CN119941934B 基于三维立体技术的智能动画建模方法及系统 （长春大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119941934B(45)授权公告日2025.07.01

(21)申请号202510432224.8

(22)申请日2025.04.08

(65)同一申请的已公布的文献号申请公布号CN119941934A

(43)申请公布日2025.05.06

(73)专利权人长春大学

地址130022吉林省长春市卫星路6543号

(72)发明人张会东

(74)专利代理机构重庆壹手知专利代理事务所(普通合伙)50267

专利代理师彭放强

(51)Int.CI.

(56)对比文件

CN119131211A,2024.12.13

审查员王盼盼

GO6T13/20(2011.01)

GO6T17/00(2006.01)

权利要求书3页说明书11页附图2页

(54)发明名称

基于三维立体技术的智能动画建模方法及系统

(57)摘要

CN119941934B本发明公开了基于三维立体技术的智能动画建模方法及系统，具体涉及动画建模技术领域；通过实时获取表演者的动作数据，并对捕捉数据进行预处理，结合骨骼建模技术完成动作数据与三维角色的映射和优化；针对多演员互动场景，分析标记点遮挡率和误匹配率的异常变化，评估系统对多角色动作跟踪的准确性；当捕捉系统达到预期精度后，对生成的三维动画进行模拟与测试，并结合物理引擎优化动画数据，使其符合物理规律，将优化后的动画以兼容格式导出，并通过实时渲染技术完成角色与场景的整合，生成高质量的三维动画效果，显著提升了多角色复

CN119941934B

模。

利用多视角运动捕捉设备实时获取表演者的动

利用多视角运动捕捉设备实时获取表演者的动作数据，包括在表演者关键部位设置标记点，记录其位置、旋转和运动轨迹

对捕捉的动作数据进行预处理后，创建目标三维角色的骨骼模

型，包括关节位置和层级关系，并将预处理的动作数据映射到

骨骼模型上，通过比例调整和权重优化

使用人工智能优化骨骼动画，包括动作平滑和关键帧提取，同

时生成角色面部动画以实现表情与动作的自然匹配，通过深度

学习补全未捕捉部分动作，生成流畅的过渡动画

针对多演员互动场景，对捕捉系统在标记点跟踪过程中的标记

点遮挡率和标记点误匹配率的异常变化情况进行分析，评估捕

捉系统对多角色的动作跟踪能力

当捕捉系统能够准确分辨并记录每个演员的独立动作轨迹时，对生成的三维动画进行模拟与测试，发现并修正潜在问题，包括穿模和关节超限，并结合物理引擎优化动画数据，使其符合

物理规律

将优化后的动画以兼容格式导出，并集成到目标场景中，通过实

时渲染技术完成角色与场景整合，添加灯光、材质和特效，生成

最终的高质量动画效果

s1

s3

-S4

S5

—S6

CN119941934B权利要求书1/3页

2

1.基于三维立体技术的智能动画建模方法，其特征在于：包括以下步骤：

S1:利用多视角运动捕捉设备实时获取表演者的动作数据，包括在表演者关键部位设置标记点，记录其位置、旋转和运动轨迹；

S2:对捕捉的动作数据进行预处理后，创建目标三维角色的骨骼模型，包括关节位置和层级关系，并将预处理的动作数据映射到骨骼模型上，通过比例调整和权重优化；

S3:使用人工智能优化骨骼动画，包括动作平滑和关键帧提取，同时生成角色面部动画以实现表情与动作的自然匹配，通过深度学习补全未捕捉部分动作，生成流畅的过渡动画；

S4:针对多演员互动场景，对捕捉系统在标记点跟踪过程中的标记点遮挡率和标记点误匹配率的异常变化情况进行分析，评估捕捉系统对多角色的动作跟踪能力；

具体包括：对捕捉系统在标记点跟踪过程中的标记点遮挡率异常变化情况进行分析后生成标记点遮挡率波动指数，标记点遮挡率波动指数的获取方法为：构建标记点遮挡率的

时间序列R={r?,r?,…,rn},其中r表示第N帧的标记点遮挡率，取值范围为0≤rn≤10,N为时间序列的总帧数，设定滑动窗口的长度为W,即窗口包含的帧数，对于第t帧，滑动平均值MA的计算公式为：;当t(W时，窗口包含的帧数为t,r为第

i帧的遮挡率；对于第t帧，遮挡率r与滑动平均值MA的绝对偏差计算公式为：Dt=Irt-MA|;D为第t帧的偏差值表示当前遮挡率与滑动平均趋势的差异，计算标

记点遮挡率波动指数，表