(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111535378.8 (22)申请日 2021.12.15 (71)申请人 湖北工业大 学 地址 430068 湖北省武汉市洪山区南李路 28号 (72)发明人 朱莉　蔡翔　付裕　 (74)专利代理 机构 北京金智普华知识产权代理 有限公司 1 1401 代理人 张晓博 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/06(2012.01) G06Q 30/02(2012.01) (54)发明名称 艺术作品价值智能化解析方法、 系统、 设备 及介质 (57)摘要 本发明属于计算机信息处理技术领域， 公开 了一种艺术作品价值智 能化解析方法、 系统、 设 备及介质， 对设置为公开的用户作品及对应用户 的多角度全 方位信息展示； 利用四维度评估 方式 对艺术作品进行评估打分以及评论指导； 同时对 不同的艺术作品进行基于计算美学的自动化评 估， 并以可视化形式呈现， 并输出评估报告； 通过 全自动化 分析总结形成评估报告， 输出作品AI分 项评估说明、 AI总体点评和AI成长建议以及用户 成长寄语； 进行艺术素养和能力测试并输出多维 度客观评价结果及学习建议。 本发 明促进个人的 再学习与作品的再展示； 构建并实现了个人艺术 素养的培 养、 展示与测评的发展闭环。 权利要求书4页 说明书16页 附图12页 CN 114186497 A 2022.03.15 CN 114186497 A 1.一种艺术作品价值智能化解析方法， 其特征在于， 所述艺术作品价值智能化解析方 法包括： 从色彩、 视觉、 技法、 空间感、 造型、 创新性、 大师匹配度及艺术作品潜力值的不同角度 上， 利用机器学习及深度学习方法构建美学感性计算模型， 对审美过程进 行量化并计算， 智 能化解析多场景 下艺术作品价 值。 2.如权利要求1所述的艺 术作品价 值智能化 解析方法， 其特 征在于， (1)构建美学感性计算模型的具体过程如下： ①建立图像数据库； 将收集到的超500万副国内外作品以图像形式， 经过按需裁剪、 编 号编码、 图像增强等预处 理过程后， 形成图像数据库； ②模型训练； 首先， 选择美学描述方式； 然后， 选择合适的学习模型； 将美学描述方式、 心理学规则、 用户评价框架等信息融合到相应的学习模型中， 再将 ①中图像数据库的训练 数据集输入学习模型进行训练， 最后形成美学感性计算模型； ③模型测试； 将 ①中图像数据库的测试数据集输入至 ②中的美学感性计算模型， 测试 模型的准确度， 分析不 准确的原因， 量 化形成损失函数值； ④模型改进； 根据 ③得到的损失函数值， 改进模型函数， 从而提高评估精度。 (2)艺术作品价 值智能化 解析方法为： 将用户提高的作品， 通过本专利的系统平台， 送至美学感性计算模型， 得到AI智评； 在 AI智评的基础上， 再结合专家点评、 大众评估、 潜力评估， 自动获得总体点评、 分项评估、 学 习建议、 成长寄语作品价 值智能化 解析结果。 3.如权利要求1所述的艺 术作品价 值智能化 解析方法， 其特 征在于， 所述方法包括： 对设置为公开的用户作品及对应用户的多角度全方位信息展示； 利用四维度评估方式对艺术作品进行评估打分以及评论指导； 同时对不同的艺术作品 进行基于计算美学的自动化评估， 并以可视化形式呈现， 并输出评估报告； 通过全自动化分析总结形成评估报告， 输出作品AI分项评估说明、 AI总体点评和AI成 长建议以及用户成长寄语； 进行艺术素养和能力测试并输出多维度客观评价结果及学习建议； 同时以每日推送的 信息辅助进行多维度客观评价结果及学习建议。 4.