本發(fā)明屬于動漫制作遠程教學應用領(lǐng)域，更具體地，涉及一種基于圖像處理的元件作品及動畫作品自動評分方法。

背景技術(shù)：

隨著多媒體技術(shù)應用的快速發(fā)展，動漫影視作品的需求日益增大，基于遠程教學模式的動漫制作培訓已成為行業(yè)發(fā)展的迫切需要。在動漫培訓過程中，對動畫作品的評閱是教學環(huán)節(jié)中的重要一環(huán)；評閱者手工評閱模式已制約了遠程教學的發(fā)展，動畫作品的自動評分是解決這一問題的有效手段?，F(xiàn)階段的動畫作品自動評分方法主要是通過對Fla文件進行解析，獲得動畫作品中的相關(guān)對象及屬性，再通過檢查待評價動畫作品與參考作品相應對象的屬性值是否相同來對作品進行評分。這種評閱方法過于簡單，區(qū)分度不夠，不能滿足對動畫作品的元件搭配、色彩配置和整體框架等要素的準確評判要求。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)的以上缺陷或改進需求，本發(fā)明提供了一種基于圖像處理的元件作品及動畫作品自動評分方法，其目的在于提高動畫作品自動評分的準確度。

為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種基于圖像處理的元件作品自動評分方法，包括如下步驟：

(1)元件信息提?。翰捎胒la文件解析程序分別對待評價元件作品的fla文件和參考元件的fla文件進行解析，分別提取待評價元件作品的元件信息和參考元件的元件信息，并生成待評價元件圖像和參考元件圖像；

(2)獲取元件基本屬性正確性得分系數(shù)：

將待評價元件作品的元件信息與參考元件的元件信息進行比較，獲得待評價元件作品正確屬性的個數(shù)；

根據(jù)參考元件屬性的總個數(shù)與待評價元件作品中具有正確屬性值的屬性個數(shù)，獲取元件基本屬性正確性得分系數(shù)

其中，C_1t為參考元件作品元件屬性的總個數(shù)，C_1s為待評價元件作品中具有正確屬性值的屬性個數(shù)；

(3)獲取元件整體輪廓相似性得分系數(shù)：提取待評價元件圖像的邊緣圖像與參考元件圖像的邊緣圖像，并獲取這兩個邊緣圖像的相關(guān)系數(shù)A₂，以該相關(guān)系數(shù)作為元件整體輪廓相似性得分系數(shù)；

(4)獲取元件關(guān)鍵點相似性得分系數(shù)：以SIFT特征點作為元件的關(guān)鍵點，獲取參考元件圖像自我匹配的SIFT特征點匹配對個數(shù)C_2t；并對待評價元件圖像和參考元件圖像進行SIFT特征點提取和配準，獲得匹配對個數(shù)C_2s；

并獲得關(guān)鍵點局部相似性得分系數(shù)

(5)獲得待評價元件作品的最終得分A＝A₁×α1+A₂×α2+A₃×α3；其中，為α1元件基本屬性正確性的分值，α2為元件整體輪廓相似性的分值，為元件關(guān)鍵點相似性的分值，α3為元件關(guān)鍵點相似性的分值，在自動評閱前預先給定。

優(yōu)選地，上述基于圖像處理的元件作品自動評分方法，其步驟(3)包括如下子步驟：

(3.1)利用Canny算子分別提取待評價元件圖像的邊緣圖像f(i,j)和參考元件圖像的邊緣圖像g(i,j)；

(3.2)獲取上述兩個邊緣圖像的相關(guān)系數(shù)

$A_2=\frac{{\Σ}_{i=1}^M{\Σ}_{j=1}^N\[f(i,j)-\stackrel{\‾}{f}\]\[g(i,j)-\stackrel{\‾}{g}\]}{\sqrt{{\Σ}_{i=1}^M{\Σ}_{j=1}^N{\left(f\right(i,j)-\stackrel{\‾}{f})}^2}\sqrt{{\Σ}_{j=1}^M{\Σ}_{k=1}^N{\left(f\right(i,j)-\stackrel{\‾}{f})}^2}}$

