【技术实现步骤摘要】
本专利技术涉及图像数据处理，尤其涉及采用计算机制图的3d建模，具体涉及基于配准数字人的隐式组织模型构建方法、模型及应用。
技术介绍
1、三维数字人生成技术是指利用计算机技术和算法创建出虚拟的人类形象（即三维数字人或虚拟人）的过程。这一技术通常涉及以下几个步骤：
2、数据采集：通过各种方式获取人类形象的数据，包括2d图像、视频、深度图像、激光扫描等。利用计算机图形学和机器学习算法，将采集到的数据转化为三维模型。这个过程可能包括面部特征、身体结构、纹理贴图等的生成。在得到三维模型后，通过动画技术赋予其动态表现，使其能够展示各种表情、动作和交互。结合不同模态的数据，优化生成的三维数字人，使其在视觉上更加真实和自然。
3、三维数字人生成技术的应用范围广泛，可以在多个领域发挥重要作用：例如虚拟角色：在视频游戏、动画电影和虚拟现实体验中，生成高质量的虚拟角色，提升用户体验。用户可以根据自己的喜好创建个性化的虚拟形象。用户能够在社交平台上使用虚拟人形象作为自己的代表，与他人互动，同时，在社交应用中使用虚拟人形象进行面部替换和特效增强。在医疗与教育方面可以利用三维数字人模型进行解剖学教学和模拟手术练习等等。
4、现有技术中，已经可以通过单张或多张2d图像生成3d模型，常用的方法包括深度学习、卷积神经网络（cnn）等，当然，亦有采用视频序列提取运动信息和表情变化，生成更为动态的3d模型，这主要应用于动画制作、虚拟现实（vr）和增强现实（ar）。虽然现有技术中能够通过2d图像和视频生成3d数字人模型，但是基于不同
技术实现思路
1、为了解决3d数字人对内部组织的分类问题，本申请提供基于配准数字人的隐式组织模型构建方法、模型及应用，至少可以解决下列技术问题之一：
2、1、解决了隐式组织模型的构建问题，相较于显式组织模型构建而言具有模型精密度更高，定位更精准的优点。
3、2、解决了3d数字人模型的组织分类问题，能够将模型内的某一点作为研究对象，并对任一点进行组织定性，定位，从而更好的模拟人体的不同状态。
4、3、本专利技术建立的隐式组织模型能够通过更改smpl模型参数改变3d数字人的姿态，形态，模拟真实人体的不同状态，使得其在医疗领域，为体内组织在人体不同姿态下的位置、形态表现研究提供模型基础，解决现有技术中采用人体反复通过诸如ct等影像学技术确定病灶组织位置，形态的方式会带来累计辐射剂量超标，影响健康等问题。
5、为了达到上述目的，本申请所采用的技术方案为：
6、基于配准数字人的隐式组织模型构建方法，包括基于ct、dr在内的图像数据通过smpl建立的配准数字人模型进行去形变映射、去姿态映射和去形态映射的步骤；
7、步骤stp100，去形变映射，将带形变的smpl模板上体表网格或骨骼网格上的任一点采用伪逆矩阵去形变映射，获得去形变后的对应点，
8、
9、其中，为带形变的smpl模板上体表网格或骨骼网格上的任一点，为smpl标准模板上的点到带形变的smpl模板对应点的仿射变换矩阵；
10、步骤stp200，去姿态映射，通过线性混合蒙皮函数建立步骤stp100获得的带姿态的smpl模板体内点映射到带形态的smpl模板体内点的映射关系，表示为，再通过迭代优化算法通过带形态的smpl模板体内点获得带姿态的smpl模板体内点，迭代优化过程如下：
11、步骤stp210，将初始化为离最近的带姿态的smpl模板体表点在带形态的smpl模板上的对应点——即序号相同的点，初始化为的蒙皮权重；
12、步骤stp220，对每次迭代得到的和，更新；
13、步骤stp230，预测，则，，更新；
14、步骤stp240，重复步骤stp220-步骤stp230，直到与的差异足够小，即时，完成迭代；
15、其中，网络是预测形态空间中同一点位于不同smpl模版中的位移网络，网络是预测smpl标准模板空间一点的蒙皮权重；
16、步骤stp300，去形态映射，通过网络预测步骤stp200获得的带形态的smpl空间中的体内点与smpl标准模板的体内点的位移，表示为，则获得smpl标准模板体内点表示为
17、
18、其中，为当前配准数字人模型的形态参数；为当前配准数字人模型的姿态参数；为权重参数；
19、步骤stp400，组织分类，将经过步骤stp100-步骤stp300完成去形变映射、去姿态映射和去形态映射后获得的smpl标准模板进行组织分类，采用网络预测的组织类别，即：
