CN116797699A - 基于三维立体技术的智能动画建模方法及系统 - Google Patents

Abstract

本申请涉及三维动画建模技术领域，提供了一种基于三维立体技术的智能动画建模方法及系统，包括：得到目标人体参数；匹配目标初始人体模型，调整目标初始人体模型得到目标人体模型；得到目标服装参数；匹配目标初始服装模型，调整目标初始服装模型得到目标服装模型；形成目标用户三维模型；对服装布料进行特征分析，确定目标布料风格级别；获取目标运动趋势，将目标运动趋势和目标布料风格级别作为预定动画约束；基于预定动画约束对目标用户三维模型进行预测分析，生成目标用户动画。能够解决由于三维动画建模精细化程度较低导致三维动画质量较差的技术问题，可以提高三维动画建模的精细化程度，使得三维动画场面更真实、更精确。

Description

基于三维立体技术的智能动画建模方法及系统

技术领域

本申请涉及三维动画建模技术领域，具体涉及一种基于三维立体技术的智能动画建模方法及系统。

背景技术

三维动画建模是一种利用计算机软件克服时间约束，处理物体及物体之间关系，创建仿真场景的技术。通过利用计算机动画技术模拟三维对象的形状，来制作可视的、精确的成像。现有的三维动画建模方法在动态三维动画制作过程中，当目标人物处于运动状态时，由于对目标人物运动状态对应的其他变化分析的不够精确，造成三维动画场面不够真实，质量较低。

综上所述，现有技术中存在由于三维动画建模精细化程度较低导致三维动画质量较差的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种基于三维立体技术的智能动画建模方法及系统。

基于三维立体技术的智能动画建模方法，包括：采集目标用户的人体特征信息得到目标人体参数；基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型；采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。

基于三维立体技术的智能动画建模系统，包括：

目标人体参数得到模块，所述目标人体参数得到模块用于采集目标用户的人体特征信息得到目标人体参数；

目标人体模型得到模块，所述目标人体模型得到模块用于基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型；

目标服装参数得到模块，所述目标服装参数得到模块用于采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；

目标服装模型得到模块，所述目标服装模型得到模块用于基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；

目标用户三维模型获得模块，所述目标用户三维模型获得模块用于将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；

目标布料风格级别确定模块，所述目标布料风格级别确定模块用于基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；

预定动画约束获得模块，所述预定动画约束获得模块用于获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；

目标用户动画生成模块，所述目标用户动画生成模块用于智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。

上述一种基于三维立体技术的智能动画建模方法及系统，能够解决由于三维动画建模精细化程度较低导致三维动画质量较差的技术问题。首先采集目标用户的人体特征信息得到目标人体参数；构建人体模型数据库，基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型；采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；构建服装模型数据库，基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；构建智能预测模型，通过所述智能预测模型，根据所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。通过上述方法可以提高三维动画建模的精细化程度，使得三维动画场面更真实、更精确。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供了一种基于三维立体技术的智能动画建模方法的流程示意图；

图2为本申请提供了一种基于三维立体技术的智能动画建模方法中构建人体模型数据库的流程示意图；

图3为本申请提供了一种基于三维立体技术的智能动画建模方法中根据预定分类规则对第一用户进行用户分类的结构示意图。

图4为本申请提供了一种基于三维立体技术的智能动画建模方法中生成目标用户动画的流程示意图；

图5为本申请提供了一种基于三维立体技术的智能动画建模系统的结构示意图。

附图标记说明：目标人体参数得到模块1、目标人体模型得到模块2、目标服装参数得到模块3、目标服装模型得到模块4、目标用户三维模型获得模块5、目标布料风格级别确定模块6、预定动画约束获得模块7、目标用户动画生成模块8。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，本申请提供了一种基于三维立体技术的智能动画建模方法，包括：

步骤S100：采集目标用户的人体特征信息得到目标人体参数；

具体而言，三维动画建模是现代多媒体领域中不可或缺的技术，它可以制作出逼真的虚拟场景、角色和道具，让观众身临其境地感受到影片或游戏中的故事情节。本申请提供的方法用于提高三维动画建模的精细化程度，从而使得三维动画场面更真实。

