【技术实现步骤摘要】
本专利技术属于计算机视觉领域，具体地说，本专利技术涉及一种基于关键帧的从一组动作序列中生成人物渲染模型的方法。
技术介绍
1、人体渲染是一种基于人工智能和神经网络技术的图像渲染技术。它的基本原理是使用深度神经网络模型来学习图像的特征，然后生成具有高度真实感和细节的图像。
2、在人体渲染领域，最重要的技术是卷积神经网络(cnn)和生成对抗网络(gan)。cnn可以自动学习图像中的特征，并对其进行分类、识别和分割等任务。而gan则可以学习并生成具有高度真实感的图像，可以用于生成逼真的人类数字模型、建筑物等复杂场景。神经渲染还涉及到一些传统的图像渲染技术，如光线追踪、辐射传输等。这些技术可以与神经网络相结合，以实现更高质量和效率的渲染。
3、现有的渲染技术可以通过一张输入图片重建逼真的人体模型，但是局限于人体遮挡较少的部分，通过单张图像重建无法解决遮挡部分的纹理预测。在人体三维模型中，原图片遮挡部分因为无法预测出来而无法完美的渲染出较为真实的效果。这种方法可以有效地从输入图像中提取人体的纹理信息，并将其应用到三维模型中，实现更逼真的漂染效果。
技术实现思路
1、本专利技术提供了一种基于关键帧的从一组动作序列中生成人物渲染模型的方法，从一组动作序列中生成人体三维模型，提供一种高效、准确的人体表面材质渲染方法。
2、本专利技术是通过以下技术方案实现的：基于关键帧的从一组动作序列中生成人物渲染模型的方法，其步骤为：
3、1)通过预训练的深度学习神
4、所述的1)中，计算每一帧所有关节处的夹角，其中第i帧的夹角的集合θi＝{θi1，θi2，…，θis}，该组动作序列的夹角θ＝{θ1，θ2，…，θn}；找到夹角和最大的帧k，其中n为该组动作序列的总帧数，s表示一帧中共有s个关节夹角，argmaxk表示找到使括号内表达式最大的k的值，k表示夹角和最大帧的序号。
5、2)根据关键帧的人体骨骼点坐标和二值化图分割得到人体关键部位的纹理，将关键部位的纹理映射到纹理图的相应位置，得到人体表面材质的纹理图；
6、所述的2)中，
7、通过两个相连的骨骼点坐标pm＝(xm，ym)，pn＝(xn，yn)定位该骨骼smn，设xm＞xn，ym＞yn，该骨骼在灰度图上的矩形表示为rmn＝(x，y)|xn＜x＜xm，yn＜y＜ym，计算出一个最大的内接矩形rmax＝(xmax，ymax)|xn＜xmax＜xm，yn＜ymax＜ym，去除背景中的噪声获取人体纹理。其中m，n表示骨骼序号，pm，pn分别表示m，n号骨骼点的坐标，rmn表示在灰度图上由pm，pn作为对角线的矩形，rmax表示在rmn内去除掉背景的最大内接矩形；
8、在关键帧上，根据矩形rmax＝{(xmax，ymax)|xn＜xmax＜xm，yn＜ymax＜ym}的位置将人体的纹理材质裁剪出来，并且映射到纹理图。
9、所述的2)中具体步骤为：
10、2.1)假设有两个相连的骨骼点，分别为pm＝(xm，ym)和pn＝(xn，yn)。根据这两个骨骼点的坐标，定位这个骨骼smn；假设xm＞xn，ym＞yn，则该骨骼在灰度图上的矩形表示为rmn＝{(x，y)|xn＜x＜xm，yn＜y＜ym}；
11、2.2)为去除背景噪声，找到该骨骼在灰度图上的最大内接矩形rmax＝((xmax，ymax)|xn＜xmax＜xm，yn＜ymax＜ym}；rmax是在rmn中，面积最大的矩形，且该矩形完全包含该骨骼；通过计算rmax的坐标，将该骨骼周围的背景噪声去除，从而获得人体纹理信息；
12、2.3)通过2.2)的方法，在灰度图上找到人体躯干的最大内接矩形rmax，这个矩形的位置用位于同一对角线的两个顶点的坐标表示，该矩形在关键帧和二值化图上的坐标相同，所以在关键帧上的位置同为rmax＝{(xmax，ymax)|xn＜xmax＜xm，yn＜ymax＜ym}，然后将区域内部的图像提取出来，作为人体纹理材质的原始数数据，并且映射到纹理图。
13、3)将人体表面材质纹理图与人体几何模型进行对应纹理贴图，得到体现人体表面材质的人体三维模型，并渲染人体三维模型的多视角2d图像，得到人体表面材质重建结果。
14、本专利技术创造有益效果：
15、本专利技术通过上述方法，通过深度学习技术提高了人体骨骼点坐标和纹理的准确性，同时利用关键帧选择和分割得到的纹理映射方法提高了人体表面材质重建的准确性和可靠性。同时，本专利技术还提供了一种高效的人体表面材质重建方法，可以在较短的时间内生成高质量的人体表面材质重建结果。
本文档来自技高网...【技术保护点】
1.基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，其步骤为：
2.根据权利要求1所述的基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，所述的2)中，
3.根据权利要求1所述的基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，所述的1)中，计算每一帧所有关节处的夹角，其中第i帧的夹角的集合θi＝(θi1，θi2，…，θis}，该组动作序列的夹角θ＝(θ1，θ2，…，θn}；找到夹角和最大的帧k，其中n为该组动作序列的总帧数，s表示一帧中共有s个关节夹角，argmaxk表示找到使括号内表达式最大的k的值，k表示夹角和最大帧的序号。
4.根据权利要求1所述的基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，所述的2)中具体步骤为：
【技术特征摘要】
1.基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，其步骤为：
2.根据权利要求1所述的基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，所述的2)中，
3.根据权利要求1所述的基于关键帧的从一组动作序列中生成人物渲染模型的方法，其特征在于，所述的1)中，计算每一帧所有关节处的夹角，其中第i帧的夹角的集合θi＝...
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。