其中，

$\stackrel{\‾}{f}=\frac{{\Σ}_{i=1}^M{\Σ}_{j=1}^{N}f(i,j)}{M\×N}$

$\stackrel{\‾}{g}=\frac{{\Σ}_{i=1}^M{\Σ}_{j=1}^{N}g(i,j)}{M\×N}$

其中，M為邊緣圖像的長，N為邊緣圖像的寬；i為圖像像素的橫坐標，j為圖像像素的縱坐標。

優(yōu)選地，上述基于圖像處理的元件作品自動評分方法，其步驟(4)包括如下子步驟：

(4.1)以SIFT特征點作為元件的關(guān)鍵點，采用ASIFT算法計算出參考元件圖像自我匹配的SIFT特征點匹配對個數(shù)C_2t；

(4.2)采用ASIFT算法對待評價元件圖像和參考元件圖像進行SIFT特征點提取和配準，獲得匹配對個數(shù)C_2s；

(4.3)獲得關(guān)鍵點局部相似性得分系數(shù)

按照本發(fā)明的另一方面，提供了一種基于圖像處理的動畫作品自動評分方法，包括如下步驟：

(a)關(guān)鍵幀及元件信息提?。翰捎胒la文件解析程序，分別對待評價動畫作品的fla文件與參考動畫作品的fla文件進行解析，提取動畫關(guān)鍵幀、每個關(guān)鍵幀的元件列表和每個元件的屬性信息；

(b)獲取關(guān)鍵幀個數(shù)正確性得分系數(shù)

其中，D_1t為參考動畫作品的關(guān)鍵幀個數(shù)，D_1s為待評價動畫作品的關(guān)鍵幀個數(shù)；

(c)獲取關(guān)鍵幀元件個數(shù)正確性得分系數(shù)

其中，F(xiàn)_1k為第k關(guān)鍵幀錯誤元件個數(shù)，T_1k為第k關(guān)鍵幀正確元件個數(shù)；k＝1,...,L；L為待評價動畫作品的關(guān)鍵幀總個數(shù)；

(d)獲取元件空間相對位置正確性得分系數(shù)

其中，T_2k為第k關(guān)鍵幀相對位置正確的元件的個數(shù)，F(xiàn)_2k為第k關(guān)鍵幀相對位置錯誤的元件的個數(shù)；

(e)獲取元件姿態(tài)正確性得分系數(shù)

其中，T_1k為第k關(guān)鍵幀的正確元件個數(shù)；θ_m為待評價作品的元件偏轉(zhuǎn)角度，為參考作品的元件偏轉(zhuǎn)角度，m＝1…T_1k；

(f)獲取待評價動畫作品得分

其中，關(guān)鍵幀的個數(shù)β1、β2、β3和β4為各評分項的分值，由評閱者設定。

優(yōu)選地，上述基于圖像處理的動畫作品自動評分方法，其步驟(3)包括如下子步驟：

(c.1)將待評價動畫作品的第k關(guān)鍵幀元件列表與參考動畫作品的第k關(guān)鍵幀元件列表進行比較，獲取k關(guān)鍵幀的正確元件個數(shù)T_1k和錯誤元件個數(shù)F_1k；

將與參考動畫具有相同元件名的元件判定為正確元件，其他元件的判定為錯誤元件；

(c.2)根據(jù)正確元件個數(shù)T_1k和錯誤元件個數(shù)F_1k，獲取第k關(guān)鍵幀元件個數(shù)正確性得分系數(shù)

優(yōu)選地，上述基于圖像處理的動畫作品自動評分方法，其步驟(4)包括如下子步驟：

(d.1)獲取待評價動畫作品第k關(guān)鍵幀的元件列表與參考動畫作品的第k關(guān)鍵幀的元件列表；

(d.2)提取待評價動畫作品的元件坐標位置S_n(x,y)，以及參考作品的元件的坐標位置P_n(x,y)；其中，n＝1，...，T_1k；

(d.3)獲取對應元件的絕對位置偏差

(d.4)獲取元件絕對位置偏差的均值

(d.5)獲得元件的相對位置偏差

(d.6)判斷是否d_xn和d_yn均小于預設的偏差閾值，若是，則判定元件相對位置正確；若否，則判元件相對位置錯誤；其中，偏差閾值由評閱者自行設定；

(d.7)獲取第k關(guān)鍵幀里相對位置正確的元件的個數(shù)T_2k，以及第k關(guān)鍵幀里相對位置錯誤的元件的個數(shù)F_2k；

(d.8)獲取第k關(guān)鍵幀元件空間相對位置正確性得分系數(shù)其中，k＝1,...,L。

選地，上述基于圖像處理的動畫作品自動評分方法，其步驟(5)包括如下子步驟：

(e.1)獲取待評價動畫作品與參考動畫作品的第k關(guān)鍵幀的元件列表，提取待評價動畫作品正確元件的旋轉(zhuǎn)角度，將其作為姿態(tài)參數(shù)；

