当前位置: 首页 > 专利查询>浙江大学专利>正文

一种基于简易测量服的三维人体快速重建方法技术

技术编号:18427578 阅读:12 留言:0更新日期:2018-07-12 02:16
本发明专利技术公开了一种基于简易测量服的三维人体快速重建方法。针对现有人体库的各个样本人体,提取特征参数和特征曲线作为人体特征,组成人体特征库;使用PCA方法进行处理构建人体形状空间;通过神经网络建立人体特征和人体形状空间之间的映射模型;测量待测人体的特征参数,并利用简易测量服获取待测人体的特征曲线;待测人体的特征参数和特征曲线输入到映射模型中获得待测人体在人体形状空间中的各特征向量对应的特征值,再还原重建得到三维人体模型。本发明专利技术中,高空间维度的特征曲线提供了丰富的人体表面几何信息,多层神经网络准确反应了人体特征与人体形状空间之间的映射模型,提高了人体三维重建的准确性和可靠性。

【技术实现步骤摘要】
一种基于简易测量服的三维人体快速重建方法
本专利技术涉及三维人体建模的
,特别是涉及一种基于简易测量服的三维人体快速重建方法。
技术介绍
三维人体重建是计算机图形学,计算机视觉等领域的重要研究方向。基于统计样本的三维人体重建,充分利用大量的样本模型和统计学习方法,快速构建人体模型,为三维动画,产品试穿戴和虚拟试衣等实际应用场景提供了基础而普遍的素材。在计算机图形学中,通常以数以千计甚至是数以万计的空间点云或者三角网格来表示三维人体模型。PCA(PrincipleComponentAnalysis),即主成分分析,是一种常用的统计方法,其主要思想为通过正交变换将一组可能存在相关性的变量转化为一组线性无关的变量,按照特征值的大小选取对应的特征向量,实现数据降维。人体形状空间的本质是所有个性人体形状的集合,其空间维度常以千或者是万为单位,过高的空间维度信息又限制了人体模型的实际应用范围。因而在实际工程中,常使用PCA来处理网格结构统一的人体模型,以低维度的正交子空间近似代表高维度的三维人体模型。在日常生活中,又常以身高、体重、三围等一维特征参数来描述人体模型,但是由于缺少人体表面几何信息,即使是两个身高、体重、甚至是三围非常接近的人,在部分人体形状区域依旧会存在直观的差异,而这些差异必然无法通过一维的特征参数得以体现。人体形状空间和人体特征之间必然存在直接关联,显然这两者是非线性相关的,但是一般而言,线性模型常被用来近似表达人体形状空间和人体特征参数之间的映射关系,这势必会影响重建得到的三维人体模型的精度。
技术实现思路
本专利技术的目的在于克服现有技术的不足,提供一种能够获取包含人体表面几何信息的高维人体特征参数的方法与装置,同时建立人体特征与人体形状空间之间的合理映射关系,快速重建得到高精度的三维人体模型。本专利技术采用的技术方案为:S1、针对现有人体库的各个样本人体,提取每个样本人体的特征参数和特征曲线作为人体特征,组成人体特征库;样本人体是指通过使用高精度三维扫描仪扫描真实人体获得的人体点云数据。S2、使用PCA方法对现有人体库中的各个样本人体进行处理构建人体形状空间;S3、通过神经网络建立人体特征和人体形状空间之间的映射模型;S4、测量待测人体的特征参数,并利用简易测量服获取待测人体的特征曲线;S5、待测人体的特征参数和特征曲线输入到映射模型中获得待测人体在人体形状空间中的各特征向量对应的特征值,利用特征向量及其对应的特征值再还原重建得到高精度的三维人体模型。进一步地,所述步骤S1具体包括:S101、提取样本人体的身高、体重、三围、臂长和肩宽等一维人体特征参数;具体实施中,根据样本人体的点云数据中的点计算获得各项特征参数。S102、提取样本人体的胸部、腰部和臀部的人体截面的轮廓曲线作为特征曲线;具体实施中,分别在胸部、腰部和臀部设定截面,取截面轮廓的数据构建特征曲线。S103、由现有人体库的各个样本人体的特征参数和特征曲线组成人体特征库。所述步骤S1和步骤S3中,特征参数包括身高、体重、三围、臂长和肩宽的一维人体参数;特征曲线包括胸部、腰部和臀部的人体截面的轮廓曲线。