0 引 言

隨著動畫視覺體驗與三維數(shù)據(jù)處理能力的高速發(fā)展，社會生活中越來越多的場景使用三維影像代替原有二維影像，使得現(xiàn)行網(wǎng)絡(luò)中積累了豐厚的三維實體與行為數(shù)據(jù)。目前常使用相關(guān)的數(shù)據(jù)挖掘方法，從中篩選出更為真實有效的數(shù)據(jù)，使三維圖像更具精準性、文本關(guān)聯(lián)性以及多場景適用性[1]。并在上述研究基礎(chǔ)上對視覺體驗系統(tǒng)進行深層次的研發(fā)，通過機器學習等技術(shù)高效地提升三維數(shù)據(jù)圖像的資料，另外，隨著產(chǎn)業(yè)應(yīng)用標準的變化，需要針對特殊的速度要求、用戶行為喜好等多個方向進行改進。

傳統(tǒng)三維人體動畫視覺體驗系統(tǒng)能夠隨機采集大量三維參數(shù)，使用超大模型訓練的方式解決三維圖像展示體驗的問題[2]。系統(tǒng)架構(gòu)在三維激光掃描的基礎(chǔ)上進行構(gòu)建，三維人體動畫體驗主要有兩種方式：一種是通過三維等價數(shù)據(jù)變換，將圖像數(shù)據(jù)量化，傳達三維人體動畫的復雜信息；另一種是將若干個有效數(shù)據(jù)節(jié)點資源組合計算，使擴展系統(tǒng)存儲中已有的三維人體動畫*大化展示三維人體圖像的代表性參數(shù)。但是，傳統(tǒng)三維人體動畫視覺體驗系統(tǒng)在圖像展示過程中，融合相關(guān)數(shù)據(jù)的能力較差，面對大數(shù)據(jù)的融合，顯得十分困難，為此設(shè)計基于機器學習的三維人體動畫視覺體驗系統(tǒng)。

1 三維人體動畫視覺體驗系統(tǒng)硬件設(shè)計

本文設(shè)計的三維人體動畫視覺體驗系統(tǒng)沿用常規(guī)硬件設(shè)計，但是重點對三維掃描裝置進行優(yōu)化。優(yōu)化后的三維掃描裝置包含：集電器、光學采集器、數(shù)字計算機、一體化立體掃描儀等[3?4]。立體掃描儀能夠?qū)θS人體動畫的外形結(jié)構(gòu)以及空間點位進行識別，識別后傳入光學采集器中進行光學轉(zhuǎn)化，使用集電器與數(shù)字計算機對上述數(shù)據(jù)進行展示。三維掃描裝置如圖 1所示。

三維掃描裝置采用脈沖測距法對三維坐標進行測距，基于高速激光反射原理，主動發(fā)射激光束并采集被測人體表面反射回來的散射光，使用集電器計算出被吸收的光束，補償出現(xiàn)缺陷的激光源光束。掃描結(jié)果中包括：人體水平方向仰面角度、人體高度范圍值、*大活動范圍距離等三維坐標數(shù)據(jù)[5]。通過以上數(shù)據(jù)可確定出三維人體動畫的三維坐標，以三維掃描裝置為坐標原點，人體水平方向*大動畫距離為正方向，搭建三維人體動畫視覺三維坐標軸。

運用三維掃描裝置中的集電器代替原有的投影儀，集電器不僅可以投射特定的圖案，不同的投射圖案可以重建出一個全息的幾何信息數(shù)據(jù)，集電器還能夠通過外部輸入不同形式的數(shù)據(jù)，對不同角度的數(shù)據(jù)進行擬合，構(gòu)造出完整的掃描結(jié)果。集電器在人體上投射不同的圖案形成多樣的光紋，使用光學采集器對光紋信息進行采集，測量的人體信息動作會通過光紋特征聯(lián)系在一起，進行視覺展現(xiàn)時，對光紋特征單獨關(guān)聯(lián)即可[6?7]。集電器投射圖案按照紋理如圖 2所示。

2 三維人體動畫視覺體驗系統(tǒng)軟件設(shè)計

2.1 確定三維人體位置、比例、轉(zhuǎn)角信息三維人體動畫視覺體驗屬于特定展示系統(tǒng)，簡言之，就是能夠根據(jù)用戶使用需求，生成三維人體動畫的過程。在本文系統(tǒng)中，三維人體動畫主要體現(xiàn)人體位置、比例、轉(zhuǎn)角的變化，根據(jù)用戶特征用特定的方式對三維人體動畫進行展示。

