一种人体模型的快速拟合方法、设备和存储介质技术

本发明专利技术公开了一种人体模型的快速拟合方法，所述方法包括：建立处于初始姿态的标准人体模型；获取目标人体模型的姿态和体型参数，所述三维人体姿态和体型参数与三维标准人体模型的骨骼和若干个基参数相对应；根据获得的目标人体模型姿态参数选择标准三维人体模型的初始姿态基；根据获得的若干组目标人体模型的基和骨骼参数，从被选择的初始姿态基开始进行拟合；获得与目标人体体型相同的三维人体模型；获得与目标人体二维图像的姿态相同的三维目标人体模型网格。三维标准人体模型的初始姿态基可以是包括T

【技术实现步骤摘要】
一种人体模型的快速拟合方法、设备和存储介质


[0001]本专利技术属于人体三维模型建模领域，具体涉及一种人体模型快速拟合方法，尤其是基于多个初始姿态基的标准人体模型与目标人体模型快速拟合的方法、设备和存储介质。

技术介绍

[0002]随着互联网技术的发展，网上购物方式越来越普及。相比于实体店购物，网上在线购物具有商品种类多、购物方便等优势。但是，在网上购买商品，也存在一些不易解决的问题，最主要的就是无法实地查看要买的商品。在所有的商品种类中，服装商品这个问题最为突出。相比于实体店购物中可以实时地换装查看服装效果，在线服装购物无法提供针对消费者本身的效果图，只能提供模特试衣的图片，有的甚至根本没有试衣图片，消费者无法实时直观地获取服装和自身体型形象的匹配程度。造成了大量的退换货。
[0003]针对这一问题，经营者尝试利用虚拟试衣技术为消费者提供模拟试衣效果解决这一问题。当然，现实中还存在其他可以使用虚拟换衣试衣技术的场合，比如网络游戏中。因此，这一技术得到了较快的发展。
[0004]虚拟试衣是指用户不用实际换上想要观看穿着效果的衣服，也能在终端屏幕上实时查看“换装”效果的一种技术应用。现有的换装技术应用主要包括平面试衣和三维虚拟试衣技术。前者基本上是采集用户的图片，采集衣服的图片，然后进行裁剪和拼接，形成“穿衣”后的图像，但这类图像由于简单粗暴的图像处理方式而造成真实度较差，完全没有考虑到用户的实际体型，只是把服装生搬硬套到用户照片上，不能满足用户的需求。后者通常通过三维采集设备采集人的三维信息并结合服装的特征进行合成，或者通过手动输入用户提供的身体数据信息，并按照一定的规则虚拟生成一个人体三维模型，然后与服装贴图进行结合。整体上来说，这类三维虚拟试衣需要进行大量的数据采集或者三维数据计算，硬件成本高，在普通用户中不易推广。
[0005]随着云计算技术、人工智能技术和智能终端处理能力的发展，产生了二维虚拟试衣技术。此类技术主要包括三个步骤：(1)对用户提供的个人身体信息进行处理，得到目标人体模型；(2)对服装信息进行处理得到服装模型；(3)将人体模型和服装模型融合在一起，生成人穿着该服装的模拟图。
[0006]对于第(1)点，由于流程设计、模型参数选择、神经网络的训练方法等诸多不确定因素的累积，最终生成的换衣图片质量并不如传统的三维虚拟试衣技术，这其中，人体模型的拟合因为是其基础步骤，并且后面的穿衣过程也必须以前面生成的人体模型为基础，所以，一旦人体模型生成的不准确，容易产生人体模型与试衣者体型差距过大、皮肤纹理丢失、身体部位丢失等问题，影响最终的生成的换衣图片效果。
[0007]在一般的计算机视觉领域中，人体建模的初始起点有很多种，通常包括使用3D扫描设备对真实人体进行全方位扫描，基于多视角景深照相的三维重建方法，以及给定图像结合人体模型的方法实现三维重建这三大类。其中，使用3D扫描设备对真实人体进行全方
位扫描获得信息最多最准确，但是这类设备通常比较昂贵，并且需要人体模特的高度配合，整个处理过程对处理的设备的要求非常高，所以一般都应用于一些专业领域；其次，多视角三维重建方法需要提供被重建人体多个视角相互重叠的图像并建立图像间的空间转换关系，使用多组摄像头，以拍摄多张的方式，拼合出一个3D模型，操作相对简化了一些，但是计算复杂度仍然较大，并且多数情况下，只有现场参与的人才能获得多角度的图片。深度摄像头多角度拍照方法拿到的贴图然后拼合得到的模型，没有身体尺度数据，不能为3D感知提供基础。再次，单张图像结合人体模型的方法只需要提供一张图像，基于神经网络的三维人体特征曲线智能生成方法，通过神经网络训练，获得可以用来描述人体颈部、胸部、腰部以及臀部等部位曲线的权值和阂值，然后根据人体截面的围长、宽度、厚度等的尺寸参数信息，就能直接生成与真实人体体型吻合的人体三维曲线就可以获得预测的人体模型。但这种方法由于输入信息量较少，而求解过程仍然需要消耗较多的计算量，导致最终的模型效果不能令人满意。
