Φ},A)=\underset{p\∈P}{\mathrm{\Σ}}D(p,f_p,\mathrm{\Φ})+\underset{p,q}{\mathrm{\Σ}}{V}_{p,q}(A,f_p,f_q)$

然后先随机选取一个f，对于每个α∈L，寻找

直到找到所有的f才终止，这样可以建立起骨架关键点的匹配关系，从而可以获得源动画骨架的运动轨迹。

将源骨架的运动轨迹信息重定向到目标骨架，首先要定义一个重定向函数，其计算公式为：m(t)＝m₀(t)+d(t)；其中，m是重定向到目标骨架的运动数据；m₀是源骨架的运动轨迹信息；d是偏移向量。源骨架的运动轨迹信息m₀在时间t被表示为：

其中，x和y是源动画骨架的关键点坐标，θ^src是两个关键点间的坐标，n是骨架关键点的数量。最终，可以计算出目标骨架的运动轨迹信息，并通过目标骨架信息驱动目标动画形状，完成二维动画角色的动作重定向方法。

图1给出本发明使用的源动画角色运动序列及相应的骨架提取信息示意图，图2给出本发明中二维源动画角色到目标动画角色的动作重定向结果示意图。

Claims (4)

1.二维动画角色动作的重定向方法，其特征在于包括以下步骤：

1)基于两个形状相似的源动画角色和目标动画角色，在参考源动画角色和目标动画角色的基础上，定义目标动画角色的骨架结构；

2)对源动画角色进行骨架提取，并对骨架进行特征描述，采用特征描述算法，为骨架数据分配尺度和方向并生成高维特征向量；

3)基于步骤2)中已获得的骨架数据，分析源动画角色中的骨架数据的运动轨迹，得到源动画角色的骨架运动轨迹；

4)依据步骤3)中所得到的源动画角色的骨架运动轨迹，并结合步骤1)所定义的目标动画角色的骨架，采用骨架运动轨迹数据的重定向算法，实现源动画角色的骨架运动轨迹到目标动画角色的骨架轨迹的生成；

5)依据步骤4)中所得到的目标动画角色的骨架运动轨迹，并结合步骤1)所定义的目标动画角色的骨架，采用目标动画角色的骨架驱动算法，实现骨架驱动形状的变形，从而实现二维动画角色动作的重定向方法。

2.如权利要求1所述二维动画角色动作的重定向方法，其特征在于在步骤2)中，所述对源动画角色进行骨架提取采用离散曲线进化算法计算源动画角色的骨架拓扑结构，并对骨架描述为尺度不变性和旋转不变性，具体方法如下：

（2.1）对源动画角色，计算出源动画角色形状的中轴，再通过剪枝，将多余的中轴线裁剪掉，得到骨架的拓扑结构，对骨架P的特征信息p_i和q相对其余n-1个特征信息的直方图h_i：

h_i(k)＝#{q≠p_i:(q-p_i)∈bin(k)}

其中，直方图h_i表示特征p_i的尺度空间，k表示特征的维度，bin(k)是在k维度下的极坐标空间；

（2.2）通过以下公式计算骨架特征的尺度空间：

$D(p_i,q_j)=\frac{1}{2}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\frac{{[h_i\left(k\right)-h_j\left(k\right)]}^2}{h_i\left(k\right)+h_j\left(k\right)}$

计算结果D(p_i,q_j)表示骨架的特征信息p_i和q_j的距离尺度空间，从而保证了骨架的尺度不变性；

（2.3）对骨架的特征信息建立极坐标空间bin(k)为其分配一个或多个方向，其计算公式为：

${\mathrm{\θ}}_i(x,y)={\tan }^{-1}\left(\frac{P_i(x,y+1)-P_i(x,y-1)}{P_i(x+1,y)-P_i(x-1,y)}\right)$

其中，源角色骨架P_i(x,y)描述特征p_i的坐标位置，计算结果θ_i(x,y)是特征p_i的方向角，从而保证了旋转不变性；

（2.4）以特征p_i为中心取16×16窗口，在每个邻近的4×4的小块上计算8个方向的梯度方向直方图，即可生成高维特征向量空间Φ＝{φ(i)}。

3.如权利要求1所述二维动画角色动作的重定向方法，其特征在于在步骤3)中，所述分析源动画角色中的骨架数据的运动轨迹的具体方法如下：

以已定义的目标动画角色的骨架拓扑为参考，对源动画骨架序列进行骨架关键点信息匹配，首先设置一个源动画角色中的骨架特征为P，另一个骨架特征为L，寻找一个最大后验概率的

其计算公式为：

$\hat{f}=\underset{f}{\arg \max }\mathrm{Pr}\left(f\right|\mathrm{\Φ},P)$

这个问题可转化为马尔可夫场模型，假定特征点服从独立分布，Pr(f|Φ,P)可以被定义为：

$\mathrm{Pr}\left(f\right|\mathrm{\Φ},P)=\left(\underset{p\∈P}{\mathrm{\Π}}\exp (-D(p,f_p,\mathrm{\Φ}))\right)\·\exp (-\underset{p,q}{\mathrm{\Σ}}{V}_{p,q}(A,f_p,f_q))$

其中D(p,f_p,Φ)是一个特征点p到f_p的惩罚函数，V_p,q(A,f_p,f_q)是惩罚平滑函数，A是系数矩阵；然后两边取对数，即可以得到最终的能量函数：

$E(f,\mathrm{\Φ},A)=\underset{p\∈P}{\mathrm{\Σ}}D(p,f_p,\mathrm{\Φ})+\underset{p,q}{\mathrm{\Σ}}{V}_{p,q}(A,f_p,f_q)$

然后先随机选取一个f，对于每个α∈L，寻找

直到找到所有的f才终止，这样可以建立起骨架关键点的匹配关系，从而可以获得源动画骨架的运动轨迹。

4.如权利要求1所述二维动画角色动作的重定向方法，其特征在于在步骤4)中，所述采用骨架运动轨迹数据的重定向算法，实现源动画角色的骨架运动轨迹到目标动画角色的骨架轨迹的生成的方法如下：

(4.1)定义一个重定向函数，其计算公式为：

m(t)＝m₀(t)+d(t)

其中，m是重定向到目标骨架的运动数据；m₀是源骨架的运动轨迹信息；d是偏移向量；源骨架的运动轨迹信息m₀在时间t被表示为：

其中，x和y是源动画骨架的关键点坐标，θ^src是两个关键点间的坐标，n是骨架关键点的数量；

（4.2）计算出目标骨架的运动轨迹信息，并通过目标骨架信息驱动目标动画形状，完成二维动画角色的动作重定向方法。

Images