[发明专利]一种基于稀疏关键点的参数化人体模型重建方法

权利要求书

1.一种基于稀疏关键点的参数化人体模型重建方法，其特征在于它包括以下步骤：

(1)深度获取：使用深度扫描设备扫描人体的正面，并剔除属于背景和地面的区域得到孤立的人体深度数据；

(2)自动关键点寻找：在人体上定义P个关键点，使用基于随机蕨的回归算法自动计算对应输入深度数据上的稀疏关键点；

(3)关键点辅助重建：将稀疏关键点与模型网格顶点Y之间的对应关系作为约束，交替使用线性最小二乘优化算法重建出参数化人体模型的姿态参数t和与身材参数β，其中，在优化姿态参数t时，利用网格顶点Y与姿态参数t的线性关系Y(t)＝ct+d建立线性方程，c，d为线性方程系数，在优化身材参数β时，利用网格顶点Y与身材参数β的线性关系Y(β)＝fβ+g建立线性方程，f，g为线性方程系数。

2.根据权利要求1所述的一种基于稀疏关键点的参数化人体模型重建方法，其特征在于在步骤(2)中，对每个输入的深度数据，使用q个不同方向光源将深度数据绘制成q个阴影图，对每张阴影图随机采样每个关键点周围的M个像素灰度，并对每张阴影图计算所有像素之间的灰度差异；将得到的MPq个灰度差异作为随机蕨回归算法的输入特征。

3.根据权利要求1所述的一种基于稀疏关键点的参数化人体模型重建方法，其特征在于在步骤(2)中，使用SCAPE算法生成人体网格模型，对每个人体网格，给予不同的姿态和身材参数，得到N个不同的人体网格模型，用作训练随机蕨回归算法的训练数据。

4.根据权利要求1所述的一种基于稀疏关键点的参数化人体模型重建方法，其特征在于在步骤(2)中，提取每个作为训练数据的人体网格上准确的P个关键点坐标，组成目标关键点位置向量S；对每个网格，随机生成初始关键点位置向量S₀；将差异向量ΔS＝S-S₀作为训练随机蕨回归算法的回归目标。

5.根据权利要求1所述的一种基于稀疏关键点的参数化人体模型重建方法，其特征在于在步骤(2)中，训练随机蕨回归模型，并使用EnsembleLearning方法将多个随机蕨回归模型的结果进行综合：将训练过程重复T次，每次随机蕨训练结束，用训练结果更新每个训练样本的初始关键点位置向量：S_t+1＝S_t+ΔS_t，之后用新的初始关键点位置重新训练。

6.根据权利要求1所述的一种基于稀疏关键点的参数化人体模型重建方法，其特征在于：在步骤(3)中，使用两步优化算法交替迭代求解人体姿态参数t和身材参数β。

7.根据权利要求1所述的一种基于稀疏关键点的参数化人体模型重建方法，其特征在于：在步骤(3)中，使用矩阵预分解加速目标网格顶点Y与姿态参数t的线性关系Y(t)＝ct+d中线性方程系数c，d的计算，及目标网格顶点Y与身材参数β的线性关系Y(β)＝fβ+g中线性方程系数f,g的计算。