基于机器学习的三维人体动画视觉体验系统设计

0 引 言

随着动画视觉体验与三维数据处理能力的高速发展，社会生活中越来越多的场景使用三维影像代替原有二维影像，使得现行网络中积累了丰厚的三维实体与行为数据。目前常使用相关的数据挖掘方法，从中筛选出更为真实有效的数据，使三维图像更具精准性、文本关联性以及多场景适用性[1]。并在上述研究基础上对视觉体验系统进行深层次的研发，通过机器学习等技术高效地提升三维数据图像的资料，另外，随着产业应用标准的变化，需要针对特殊的速度要求、用户行为喜好等多个方向进行改进。

传统三维人体动画视觉体验系统能够随机采集大量三维参数，使用超大模型训练的方式解决三维图像展示体验的问题[2]。系统架构在三维激光扫描的基础上进行构建，三维人体动画体验主要有两种方式：一种是通过三维等价数据变换，将图像数据量化，传达三维人体动画的复杂信息；另一种是将若干个有效数据节点资源组合计算，使扩展系统存储中已有的三维人体动画*大化展示三维人体图像的代表性参数。但是，传统三维人体动画视觉体验系统在图像展示过程中，融合相关数据的能力较差，面对大数据的融合，显得十分困难，为此设计基于机器学习的三维人体动画视觉体验系统。

1 三维人体动画视觉体验系统硬件设计

本文设计的三维人体动画视觉体验系统沿用常规硬件设计，但是重点对三维扫描装置进行优化。优化后的三维扫描装置包含：集电器、光学采集器、数字计算机、一体化立体扫描仪等[3⁃4]。立体扫描仪能够对三维人体动画的外形结构以及空间点位进行识别，识别后传入光学采集器中进行光学转化，使用集电器与数字计算机对上述数据进行展示。三维扫描装置如图 1所示。

三维扫描装置采用脉冲测距法对三维坐标进行测距，基于高速激光反射原理，主动发射激光束并采集被测人体表面反射回来的散射光，使用集电器计算出被吸收的光束，补偿出现缺陷的激光源光束。扫描结果中包括：人体水平方向仰面角度、人体高度范围值、*大活动范围距离等三维坐标数据[5]。通过以上数据可确定出三维人体动画的三维坐标，以三维扫描装置为坐标原点，人体水平方向*大动画距离为正方向，搭建三维人体动画视觉三维坐标轴。

运用三维扫描装置中的集电器代替原有的投影仪，集电器不仅可以投射特定的图案，不同的投射图案可以重建出一个全息的几何信息数据，集电器还能够通过外部输入不同形式的数据，对不同角度的数据进行拟合，构造出完整的扫描结果。集电器在人体上投射不同的图案形成多样的光纹，使用光学采集器对光纹信息进行采集，测量的人体信息动作会通过光纹特征联系在一起，进行视觉展现时，对光纹特征单独关联即可[6⁃7]。集电器投射图案按照纹理如图 2所示。

2 三维人体动画视觉体验系统软件设计

2.1 确定三维人体位置、比例、转角信息三维人体动画视觉体验属于特定展示系统，简言之，就是能够根据用户使用需求，生成三维人体动画的过程。在本文系统中，三维人体动画主要体现人体位置、比例、转角的变化，根据用户特征用特定的方式对三维人体动画进行展示。

1）三维人体位置的确立。人体动画的位置变换是将人体的头部点作为标记点，记作 ( x, y,z )，在 x 方向、y 方向和 z 方向上分别标记 dx，dy 以及 dz 个长度单位，那么将人体看作质点后，三维人体位置坐标可标记为( X, Y,Z )，三维人体位置坐标可表示为：

ìíîïïX = x + dxY = y + dyZ = z + dz（1）

2）三维人体动画比例确认。三维人体动画的比例变换是以人体看作质点 ( 0, 0, 0 )，将三维人体动画上各标注点的坐标分别向着 X 分量、Y 分量以及 Z 分量的方向延伸，延伸距离乘以 dx，dy 以及 dz的矢量长度，三维人动画比例变换后的坐标依旧以 ( x, y,z )为原点，将原有区域进行扩大或者缩小若干倍，用公式表达为：

图 3 中，原有人体动画样本数据为图中“圆圈”；若机器学习算法将相近的数据样本类标作为划分区间，则导入数据样本判断为有效融合数据，用“三角”表示；若机器学习算法标定补充数据为融合限定标准[9⁃10]，那么也可划分为融合数据，用“正方形”表示。视觉体验数据填充的重要过程是区分有效数据，不同的算法下，融合标准不同，本文使用机械学习算法能够融合大批量数据，改变传统视觉体验数据填充方式，执行机械学习的过程便可以视为视觉体验数据填充过程。

