一种基于深度神经网络的穿衣人体体型估计方法技术

技术编号:23240142 阅读:79 留言:0更新日期:2020-02-04 19:06
本发明专利技术公开了一种基于深度神经网络的穿衣人体体型估计方法,构建了一个衣服种类丰富的三维衣服网格模型数据库,并基于该数据库训练了一个预测人体网格贴合度的深度神经网络模型。本发明专利技术方法解决了复杂着衣下用户真实体型的估计问题,综合考虑服装种类、网格几何结构以及人体姿态动作,对复杂的人体动作和衣服种类都有较精准的检测结果,不再局限于网格序列的输入,也可以输入单个人体的三维模型,扩展了体型估计的应用场景。

A method of body shape estimation based on depth neural network

【技术实现步骤摘要】
一种基于深度神经网络的穿衣人体体型估计方法
本专利技术涉及一种神经网络方法,具体是一种基于深度神经网络的穿衣人体体型估计方法。
技术介绍
随着3D扫描仪的普及,以及基于结构化光和ToF(TimeofFlight)等移动3D扫描传感器的出现,这些设备扩展了含深度信息的三维图像的获取方式,使得三维人体模型变得越来越普遍,如通过基于Kinect的深度相机和环形彩色相机系统(Dome)都可以获得高质量的三维人体模型。然而,几乎所有的现有方法都是在不考虑人体服装的情况下进行三维重建,或者更准确地说,是在不考虑服装贴合度的情况下进行重建。实际上,人体几何和人体穿着的衣服几何之间是会存在明显差异的,借鉴服装制造商服装规格说明,服装可以大致分为宽松的、贴身的、紧身的三类服装贴合情况,这给人体真实体型估计带来极大的困难。真实的人体体型估计对虚拟试衣、身体体型测量等应用具有非常重要的意义。考虑到让用户脱去衣服进行体型扫描是不便捷、不顾及用户隐私的,同时用户衣着又非常复杂,在穿着衣服的情况下较为精准地估计用户身体体型是非常有挑战性的。现有一些方法都通过连续动本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的穿衣人体体型估计方法,其特征在于,包括如下步骤:一.利用高清环形相机阵列拍摄穿着不同类型衣服的静态人物,所述不同类型衣服包括宽松的、贴身的、紧身的,利用多视角立体重建算法得到点云模型,对该点云模型进行三角面片处理,获得地面及网格有一定噪声的人体网格模型的数据库;二.对所述数据库中的人体网格模型进行切割,将人体网格模型中没有衣料覆盖的部分分割出来,并且分别分割出人体网格模型中的衣服、裤子;三.对数据库中穿着不同类型衣服的人体网格模型进行贴合度计算,使用所述身着紧身衣服或不穿衣服拍摄获得的人体网格模型作为人体体型的真实值,对于穿着宽松的、贴身衣服的人体网格模型,使用以下几...

【技术特征摘要】
1.一种基于深度神经网络的穿衣人体体型估计方法,其特征在于,包括如下步骤:一.利用高清环形相机阵列拍摄穿着不同类型衣服的静态人物,所述不同类型衣服包括宽松的、贴身的、紧身的,利用多视角立体重建算法得到点云模型,对该点云模型进行三角面片处理,获得地面及网格有一定噪声的人体网格模型的数据库;二.对所述数据库中的人体网格模型进行切割,将人体网格模型中没有衣料覆盖的部分分割出来,并且分别分割出人体网格模型中的衣服、裤子;三.对数据库中穿着不同类型衣服的人体网格模型进行贴合度计算,使用所述身着紧身衣服或不穿衣服拍摄获得的人体网格模型作为人体体型的真实值,对于穿着宽松的、贴身衣服的人体网格模型,使用以下几步计算贴合度:首先将数据库中同一个人穿着宽松的、贴身的衣服的人体网格模型与其穿着紧身衣服的人体网格模型进行动作匹配,使得两个模型在形变以后具有相同的动作;然后在身着宽松的、贴身的衣服的人体网格模型上标记衣服的每一个网格顶点,对每个网格顶点使用光线追踪的方式找寻其在人体体型上对应的网格顶点,贴合度



其中Vi代表了在内部的真实人体体型的第i个网格顶点,代表了由Vi使用15°的光线追踪所对应的最近点的集合,KG代表的是高斯卷积,含c上标的符号表示基于光线追踪找到的对应点的各数据量;四.对所述数据库中的人体网格模型进行映射,使得人体网格模型的三维网格上的每一个顶点都在2D平面上有一个几何图像的映射,并且不改变除了2D平面的边缘点以外其他顶点映射的相对位置关系,得到三维网格到2D平面的映射关系,然后将三维网格的三维坐标信息、法线信息与颜色信息进行映射后作为人体网格模型的输入特性图;五.采用条件生成对抗式网络的神经网络模型进行深度神经网络预测,使用所述输入特性...

【专利技术属性】
技术研发人员:陈欣庞安琪张哿王培豪张迎梁
申请(专利权)人:叠境数字科技上海有限公司
类型:发明
国别省市:上海;31

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