一种3D人体模型生成方法、系统及相关设备技术方案

本发明专利技术实施例提供了一种3D人体模型生成方法、系统及相关设备，基于2D图像生成3D人体模型，降低3D人体模型构建的成本。本发明专利技术实施例方法包括：构建3D人脸模型的参数预估网络，并采用预设训练集中的2D面部图像对所述参数预估网络进行训练，得到优化的3D人脸模型；构建2D面部图像映射3D人体模型的初步映射网络；将所述优化的3D人脸模型学习到的知识迁移给所述初步映射网络，生成2D面部图像到3D人体模型的3D人体变换网络；接收目标2D面部图像，并采用所述3D人体变换网络生成对应的3D人体模型。

【技术实现步骤摘要】
一种3D人体模型生成方法、系统及相关设备
本专利技术涉及3D人体模型生成
，尤其涉及一种3D人体模型生成方法、系统及相关设备。
技术介绍
随着通信技术的快速迭代，扩展现实技术迅速兴起，人们希望以更全面的方式与外界交互。例如在VR、MR以及在线试衣场景中，人们希望可以实现高质量的3D信息采集与交互。在当下，直接实现3D信息高质量采集的技术尚未成熟，无论是使用激光扫描仪间接建模方案还是直接使用彩色扫描仪的直接建模方案，均需要昂贵的硬件成本。同时，这些方案均存在直接扫描效果不理想需要后续人工调整的问题，进一步增加了3D建模的成本，这两种方案在现阶段基本丧失了大范围推广的可能。
技术实现思路
本专利技术实施例提供了一种3D人体模型生成方法、系统及相关设备，基于2D图像生成3D人体模型，降低3D人体模型构建的成本。本专利技术实施例第一方面提供了一种3D人体模型生成方法，可包括：构建3D人脸模型的参数预估网络，并采用预设训练集中的2D面部图像对所述参数预估网络进行训练，得到优化的3D人脸模型；构建2本文档来自技高网...

【技术保护点】
1.一种3D人体模型生成方法，其特征在于，包括：/n构建3D人脸模型的参数预估网络，并采用预设训练集中的2D面部图像对所述参数预估网络进行训练，得到优化的3D人脸模型；/n构建2D面部图像映射3D人体模型的初步映射网络；/n将所述优化的3D人脸模型学习到的知识迁移给所述初步映射网络，生成2D面部图像到3D人体模型的3D人体变换网络；/n接收目标2D面部图像，并采用所述3D人体变换网络生成对应的3D人体模型。/n

【技术特征摘要】
1.一种3D人体模型生成方法，其特征在于，包括：
构建3D人脸模型的参数预估网络，并采用预设训练集中的2D面部图像对所述参数预估网络进行训练，得到优化的3D人脸模型；
构建2D面部图像映射3D人体模型的初步映射网络；
将所述优化的3D人脸模型学习到的知识迁移给所述初步映射网络，生成2D面部图像到3D人体模型的3D人体变换网络；
接收目标2D面部图像，并采用所述3D人体变换网络生成对应的3D人体模型。


2.根据权利要求1所述的方法，其特征在于，所述采用预设训练集中的2D面部图像对所述参数预估网络进行训练，包括：
以预设训练集中的2D面部图像作为所述参数预估网络的输入，以所述3D人脸模型的参数集合作为输出，以输入的2D面部图像中人脸图像与所述3D人脸模型输出的3D人脸重投影图像之间的距离最小化为原则，对所述参数预估网络进行训练。


3.根据权利要求2所述的方法，其特征在于，所述构建2D面部图像映射3D人体模型的初步映射网络，包括：
构建有监督的深度学习网络，并采用3D人体数据集中的基本数据对所述有监督的深度学习网络进行训练，通过最小化网络生成的3D人体模型与其关联的3D人体模型间的距离来优化网络，得到2D面部图像映射3D人体模型的初步映射网络，每一条所述基本数据中包含一张2D面部图像及其关联的3D人体模型。


4.根据权利要求2所述的方法，其特征在于，所述构建2D面部图像映射3D人体模型的初步映射网络，包括：
采集3D人体数据集中的2D面部图像进行人脸特征提取，构建人脸特征索引库；
构建初始映射网络，所述初始映射网络对输入的基本数据中的2D面部图像进行人脸特征提取，并与所述人脸特征索引库中的人脸特征进行匹配，选择匹配成功的人脸特征对应的3D人体模型作为输出；
采用3D人体数据集中的基本数据对所述初始映射网络进行训练，得到2D面部图像映射3D人体模型的初步映射网络。


5.根据权利要求1至4中任一项所述的方法，其特征在于，将所述优化的3D人脸模型学习到的知识迁移给所述初步映射网络，包括...

【专利技术属性】
技术研发人员：解新雄，田第鸿，刘聪，
申请(专利权)人：深圳市人工智能与机器人研究院，
类型：发明
国别省市：广东;44