技术特征：
1.一种三维动画场景帧评分模型确定方法，其特征在于，所述方法包括：采集大量三维动画视频，形成三维动画帧图像数据集，并对每一帧图像进行主观评分，分别得到每一帧动画帧的视觉舒适度和立体感的评分；对三维动画帧图像进行灰度化处理，得到三维动画帧的灰度图，利用中值滤波方法对灰度图进行降噪处理，得到降噪后的三维动画帧灰度图；利用迭代法对降噪后的灰度图进行二值化处理，得到三维动画帧图像的二值化图像；利用特征提取算法提取二值化图像的视觉舒适度特征和立体感特征；利用svr算法分别建立主观评分与图像视觉舒适度特征和立体感特征之间的映射关系，形成三维动画场景帧评分模型。2.如权利要求1所述的一种三维动画场景帧评分模型确定方法，其特征在于，所述对每一帧图像进行主观评分，包括：采集大量三维动画视频，并对三维动画视频进行分帧处理，形成三维动画帧图像数据集；对每帧图像进行主观评分，分别得到每一帧动画帧的视觉舒适度和立体感的评分。3.如权利要求2所述的一种三维动画场景帧评分模型确定方法，其特征在于，所述利用中值滤波方法对灰度图进行降噪处理，包括：1)使用窗口g(x，y)在灰度图上按照行和列二维扫描，即依次用窗口去选取图像中的数据，所述窗口g(x，y)的公式为：g(x，y)＝median(i(x，y))其中：g(x，y)为窗口中心；i(x，y)为窗口内的图像灰度值；median为中值函数；2)读取窗口内所有的像素数值；3)对数据按从小到大的方式排序；4)取数据序列的中位数作为窗口中心位置的像素值。4.如权利要求3所述的一种三维动画场景帧评分模型确定方法，其特征在于，所述利用迭代法对降噪后的灰度图进行二值化处理，包括：1)获取灰度图的最大灰度值z
max
和最小灰度值z
min
，取初始阈值为t；2)利用t把灰度图划分为前景和背景，然后计算前景和背景的平均灰度值μ0和μ1；3)计算新阈值t1：4)若t≤|t1‑
t|，则将t1的值赋给t，并转到2)，循环迭代计算直到|t1‑
t|≤t，则迭代结束，所得t即为最佳阈值，并根据最佳阈值进行图像的分割处理，得到三维动画帧图像的二值化图像，其中t为灰度阈值的允许误差。5.如权利要求4所述的一种三维动画场景帧评分模型确定方法，其特征在于，所述特征提取算法的流程为：1)利用投影原理将三维二值化图像转化为二维图像，所述投影原理的公式为：
x
′
＝x
×
(x/z)+b
x
，y
′
＝y
×
(y/z)+b
y
其中：x，y表示三维二值化图像的横纵坐标；b
x
，b
y
表示三维二值化图像的横纵坐标偏移量；x，y，z表示三维二值化图像顶点的x轴、y轴、z轴坐标；转化后的二维图像为g(x，y)；x
′
，y
′
表示转化后二维图像的横纵坐标；2)计算二维图像的视觉舒适度特征：其中：m
×
n表示二维图像的像素大小；s表示人眼瞳距；h表示观看距离；v
l
表示视觉舒适区离人眼的最近距离；v
r
表示视觉舒适区离人眼的最远距离；3)计算二维图像的立体感特征：其中：x表示二维图像中双目视差图各像素点组成的向量；n表示向量的像素点数量；δx
j
表示双目视差图经过拉普拉斯变换后得到的视差梯度向量的第j个元素；4)将视觉舒适度特征fv1以及立体感特征fv2作为三维动画场景帧图像的特征f＝[fv1，fv2]。6.如权利要求5所述的一种三维动画场景帧评分模型确定方法，其特征在于，所述利用svr算法分别建立主观评分与图像视觉舒适度特征和立体感特征之间的映射关系，包括：利用svr算法分别建立主观评分与图像视觉舒适度特征和立体感特征之间的映射关系：其中：y
i
表示第i帧三维动画场景的主观评分，y
i
的值为1/2视觉舒适度评分+1/2立体感评分；f
i