身高、体重、三围、臂长、肩宽等一维人体特征参数在不同的人体之间必然不尽相同,因而在日常生活中常被用来描述人体形态。胸部、腰部和臀部按照《人体测量方法》对于三围的定义,如下:胸围——平静呼吸时经乳头点的胸部水平围长;腰围——经脐部中心的水平围长,或肋最低点与髂嵴上缘两水平线间中点线的围长;臀围——臀部向后最突出部位的水平围长。所述步骤S103中,对现有人体库的各个样本人体的特征曲线进行重采样,使得特征曲线中的点数量统一,再组件人体特征库。所述步骤S2具体是先对现有人体库的各个样本人体进行预处理使得所有样本人体的网格结构统一,再使用PCA方法对样本人体进行处理,使得样本人体的点云数据降维后表示为互相正交的特征向量及其对应的特征值,构建人体形状空间。所述的网格结构统一是指样本人体的点云包含有的点总数相一致且各点位置对应统一。如图3所示,图3是人体特征库构建流程图。由步骤S102获取的人体截面特征曲线长度不一,数据量大小不一,无法直接作为人体特征参数构建与人体形状空间之间的映射模型,因而需要将各样本人体的特征曲线转化为统一的数据结构。对于每一条闭合的人体特征曲线,采用等长度或者等角度的方式进行重采样。人体点云过高的空间维度信息限制了其实际应用范围,为了更为便捷的表达三维人体模型,对人体点云数据进行PCA操作,降低数据维度,构建低维度的人体形状空间。进一步地,所述步骤S2的PCA方法具体包括以下步骤:S201、计算样本人体的平均人体,对于每个样本人体均减去平均人体;具体实施中,利用样本人体的点云数据计算每个样本人体的平均点,移动所有样本人体使得所有平均点重合,再计算所有样本人体相同位置点的平均点作为平均人体该相同位置的点。S202、利用减去平均人体后的各个样本人体采用以下构建协方差矩阵C,表示为:其中,xa表示样本人体的第a维数据,具体为表示样本人体某一点空间位置的三轴中的一轴的坐标值,xb表示样本人体的第b维数据,con(xa,xb)表示第a维数据xa和第b维数据xb的协方差,n表示样本人体的点云数据的总维数;S203、求解协方差矩阵的特征值及其特征向量;具体实施中,特征向量互相正交,与对应的特征值共同构建人体形状空间;S204、将特征值按照从大到小的顺序排列,选择其中最大的K个特征值对应的特征向量构成特征向量矩阵;S205、将每个样本人体的点云数据投影到特征向量矩阵上,以特征向量及其对应的特征值表示样本人体,构建人体形状空间。所述步骤S3是以人体特征作为神经网络的输入量,以人体形状空间作为神经网络的输出量,将各个现有人体库的各个样本人体的人体特征与人体形状空间输入神经网络进行训练,以训练后的神经网络作为映射模型。所述的神经网络包括输入层、隐藏层和输出层的三层结构,输入层包括身高、体重、臂长等一维特征参数,胸部、腰部、臀部等特征曲线以及偏置量;隐藏层包括若干隐藏结点及偏置量;输出层包括由样本人体进行PCA操作得到的各特征向量所对应的特征值进一步地,所述步骤S4包括:S401、制作能紧贴人体表面的简易测量服,利用简易测量服采集人体表面几何信息;S402、让待测人体穿着简易测量服,简易测量服上设有标记点,通过多相机从多视角同时拍摄采集,获得待测人体的各视角图像;S403、通过图像识别获得简易测量服上的标记点作为特征采样点,利用标记点提取图像中的特征曲线段并进行拼接优化获取特征曲线。所述的待测人体为真实的人体。具体实施中再对待测人体的特征曲线和样本人体一样进行重采样,结合测量所得的特征参数,构建待测人体特征库。所述的简易测量服为主要由三条柔带绕置于人体上所构成的网格,柔带为长度可变的无弹性软带,柔带两端分别包含一定长度的粘扣,改变柔带可视部分的长度,以适应不同的人体,三条柔带分别水平绕置于胸部、腰部和臀部,柔带上沿长度方向等间隔设有标记点。进一步地,所述步骤S403中,利用标记点提取图像中的特征曲线段并进行拼接优化获取特征曲线,针对胸部、腰部和臀部的每条特征曲线获得方式具体为:S4031、首先针对每个视角的图像,构建以下能量方程,在不破坏各个视本文档来自技高网...

