一种基于声波反散射的三维人体无触重建方法技术

一种基于声波反散射的三维人体无触重建方法，属于三维建模技术领域，根据设备获取扫描的人体点云数据，提取人体特征参数；利用人体测量学的原理自动提取的人体特征点和特征截面点云，通过特征边界提取得到特征边界线，计算人体特征尺寸；根据人体流形原理，采用一组

【技术实现步骤摘要】
一种基于声波反散射的三维人体无触重建方法


[0001]本专利技术属于三维建模
，特别是涉及到一种基于声波反散射的三维人体无触重建方法
。

技术介绍

[0002]随着电子信息技术与生产生活的融合，三维人体建模技术已广泛应用于网购线上试衣
、
电影动画制作
、
游戏建模等领域，现有的三维建模依靠计算机图像学
、
计算机视觉和虚拟现实等技术实现，再使用几何造型软件人工生成三维模型，但是这种方法需要使用者对几何造型软件有比较高的熟练程度，且花费时间较长，费用较高，其模型绘制效果与实体之间扔存在较大的差异
。
因此，现有技术中亟需一种新的技术方案来解决上述问题
。

技术实现思路

[0003]本专利技术所要解决的技术问题是：提供一种基于声波反散射的三维人体无触重建方法，解决现有技术中三维人体重建过程复杂，扫描人体数据成本高等缺点，通过声波反散射获得人体特征参数，可以快速重建三维人体形状
。
[0004]一种基于声波反散射的三维人体无触重建方法，包括以下步骤，且以下步骤顺次进行，
[0005]步骤一
、
根据设备获取扫描的人体点云数据，提取人体特征参数；
[0006]步骤二
、
利用人体测量学的原理自动提取的人体特征点和特征截面点云，通过特征边界提取得到特征边界线，计算人体特征尺寸；
[0007]步骤三
、
根据人体流形原理，采用一组
Fourier
系数表示几何形状，由于人体形状复杂，考虑有限的特征值，获得人体形状各特征参数的远场数据；
[0008]步骤四
、
通过神经网络构建人体特征参数和远场数据的一一对应关系，以人体尺寸特征为模型输入，人体形状各特征参数的远场数据作为模型输出，进行神经网络模型训练，获得人体对应的远场数据样本，通过
Fourier
方法通过远场数据反演人体形状建立三维模型
。
[0009]所述步骤一提取人体特征参数的方法为：
[0010]首先对点云数据进行预处理并将人体中心点转化为坐标原点，使人体位于基准面上，根据几何中心坐标，计算出人体点云模型的中心点坐标，根据中心点坐标以及相机角度得到绕
Z
轴旋转的仿射变换矩阵
M
m
；根据坐标转化关系，将人体三维点云模型调整到以人体中心点为坐标原点的坐标轴上；
[0011]在获取坐标转换的点云模型之后，
Z
轴方向即为人体身高方向，根据
Z
轴方向最大值
Z
max
和最小值
Z
min
计算身高
H
＝
|Z
max
‑
Z
min
|
，根据人体特征点和身高之间的比例关系，将人体身高归一化，人体特征参数点的估计位置为
h
position
，特征点位置与身高的比例为
λ
chara
，则人体特征点的近似高度为
h
position
＝
λ
chara
H+Z
min
。
[0012]所述步骤三人体形状特征参数包括身高
、
臂长
、
肩宽
、
颈围
、
胸围
、
腰围以及臀围
。
[0013]所述步骤三人体形状各特征参数的远场数据的获得方法为：
[0014]假设人体形状对应的主动源是一个紧支集函数，其中是边界区域，是边界区域，是区域
D
中节点的电流源强度，主动源
f
产生的散射波由以下方程控制
[0015][0016]其中
,
公式
(1)
中的极限形式称为
Sommerfeld
辐射条件，其中
i
虚数单位，
k
波数，
Δ
为
Laplace
算子，为对
r
求偏导数，
r
为空间距离，
d
为空间维数；
[0017]则散射波
u
的远场模式为
[0018][0019]其中和
R
为实数空间
、S
为曲面空，
F
表示
f
的
Fourier
变换
。
[0020]所述步骤四神经网络模型训练过程中对训练数据分块，将人体尺寸特征参数与分割的远场数据分别使用多个同种神经网络训练，通过网络的前向传播以及误差的反向误差，经过多次调整对各个分片的数据并行训练得到合适的预测值；神经网络之间交换参数，并将网络模型的相关参数保存以及预测的远场数据信息有序存储；将预测好的远场数据按对应观测点的顺序拼接到一起，组成该人体对应的远场数据样本
。
[0021]所述步骤一采用深感知相机获取人体点云数据
。
[0022]通过上述设计方案，本专利技术可以带来如下有益效果：一种基于声波反散射的三维人体无触重建方法，通过人体特征参数即可重建三维形状，不需要使用设备对人体进行扫描，从而实现快速重建三维人体形状，减少重建成本
。
[0023]以下结合具体实施方式对本专利技术作进一步的说明：
具体实施方式
[0024]一种基于声波反散射的三维人体无触重建方法，使用深感相机获取人体点云数据，对真实人体的点云数据预处理后计算人体特征参数
。
针对不同体型，基于人体形状分析法识别正常和肥胖体型，通过分层探索法定位人体特征点，利用人体特征点得到特征截面信息，使用边缘识别法提取特征轮廓边界点，有效地计算不同体型人群的真实特征参数信息
。
[0025]由于几何形状可以由
Fourier
系数表示，形状越复杂，与之相应的特征值也就越多，由于人体形状复杂，我们考虑有限的特征参数
。
我们把身高
、
臂长
、
肩宽
、
颈围
、
胸围
、
腰围
、
臀围等视为特征参数
。
[0026]根据声波满足的
Helmholtz
系统，通过计算得到声波的远场数据
。
由于几何体的形
状参数和远场数据之间维度差异过大，因而在对神经网络训练的过程中对训练数据分块，将人体尺寸特征参数与分割的远场数据分别使用多个同种神经网络训练，通过反向误差传播调整网络参数并对输入的人体参数得到对应的远场数据预测值
。
将预测好的远场数据按对应观测点的顺序拼接到一起，组成该人体对应的远场数据样本
...