(e.2)獲取待評價動畫作品的元件坐標位置θ_m，參考作品的元件的坐標位置其中m＝1…T_1k；

(e.3)獲取第k關(guān)鍵幀的元件姿態(tài)正確性得分系數(shù)

總體而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，能夠取得下列有益效果：

本發(fā)明提供的這種基于圖像處理的元件作品自動評分方法，對于元件作品而言，結(jié)合圖像處理，獲取其元件基本屬性正確性得分系數(shù)、元件關(guān)鍵點相似性得分系數(shù)和元件整體輪廓相似性得分系數(shù)；并根據(jù)這三項得分系數(shù)加權(quán)獲得元件作品的總分數(shù)；

對于動畫作品而言，分別獲取其關(guān)鍵幀個數(shù)正確性得分系數(shù)、關(guān)鍵幀元件個數(shù)正確性得分系數(shù)、元件空間相對位置正確性得分系數(shù)、元件姿態(tài)正確性得分系數(shù)；并根據(jù)上述四項得分系數(shù)進行加權(quán)獲得動畫作品的總分式；將動畫作品中的元件的特定位置與旋轉(zhuǎn)角度逐一分析；

對評分項進行精細化處理，提供了區(qū)分度，滿足對動畫作品的元件搭配、色彩配置和整體框架要素的準確評判要求，可準確地對作品做出評價；獲知學員對各項知識點掌握的程度，不會因為學員的某一步操作失誤而影響對作品整體的評分，能夠自動地給出元件作品和動畫作品的準確得分，提高了作品評閱的準確度。

附圖說明

圖1是實施例提供的元件作品自動評分方法的流程圖；

圖2是實施例里的待評價元件作品題目原畫底稿圖；

圖3是實施例里的待評價元件作解析結(jié)果；

圖4是實施例里的參考元件解析結(jié)果；

圖5是實施例里的待評價元件作品圖像；

圖6是實施例里的參考元件作品圖像；

圖7是實施例里的待評價元件作品的邊緣圖像；

圖8是實施例里的參考元件作品的邊緣圖像；

圖9是實施例里的待評價元件作品與參考元件作品局部特征匹配圖；

圖10是實施例里的參考元件作品自身局部特征匹配圖；

圖11是實施例提供的動畫作品自動評分方法的流程圖；

圖12是實施例里的待評價動畫作品的題目原畫底稿圖；

圖13是實施例里的待評價動畫作品解析結(jié)果；

圖14是實施例里的參考動畫解析結(jié)果。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術(shù)特征只要彼此之間未構(gòu)成沖突就可以相互組合。

如圖1所示，是實施例提供的基于圖像處理的動畫作品的自動評分方法的流程圖；圖2所示是實施例的題目原畫底稿圖；實施例提供的這種自動評分方法，包括如下步驟：

(1)元件信息提?。?/p>

用fla文件解析程序分別對待評價元件作品的fla文件和參考元件的fla文件進行解析，提取元件的屬性信息，并生成待評價元件作品和參考元件作品圖像；

對參考元件與待評價元件作品進行解析，將待評價元件作品的解析結(jié)果保存為如圖3所示的student1.txt，將參考元件的解析結(jié)果保存為如圖4所示的teacher1.txt；并將如圖3所示的student1.txt保存為如圖5所示的單幀圖片Student1.jpg；將如圖4所示的teacher1.txt保存為圖6所示的Teacher1.jpg；

(2)獲取元件基本屬性正確性得分系數(shù)：

將待評價元件作品和參考元件作品的元件信息里想對應的元件屬性值進行比較，獲得待評價元件作品的正確屬性的個數(shù)；

對比student.txt與teacher.txt兩個解析結(jié)果，實施例中的兩個解析結(jié)果完全一樣，表明待評價元件作品的六個基本屬性全部正確；

根據(jù)下式(1)獲得元件基本屬性正確性得分系數(shù)：

$A_1=\frac{C_{1s}}{C_{1t}}=\frac{6}{6}=1---\left(1\right)$

其中C_1t為參考元件作品元件屬性的總個數(shù)，C_1s為待評價元件作品中具有正確屬性值的屬性個數(shù)。

(3)獲取元件整體輪廓相似性得分系數(shù)：

(3.1)利用Canny算子分別提取待評價元件圖像的邊緣圖像f(i,j)和參考元件圖像的邊緣圖像g(i,j)；

實施例中提取的出待評價元件圖像的邊緣圖像f(i,j)如圖7所示；提取出的參考元件圖像的邊緣圖像g(i,j)如圖8所示；

(3.2)獲取上述兩個邊緣圖像的相關(guān)系數(shù)