如权利要求3所述的艺术作品价值智能化解析方法， 其特征在于， 所述智能化解析方 法进一步包括： (1)色彩用于体现作品的表现力， 利用函数对作品的色调、 明度、 纯度、 色彩丰富度进行 综合评价； Color＝H*t1+V*t2+S*t3+F*t4； 其中， color表示色彩总评估值， H表示色调评估值， V表示明度评估值， S表示纯度评估 值， F表示色彩丰富度评估值； t1～t4分别表示H、 V、 S和F的权重值； H、 V、 S的值由op encv库函 数计算； 确定八个基本色调分别为： R(1， 0， 0)红， G(0， 1， 0)绿， B(0， 0， 1)蓝， Y(1， 1， 0)黄， M(1， 0， 1)品红， C(0， 1， 1)青， K(0， 0， 0)黑， W(1， 1， 1)白； 计算被测图片的每个像素与各基本色调的 欧式距离， 距离最小的基本色调即为该像素 的色彩； 统计属于每个基本色调的像素个数占 比值， 若黑白两个基本 色调的像素占比值之和超过90％， 确定图片为灰调， 否则认定为彩色权　利　要　求　书 1/4 页 2 CN 114186497 A 2调； 在彩色调中， 判断剩下的6个基本 色调的像素占比值是否超过5％， 若超过则判定基本 色 调为突出色彩， 根据突出色彩的个数 得到相应的F值； (2)视觉用于表征作品的纹路分布情况， 评估值越高表明作品纹理越丰富细腻； 从视觉 肌理分析图片的纹路分布， 先对每张图片灰度化， 进 行LBP算法处理， 得到对应的纹理图像； 量化计算每张纹理图像的熵， 熵值越大， 对应纹理越丰富； 进行归一化操作， 将数值限定在 0‑1， 平均分为七个档次， 0为 最低档次视 觉效果最差， 1则为 最高档次视 觉效果最好； (3)技法用于表征作品的构图能力， 将图片分为风景画和非风景画两类单独检测， 风景 画以一字型和S型构图为主， 而非风景画则以线条检测为主； 具体包括： 对图片进行边缘检 测， 分类检测构图； 若为风景画， 检查图片中横跨整个画面即3/4宽度或者高度的直线或者 曲线； 若有， 则为一字型或者S形状构图； 否则， 则判断该图片无明显造型； 若为 非风景画， 检 查图片中横跨整个画面即3/4宽度或者高度的直线， 若有， 则为一字型造型； 否则， 检测边缘 图片上最上， 最下， 最左， 最右四个边缘点， 按顺时针方向连起来形成四边形造型， 如果某两 个点之间的连线长度过短， 当连线长度 时， 将这两点合并取中点形 成三角形造型； 并基于分类 检测结果输出对应分数； (4)空间感用于表征作品中实物接近现实的程度感受， 采用深度学习的基于计算美学 的自动化评估方法从有 无遮挡、 有无对比、 有无透视三个方面评估作品图片的空间感参数； 准备训练数据集； 由专家根据预设空间感基本评估准则将训练图片集划分为5个等级， 用于 深度学习网络训练； 对每副图片进行预 处理， 采用高斯滤波对图片进 行降噪处理， 再对滤波 后的图像提取灰度图像， 将得到的灰度图像的像素值转化为224*22 4大小的像素点矩阵； 采 用3*3的卷积核对整幅图片进行卷积操作提取图像特征值， 采用深度学习网络resnet进行 训练， 每次卷积的图片个数batch_size＝16， 网络循环迭代次数epochs＝200， 输出层输出5 个神经节点对应5个等级， 每个神经节点值为图片所属分类的概率， 选择最高概率值对应的 等级作为空间感等级； 训练完成后保存训练模型， 将待评估作品输出训练好的模型中判断 所属等级， 将等级转变为评估结果； (5)造型用于表征作品内容的形状及体积； 对图片进行边缘检测， 分类检测造型； 检测 整幅图片中点以及点圈面积是否超过2/3， 无则判断该图片无明显造型， 有则为点式造型或 者其他造型； 再检测图片中整个画 面的直线， 若有为线式造型， 检测所有线是否连成面构成 线式造型， 否则为 点线面式造型； (6)创新性用于体现一副作品内容的新颖性， 采用深度学习的基于计算美学的自动化 评估方法从主题创新、 表现手法创新、 构图创新、 造型创新及其他维度进行评估； 根据创新 性程度分为5个等级， 对20000张作品图片做人工评估， 分别归类到这5个等级， 平均每个等 级5000张图片； 采用Alex  Net网络进行模型训练以及对RGB三通道色彩的训练学习， 输出训 练好的模型进行待评估作品的评估； (7)大师匹配度用于衡量作品与哪位大师或名家的哪副作品最接近， 表征作品作者的 画风与哪位大师或名家的画 风或画法最相似； 采用深度学习方法， 从构图、 色彩、 肌理、 空间 及其他方面综合得到作品图片和哪位大 师的哪副作品的相似度参数值； 评估函数如下： Simila＝SSIM*t1+CSIM*t2+TSIM*t3+PSIM*t4； 其中， Simila表示大师匹配度的总评估值， SSIM表示结构相似度评估值， CSIM表示色彩 相似度评估值， TSIM表 示肌理相似度评估值， PSIM表 示空间感相似度评估值； t1～t4分别表权　利　要　求　书 2/4 页 3 CN 114186497 A 3