中文摘要：

近年来，视频逐渐成为媒体的重要形式之一。基于视频的非真实感绘制，可以制作出与众不同的艺术化视频效果，因而逐渐成为重要的需求。本项目针对使用笔划作为创作单元的一类艺术风格（如油画、铅笔划、水彩等），对笔划布置特征进行学习和分类，在此基础上对输入的真实视频进行艺术特征的迁移转换，生成具有指定艺术风格的视频序列，使得艺术效果表现突出，并且艺术风格整体布局更加合理；并研究视频非真实感绘制的并行算法，以提高绘制效率，缩短制作时间。本项目的特色和创新之处主要在于1.结合谱方法的视频重要性物体检测和提取；2.基于笔划布置特征的艺术风格提取与迁移；3.艺术化视频的生成与并行加速。项目预期成果为发表高水平的国际期刊和会议论文6篇以上，申请专利和软件著作权4项以上，实现图像和视频的非真实感绘制算法验证平台。

结论摘要：

本项目旨在针对笔划作为创作单元的一类艺术风格（如油画、铅笔画、水彩等），对笔划布置特征进行学习和分类，并对输入的真实视频进行艺术特征的迁移转换，快速生成具有指定艺术风格的视频序列，使得艺术效果表现突出，并且艺术风格整体布局更加合理。本项目完成的具体研究内容包括在面向艺术表现的重要性内容提取方面，实现了一种重点考虑人脸的重要性区域提取方法；在基本图像/视频绘制研究方面，提出了基于笔划限制和油画纹理，以及内容相关笔画两种不同的绘画渲染方法，并提出了一种预处理策略以增强绘制结果的艺术气息；在艺术化特征的提取与学习方面，提出了基于颜色特征与绘制特征学习的绘画渲染方法；在视频渲染方面，提出了一种基于视频分层的艺术化视频生成方法；在绘制系统生成方面，我们提出了相应的并行化策略，并针对图像及视频的风格化处理需求设计了一套完整的图像/视频绘画风格渲染系统。在本项目的资助下，课题组培养了硕士研究生3人，博士后2人，发表论文9篇（其中SCI论文6篇），在审国际期刊论文2篇，申请发明专利8项（已授权4项），登记软件著作权1项。