首先，对目标用户的人体特征信息进行采集，所述目标用户是指待进行三维动画建模的人，比如：小学生、中学物理老师、出租车师傅等。所述人体特征信息包括身高、体重、头部特征、颈部特征、躯干特征、四肢特征等特征相关的信息，其中，头部特征中包括脸型轮廓、眼型、鼻骨特征等；颈部特征包括颈部长度、脖颈周长、颈纹等；躯干特征包括胸围、腰围、臀围等；四肢特征包括腿长、胳膊长度等；并根据所述人体特征信息获得目标人体参数，所述目标人体参数是指人体特征信息的具体数值，例如：身高175厘米、体重70千克、颈部长度8厘米、腿长103厘米、腰围80厘米等。通过获得所述目标人体参数，为下一步进行目标人体模型匹配提供了依据。

步骤S200：基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型；

如图2所示，在一个实施例中，本申请步骤S200还包括：

步骤S210：采集第一用户的第一人体参数；

步骤S220：根据所述第一人体参数绘制第一人体模型；

步骤S230：读取预定分类规则，并根据所述预定分类规则确定所述第一用户的第一用户类别；

在一个实施例中，本申请步骤S230还包括：

步骤S231：所述预定分类规则包括预定年龄分类规则、预定身形分类规则。

具体而言，通过大数据技术进行用户相关信息查询，所述用户相关信息包括用户对象和对应的人体参数，比如：用户对象为小学三年级学生，身高145厘米，体重35千克；获取多个用户和多个人体参数，其中所述用户和所述人体参数具有一一对应的关系，然后在多个用户中提取第一用户，所述第一用户为多个用户中的任意一个用户，并采集所述第一用户的第一人体参数。

然后根据所述第一人体参数，通过三维绘图软件进行人体三维模型绘制，所述三维绘图软件包括Maya软件、Blender软件、ZBrush软件等，本领域技术人员可根据人体三维模型的实际需求选择适配的三维绘图软件，获得所述第一用户的第一人体模型。

读取预定分类规则，所述预定分类规则包括预定年龄分类规则、预定身形分类规则，其中所述预定年龄分类规则用于根据用户年龄对用户进行分类，可根据相关标准设置或根据实际情况设置，例如：年龄段为3-9周岁的划分为儿童；年龄段为10-19周岁的划分为少年；年龄段为19-35周岁的划分为青年，年龄段为35-49周岁的划分为中年等。所述预定身形分类规则也可根据相关标准设置或根据实际情况设置，例如：可根据用户身高设置标准体重，比如：20岁男生170，标准体重为65千克，将大于标准体重15％小于标准体重30％的划分为轻度肥胖；将大于标准体重30％小于标准体重50％的划分为中度肥胖；将低于标准体重10%-20%划分为偏瘦等。然后根据所述预定分类规则对所述第一用户进行用户分类，获得所述第一用户的第一用户类别。例如：如图3所示，假设第一用户的第一人体参数为28岁男性，身高170，体重78千克，则根据所述预定分类规则对所述第一用户进行用户分类后，所述第一用户的第一用户类别为轻度肥胖的青年男性。

步骤S240：建立所述第一人体参数、所述第一用户类别与所述第一人体模型之间的第一映射关系；

步骤S250：根据所述第一映射关系构建所述人体模型数据库。

具体而言，根据所述第一人体参数、所述第一用户类别和所述第一人体模型的对应关系，建立所述第一人体参数、所述第一用户类别与所述第一人体模型之间的第一映射关系。依次对多个用户进行人体模型绘制，并获得多个人体参数、用户类别与人体模型之间的映射关系，将多个人体参数、多个用户类别、多个人体模型以及多个映射关系进行数据存储，构建人体模型数据库。通过构建人体模型数据库，可以节约目标初始人体模型的绘制时间，提高初始人体模型获得的效率。

最后根据所述目标人体参数在所述人体模型数据库中进行人体模型匹配，获得目标初始人体模型，然后根据所述目标人体参数对所述目标初始人体模型进行微调，即根据所述目标人体参数与所述目标初始人体模型的差异特征对所述目标初始人体模型进行调整，比如：在目标人体参数中，目标用户相对于目标初始人体模型而言，目标用户腰围更大一点、臀围小一点，则根据目标人体参数增大所述目标初始人体模型的腰围，减小臀围。通过获得所述目标人体模型，为下一步构建目标用户三维模型提供了支持。