$A_2=\frac{{\Σ}_{i=1}^M{\Σ}_{j=1}^N\[f(i,j)-\stackrel{\‾}{f}\]\[g(i,j)-\stackrel{\‾}{g}\]}{\sqrt{{\Σ}_{i=1}^M{\Σ}_{j=1}^N{\left(f\right(i,j)-\stackrel{\‾}{f})}^2}\sqrt{{\Σ}_{j=1}^M{\Σ}_{k=1}^N{\left(f\right(i,j)-\stackrel{\‾}{f})}^2}}=0.5182---\left(2\right)$

$\stackrel{\‾}{f}=\frac{{\Σ}_{i=1}^M{\Σ}_{j=1}^{N}f(i,j)}{M\×N}$

$\stackrel{\‾}{g}=\frac{{\Σ}_{i=1}^M{\Σ}_{j=1}^{N}g(i,j)}{M\×N}$

其中，M和N為邊緣圖像的長和寬。

(4)獲取元件關(guān)鍵點相似性得分系數(shù)：

(4.1)以SIFT特征點作為元件的關(guān)鍵點，采用ASIFT算法計算出參考元件圖像自我匹配的SIFT特征點匹配對個數(shù)C_2t；

實施例中，采用ASIFT算法對參考元件圖像Teacher1.jpg進行自我匹配，匹配結(jié)果如圖9所示，匹配對個數(shù)C_2t＝788；

(4.2)采用ASIFT算法對待評價元件圖像和參考元件圖像進行SIFT特征點提取和配準，獲得匹配對個數(shù)C_2s；

將參考元件圖像Teacher1.jpg與待評價元件圖像Student1.jpg進行匹配，匹配結(jié)果如圖10所示，匹配對個數(shù)C_2s＝378；

(4.3)根據(jù)式(3)獲得關(guān)鍵點局部相似性得分系數(shù)

$A_3=\frac{C_{2s}}{C_{2t}}=0.48---\left(3\right)$

(5)根據(jù)以上三項得分系數(shù)以及式(4)獲取待評價元件作品的總得分

A＝A₁×α1+A₂×α2+A₃×α3 (4)

其中，α1、α2和α3為各評分項的分值，由評閱者預先給定；實施例中，α1、α2和α3分別為10、30、60；則待評價元件作品的總得分A＝55.6。

如圖11所示，是實施例提供的動畫作品自動評分方法的流程圖；實施例中的題目信息如圖12所示；對動畫作品的自動評分方法具體包括如下步驟：

(1)關(guān)鍵幀及元件信息提取

用fla文件解析程序分別對待評價動畫作品的fla文件和參考動畫作品的fla文件進行解析，提取動畫關(guān)鍵幀、每個關(guān)鍵幀的元件列表和每個元件的屬性信息；

實施例中，對參考動畫作品與待評價動畫作品進行解析，將待評價動畫作品的解析結(jié)果保存為如圖13所示student2.txt，將參考動畫作品的解析結(jié)果保存為如圖14所示的teacher2.txt；

解析結(jié)果中，F(xiàn)rameserise表示幀序列，libraryItemName表示元件名稱，rotation表示元件旋轉(zhuǎn)角度，tx、ty表示元件所處的位置坐標。

(2)獲取關(guān)鍵幀個數(shù)正確性得分系數(shù)：

對動畫制作過程中，需要學員按規(guī)定的數(shù)量制作關(guān)鍵幀；參考動畫作品規(guī)定的關(guān)鍵幀個數(shù)為D_1t，待評價動畫作品所含關(guān)鍵幀的個數(shù)為D_1s，則關(guān)鍵幀的個數(shù)

對比student2.txt與teacher2.txt兩個解析結(jié)果，從對比結(jié)果中得出參考動畫作品中有10個關(guān)鍵幀，待評價動畫作品與參考動畫作品關(guān)鍵幀的數(shù)量一致；根據(jù)以下公式(5)計算關(guān)鍵幀個數(shù)正確性得分系數(shù)B₁，

$B1=\frac{D_{1t}-\left|D_{1t}-D_{1s}\right|}{D_{1t}}=1---\left(5\right)$

(3)獲取關(guān)鍵幀元件個數(shù)正確性得分系數(shù)B2_k；

(3.1)將待評價動畫作品的第k關(guān)鍵幀元件列表與參考動畫作品的第k關(guān)鍵幀元件列表進行比較，將與參考動畫具有相同元件名的元件判定為正確元件，否則判定為錯誤元件；獲取正確元件個數(shù)T_1k和錯誤元件個數(shù)F_1k；