2.3 视觉感知对比度优化

视觉体验数据填充以后，对展示的感官对比度进行调试，三维人体动画具有高动态的特征，为此使用色调映射来调整视觉感知对比度[11]。用色调映射亮度范围，通常色调映射曲线呈现的是单调递减的变化趋势，根据韦伯⁃费希纳定律可知，人眼视觉敏感度与亮度成比例。

因此，本文将色调映射调整到亮度的有效对数区域中。为了保证优化视觉感知对比度是*佳值域，结合色调映射曲线分段特性[12]，选择单调函数的极值作为调制节点，标记极限节点( mm , ym )为色调映射值。

假设相邻节点( mm , ym )与( mm + 1 , ym + 1 )之间的交叉阶段为 m，那么交叉调制的调节值为 a，该值恒定[13]，则使用色调映射曲线斜率作为指定亮度，用公式表示为：

d = ym + 1 - yma （4）

为了获得*优视觉感知对比度，调整色调映射编斜

ìíîïïx = Xdxy = Ydyz = Zdz（2）

3）旋转角的变换。依然将人体看做质点，坐标系的原点 ( 0, 0, 0 ) 不变，中心点坐标用 ( x, y,z )表示，则对人体上的任一点坐标( X, Y,Z )沿某轴逆时针旋转 θ角度后，新的点坐标标记为( X1 , Y1 ,Z1 )，那么 θ 作为人体三维动画绕动的中心，用公式表示为：

ìíîïïX1 = ( X - x ) cos θ - ( Y - y )sin θY1 = YZ1 = z - ( X - x )sin θ + ( Z - z ) cos θ（3）

至此，完成三维人体动画位置、比例、转角的确认。

2.2 基于机器学习的视觉体验数据填充

将确认的三维人体动画位置、比例、转角数据导入机械学习模型中，与用户控制口令相填充。根据用户输入的不同特征值与现有三维人体动画数据进行融合，融合过程中要区别数据之间的特征，为此使用机器学习算法对现有数据进行分类后再执行融合口令[8]，在机器学习中使用近邻算法辨识出现有数据与样本集数据的相似性，根据相似度的大小划分在一个相对的数据区间内，如图 3所示。

光的参量，使用代码 date default time zone set（′ Asia/Shanghai′）调用出光场感知参量代替原有参量值，再求解色调映射曲线[14]，*后得到的光场强度就是色调映射*优值，也是视觉感知对比度的*优值，使用修订程序<script>Big Pipe. lazy Page lets = []；</script>修订差分值后，便可以进行三维人体动画视觉体验。

3 实 验

为了验证系统性能，进行实验验证。本实验采用YUI⁃658 实验平台，验证不同视觉体验系统的数据融合能力，使用两种传统视觉体验系统与本文设计系统作比较，在统一实验环境光条件下，使用多组数据进行输入，输入量随机分配。但是，需使用相同的输入方式，用于实验的 YUI⁃658 实验平台能够将实验数据统一汇总，显示在该平台中。

3.1 实验准备

实验使用的 YUI⁃658实验平台参数如表 1所示。实验中使用美能达照明设备，三维人体动画大小动态信息保持不变，系统使用的相应参数保证一致，三维

人体动画投影投射的*大照度规定为 700 lx；视觉动画 投 影 面 积 为 5.5 m2；动 态 的 反 射 部 分 * 大 照 度 为450 lx；人体转角部分的*大显示照度为 342 lx；人体以外的环境照度为 535 lx；在体验视角范围内，3D 显示结果呈现均匀的画质分布。

视觉体验系统在视觉体验时，观看视角的变化如图 4所示。

3.2 实验结果分析

对比三种视觉体验系统时，将所有输入融合的数据结果统一汇总至图中，实验结果如图 5所示。

由图 5可知，本文设计的基于机器学习的三维人体动画视觉体验系统数据融合量*低超过 70 TB，两种传统系统的*佳值没有超过 60 TB，说明本文系统融合数据能力更强。这是由于本文系统在软件设计的过程中引入了机器学习算法，运用该算法将视觉体验数据与用户数据进行融合，以此来实现视觉体验数据的填充，并对填充后的视觉感知对比度实施优化处理，*终提高系统的数据融合量，进而提升了系统的性能。

4 结 语

为了解决传统系统存在的融合数据量较少的问题，设计一个基于机器学习的三维人体动画视觉体验系统。经实验验证，该系统解决了传统系统融合数据能力差的问题，说明该系统在数据融合中更具备优势。虽然本文设计的系统取得了一定的进步，但是没有考虑到由于数据量较大造成的数据处理效率较低的问题，接下来将以此为研究重点进行深入的研究。