20、
21、其中代表非实体组织，如肺部空洞、腔体空洞；代表骨骼；代表皮下脂肪组织；代表瘦组织，完成隐式组织模型构建。
22、本专利技术还包括对步骤stp200中的网络、和步骤stp400中的网络进行损失训练的步骤，具体训练步骤如下：
23、步骤x100，训练网络，设是带形态的smpl模板上的一个顶点，是smpl标准模板上的对应顶点，网络的训练损失函数定义为：
24、
25、设是smpl标准模板的一个顶点，网络的训练损失函数定义为：
26、
27、网络的损失函数定义为预测的组织分类与训练数据表标签之间的交叉熵：
28、
29、其中，表示体内点预测的类型，以概率形式表示，取值在0-1之间，表示体内点的实际类型；
30、步骤x200，将步骤x100中的网络替换为进行训练；
31、步骤x300，将步骤x100中的网络替换为进行训练；
32、其中，训练数据采用hit数据集。
33、优选地，所述hit数据集的建立方法包括
34、步骤j100，采集对象人体全身mri扫描数据中采样；
35、步骤j200，利用分割算法将mri断层图像分为空洞、骨骼、皮下脂肪组织、瘦组织；
36、步骤j300，提取体表外轮廓，将提取的外轮廓生成点云并用smpl模型拟合获得的点云，由此生成了smpl体表与体内组织的对应hit数据集。
37、本专利技术还提供一种隐式组织模型，具体采用上述的基于配准数字人的隐式组织模型构建方法构建而得。
38、本专利技术还提供一种隐式组织模型在静态感兴趣区域定位中的应用，其中，定位感兴趣区域中任意一点的空间坐标方法如下：
39、步骤y100，定义目标点，定义拍摄次，在第个拍摄角度下感兴趣区域中在影像数据上找到目标点，在影像数据上目标点的空间坐标，有<本文档来自技高网...
【技术保护点】
1.基于配准数字人的隐式组织模型构建方法，其特征在于，包括基于CT、DR在内的图像数据通过SMPL建立的配准数字人模型进行去形变映射、去姿态映射和去形态映射的步骤；
2.根据权利要求1所述的基于配准数字人的隐式组织模型构建方法，其特征在于，还包括对步骤STP200中的网络、和步骤STP400中的网络进行损失训练的步骤，具体训练步骤如下：
3.根据权利要求2所述的基于配准数字人的隐式组织模型构建方法，其特征在于，所述HIT数据集的建立方法包括
4.一种隐式组织模型，其特征在于，采用权利要求1-3任一项所述的基于配准数字人的隐式组织模型构建方法构建而得。
5.一种隐式组织模型在静态感兴趣区域定位中的应用，其特征在于：定位感兴趣区域中任意一点的空间坐标方法如下：
6.一种隐式组织模型在动态感兴趣区域定位中的应用，其特征在于：采用基于权利要求5所述的隐式组织模型在静态感兴趣区域定位中的应用的定位原理通过将目标点映射到SMPL标准模板体内，设是在SMPL标准模板体内的对应点，则并保存，当对象人体发生变化时，通过相机参数模块重新获取
7.一种隐式组织模型在体脂率估计方面的应用，其特征在于：包括通过以下步骤实现：通过等间隔均匀采样遍历当前人体网格内部的每个目标点，利用体内映射关系获得目标点在SMPL标准模板的体内对应点，并对点进行组织分类，统计点被分类为SAT的次数，则体脂率为：
...【技术特征摘要】
1.基于配准数字人的隐式组织模型构建方法，其特征在于，包括基于ct、dr在内的图像数据通过smpl建立的配准数字人模型进行去形变映射、去姿态映射和去形态映射的步骤；
2.根据权利要求1所述的基于配准数字人的隐式组织模型构建方法，其特征在于，还包括对步骤stp200中的网络、和步骤stp400中的网络进行损失训练的步骤，具体训练步骤如下：
3.根据权利要求2所述的基于配准数字人的隐式组织模型构建方法，其特征在于，所述hit数据集的建立方法包括
4.一种隐式组织模型，其特征在于，采用权利要求1-3任一项所述的基于配准数字人的隐式组织模型构建方法构建而得。
5.一种隐式组织模型在静态感兴趣区域定位中的应用，其特征在于：定位感兴趣...
【专利技术属性】
技术研发人员：侯雨舟，马川，李少青，
申请(专利权)人：晓智未来成都科技有限公司，
类型：发明
国别省市：
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。