1）三維人體位置的確立。人體動畫的位置變換是將人體的頭部點作為標記點，記作 ( x, y,z )，在 x 方向、y 方向和 z 方向上分別標記 dx，dy 以及 dz 個長度單位，那么將人體看作質(zhì)點后，三維人體位置坐標可標記為( X, Y,Z )，三維人體位置坐標可表示為：

ìí???X = x + dxY = y + dyZ = z + dz（1）

2）三維人體動畫比例確認。三維人體動畫的比例變換是以人體看作質(zhì)點 ( 0, 0, 0 )，將三維人體動畫上各標注點的坐標分別向著 X 分量、Y 分量以及 Z 分量的方向延伸，延伸距離乘以 dx，dy 以及 dz的矢量長度，三維人動畫比例變換后的坐標依舊以 ( x, y,z )為原點，將原有區(qū)域進行擴大或者縮小若干倍，用公式表達為：

圖 3 中，原有人體動畫樣本數(shù)據(jù)為圖中“圓圈”；若機器學習算法將相近的數(shù)據(jù)樣本類標作為劃分區(qū)間，則導入數(shù)據(jù)樣本判斷為有效融合數(shù)據(jù)，用“三角”表示；若機器學習算法標定補充數(shù)據(jù)為融合限定標準[9?10]，那么也可劃分為融合數(shù)據(jù)，用“正方形”表示。視覺體驗數(shù)據(jù)填充的重要過程是區(qū)分有效數(shù)據(jù)，不同的算法下，融合標準不同，本文使用機械學習算法能夠融合大批量數(shù)據(jù)，改變傳統(tǒng)視覺體驗數(shù)據(jù)填充方式，執(zhí)行機械學習的過程便可以視為視覺體驗數(shù)據(jù)填充過程。

2.3 視覺感知對比度優(yōu)化

視覺體驗數(shù)據(jù)填充以后，對展示的感官對比度進行調(diào)試，三維人體動畫具有高動態(tài)的特征，為此使用色調(diào)映射來調(diào)整視覺感知對比度[11]。用色調(diào)映射亮度范圍，通常色調(diào)映射曲線呈現(xiàn)的是單調(diào)遞減的變化趨勢，根據(jù)韋伯?費希納定律可知，人眼視覺敏感度與亮度成比例。

因此，本文將色調(diào)映射調(diào)整到亮度的有效對數(shù)區(qū)域中。為了保證優(yōu)化視覺感知對比度是*佳值域，結(jié)合色調(diào)映射曲線分段特性[12]，選擇單調(diào)函數(shù)的極值作為調(diào)制節(jié)點，標記極限節(jié)點( mm , ym )為色調(diào)映射值。

假設(shè)相鄰節(jié)點( mm , ym )與( mm + 1 , ym + 1 )之間的交叉階段為 m，那么交叉調(diào)制的調(diào)節(jié)值為 a，該值恒定[13]，則使用色調(diào)映射曲線斜率作為指定亮度，用公式表示為：

d = ym + 1 - yma （4）

為了獲得*優(yōu)視覺感知對比度，調(diào)整色調(diào)映射編斜

ìí???x = Xdxy = Ydyz = Zdz（2）

3）旋轉(zhuǎn)角的變換。依然將人體看做質(zhì)點，坐標系的原點 ( 0, 0, 0 ) 不變，中心點坐標用 ( x, y,z )表示，則對人體上的任一點坐標( X, Y,Z )沿某軸逆時針旋轉(zhuǎn) θ角度后，新的點坐標標記為( X1 , Y1 ,Z1 )，那么 θ 作為人體三維動畫繞動的中心，用公式表示為：

ìí???X1 = ( X - x ) cos θ - ( Y - y )sin θY1 = YZ1 = z - ( X - x )sin θ + ( Z - z ) cos θ（3）

