【技术实现步骤摘要】
基于隐式函数和人体模板的单图像人体三维重建方法
本专利技术涉及计算机视觉和计算机图形学
，特别涉及一种基于隐式函数和人体模板的单图像人体三维重建。
技术介绍
人体三维重建是计算机图形学和计算机视觉领域的重点问题。高质量的人体三维模型在影视娱乐、人口数据统计分析等领域有着广泛的应用前景和重要的应用价值。但是高质量人体三维模型的获取通常依靠价格昂贵的激光扫描仪或者多相机阵列系统来实现，虽然精度较高，但是也显著存在着一些缺点：第一，扫描过程中要求被采集人保持绝对静止，微小的移动就会导致扫描结果存在明显的误差；第二，造假昂贵，很难普及到普通民众日常生活中，往往应用于大公司或国家统计部门。第三，速度慢，往往重建一个三维人体模型需要至少10分钟到数小时的时间。即便现有一些简便的方法可以使用单个深度相机实现简便的三维人体重建，其对深度相机的依赖使得其不能应用到现有的RGB相机系统下。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于隐式函...
【技术保护点】
1.一种基于隐式函数和人体模板的单图像人体三维重建方法，其特征在于，包括以下步骤：/nS1，采集人体三维几何模型，对所述人体三维集合模型进行预处理，生成人工神经网络的训练数据，其中，所述训练数据包含真实几何模型、训练图像以及对应的人体参数化模板实例；/nS2，构建满足预设条件的二维图像特征提取人工神经网络、三维体特征提取人工神经网络和隐式函数取值推断人工神经网络；/nS3，在最小化损失函数的条件下，将所述训练图像输入所述二维图像特征提取网络得到二维图像特征，将所述人体参数化模板实例输入所述三维体特征提取网络得到三维体特征，通过空间点采样的方式，将采样点的二维图像特征和三维体...
【技术特征摘要】
1.一种基于隐式函数和人体模板的单图像人体三维重建方法，其特征在于，包括以下步骤：
S1，采集人体三维几何模型，对所述人体三维集合模型进行预处理，生成人工神经网络的训练数据，其中，所述训练数据包含真实几何模型、训练图像以及对应的人体参数化模板实例；
S2，构建满足预设条件的二维图像特征提取人工神经网络、三维体特征提取人工神经网络和隐式函数取值推断人工神经网络；
S3，在最小化损失函数的条件下，将所述训练图像输入所述二维图像特征提取网络得到二维图像特征，将所述人体参数化模板实例输入所述三维体特征提取网络得到三维体特征，通过空间点采样的方式，将采样点的二维图像特征和三维体特征输入隐式函数取值推断人工神经网络，完成三个网络的训练；
S4，对所述测试图像进行预处理的得到所述测试图像对应的人体参数化模型实例；
S5，将所述测试图像输入所述二维图像特征提取网络得到二维图像特征，将所述测试图像对应的人体参数化模型实例输入所述三维体特征提取网络，得到三维体特征，对于空间中特定范围内的均匀格点采样其对应的二维图像特征和三维体特征，输入到隐式函数取值推断网络中，获得格点落在模型内部的概率；
S6，求取格点落在模型内部的概率为0.5的等值面，得到重建后的三维几何模型。
2.根据权利要求1所述的基于隐式函数和人体模板的单图像人体三维重建方法，其特征在于，所述S1进一步包括：
S11，将所述人体三维几何模型通过图像渲染引擎渲染成多个视角下的RGB图像，得到训练图像；
S12，；将所述人体三维几何模型与人体参数化体态模板进行拟合，得到每个模型所对应的人体参数化体态模板实例；
S13，将每个人体参数化模板实例做体素化，构建对应的三维体描述，得到训练时的输入三维体。
3.根据权利要求1所述的基于隐式函数和人体模板的单图像人体三维重建方法，其特征在于，所述二维图像特征提取网络包括5层卷积层：第一层卷积层包括16个大小为4x4、步长为2的卷积核，第二层卷积层32个个大小为4x4、步长为2的卷积核，第三层卷积层包括64个大小为4x4、步长为2的卷积核，第四层卷积层包括128个大小为4x4、步长为2的卷积核，第五层卷积层包括256个大小为4x4、步长为2的卷积核，每一层后均连接有一个修正线性单元，每一层的输出构成了图像在该尺度下的特征。
4.根据权利要求1所述的基于隐式函数和人体模板的单图像人体三维重建方法，其特征在于，所述三维体特征提取网络包括5层三维卷积层：第一层卷积层包括4个大小为4x4x4、步长为2的卷积核，第二层卷积层8个个大小为4x4x4、步长为2...
【专利技术属性】
技术研发人员：刘烨斌，郑泽荣，于涛，戴琼海，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
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。