步骤S300：采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；

具体而言，对所述目标用户的当前身着服装信息进行采集，获得所述目标用户的服装款式信息，并根据所述服装款式信息获得目标服装参数，其中所述目标服装参数包括目标服装结构和目标服装颜色，所述目标服装结构包括服装整体结构和部件结构，其中服装整体结构包括服装的整体尺寸、线条等，部件结构是指服装上各部件的部件尺寸、花纹结构等，例如：牛仔裤上的裤兜、牛仔裤上的刺绣等。所述目标服装颜色是指服装款式上的所有颜色，带有部件位置标识，例如：目标服装整体为黄色，服装上花纹刺绣颜色为红色。通过获得目标服装参数，为下一步进行目标初始服装模型匹配提供了支持。

步骤S400：基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；

在一个实施例中，本申请步骤S400还包括：

步骤S410：获取所述第一用户的第一服装结构，并绘制所述第一服装结构的第一服装模型；

步骤S420：基于所述第一服装结构与所述第一服装模型的对应关系构建所述服装模型数据库。

具体而言，基于大数据技术进行信息查询，获取多个用户和多个服装结构，其中用户和服装结构具有一一对应的关系。然后在多个用户中随机选取一用户作为第一用户，并获取所述第一用户的第一服装结构。根据所述第一服装结构，通过三维绘图软件进行三维服装模型绘制，获得所述第一服装结构的第一服装模型，本领域技术人员可基于实际需求选择适配的三维绘图软件。

基于与上述构建人体模型数据库相同的方法，根据所述第一服装结构与所述第一服装模型的对应关系构建所述服装模型数据库。通过构建所述服装模型数据库，可以提高初始服装模型获得的效率，节约服装模型绘制时间。

然后根据所述目标服装结构在服装模型数据库中进行服装模型匹配，获得目标初始服装模型，并根据所述目标服装结构与所述目标初始服装模型的差异特征，对所述目标初始服装模型进行调整，获得目标服装模型。通过获得目标服装模型，为下一步构建目标用户三维模型提供了支持。

步骤S500：将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；

具体而言，将所述目标服装颜色按照部件位置标识渲染至所述目标服装模型，所述渲染是指将目标服装颜色填充到所述目标服装模型的对应部件位置上，获得完成颜色填充后的目标服装模型，然后将所述完成颜色填充后的目标服装模型与所述目标人体模型进行模型融合，获得所述目标用户的目标用户三维模型。通过获得所述目标用户三维模型，为下一步生成目标动画提供了支持。

步骤S600：基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；

在一个实施例中，本申请步骤S600还包括：

步骤S610：所述预定布料研判方案中存储有预定布料特征指标；

步骤S620：其中，所述预定布料特征指标包括布料悬垂度、布料柔软度、布料纹理感；

步骤S630：基于所述预定布料特征指标，依次检测得到所述服装布料的目标布料悬垂度数据、目标布料柔软度数据、目标布料纹理感数据；

步骤S640：加权所述目标布料悬垂度数据、所述目标布料柔软度数据、所述目标布料纹理感数据得到所述目标布料参数；

步骤S650：基于预定布料参数-风格级别列表匹配所述目标布料参数对应的所述目标布料风格级别。

具体而言，获取预定布料研判方案，所述预定布料研判方案中存储有预定布料特征指标，其中所述预定布料特征指标包括布料悬垂度、布料柔软度、布料纹理感，所述布料悬垂度是指布料因自重下垂且能形成平滑和曲率均匀的曲面的性能；所述布料柔软度用于表征布料柔软、平滑、易曲挠变形的程度；所述布料纹理感是指布料表面的形态和线条，常见的布料纹理包括斜纹、纵横纹、麻花纹等，其中不同纹理的布料弹性不同，例如：相同材质的布料，斜纹布料的弹性就大于纵横纹布料。

根据所述预定布料特征指标，依次对所述服装布料进行检测，获得所述服装布料的目标布料悬垂度数据、目标布料柔软度数据、目标布料纹理感数据。获取所述预定布料特征指标中各指标的权重值，其中哪个指标对布料弹性和布料形变的影响程度越大，则该指标对应的权重值越大，可基于现有的变异系数法进行所述预定布料特征指标中各指标权重值的设置，变异系数法为本领域技术人员常用的赋权方法，在此不进行展开说明。

根据所述预定布料特征指标中各指标的权重值对所述目标布料悬垂度数据、所述目标布料柔软度数据、所述目标布料纹理感数据进行加权求和，并将加权求和结果作为所述目标布料的目标布料参数。其中所述目标布料参数越大，则表征目标布料的弹性越好。

