本發(fā)明涉及數(shù)字人形象生成，特別涉及基于數(shù)據(jù)分析的高仿真數(shù)字人形象生成方法。

背景技術(shù)：

1、隨著計算機圖形學(xué)和人工智能技術(shù)的發(fā)展，數(shù)字人形象生成技術(shù)已經(jīng)取得了顯著的進展。

2、但現(xiàn)有技術(shù)中的高仿真數(shù)字人形象生成方法還存在以下不足：

3、不同的多模態(tài)融合網(wǎng)絡(luò)策略可能會生成具有不同效果的數(shù)字人形象；每種融合策略都有其特定的優(yōu)勢和局限性，可能會在數(shù)字人形象的逼真度、自然度、情感表達等方面產(chǎn)生不同的影響，現(xiàn)有技術(shù)不能對不同的多模態(tài)融合網(wǎng)絡(luò)策略生成數(shù)字人形象的效果進行分析和評估，從而選取最佳的多模態(tài)融合網(wǎng)絡(luò)策略，導(dǎo)致生成的數(shù)字人形象效果和體驗較差。

4、為此，推出一種基于數(shù)據(jù)分析的高仿真數(shù)字人形象生成方法。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供基于數(shù)據(jù)分析的高仿真數(shù)字人形象生成方法，以解決上述背景技術(shù)提出的問題。

2、本發(fā)明的目的可以通過以下技術(shù)方案實現(xiàn)：基于數(shù)據(jù)分析的高仿真數(shù)字人形象生成方法，包括：

3、數(shù)據(jù)收集：收集目標人物的面部、身體、動作和語音數(shù)據(jù)；

4、特征提取：對目標人物所收集的數(shù)據(jù)進行分析，提取關(guān)鍵特征，從而建立目標人物所對應(yīng)的數(shù)據(jù)模型；

5、特征融合：采用多模態(tài)融合網(wǎng)絡(luò)策略，將面部、身體、動作和語音特征融合，生成初步的數(shù)字人形象，生成完成后對不同融合策略的效果進行分析，基于分析的結(jié)果以選取最佳策略，并基于選取的最佳策略生成目標人物的應(yīng)用數(shù)字人形象；

6、仿真優(yōu)化：通過迭代優(yōu)化算法，不斷調(diào)整數(shù)字人形象的生成參數(shù)，提高仿真度；

7、用戶交互：提供用戶交互接口，允許用戶根據(jù)需要調(diào)整數(shù)字人形象的細節(jié)；

8、數(shù)據(jù)加密：對生成數(shù)字人形象的數(shù)據(jù)進行加密，由此構(gòu)建當前目標人物生成數(shù)字人形象的加密圖案。

9、在一些實施例中，對不同融合策略的效果進行分析，具體為：

10、預(yù)設(shè)用于測試效果的數(shù)據(jù)集；其中數(shù)據(jù)集內(nèi)包括多樣化的面部表情、身體動作以及語音樣本；

11、確定評估數(shù)字人形象效果的指標，包括逼真度、自然度、同步性以及一致性；

12、首先從數(shù)據(jù)集中提取所需測試的參考圖像，使用生成的數(shù)字人形象產(chǎn)生對應(yīng)參考圖像的測試圖像，應(yīng)用圖像質(zhì)量評估算法對測試圖像和參考圖像進行比較分析，對于每對參考圖像和測試圖像，分別計算結(jié)構(gòu)相似性指數(shù)、多尺度結(jié)構(gòu)相似性以及峰值信噪比，并分別標記為a、b以及c；

13、將計算的a、b以及c標準化到相同的尺度，通過預(yù)設(shè)a、b以及c的各組取值范圍，設(shè)定每組a、b以及c所對應(yīng)的取值范圍對應(yīng)一個效果評分；將a、b以及c與對應(yīng)的各組取值范圍進行匹配，從而得到每對參考圖像和測試圖像之間a、b以及c的效果評分；

14、預(yù)設(shè)a、b以及c每個指標的權(quán)重系數(shù)，將a、b以及c所對應(yīng)的效果評分分別與對應(yīng)權(quán)重系數(shù)進行相乘，然后求和得到每對參考圖像和測試圖像的綜合評分；

