基于深度传感器的人体模型建立方法技术

本发明专利技术揭示了一种基于深度传感器的人体模型建立方法，包括如下步骤：S1、选定基础模型，随后用户以采集方位站立于深度传感器前，完成人体参数采集，所述人体参数包括骨骼数据和深度数据；S2、采用卡尔曼滤波算法对已获得的人体参数进行平滑处理；S3、依据基础模型以及人体参数，得到实时重建算法；S4、根据基础模型中所需的身体参数，离线人工测量身体参数，结合身体参数及实时重建算法，计算基础模型中各部位的权重参数，再结合权重参数与人体参数、以基础模型为基础建立人体模型。本发明专利技术提出了一种基于深度传感器的人体模型建立方法，具有很高的使用及推广价值。

Establishment of human body model based on depth sensor

The invention discloses a method for building a human body model based on a depth sensor, which includes the following steps: S1, selecting the basic model, and then the user stands in front of the depth sensor to collect the human body parameters, which include skeletal data and depth data; S2, smoothing the obtained human body parameters by Kalman filter algorithm; S3, and YE. According to the basic model and human parameters, the real-time reconstruction algorithm is obtained. S4. According to the body parameters required in the basic model, the off-line manual measurement of body parameters is carried out. Combined with the body parameters and real-time reconstruction algorithm, the weight parameters of each part of the basic model are calculated, and then combined with the weight parameters and human parameters, the human model is established on the basis of the basic model. The invention proposes a method for building a human body model based on depth sensor, which has high application and popularization value.

【技术实现步骤摘要】
基于深度传感器的人体模型建立方法
本专利技术涉及一种建模方法，具体而言，涉及一种基于深度传感器的人体模型建立方法，属于人机交互领域。
技术介绍
随着计算机技术和传感器性能的不断进步，人机交互（Human-ComputerInteraction）技术已发展到以人为核心的自然用户界面（NaturalUserInterface）交互阶段，这要求机器能够像人类一样自然的与用户进行交流、互动。电子化服装的量身定制和个性化生产己经成为服装行业发展的趋势，而非接触式三维人体测量系统的出现，使得这种趋势成为了可能。目前，国内的非接触式三维人体测量技术相对落后。而国外的非接触式三维人体测量设备体积较大、价格昂贵，很多小型的服装生产商无力承担。同时，传统的三维人体测量设备获取人体表面特征数据的过程非常复杂。因此，体积小、精确度高、成本低的三维人体测量系统具有很高的研究价值和广泛的应用前景。随着图像处理、机器视觉、人工智能等学科的不断发展，尤其是深度传感器的出现，为基于机器视觉方式获得手部运动状态信息成为可能。如微软的Kinect传感器，不仅可以提供二维彩色数据，也能够提供对应的深度信息。由于光学传感器通过光线反射时间计算被检测物体的参数，不需要佩戴额外的穿戴设备，因而基于深度传感器采集的信息进行人机交互的是一种更加自然、也更加便捷的人机交互方式。人体建模是计算机图形学与计算机视觉领域的重要研究课题，人体几何建模则是人体建模的基础。人体几何建模技术发展至今，已经出现了大量的实现方法，分为直接建模方法、2D图片识别方法、模板匹配方法、统计综合建模4大类。模板拟合建模是事先在系统中建立一个基础模型（或称标准模型），随后对获得的其它人体模型以此为基础进行变换。英国的Mao等人提出了建立一个新的虚拟人体手绘（VirtualHumanSketcher，VHS）接口，对不同的人体模型通过模板变形来拟合二维手绘轮廓。美国的Liao等人在假设人体运动是局部连续的条件下，利用特征点的对应关系，用体积法结合部分表面信息重建运动的3D人体模型，但是无法处理图像缺失部分。瑞士的Li等人使用模板作为几何和拓扑重建的近似，实现目标的动态匹配。中国的Jun等人通过建立函数来描述人体的肥胖程度，分别结合纤瘦和肥胖人体模板以及不同的人体扫描数据库（夏天和冬天）来评估人体模型。德国的Zollhöfer等人首先通过扫描模板模型来避免场景假设，用非线性变形模型获取精确的人体细节。此外，目前也出现了一些专利方案作为技术支撑。专利CN106981091A将二维特征点序列映射为三维空间的点，构成三维特征点序列；利用三维特征点序列结合标准人体模板进行形变处理获取人体三维模型。专利CN104240288A将对象的深度图像与多个表示图像相比较，通过将所选择的参数模型与对象的深度图像相适配来产生对象的三维表示。模板拟合建模被现在的一些在线试衣系统广泛采用，但是此类方法仍然存在着精确度不高、建模耗时长等缺点。综上所述，如何提出一种全新的人体模型建立方法，吸取上述各类方案的优点，提高测量参数的准确度、节约用户在参数测量以及模型生成时所耗费的时间，就成为了本领域内技术人员亟待解决的问题。
技术实现思路
鉴于现有技术存在上述缺陷，本专利技术的目的是提出一种基于深度传感器的人体模型建立方法。一种基于深度传感器的人体模型建立方法，包括如下步骤：S1、选定基础模型，随后用户以采集方位站立于深度传感器前，完成人体参数采集，所述人体参数包括骨骼数据和深度数据；S2、采用卡尔曼滤波算法对已获得的人体参数进行平滑处理；S3、依据基础模型以及人体参数，得到实时重建算法；S4、根据基础模型中所需的身体参数，离线人工测量身体参数，结合身体参数及实时重建算法，计算基础模型中各部位的权重参数，再结合权重参数与人体参数、以基础模型为基础建立人体模型。优选地，所述基础模型为虚拟开发工具中的虚拟人，所述虚拟开发工具为Unity3D。优选地，S1中所述采集方位包括以正面方向面对深度传感器以及以侧面方向面对深度传感器。优选地，所述骨骼数据包括：左臂数据、右臂数据、左腿数据、右腿数据以及骨骼身高数据。优选地，所述深度数据包括：头部数据、颈部数据、臂展数据、胸部数据、腰部数据、胯部数据、大腿数据、小腿数据、大臂数据、小臂数据以及深度身高数据。优选地，S3中所述依据基础模型以及人体参数，得到实时重建算法，包括如下步骤：S31、从深度传感器中提取与用户相匹配的骨骼节点，采用插值算法对骨骼数据进行优化，利用空间点间的距离公式计算各个骨骼节点之间的距离，通过每段节点间的距离相加计算所需参数的值；S32、从深度传感器读取场景的深度信息，利用人物索引提取出用户深度图像，采用滤波算法，滤除用户深度图像中的噪点，根据基础模型中所需测量的参数的位置，使用测量线分割用户深度图像中的身体并标记，利用测量线两端的空间坐标计算出基础模型中所需的物理参数；S33、将骨骼数据与深度数据进行匹配，使用骨骼数据替换深度数据。优选地，S6中所述离线人工测量身体参数，包括对用户进行多次身体参数的测量，取测量平均值作为身体参数。优选地，S6中所述以基础模型为基础建立人体模型的过程为计算机实时操作。与现有技术相比，本专利技术的优点主要体现在以下几个方面：在本专利技术的使用过程中，用户只需要正对以及侧对深度传感器，即可完成三维数据的测量，并利用三维数据完善基础模型，不仅显著提升了用户的使用舒适度，而且大幅度缩减了三维数据采集的时长、节约了操作时间。本专利技术对深度传感器的视频信息进行滤波和插值处理，减少了视频噪声和骨骼节点跳动对数据测量的影响，同时本专利技术还混合了深度数据以及深度传感器提供的骨骼节点数据，完成了人体参数的测量，有效地提升了测量的稳定性和准确性。本专利技术选用Unity3D等虚拟开发工具，选用其中的虚拟人作为基础模型，在使用过程中系统可自动检测用户人体参数，无需手动输入输出，即保证了参数的准确性、避免了人工误差，又进一步缩短了用户的等待时间。此外，本专利技术也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于领域内其他人体建模的技术方案中，具有十分广阔的应用前景。综上所述，本专利技术提出了一种基于深度传感器的人体模型建立方法，具有很高的使用及推广价值。以下便结合实施例附图，对本专利技术的具体实施方式作进一步的详述，以使本专利技术技术方案更易于理解、掌握。附图说明图1为本专利技术的流程示意图。具体实施方式如图1所示，本专利技术揭示了一种基于深度传感器的人体模型建立方法，包括如下步骤：S1、选定基础模型，随后用户以采集方位站立于深度传感器前，完成人体参数采集，所述人体参数包括骨骼数据和深度数据；S2、采用卡尔曼滤波算法对已获得的人体参数进行平滑处理；S3、依据基础模型以及人体参数，得到实时重建算法；S4、根据基础模型中所需的身体参数，离线人工测量身体参数，结合身体参数及实时重建算法，计算基础模型中各部位的权重参数，再结合权重参数与人体参数、以基础模型为基础建立人体模型。所述基础模型为虚拟开发工具中的虚拟人，所述虚拟开发工具为Unity3D。S1中所述采集方位包括以正面方向面对深度传感器以及以侧面方向面对深度传感器。所述骨骼数据包括：左臂数据、右臂数据、左腿数据、右腿数据以及本文档来自技高网...