构建预定布料参数-风格级别列表，所述预定布料参数-风格级别列表可根据预定布料参数的实际参数分布范围设置，其中预定布料参数越大，则布料风格级别越大，例如：当预定布料参数大于0小于等于20时，布料风格级别为一级；当预定布料参数大于20小于等于40时，布料风格级别为二级。将所述目标布料参数输入所述预定布料参数-风格级别列表进行布料风格级别匹配，获得所述目标布料参数对应的目标布料风格级别。通过确定目标布料风格级别，为进行目标用户运动时的对应的服装形变分析提供了支持。

步骤S700：获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；

具体而言，获取所述目标用户的目标运动趋势，所述目标运动趋势是指所述目标用户将要进行的运动轨迹，比如：左转，向前跑10米等。并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束，所述预定动画约束用于在目标用户动画生成过程中对目标用户动作起到约束作用。例如：假设目标用户的目标运动趋势为左转，则根据左转动作对目标用户动画生成过程进行约束，即在目标用户动画生成过程中，出现与左转不符的动作则是不符合要求的。

步骤S800：智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。

如图4所示，在一个实施例中，本申请步骤S800还包括：

步骤S810：对所述目标用户三维模型进行网格划分，得到网格划分结果；

步骤S820：提取所述网格划分结果中的第一网格，其中，所述第一网格包括第一人体网格和第一服装网格；

步骤S830：读取所述第一人体网格的第一初始位置，并结合所述目标布料风格级别得到第一输入信息；

具体而言，对所述目标用户三维模型进行网格划分，所述网格划分是指将所述目标用户三维模型划分为相同大小的，有规则的单元网格，网格的单位尺寸可根据实际动作精度需求设置，其中网格的单位尺寸越小，则获取的动作精度越高，同时所需要的时间也越长，其中网格一般为正方体，所述单位尺寸是指网格的边长，例如：设置单位尺寸为1厘米。可通过现有的网格划分软件对所述目标用户三维模型进行网格划分，例如：ANSYS Mesh 软件、PointWise 软件等，本领域技术人员可根据实际需求选择适配的网格划分软件进行网格划分，获得网格划分结果。通过对所述目标用户三维模型进行网格划分，可以提高目标用户动作分析的精度，从而可以提高三维动画建模的精度。

然后提取所述网格划分结果中的第一网格，所述第一网格为所述网格划分结果中的任意一个网格，其中所述第一网格包括第一人体网格和第一服装网格。获取所述第一人体网格的第一初始位置，所述第一初始位置是指所述第一人体网格在所述目标用户三维模型中的位置坐标，并将所述第一人体网格、所述第一初始位置、所述目标布料风格级别作为第一输入信息。

步骤S840：通过所述智能预测模型对所述第一输入信息进行分析，得到所述第一服装网格的第一预测终止位置，且所述第一预测终止位置具备第一时间的标识；

在一个实施例中，本申请步骤S840还包括：

步骤S841：汇集身穿所述目标布料风格级别的服装的历史用户集；

步骤S842：随机提取所述历史用户集中的第一历史用户，并采集所述第一历史用户的第一初始服装图像；

步骤S843：采集所述第一历史用户在所述目标运动趋势下的第一历史服装图像集；

步骤S844：筛选所述第一历史服装图像集中处于所述第一时间的第一历史服装图像；

步骤S845：获取所述第一历史服装图像中处于所述第一初始位置的第一历史服装网格；

步骤S846：获取所述第一历史服装网格的第一历史终止位置；

步骤S847：将所述第一初始位置、所述目标运动趋势、所述第一历史终止位置作为第一训练数据集，并监督学习得到所述智能预测模型。

具体而言，基于大数据技术进行数据查询，获取多个身穿所述目标布料风格级别的服装的历史用户，并根据多个历史用户构建历史用户集。然后随机提取所述历史用户集中的第一历史用户，所述第一历史用户为所述历史用户集中的任意一个历史用户，并采集获得所述第一历史用户的第一初始服装图像，所述第一初始服装图像是指第一历史用户在静止时的服装图像。

对所述第一历史用户在所述目标运动趋势下的多个时间节点的第一历史服装图像进行采集，所述第一历史服装图像是指所述第一历史用户处于所述目标运动趋势中的不同时间节点下的历史服装图像，获得多个第一历史服装图像，其中所述第一历史服装图像带有时间节点标识，根据多个第一历史服装图像获得第一历史服装图像集。