15、隨后對于每對參考圖像和測試圖像的綜合評分進行均值的計算，將計算的均值作為生成數(shù)字人形象的逼真指數(shù)gai；其中i表示生成數(shù)字人形象的編號，其中i=1,2...k，k為生成數(shù)字人形象的總數(shù)。

16、在一些實施例中，對不同融合策略的效果進行分析，進一步：

17、從數(shù)據(jù)集中提取所需測試動作的關(guān)鍵幀和運動軌跡；并根據(jù)提取所需測試動作的關(guān)鍵幀和運動軌跡，生成數(shù)字人形象所需的動作指令，利用對應(yīng)動作指令生成相應(yīng)的動作序列，并對生成的數(shù)字人形象動作進行關(guān)鍵點追蹤；從追蹤結(jié)果中提取關(guān)鍵點在連續(xù)幀中的位置數(shù)據(jù)，對于每一對連續(xù)幀，計算關(guān)鍵點的位移，將位移除以幀的時間間隔，得到關(guān)鍵點的速度；隨后計算速度序列的一階導(dǎo)數(shù)，即速度隨時間的變化率；進一步計算一階導(dǎo)數(shù)的導(dǎo)數(shù)，得到加速度的變化率，即二階導(dǎo)數(shù)；

18、計算二階導(dǎo)數(shù)的標準差，作為測試動作的平滑度；建立一個評分機制對得到的平滑度進行分數(shù)的量化，通過預(yù)設(shè)平滑度的各組取值范圍，設(shè)定每組取值范圍對應(yīng)一個自然度評分；將計算的平滑度與預(yù)設(shè)的各組取值范圍進行匹配，從而將得到的平滑度進行分數(shù)的轉(zhuǎn)化；

19、提取不同測試動作的自然度評分，預(yù)設(shè)不同測試動作所對應(yīng)的權(quán)重系數(shù)，將不同測試動作的自然度評分別與對應(yīng)的權(quán)重系數(shù)相乘，然后求和得到生成數(shù)字人形象的自然指數(shù)gbi。

20、在一些實施例中，對不同融合策略的效果進行分析，還包括：

21、從數(shù)據(jù)集中提取所需測試的面部表情、身體動作以及語音數(shù)據(jù)；利用生成的數(shù)字人形象執(zhí)行提取的測試數(shù)據(jù)，對面部表情和身體動作的時間序列數(shù)據(jù)進行時間序列分析，提取時序特征，使用時間戳將語音數(shù)據(jù)與面部表情和身體動作特征對齊；

22、計算面部表情和身體動作的時間序列與語音數(shù)據(jù)的時間序列之間的交叉相關(guān)性；測量面部表情和身體動作的關(guān)鍵點變化與語音特征的相位差；確定面部表情和身體動作與語音數(shù)據(jù)的延遲，即動作與語音開始點的餓時間差；

23、根據(jù)得到的交叉相關(guān)性、相位差以及延遲，將交叉相關(guān)性、相位差以及延遲分別標記為e、r以及t，預(yù)設(shè)e、r以及t的各組取值范圍，設(shè)定每組e、r以及t所對應(yīng)的取值范圍對應(yīng)一個同步性評分，將生成數(shù)字人形象的交叉相關(guān)性、相位差以及延遲進行同步性評分的轉(zhuǎn)化；

24、預(yù)設(shè)交叉相關(guān)性、相位差以及延遲所對應(yīng)的權(quán)重系數(shù)，將生成數(shù)字人形象的交叉相關(guān)性、相位差以及延遲分別與對應(yīng)的權(quán)重系數(shù)相乘，然后求和得到生成數(shù)字人形象的同步性指數(shù)gci。

25、在一些實施例中，基于分析的結(jié)果以選取最佳策略，具體為：

26、預(yù)設(shè)不同的測試場景，并通過分析和計算得到不同測試場景下生成數(shù)字人形象的逼真指數(shù)gai、自然指數(shù)gbi以及同步性指數(shù)gci；將對應(yīng)測試場景的編號標記為e，其中e=1,2...s，其中s為預(yù)設(shè)測試場景的總數(shù)；