【技术保护点】
1.一种基于简易测量服的三维人体快速重建方法,所述方法包括下列步骤:S1、针对现有人体库的各个样本人体,提取每个样本人体的特征参数和特征曲线作为人体特征,组成人体特征库;S2、使用PCA方法对现有人体库中的各个样本人体进行处理构建人体形状空间;S3、通过神经网络建立人体特征和人体形状空间之间的映射模型;S4、测量待测人体的特征参数,并利用简易测量服获取待测人体的特征曲线;S5、待测人体的特征参数和特征曲线输入到映射模型中获得待测人体在人体形状空间中的各特征向量对应的特征值,再还原重建得到三维人体模型。

【技术特征摘要】
1.一种基于简易测量服的三维人体快速重建方法,所述方法包括下列步骤:S1、针对现有人体库的各个样本人体,提取每个样本人体的特征参数和特征曲线作为人体特征,组成人体特征库;S2、使用PCA方法对现有人体库中的各个样本人体进行处理构建人体形状空间;S3、通过神经网络建立人体特征和人体形状空间之间的映射模型;S4、测量待测人体的特征参数,并利用简易测量服获取待测人体的特征曲线;S5、待测人体的特征参数和特征曲线输入到映射模型中获得待测人体在人体形状空间中的各特征向量对应的特征值,再还原重建得到三维人体模型。2.根据权利要求1所述的一种基于简易测量服的三维人体快速重建方法,其特征在于:所述步骤S1和步骤S3中,特征参数包括身高、体重、三围、臂长和肩宽的一维人体参数;特征曲线包括胸部、腰部和臀部的人体截面的轮廓曲线。3.根据权利要求2所述的一种基于简易测量服的三维人体快速重建方法,其特征在于:所述步骤S2具体是先对现有人体库的各个样本人体进行预处理使得所有样本人体的网格结构统一,再使用PCA方法对样本人体进行处理,使得样本人体的点云数据降维后表示为互相正交的特征向量及其对应的特征值,构建人体形状空间。4.根据权利要求3所述的一种基于简易测量服的三维人体快速重建方法,其特征在于:所述步骤S2的PCA方法具体包括以下步骤:S201、计算样本人体的平均人体,对于每个样本人体均减去平均人体;S202、利用减去平均人体后的各个样本人体采用以下构建协方差矩阵C,表示为:其中,xa表示样本人体的第a维数据,具体为表示样本人体某一点空间位置的三轴中的一轴的坐标值,xb表示样本人体的第b维数据,con(xa,xb)表示第a维数据xa和第b维数据xb的协方差,n表示样本人体的点云数据的总维数;S203、求解协方差矩阵的特征值及其特征向量;S204、将特征值按照从大到小的顺序排列,选择其中最大的K个特征值对应的特征向量构成特征向量矩阵;S205、将每个样本人体的点云数据投影到特征向量矩阵上,以特征向量及其对应的特征值表示样本人体,构建人体形状空间。5.根据权利要求1所述的一种基于简易测量服的三维人体快速重建方法,其特征在于:所述步骤S3是以人体特征作为神经网络的输入量,以人体形状空间作为神经网络的输出量,将各个现有人体库的各个样本人体的人体特征与人体形状空间输入神经网络进行训练,以训练后的神经网络作为映射模型。6.根据权利要求3所述的一种基于简易测量服的三维人体快速重建方法,其特征在于:所述步骤S4包括:S401、制作能紧贴人体表面的简易测量服,利用简易测量服采集人体表面几何信息;S402、让待测人体穿着简易测量服,简易测量服上设有标记点,通过多相机从多视角同时拍摄采集,获得待...

【专利技术属性】
技术研发人员:李基拓许豪灿陆国栋
申请(专利权)人:浙江大学
类型:发明
国别省市:浙江,33

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1