获取第一时间，所述第一时间是指所述目标运动趋势中多个时间节点中的任意一个时间节点，根据所述第一时间对所述第一历史服装图像集进行筛选，获取所述第一历史服装图像集中处于所述第一时间的第一历史服装图像。并根据所述第一初始位置对所述第一历史服装图像进行网格筛选，获取所述第一历史服装图像中处于所述第一初始位置的第一历史服装网格，并获取所述第一历史服装网格的第一历史终止位置。

将所述第一初始位置、所述目标运动趋势、所述第一历史终止位置作为第一训练数据集；然后依次对所述历史用户集中的多个历史用户进行分析，获得多组训练数据集。

基于BP神经网络构建智能预测模型，所述智能预测模型为机器学习中可以进行迭代优化的神经网络模型，通过监督学习获得。根据多组训练数据集依次对所述智能预测模型进行监督学习，首先，通过第一组训练数据集对所述智能预测模型进行监督训练，所述第一组训练数据集为多组训练数据集中的任意一组，获取智能预测模型的第一输出结果，并将所述第一输出结果与第一组训练数据集进行对比，当一致时，则第一组训练数据集监督学习完成；当不一致时，则对智能预测模型进行自我修正，直至输出结果与第一组训练数据集的结果一致，本组训练数据集监督学习完成，继续进行下一组训练数据集的监督学习，不断通过训练数据进行迭代监督学习，直至所述智能预测模型的输出结果达到收敛状态时，获得训练完成的智能预测模型。

基于所述预定动画约束，通过所述智能预测模型对所述第一输入信息进行分析，得到所述第一服装网格的第一预测终止位置，且所述第一预测终止位置具备第一时间的标识。

步骤S850：基于所述第一预测终止位置和所述第一时间，生成所述目标用户动画。

具体而言，基于所述预定动画约束，通过所述智能预测模型对所述目标用户三维模型网格划分结果中的其他网格进行预测分析，获得多个网格的预测终止位置，并将多个网格的预测终止位置进行融合，生成目标用户动画。通过基于神经网络构建智能预测模型，可以提高网格预测终止位置获得的准确率，从而提高目标用户动画获得的准确性。

通过上述方法解决了由于三维动画建模精细化程度较低导致三维动画质量较差的技术问题，可以提高三维动画建模的精细化程度，使得三维动画场面更真实、更精确。

在一个实施例中，如图5所示提供了一种基于三维立体技术的智能动画建模系统，包括：目标人体参数得到模块1、目标人体模型得到模块2、目标服装参数得到模块3、目标服装模型得到模块4、目标用户三维模型获得模块5、目标布料风格级别确定模块6、预定动画约束获得模块7、目标用户动画生成模块8、其中：

目标人体参数得到模块1，所述目标人体参数得到模块1用于采集目标用户的人体特征信息得到目标人体参数；

目标人体模型得到模块2，所述目标人体模型得到模块2用于基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型；

目标服装参数得到模块3，所述目标服装参数得到模块3用于采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；

目标服装模型得到模块4，所述目标服装模型得到模块4用于基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；

目标用户三维模型获得模块5，所述目标用户三维模型获得模块5用于将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；

目标布料风格级别确定模块6，所述目标布料风格级别确定模块6用于基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；

预定动画约束获得模块7，所述预定动画约束获得模块7用于获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；

目标用户动画生成模块8，所述目标用户动画生成模块8用于智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。