至此，完成三維人體動畫位置、比例、轉(zhuǎn)角的確認。

2.2 基于機器學習的視覺體驗數(shù)據(jù)填充

將確認的三維人體動畫位置、比例、轉(zhuǎn)角數(shù)據(jù)導入機械學習模型中，與用戶控制口令相填充。根據(jù)用戶輸入的不同特征值與現(xiàn)有三維人體動畫數(shù)據(jù)進行融合，融合過程中要區(qū)別數(shù)據(jù)之間的特征，為此使用機器學習算法對現(xiàn)有數(shù)據(jù)進行分類后再執(zhí)行融合口令[8]，在機器學習中使用近鄰算法辨識出現(xiàn)有數(shù)據(jù)與樣本集數(shù)據(jù)的相似性，根據(jù)相似度的大小劃分在一個相對的數(shù)據(jù)區(qū)間內(nèi)，如圖 3所示。

光的參量，使用代碼 date default time zone set（′ Asia/Shanghai′）調(diào)用出光場感知參量代替原有參量值，再求解色調(diào)映射曲線[14]，*后得到的光場強度就是色調(diào)映射*優(yōu)值，也是視覺感知對比度的*優(yōu)值，使用修訂程序<script>Big Pipe. lazy Page lets = []；</script>修訂差分值后，便可以進行三維人體動畫視覺體驗。

3 實 驗

為了驗證系統(tǒng)性能，進行實驗驗證。本實驗采用YUI?658 實驗平臺，驗證不同視覺體驗系統(tǒng)的數(shù)據(jù)融合能力，使用兩種傳統(tǒng)視覺體驗系統(tǒng)與本文設(shè)計系統(tǒng)作比較，在統(tǒng)一實驗環(huán)境光條件下，使用多組數(shù)據(jù)進行輸入，輸入量隨機分配。但是，需使用相同的輸入方式，用于實驗的 YUI?658 實驗平臺能夠?qū)嶒灁?shù)據(jù)統(tǒng)一匯總，顯示在該平臺中。

3.1 實驗準備

實驗使用的 YUI?658實驗平臺參數(shù)如表 1所示。實驗中使用美能達照明設(shè)備，三維人體動畫大小動態(tài)信息保持不變，系統(tǒng)使用的相應(yīng)參數(shù)保證一致，三維

人體動畫投影投射的*大照度規(guī)定為 700 lx；視覺動畫 投 影 面 積 為 5.5 m2；動 態(tài) 的 反 射 部 分 * 大 照 度 為450 lx；人體轉(zhuǎn)角部分的*大顯示照度為 342 lx；人體以外的環(huán)境照度為 535 lx；在體驗視角范圍內(nèi)，3D 顯示結(jié)果呈現(xiàn)均勻的畫質(zhì)分布。

視覺體驗系統(tǒng)在視覺體驗時，觀看視角的變化如圖 4所示。

3.2 實驗結(jié)果分析

對比三種視覺體驗系統(tǒng)時，將所有輸入融合的數(shù)據(jù)結(jié)果統(tǒng)一匯總至圖中，實驗結(jié)果如圖 5所示。

由圖 5可知，本文設(shè)計的基于機器學習的三維人體動畫視覺體驗系統(tǒng)數(shù)據(jù)融合量*低超過 70 TB，兩種傳統(tǒng)系統(tǒng)的*佳值沒有超過 60 TB，說明本文系統(tǒng)融合數(shù)據(jù)能力更強。這是由于本文系統(tǒng)在軟件設(shè)計的過程中引入了機器學習算法，運用該算法將視覺體驗數(shù)據(jù)與用戶數(shù)據(jù)進行融合，以此來實現(xiàn)視覺體驗數(shù)據(jù)的填充，并對填充后的視覺感知對比度實施優(yōu)化處理，*終提高系統(tǒng)的數(shù)據(jù)融合量，進而提升了系統(tǒng)的性能。

4 結(jié) 語

為了解決傳統(tǒng)系統(tǒng)存在的融合數(shù)據(jù)量較少的問題，設(shè)計一個基于機器學習的三維人體動畫視覺體驗系統(tǒng)。經(jīng)實驗驗證，該系統(tǒng)解決了傳統(tǒng)系統(tǒng)融合數(shù)據(jù)能力差的問題，說明該系統(tǒng)在數(shù)據(jù)融合中更具備優(yōu)勢。雖然本文設(shè)計的系統(tǒng)取得了一定的進步，但是沒有考慮到由于數(shù)據(jù)量較大造成的數(shù)據(jù)處理效率較低的問題，接下來將以此為研究重點進行深入的研究。