＝[f
i
v1，f
i
v2]表示第i帧三维动画场景的特征，其中f
i
v1表示视觉舒适度特征，f
i
v2表示立体感特征；w表示超平面wf+b的线性权重；b表示超平面wf+b的偏置值；
l表示主观评分y
i
的满分分值，将其设置为100；将上述映射关系转换为目标函数模型：将上述映射关系转换为目标函数模型：即通过寻找满足映射关系的参数w和b，构造超平面wf+b，将三维动画场景进行得分评分。7.如权利要求6所述的一种三维动画场景帧评分模型确定方法，其特征在于，所述利用改进的粒子群算法对svr算法参数进行求解，包括：1)将参数w和b作为粒子群中的粒子，初始化粒子群参数，所述粒子群参数包括粒子的速度、位置、最大迭代次数max，其中粒子群的二维位置信息即为(w，b)的取值结果；2)计算收缩系数β：其中：β1表示初始收缩系数，β1＝1；β2表示最终收缩系数，β2＝0.5；t表示当前迭代次数；max表示初始化的最大迭代次数，将其设置为50；3)计算每个粒子的适应度值：其中：x
i
表示粒子i的位置信息(w，b)；表示在当前位置信息(w，b)下，第j次评分所对应的正确评分样本数；n
j
表示第j次评分的总样本数；对于每个粒子的适应度值f(x
i
)，与之前的最优适应度值进行比较，保留更大的适应度值作为最优适应度值f(p)；4)更新粒子的位置：x
i
(t+1)＝x
i
(t)+β|x
p
(t)
‑
x
i
(t)|其中：x
i
(t+1)表示t+1时刻粒子x
i
的更新位置；x
p
(t)表示t时刻的最优适应度f(p)所对应的粒子位置；β表示收缩系数；直到在当前迭代过程中，粒子的位置不发生改变；5)判断当前迭代次数是否达到最大迭代次数max，若达到最大迭代次数max，则输出最
后一次迭代过程中最优适应度f(p)所对应的粒子位置x
p
，否则返回2)；将粒子位置x
p
的位置信息(w
p
，b
p
)作为svr算法的参数，得到基于svr算法的三维动画场景帧评分模型。8.一种评分系统，其特征在于，所述系统包括：三维动画场景帧获取装置，用于接收待评分的三维动画场景帧图像；数据处理器，用于对三维动画帧图像进行灰度化处理，得到三维动画帧的灰度图，利用中值滤波方法对灰度图进行降噪处理，得到降噪后的三维动画帧灰度图；利用迭代法对降噪后的灰度图进行二值化处理，得到三维动画帧图像的二值化图像；评分装置，用于利用特征提取算法提取二值化图像的视觉舒适度特征和立体感特征，并利用三维动画场景帧评分模型进行三维动画场景帧评分。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有评分程序指令，所述评分程序指令可被一个或者多个处理器执行，以实现如上所述的三维动画场景帧评分模型的实现方法的步骤。
技术总结
本发明涉及一种场景评分的技术领域，公开了一种三维动画场景帧评分模型确定方法，包括：采集大量三维动画视频，形成三维动画帧图像数据集，并对每一帧图像进行主观评分，分别得到每一帧动画帧的视觉舒适度和立体感的评分；对三维动画帧图像进行灰度化处理，利用中值滤波方法对灰度图进行降噪处理，得到降噪后的三维动画帧灰度图；利用迭代法对降噪后的灰度图进行二值化处理；利用特征提取算法提取二值化图像的视觉舒适度特征和立体感特征；利用SVR算法分别建立主观评分与图像视觉舒适度特征和立体感特征之间的映射关系，形成三维动画场景帧评分模型。本发明还提供了一种评分系统。本发明实现了三维动画的帧评分。本发明实现了三维动画的帧评分。本发明实现了三维动画的帧评分。
技术研发人员：李帮音
受保护的技术使用者：李帮音
技术研发日：2021.07.26
技术公布日：2021/10/23