在一个实施例中，所述系统还包括：

第一人体参数采集模块，所述第一人体参数采集模块用于采集第一用户的第一人体参数；

第一人体模型绘制模块，所述第一人体模型绘制模块用于根据所述第一人体参数绘制第一人体模型；

第一用户类别确定模块，所述第一用户类别确定模块用于读取预定分类规则，并根据所述预定分类规则确定所述第一用户的第一用户类别；

第一映射关系建立模块，所述第一映射关系建立模块用于建立所述第一人体参数、所述第一用户类别与所述第一人体模型之间的第一映射关系；

人体模型数据库构建模块，所述人体模型数据库构建模块用于根据所述第一映射关系构建所述人体模型数据库。

在一个实施例中，所述系统还包括：

预定分类规则模块，所述预定分类规则模块是指所述预定分类规则包括预定年龄分类规则、预定身形分类规则。

在一个实施例中，所述系统还包括：

第一服装模型绘制模块，所述第一服装模型绘制模块用于获取所述第一用户的第一服装结构，并绘制所述第一服装结构的第一服装模型；

服装模型数据库构建模块，所述服装模型数据库构建模块用于基于所述第一服装结构与所述第一服装模型的对应关系构建所述服装模型数据库。

在一个实施例中，所述系统还包括：

预定布料研判方案模块，所述预定布料研判方案模块是指所述预定布料研判方案中存储有预定布料特征指标；

预定布料特征指标模块，所述预定布料特征指标模块是指其中，所述预定布料特征指标包括布料悬垂度、布料柔软度、布料纹理感；

目标数据获得模块，所述目标数据获得模块用于基于所述预定布料特征指标，依次检测得到所述服装布料的目标布料悬垂度数据、目标布料柔软度数据、目标布料纹理感数据；

目标布料参数得到模块，所述目标布料参数得到模块用于加权所述目标布料悬垂度数据、所述目标布料柔软度数据、所述目标布料纹理感数据得到所述目标布料参数；

目标布料风格级别匹配模块，所述目标布料风格级别匹配模块用于基于预定布料参数-风格级别列表匹配所述目标布料参数对应的所述目标布料风格级别。

在一个实施例中，所述系统还包括：

网格划分模块，所述网格划分模块用于对所述目标用户三维模型进行网格划分，得到网格划分结果；

第一网格提取模块，所述第一网格提取模块用于提取所述网格划分结果中的第一网格，其中，所述第一网格包括第一人体网格和第一服装网格；

第一输入信息得到模块，所述第一输入信息得到模块用于读取所述第一人体网格的第一初始位置，并结合所述目标布料风格级别得到第一输入信息；

第一预测终止位置得到模块，所述第一预测终止位置得到模块用于通过所述智能预测模型对所述第一输入信息进行分析，得到所述第一服装网格的第一预测终止位置，且所述第一预测终止位置具备第一时间的标识；

目标用户动画生成模块，所述目标用户动画生成模块用于基于所述第一预测终止位置和所述第一时间，生成所述目标用户动画。

在一个实施例中，所述系统还包括：

历史用户集汇集模块，所述历史用户集汇集模块用于汇集身穿所述目标布料风格级别的服装的历史用户集；

第一初始服装图像采集模块，所述第一初始服装图像采集模块用于随机提取所述历史用户集中的第一历史用户，并采集所述第一历史用户的第一初始服装图像；

第一历史服装图像集采集模块，所述第一历史服装图像集采集模块用于采集所述第一历史用户在所述目标运动趋势下的第一历史服装图像集；

第一历史服装图像筛选模块，所述第一历史服装图像筛选模块用于筛选所述第一历史服装图像集中处于所述第一时间的第一历史服装图像；

第一历史服装网格获取模块，所述第一历史服装网格获取模块用于获取所述第一历史服装图像中处于所述第一初始位置的第一历史服装网格；

第一历史终止位置获取模块，所述第一历史终止位置获取模块用于获取所述第一历史服装网格的第一历史终止位置；

智能预测模型得到模块，所述智能预测模型得到模块用于将所述第一初始位置、所述目标运动趋势、所述第一历史终止位置作为第一训练数据集，并监督学习得到所述智能预测模型。

综上所述，本申请提供了一种基于三维立体技术的智能动画建模方法及系统具有以下技术效果：

1.解决了由于三维动画建模精细化程度较低导致三维动画质量较差的技术问题，可以提高三维动画建模的精细化程度，使得三维动画场面更真实、更精确。

2.通过对目标用户三维模型进行网格划分，可以提高目标用户动作分析的精度，从而可以提高三维动画建模的精度。

3.通过基于神经网络构建智能预测模型，可以提高网格预测终止位置获得的准确率，从而提高目标用户动画获得的准确性。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (6)

1.基于三维立体技术的智能动画建模方法，其特征在于，包括：

采集目标用户的人体特征信息得到目标人体参数；

基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型，包括：

采集第一用户的第一人体参数；

根据所述第一人体参数绘制第一人体模型；

读取预定分类规则，并根据所述预定分类规则确定所述第一用户的第一用户类别，所述预定分类规则包括预定年龄分类规则、预定身形分类规则；

建立所述第一人体参数、所述第一用户类别与所述第一人体模型之间的第一映射关系；

根据所述第一映射关系构建所述人体模型数据库；

采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；

基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；

将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；

基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；

获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；

智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。

2.根据权利要求1所述方法，其特征在于，所述基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，包括：

获取所述第一用户的第一服装结构，并绘制所述第一服装结构的第一服装模型；

基于所述第一服装结构与所述第一服装模型的对应关系构建所述服装模型数据库。

3.根据权利要求1所述方法，其特征在于，所述基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别，包括：