(3.2)根據(jù)正確元件個數(shù)T_1k和錯誤元件個數(shù)F_1k，獲取第k關(guān)鍵幀元件個數(shù)正確性得分系數(shù)

重復步驟(3.1)～(3.2)，分別獲取待評價動畫作品的L個關(guān)鍵幀所含元件的正確性得分系數(shù)；

(4)獲取元件空間相對位置正確性得分系數(shù)B3_k；

(4.1)分別獲取待評價動畫作品第k關(guān)鍵幀的元件列表與參考動畫作品的第k關(guān)鍵幀的元件列表；

(4.2)提取待評價動畫作品的元件坐標位置S_n(x,y)，以及參考作品的元件的坐標位置P_n(x,y)；其中，n＝1，...，T_1k；實施例中，第k＝1幀正確元件個數(shù)為T_1k＝10；

(4.3)獲取對應元件的絕對位置偏差

實施例中，對于第一個元件“手01”，計算對應元件的絕對位置偏差

(4.4)獲取元件絕對位置偏差的均值

實施例中，對于第一個元件“手01”，元件絕對位置偏差的均值

(4.5)獲得元件的相對位置偏差

實施例中，對于第一個元件“手01”，元件的相對位置偏差

(4.6)否d_xn和d_yn均小于評閱者預設的偏差閾值，[0，20]，判定元件“手01”的相對位置正確；

(4.7)依次對所有元件進行判定；獲得相對位置正確元件的個數(shù)為T_2k＝10，相對位置錯誤的元件個數(shù)F_2k＝0；

(4.8)利用以下公式獲得第k關(guān)鍵幀的元件空間相對位置正確性得分系數(shù)，

$B{3}_k=\frac{T_{2k}}{T_{2k}+F_{2k}}---\left(9\right)$

實施例中，B3₁＝1；根據(jù)以上方法，分別獲取待評價動畫作品的L個匹配關(guān)鍵幀的相對位置正確性得分系數(shù)。

(5)獲取元件姿態(tài)正確性得分系數(shù)B4_k；

(5.1)分別讀取待評價動畫作品與參考動畫作品的第k關(guān)鍵幀的元件列表，提取正確元件的姿態(tài)參數(shù)，實施例中采用旋轉(zhuǎn)角度，第1幀正確元件個數(shù)T₁₁為10個；

(5.2)獲取待評價動畫作品的元件坐標位置θ_m，參考作品的元件的坐標位置其中m＝1…10；

實施例中，以第一個關(guān)鍵幀中的元件“手01”為例，從解析結(jié)果中可以看出在待評價動畫作品中其旋轉(zhuǎn)角度θ₁＝-18，在參考作品中其旋轉(zhuǎn)角度

(5.3)根據(jù)以下公式計算獲得第K＝1幀的元件姿態(tài)正確性得分系數(shù)，

根據(jù)以上方法，分別獲取待評價動畫作品的L個匹配關(guān)鍵幀的元件姿態(tài)正確性得分系數(shù)。

(6)根據(jù)待評價動畫作品的L個匹配關(guān)鍵幀的各項得分系數(shù)以及以下式，獲得待評價動畫作品的總得分

$B=B1\×\mathrm{\β}1+\frac{{\Σ}_{k=1}^L(B{2}_k\×\mathrm{\β}2+B{3}_k\×\mathrm{\β}3+B{4}_k\×\mathrm{\β}4)}{L}---\left(11\right)$

其中，β1、β2、β3和β4為各評分項的分值，由評閱者在自動評閱前設定；實施例中，β1、β2、β3和β4分別為10、30、30、30；待評價動畫作品的總得分B＝93.6。

實施例中，對于元件作品而言，獲取其元件基本屬性正確性得分系數(shù)、元件關(guān)鍵點相似性得分系數(shù)和元件整體輪廓相似性得分系數(shù)；并根據(jù)這三項得分系數(shù)加權(quán)獲得元件作品的總分數(shù)；對于動畫作品而言，分別獲取其關(guān)鍵幀個數(shù)正確性得分系數(shù)、關(guān)鍵幀元件個數(shù)正確性得分系數(shù)、元件空間相對位置正確性得分系數(shù)、元件姿態(tài)正確性得分系數(shù)；并根據(jù)上述四項得分系數(shù)進行加權(quán)獲得動畫作品的總分式；對評分項進行精細化處理，可準確地對作品做出評價；獲知學員對各項知識點掌握的程度，不會因為學員的某一步操作失誤而影響對作品整體的評分，能夠自動地給出元件作品和動畫作品的準確得分。

本領(lǐng)域的技術(shù)人員容易理解，以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。