[0008]基于互联网技术和其所处的网络环境特点，从单张图像直接输出最终人体模型的方式无疑是优选的，其便捷性是最好的，用户无需亲临现场，只需一张照片，即可完成整个换衣过程。那么随之而来的问题就是，只要能保证其获得的结果照片效果基本和真实3D模拟换衣相当，就会成为主流。这其中，如何通过一张照片就又快又好地获得最接近人体真实状态的人体模型，就成为重中之重。
[0009]现有技术中，构造人体模型的方法通常有几类：(1)基于回归的方法，通过卷积神经网络重建出体素表示的人体模型，算法首先根据输入图片估计人体主要关节点的位置，然后根据关键点位置估计出给定指定大小体素网格中，根据其内部每个单元体素是否被占用，从而用内部占用体素的整个形状来描述重建出的人体形状；(2)基于单张图片的人体重建，该方法同时估计出人体三维形状和姿态，该方法首先在图像上对简单的人体骨骼关键点进行了粗略的标注，然后根据这些粗关键点进行人体模型的初始匹配和拟合，得到人体大致形状。(3)用23个骨骼节点来表示人体骨架，然后用每个骨骼节点的旋转来表示整个人体的姿态，同时，用6890个顶点位置来表达人体形状，在拟合过程中，给定骨骼节点位置，同时拟合出形状和姿态的参数，从而进行三维人体重建；或者先用CNN模型来预测图像上的关键点，然后采用SMPL模型进行拟合，得到初始的人体模型。接着，用拟合得到的形状参数来回归一个人体关节包围盒，每个关节对应一个包围盒，用轴长和半径来表示其包围盒。最后，结合初始模型和回归得到的包围盒从而得到三维人体重建。以上方法存在建模速度较慢，其建模精度不够，并且重建效果强依赖所创建的身体和姿态数据库的问题。
[0010]现有技术一公开了一种基于体测数据的人体建模方法，如图1所示，所述方法包括：获取体测数据；根据所述体测数据，通过预先训练好的预测模型对预先创建的人体模型进行线性回归，拟合得到预测人体模型，所述预先创建的人体模型包括预先定义的多组标记特征点以及对应的标准形状基，所述体测数据包括与每组标记特征点对应的测量数据；根据所述预测人体模型，得到目标人体模型，所述目标人体模型包括测量数据、目标形状基以及目标形状系数。但是这种方法，对体测数据要求非常高，包括体长数据与围长数据，比如身高、臂长、肩宽、腿长、小腿长、大腿长、脚板长，头围、胸围、腰围、大腿围等，不仅测量还要计算。确实节约了计算量，但是用户体验却非常不好，程序很繁琐。并且在人体模型的训练上，参考了SMPL模型的训练方式。
[0011]SMPL模型是一种参数化人体模型，是马普所提出的一种人体建模方法，该方法可以进行任意的人体建模和动画驱动。这种方法与传统的LBS的最大的不同在于其提出的人体姿态影像体表形貌的方法，这种方法可以模拟人的肌肉在肢体运动过程中的凸起和凹陷。因此可以避免人体在运动过程中的表面失真，可以精准的刻画人的肌肉拉伸以及收缩运动的形貌。该方法中β和θ是其中的输入参数，其中β代表是个人体高矮胖瘦、头身比等比例的10个参数，θ是代表人体整体运动位姿和24个关节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体模型的快速拟合方法，所述方法包括：1)建立处于初始姿态的标准人体模型；2)获取目标人体模型的姿态和体型参数，所述三维人体姿态和体型参数与三维标准人体模型的骨骼和若干个基参数相对应；3)根据获得的目标人体模型姿态参数选择标准三维人体模型的初始姿态基；4)根据获得的若干组目标人体模型的基和骨骼参数，从被选择的初始姿态基开始进行拟合；5)获得与目标人体体型相同的三维人体模型；6)获得与目标人体二维图像的姿态相同的三维目标人体模型网格。2.根据权利要求1所述的方法，其特征在于，三维标准人体模型的初始姿态基是包括T-pose在内的若干个预置初始姿态基。3.根据权利要求2所述的方法，其特征在于，在三维人体模型移动拟合的过程中，首先，获取表示目标人体模型骨骼位置的姿态参数；其次，根据预先设计的若干个常见预置初始姿态基的位置坐标，计算从哪个初始姿态移动到目标姿态的距离最短；最后，选择从这个预置姿势的初始姿态基开始拟合，以提高处理的速度。4.根据权利要求2所述的方法，其特征在于，所述若干个预置初始姿态基的获取包括以下步骤：1)获取一定数量表示目标人体模型骨骼位置的姿态参数；2)对获得的若干组姿态参数根据设定的规则进行聚类计算；3)根据聚类计算的目标计算出实现该目标所需要的初始姿态基。5.根据权利要求4所述的方法，其特征在于，所述聚类规则采用距离准则。6.根据权利要求4所述的方法，其特征在于，所述聚类计算的目标是每个初始姿态到目标姿态的移动距离小于给定的限值或者拟合...

【专利技术属性】
技术研发人员：郑天祥，张胜凯，闫浩男，周润楠，张涛，唐杰，
申请(专利权)人：北京陌陌信息技术有限公司，
类型：发明
国别省市：