基于二维服装图像与三维人体模型搭配的算法制造技术

本发明专利技术涉及二维

【技术实现步骤摘要】
基于二维服装图像与三维人体模型搭配的算法


[0001]本专利技术涉及二维
‑
三维模型搭配
，具体为一种基于二维服装图像与三维人体模型搭配的算法。

技术介绍

[0002]在服装设计上，我们传统的设计服装的软件是服装CAD技术，它的核心是利用了计算机辅助设计，按照设计者自己的要求设计服装，对数据进行高效的处理和计算，方便快捷，便于修改。对已有的数据，以及服装结构它都可以保存起来，方便设计者再次调用并快速生成结构图纸。比起传统的手工服装设计起来，它的优点就是高效的工作效力，容差性小。传统的服装设计要求设计者要大量的搜索数据，查看相关文献资料，并繁琐的大量计算和浪费时间和材料的图纸绘制。

技术实现思路

[0003](一)解决的技术问题
[0004]本专利技术提供一种基于二维服装图像与三维人体模型搭配的算法，该算法使二维服装图像与三维人体模型通过距离场结构实现了映射搭配，实现了将二维服装特征向三维距离特征均匀转化的技术功效。
[0005](二)技术方案
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]基于二维服装图像与三维人体模型搭配的算法，包括如下步骤：
[0008]步骤一，通过训练获得一个输入用户曲线特征即可自动生成三维人体模型的BP神经网络模型；
[0009]步骤二，将生成的三维人体模型投影得到位于二维平面上的二维人体模型，计算该二维人体模型的二维距离场和轮廓线；
[0010]步骤三，在二维人体模型上生成二维服装图像的轮廓曲线；
[0011]步骤四，根据二维服装图像的轮廓线，将二维平面上包含二维服装区域划分成n
×
n大小的规则矩形，计算二维服装区域内的各点到二维人体模型的距离值；
[0012]步骤五，将二维服装区域内的点映射到三维人体模型上，通过距离场插值算法计算得到二维服装区域内的各个点对应的深度值，该深度值与对应点二维坐标组合得到二维服装区域内的各点的三维坐标值，对二维服装区域内的各点进行Delaunay三角化处理，获得三维服装模型。
[0013]优选的，所述距离场的计算方法如下：
[0014]步骤step2
‑
1，由三维人体模型生成位于二维平面(x，y)上的正交投影视图；
[0015]步骤step2
‑
2，遍历三维人体模型，计算该三维模型在z轴方向的坐标取值极值，并设定距离场结构距离值的极值；
[0016]步骤step2
‑
3，将二维平面(x，y)上包含二维人体模型的区域划分成m
×
m大小的规
则矩形，该矩形的顶点(x，y)根据位置关系分为二维人体模型轮廓内部和二维人体模型轮廓外部。
[0017]优选的，所述步骤step2
‑
3，对于轮廓内部的顶点(x，y)，沿z轴方向计算从点(x，y，z
max
)到二维人体模型的距离值d1、其正面的深度值为z
max
+d1，沿z轴方向计算从点(x，y，z
min
)到二维人体模型的距离值d2、其背面的深度值为z
min
+d2。
[0018]优选的，所述步骤step2
‑
3，对于轮廓外部的顶点(x，y)，计算点(x，y)到二维人体模型的二距离、其为点(x，y)对应的距离常数值。
[0019](三)有益的技术效果
[0020]与现有技术相比，本专利技术具备以下有益的技术效果：
[0021]本专利技术通过将二维服装区域内的点映射到三维人体模型上，通过距离场插值算法计算得到二维服装区域内的各个点对应的深度值，该深度值与对应点二维坐标组合得到二维服装区域内的各点的三维坐标值，对二维服装区域内的各点进行三角化处理，获得三维服装模型，从而使二维服装图像与三维人体模型通过距离场结构实现了映射搭配，实现了均匀转化二维服装特征向三维距离特征的有益技术效果。
具体实施方式
[0022]基于二维服装图像与三维人体模型搭配的算法，包括如下步骤：