【技术保护点】

【技术特征摘要】
1.
一种基于声波反散射的三维人体无触重建方法，其特征是：包括以下步骤，且以下步骤顺次进行，步骤一
、
根据设备获取扫描的人体点云数据，提取人体特征参数；步骤二
、
利用人体测量学的原理自动提取的人体特征点和特征截面点云，通过特征边界提取得到特征边界线，计算人体特征尺寸；步骤三
、
根据人体流形原理，采用一组
Fourier
系数表示几何形状，由于人体形状复杂，考虑有限的特征值，获得人体形状各特征参数的远场数据；步骤四
、
通过神经网络构建人体特征参数和远场数据的一一对应关系，以人体尺寸特征为模型输入，人体形状各特征参数的远场数据作为模型输出，进行神经网络模型训练，获得人体对应的远场数据样本，通过
Fourier
方法通过远场数据反演人体形状建立三维模型
。2.
根据权利要求1所述的一种基于声波反散射的三维人体无触重建方法，其特征是：所述步骤一提取人体特征参数的方法为：首先对点云数据进行预处理并将人体中心点转化为坐标原点，使人体位于基准面上，根据几何中心坐标，计算出人体点云模型的中心点坐标，根据中心点坐标以及相机角度得到绕
Z
轴旋转的仿射变换矩阵
M
m
；根据坐标转化关系，将人体三维点云模型调整到以人体中心点为坐标原点的坐标轴上；在获取坐标转换的点云模型之后，
Z
轴方向即为人体身高方向，根据
Z
轴方向最大值
Z
max
和最小值
Z
min
计算身高
H
＝
|Z
max
‑
Z
min
|
，根据人体特征点和身高之间的比例关系，将人体身高归一化，人体特征参数点的估计位置为
h
position
，特征点位置与身高的比例为
λ
chara
，则人体特征点的近似高度为
h
position
＝
λ
chara
H+Z
...

【专利技术属性】
技术研发人员：尹伟石，孟品超，刘宏宇，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：