一种基于中国人数据库的参数化人体模型重建方法技术

本发明专利技术公开了一种基于中国人数据库的参数化人体模型重建方法，采集不同年龄、体型、身高的多个女性净体的三维人体网格数据，建立数据库；基于BPS对点云进行学习，将SMPL模型网格点分别粗配准至各个三维人体网格点附近，生成对应的粗配准模型；然后采用基于ICP算法的非刚性网格配准算法对各个粗配准模型进行精配准，生成精准配准对应的SMPLD模型；先对各个SMPLD模型进行标准站姿校正，再对站姿校正后的各个SMPLD模型进行PCA主成分分析，以获取的多个主成分占比作为适配中国人形体的参数化人体模型的形体参数，以SMPL模型原始的姿态参数作为适配中国人形体的参数化人体模型的姿态参数，构建最终的参数化人体模型。构建最终的参数化人体模型。构建最终的参数化人体模型。

【技术实现步骤摘要】
一种基于中国人数据库的参数化人体模型重建方法


[0001]本专利技术属于图像处理的
，具体涉及一种基于中国人数据库的参数化人体模型重建方法。

技术介绍

[0002]网络环境为人们的生活提供了便捷，网上购衣已成为现阶段人们日常生活消费的主要方式之一。但是，服装的自身特点决定了其无法用号型、文字及照片等方式准确地将特征信息描述清楚，经常会出现服装不合体及穿着效果与预期不符等现象。随着基于互联网的虚拟现实技术的发展，三维虚拟试衣技术可以通过计算机识别技术、图形学及相关软件让消费者提前感知真实的服装试穿效果，降低消费者购物的时间成本，提高服装的合体性和购物的满意度。而三维人体建模一直以来都是三维虚拟试衣领域的一个比较富有挑战性且比较重要的部分，其本质在于将现实世界中的人体以三维数字化的方式在计算机中存储并表示。
[0003]目前基于计算机视觉的方法可以简单快捷的获取高质量的三维人体模型。通过查阅相关文献，该方法按照两个标准进行分类：第一类为无约束的三维人体建模方法，即先利用各种手段采集或估计深度信息，再用点云配准的方式重建人体完整的几何形状和纹理信息，如一些研究者使用多视角的相机阵列进行人体建模，这种单时刻多视角的三维人体建模方法，所得结果质量较高，支持任意的服装拓扑结构，但是实时性较差，且相机的标定等过程较为复杂；另一类方法为基于参数化(统计)模型的三维人体重建方法：这类方法大多首先估计SCAPE、SMPL等人体模型的各项参数，然后再通过融合各类传感器获取深度信息来补充模型纹理细节，该类方法相比前一类方法而言，对环境要求较低，重建出来的模型内部具有动画骨架且包含语义信息，如Cheng等调研了几种主流的参数化人体模型，研究表明，SMPL模型在速度和准确性方面都比SCAPE具有更好的性能，因此SMPL模型逐渐取代SCAPE模型成为主流模型。由于该模型可用较少维度的参数来表示不同形状和姿势的人体，并且模型中使用的线性函数易于优化，许多团队提出了使用该模型进行参数化人体建模，这类方法利用SMPL模型包含的丰富的人体结构先验信息作为约束，学习从二维图像到三维姿态的映射函数，实现模型和数据的匹配。
[0004]然而，这些参数化人体模型大多是基于西方人体的固定体型开发的。事实上，东西方人体存在一定差异：例如2015年尹彦等将中国2009年进行的人体尺寸抽样试点调查的数据和2002年完成的CAESAR中美国的数据进行了对比，发现西方人比东方人身材更高大、强壮，拥有臂长、腿长、手脚大的特点；在高度方向、围度和宽度尺寸上，西方人均大于东方人体测量学尺寸；在头颈部和上身长度方面，东西方人体尺寸差距并不大；2020年，胡新荣等依据2019年欧美CAESAR人体数据集提供的人体结构关键部位与身高的比例关系和2009年中国标准化研究院完成的中国成年人人体尺寸抽样试点调查工作中获取的亚洲人体数据信息，通过数据对比发现东方人体结构关键部位在胸部和臀部的参数值相差较大。由于中西方人体的差异，导致参数化人体建模算法无法准确估计模型参数，难以保证三维人体建
模结果的准确性和连续性。