[0023]步骤Step1，通过训练获得一个输入用户曲线特征即可自动生成三维人体模型的BP神经网络模型，该BP神经网络模型的具体训练方法如下：
[0024]步骤Step1
‑
1，获取人体重要特征部位截面的点数据及曲线的尺寸，该尺寸包括周长的尺寸(胸围、腰围等等)和距离的尺寸(身高、肩宽等等)；
[0025]步骤Step1
‑
2，采用MatLab读取人体重要特征部位截面或剖面的边缘曲线和中心点的点数据坐标(x，y，z)，通过MatLab中cart2pol函数把点数据坐标(x，y，z)转化为极坐标(θ，ρ)，并且在人体重要特征部位截面或剖面的边缘曲线上按顺序每隔一个角度k∈(0，2π)取一个数值，获得人体重要特征部位截面或剖面的边缘曲线上的360/k个极坐标(极径ρ，极角θ)；
[0026]步骤Step1
‑
3，选取四层网络模型对上述获得的{极径ρ，极角θ，曲线尺寸}数据进行训练，该网络模型包括输入层、3个隐含层和输出层，以曲线尺寸、极角θ为输入层向量，以极径ρ为输出层向量，建立人体重要特征部位截面或剖面曲线的网络模型，该模型采用误差反向传播的学习算法，即如果网络的输出有错，则将网络的权值进行调整，使今后网络的输出误差朝小的方向发展，具体包括如下步骤：
[0027]步骤Step1
‑3‑
1，输入正向传播，由曲线长度、极角θ加在网络的输入层开始后，历经第一隐含层和第二隐含层，逐层向输出层传播，输出得到极径ρ；
[0028]步骤Step1
‑3‑
2，误差反向传播，网络预测输出得到的极径ρ与实际值的误差由输出层开始反向传播到输入层，通过训练找到输出误差最小的权值，而网络中各层的权值改变量根据传播到该层的均方误差E的大小来决定；
[0029]其中，
[0030][0031]式中：Et是第t个网络预测输出得到的极径ρ与实际值的误差，ρ
tT
‑
F
是第T个网络预测输出得到的极径ρ，ρ
tT
‑
O
是第T个网络预测输出得到的极径ρ的实际值；
[0032]网络中隐含层选用3层，隐层1的神经元数为10个，隐层2的神经元数为20个，隐层2的神经元数为40个，其中隐含层神经元的激发函数为logsig，输出层神经元的传递函数为purelin，选用学习率算法是trainlm，采用spline函数拟合预测输出得到的极径ρ的曲线，使其以10
‑4的精度逼近样本曲线；
[0033]通过网络训练之后，获得了可以用来描述人体颈部、胸部、腰部、臀部、等部位曲线的权值、阈值以及统一模型，输入用户的曲线特征可以自动生成得到三维人体模型；
[0034]步骤step2，通过正交投影的方法将上述自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于二维服装图像与三维人体模型搭配的算法，其特征在于，包括如下步骤：步骤一，通过训练获得一个输入用户曲线特征即可自动生成三维人体模型的BP神经网络模型；步骤二，将生成的三维人体模型投影得到位于二维平面上的二维人体模型，计算该二维人体模型的二维距离场和轮廓线；步骤三，在二维人体模型上生成二维服装图像的轮廓曲线；步骤四，根据二维服装图像的轮廓线，将二维平面上包含二维服装区域划分成n
×
n大小的规则矩形，计算二维服装区域内的各点到二维人体模型的距离值；步骤五，将二维服装区域内的点映射到三维人体模型上，通过距离场插值算法计算得到二维服装区域内的各个点对应的深度值，该深度值与对应点二维坐标组合得到二维服装区域内的各点的三维坐标值，对二维服装区域内的各点进行三角化处理，获得三维服装模型。2.根据权利要求1所述的基于二维服装图像与三维人体模型搭配的算法，其特征在于，所述距离场的计算方法如下：步骤step2
‑
1，由三维人体模型生成位于二维平面(x，y)上的正交投影视图；步骤step2
‑
2，遍历三维人体模型，计算该三维模...

【专利技术属性】
技术研发人员：俞淇纲，袁辉，
申请(专利权)人：深圳市溢恩服饰有限公司，
类型：发明
国别省市：