所述预定布料研判方案中存储有预定布料特征指标；

其中，所述预定布料特征指标包括布料悬垂度、布料柔软度、布料纹理感；

基于所述预定布料特征指标，依次检测得到所述服装布料的目标布料悬垂度数据、目标布料柔软度数据、目标布料纹理感数据；

加权所述目标布料悬垂度数据、所述目标布料柔软度数据、所述目标布料纹理感数据得到所述目标布料参数；

基于预定布料参数-风格级别列表匹配所述目标布料参数对应的所述目标布料风格级别。

4.根据权利要求3所述方法，其特征在于，所述智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画，包括：

对所述目标用户三维模型进行网格划分，得到网格划分结果；

提取所述网格划分结果中的第一网格，其中，所述第一网格包括第一人体网格和第一服装网格；

读取所述第一人体网格的第一初始位置，并结合所述目标布料风格级别得到第一输入信息；

通过所述智能预测模型对所述第一输入信息进行分析，得到所述第一服装网格的第一预测终止位置，且所述第一预测终止位置具备第一时间的标识；

基于所述第一预测终止位置和所述第一时间，生成所述目标用户动画。

5.根据权利要求4所述方法，其特征在于，在所述通过所述智能预测模型对所述第一输入信息进行分析之前，包括：

汇集身穿所述目标布料风格级别的服装的历史用户集；

随机提取所述历史用户集中的第一历史用户，并采集所述第一历史用户的第一初始服装图像；

采集所述第一历史用户在所述目标运动趋势下的第一历史服装图像集；

筛选所述第一历史服装图像集中处于所述第一时间的第一历史服装图像；

获取所述第一历史服装图像中处于所述第一初始位置的第一历史服装网格；

获取所述第一历史服装网格的第一历史终止位置；

将所述第一初始位置、所述目标运动趋势、所述第一历史终止位置作为第一训练数据集，并监督学习得到所述智能预测模型。

6.基于三维立体技术的智能动画建模系统，其特征在于，用于执行权利要求1-5所述方法中任意一项方法的步骤，包括：

目标人体参数得到模块，所述目标人体参数得到模块用于采集目标用户的人体特征信息得到目标人体参数；

目标人体模型得到模块，所述目标人体模型得到模块用于基于所述目标人体参数在人体模型数据库中匹配目标初始人体模型，并调整所述目标初始人体模型得到目标人体模型，包括：

采集第一用户的第一人体参数；

根据所述第一人体参数绘制第一人体模型；

读取预定分类规则，并根据所述预定分类规则确定所述第一用户的第一用户类别，所述预定分类规则包括预定年龄分类规则、预定身形分类规则；

建立所述第一人体参数、所述第一用户类别与所述第一人体模型之间的第一映射关系；

根据所述第一映射关系构建所述人体模型数据库；

目标服装参数得到模块，所述目标服装参数得到模块用于采集所述目标用户的服装款式信息得到目标服装参数，其中，所述目标服装参数包括目标服装结构和目标服装颜色；

目标服装模型得到模块，所述目标服装模型得到模块用于基于所述目标服装结构在服装模型数据库中匹配目标初始服装模型，并调整所述目标初始服装模型得到目标服装模型；

目标用户三维模型获得模块，所述目标用户三维模型获得模块用于将所述目标服装颜色渲染至所述目标服装模型，形成所述目标用户的目标用户三维模型；

目标布料风格级别确定模块，所述目标布料风格级别确定模块用于基于预定布料研判方案对所述目标用户的服装布料进行特征分析，得到目标布料参数，并基于所述目标布料参数确定目标布料风格级别；

预定动画约束获得模块，所述预定动画约束获得模块用于获取所述目标用户的目标运动趋势，并将所述目标运动趋势和所述目标布料风格级别作为预定动画约束；

目标用户动画生成模块，所述目标用户动画生成模块用于智能预测模型基于所述预定动画约束对所述目标用户三维模型进行预测分析，并根据分析结果生成目标用户动画。