技术实现思路

[0005]本专利技术提供了一种基于中国人数据库的参数化人体模型重建方法，解决了现有技术中由于中西方人体的差异，导致参数化人体建模算法无法准确估计模型参数，难以保证三维人体建模结果的准确性和连续性等技术问题。
[0006]本专利技术可通过以下技术方案实现：
[0007]一种基于中国人数据库的参数化人体模型重建方法，包括以下步骤：
[0008]一、建立数据库
[0009]采集不同年龄、体型、身高的多个女性净体的三维人体网格数据，建立数据库；
[0010]二、三维人体网格配准
[0011]首先，基于BPS Basis Point Sets对点云进行高效学习，将SMPL模型网格点分别快速初始配准至数据库中的各个三维人体网格点附近，生成对应的初始配准模型；然后采用基于ICP算法的非刚性网格配准算法对各个初始配准模型进行精配准，只优化顶点位移D分量，生成精准配准对应的SMPLD模型；
[0012]三、统计形体分析
[0013]先对各个SMPLD模型进行站姿校正，使其统一为标准站姿，再对站姿校正后的各个SMPLD模型进行PCA主成分分析，以PCA主成分分析获取的多个主成分占比作为适配中国人形体的参数化人体模型的形体参数，以SMPL模型原始的姿态参数作为适配中国人形体的参数化人体模型的姿态参数，构建最终适配中国人形体的参数化人体模型。
[0014]进一步，所述精配准方法包括设M(v
i
,x):表示将标准人体表面上的三维网格顶点映射到按照模型参数变形后的三维点的人体模型，设SMPLD模型表示为x＝{θ,β,D}，其中θ为姿态参数，β为形体参数，D为非刚性变形参数，表示由{θ,β}重建后的SMPL模型中各顶点的偏移，
[0015]构建由x重构后SMPL模型中的点集和三维人体扫描点集的损失函数E：
[0016][0017]其中，表示SMPL模型的网格面，N
v
＝6890，N
f
＝13776，T
v
为待匹配网格点数，表示由BPS初始配准后的初始网格面，Lap表示拉普拉斯算子，dist(
·
)是可微分的点到表面的距离，是连续的表面点，M
′
(
·
)表示对离散模型顶点定义的模型函数M(
·
)进行重心插值，d
i
为重建后的SMPL模型中各顶点的偏移，α、β和γ为
动态加权系数，
[0018]使用ICP算法对损失函数进行最优搜索，每次迭代过程中，先计算采集的三维人体模型—SMPLD模型的对应点对，然后利用梯度或高斯牛顿优化器对模型参数进行更新，使扫描点与对应模型点之间的距离最小。
[0019]进一步，位姿校正包括以下步骤：
[0020]1)利用SMPL模型中的骨骼蒙皮模型对配准后的各个待校正SMPLD模型进行三维关节点重构J
3d
；
[0021]2)从人体采集大数据库中选择标准站姿样本，计算其J
3d
并作为标准站姿模板{θ
T
}；
[0022]3)针对待校正SMPLD模型的J
3d
，通过骨架映射算法，计算第i个对应关节相对标准站姿模板{θ
T
}的旋转角度差及相应旋转矩阵再基于LBS算法及混合蒙皮权重W，计算姿态变换后的SMPLD模型。
[0023]进一步，最终适配中国人形体的参数化人体模型的表达式如下
[0024][0025]其中，V
i
为网格顶点即所有校正后的SMPLD模型对应各个顶点的平均值，F
i
为三角网格，JM
6890
×
24
为SMPL模型中24个骨架点的加权系数矩阵，W
6890
×
24...

【技术保护点】

【技术特征摘要】
1.一种基于中国人数据库的参数化人体模型重建方法，其特征在于包括以下步骤：一、建立数据库采集不同年龄、体型、身高的多个女性净体的三维人体网格数据，建立数据库；二、三维人体网格配准首先，基于BPS Basis Point Sets对点云进行高效学习，将SMPL模型网格点分别粗配准至数据库中的各个三维人体网格点附近，生成对应的粗配准模型；然后采用基于ICP算法的非刚性网格配准算法对各个粗配准模型进行精配准，只优化顶点位移D分量，生成精准配准对应的SMPLD模型；三、统计形体分析先对各个SMPLD模型进行站姿校正，使其统一为标准站姿，再对站姿校正后的各个SMPLD模型进行PCA主成分分析，以PCA主成分分析获取的多个主成分占比作为适配中国人形体的参数化人体模型的形体参数，以SMPL模型原始的姿态参数作为适配中国人形体的参数化人体模型的姿态参数，构建最终适配中国人形体的参数化人体模型。2.根据权利要求1所述的基于中国人数据库的参数化人体模型重建方法，其特征在于：所述精配准方法包括设表示将采样标准表面上的三维网格顶点映射到按照模型参数变形后的三维点的人体模型，设SMPLD模型表示为x＝{θ,β,D}，其中θ为姿态参数，β为形体参数，D为非刚性变形参数，表示由{θ,β}重建后的SMPL模型中各顶点的偏移，构建由x重构后SMPL模型中的点集和三维人体扫描点集的损失函数E：其中，表示SMPL模型的网格面，N
v
＝6890，N
f
＝13776，T
v
为待匹配网格点数，表示由BPS粗配准后的初始网格面，Lap表示拉普拉斯算子，dist(
·
)是可微分的点到表面的距离，是连续的表面点，M
′
(
·
)表示对顶点定义的模型函数M(

【专利技术属性】
技术研发人员：田丙强，徐增波，谢红，胡红艳，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：