【技术保护点】
1.一种基于深度传感器的人体模型建立方法，其特征在于，包括如下步骤：S1、选定基础模型，随后用户以采集方位站立于深度传感器前，完成人体参数采集，所述人体参数包括骨骼数据和深度数据；S2、采用卡尔曼滤波算法对已获得的人体参数进行平滑处理；S3、依据基础模型以及人体参数，得到实时重建算法；S4、根据基础模型中所需的身体参数，离线人工测量身体参数，结合身体参数及实时重建算法，计算基础模型中各部位的权重参数，再结合权重参数与人体参数、以基础模型为基础建立人体模型。

【技术特征摘要】
1.一种基于深度传感器的人体模型建立方法，其特征在于，包括如下步骤：S1、选定基础模型，随后用户以采集方位站立于深度传感器前，完成人体参数采集，所述人体参数包括骨骼数据和深度数据；S2、采用卡尔曼滤波算法对已获得的人体参数进行平滑处理；S3、依据基础模型以及人体参数，得到实时重建算法；S4、根据基础模型中所需的身体参数，离线人工测量身体参数，结合身体参数及实时重建算法，计算基础模型中各部位的权重参数，再结合权重参数与人体参数、以基础模型为基础建立人体模型。2.根据权利要求1所述的基于深度传感器的人体模型建立方法，其特征在于：所述基础模型为虚拟开发工具中的虚拟人，所述虚拟开发工具为Unity3D。3.根据权利要求1所述的基于深度传感器的人体模型建立方法，其特征在于：S1中所述采集方位包括以正面方向面对深度传感器以及以侧面方向面对深度传感器。4.根据权利要求1所述的基于深度传感器的人体模型建立方法，其特征在于，所述骨骼数据包括：左臂数据、右臂数据、左腿数据、右腿数据以及骨骼身高数据。5.根据权利要求1所述的基于深度传感器的人体模型建立方法，其特征在于，所述深度数据包括：头部数据、颈部数据、臂展数...

【专利技术属性】
技术研发人员：周亮，盛添宇，陈建新，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32