27、將上述不同測試場景下生成數(shù)字人形象的逼真指數(shù)gai、自然指數(shù)gbi以及同步性指數(shù)gci分別標記為、以及，并代入公式（1）和（2），進行加權(quán)計算得到不同測試場景下生成數(shù)字人形象的效果評估指數(shù)kqfi；其中通過公式（1）計算得到對應(yīng)測試場景下生成數(shù)字人形象的場景評估指數(shù)，公式（1）中的、以及分別表示在不同測試場景下的及格逼真指數(shù)、及格自然指數(shù)以及及格同步性指數(shù)，、以及分別為不同測試場景下逼真指數(shù)、自然指數(shù)以及同步性指數(shù)的影響權(quán)重因子；

28、其中公式（2）中的表示不同測試場景下生成數(shù)字人形象效果評估指數(shù)kqfi的影響權(quán)重因子；

29、將計算的各組效果評估指數(shù)kqfi進行從大到小的排序，選取效果評估指數(shù)kqfi最大的數(shù)字人形象生成融合策略作為最佳策略，并基于選取的最佳策略生成目標人物的應(yīng)用數(shù)字人形象。

30、在一些實施例中，對生成數(shù)字人形象的數(shù)據(jù)進行加密，具體為：

31、首先基于當前目標人物所生成的數(shù)字人形象，生成一組唯一的隨機代碼；其中代碼由數(shù)字、字母以及符號組成；基于自定義的轉(zhuǎn)化規(guī)則，對代碼中的字母和符號進行數(shù)字的轉(zhuǎn)化，預(yù)設(shè)各字母和符號分別對應(yīng)一個0-10的數(shù)字，提取代碼中的字母和符號并根據(jù)自定義的轉(zhuǎn)換規(guī)則進行轉(zhuǎn)換后，得到當前目標人物所生成數(shù)字人形象的一連串數(shù)字集合；

32、對一連串的數(shù)字集合應(yīng)用預(yù)設(shè)的計算公式進行進一步處理，預(yù)設(shè)的計算公式為{（ce+cr）×1.59+cb}×0.85；其中ce表示一連串數(shù)字集合中的具體數(shù)值，cr和cb為預(yù)設(shè)的附加值，且取值＞0，具體取值由技術(shù)人員進行設(shè)定；

33、對一連串的數(shù)字集合進行處理完成后，得到當前目標人物所生成數(shù)字人形象的處理數(shù)字集合。

34、在一些實施例中，構(gòu)建當前目標人物生成數(shù)字人形象的加密圖案，具體為：

35、提取處理數(shù)字集合中的每一組數(shù)字，并將每一組數(shù)字的具體數(shù)值作為圓的半徑構(gòu)建圓形，設(shè)定每組數(shù)字對應(yīng)圓形的圓心處于同一直線上，繪制完第一組數(shù)字所構(gòu)建的圓形后，將第二組數(shù)字所構(gòu)建圓形的繪制圓心選在第一組構(gòu)建圓形的邊緣，以此類推，直至繪制完最后一組數(shù)字所構(gòu)建的圓形，由此得到當前目標人物生成數(shù)字人形象的加密圖案。

36、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

37、本發(fā)明通過采用多模態(tài)融合網(wǎng)絡(luò)策略，將面部、身體、動作和語音特征融合，生成高仿真的數(shù)字人形象，并基于效果分析選取最佳融合策略，引入逼真指數(shù)、自然指數(shù)和同步性指數(shù)，結(jié)合設(shè)定的不同測試場景，得到不同測試場景下的場景評估指數(shù)，進一步根據(jù)不同測試場景下的場景評估指數(shù)，得到不同融合策略下數(shù)字人形象的效果評估指數(shù)，全面評估數(shù)字人形象生成的效果，確保在多樣化的應(yīng)用環(huán)境中表現(xiàn)穩(wěn)定，提高了數(shù)字人形象的逼真度、自然度和情感表達；

38、本發(fā)明通過對生成的數(shù)字人形象數(shù)據(jù)進行加密處理，構(gòu)建加密圖案，增強了數(shù)據(jù)的安全性，保護了數(shù)字人形象的數(shù)據(jù)免受未授權(quán)訪問和濫用。