[发明专利]一种服装与人体图像穿帮、匹配迁移的方法与系统

权利要求书

1.一种服装与人体图像穿帮、匹配迁移的方法，其特征在于，包括，

读取模特的三维数据与服装的拍摄图像；

计算相机投影矩阵，并获取模特投影图像；

所述计算相机投影矩阵，并获取实体模特的投影图像，包括，

计算相机投影矩阵：

计算相机投影矩阵的目的是为了获取拍摄图中服装下的人体轮廓，其可分解为两个矩阵的乘积：

P＝K[R|T]

其中，P为相机投影矩阵，K为相机内参矩阵，其表达形式为

fx，fy，px，py分别为X，Y方向上的焦距与主点偏移，直接从图像的EXI F信息中读取，[R|T]为相机外参矩阵，其表达形式为

θ分别是绕X，Y，Z坐标轴旋转角度，Tx，Ty，Tz分别是X，Y，Z坐标轴的平移量；

获取匹配点集及生成投影图像：

手动选取三维点云中的标定板上特征点，拍摄图中标定板的特征点通过角点检测方法进行提取，投影图像在计算投影矩阵后使用开放图形库进行渲染得到；

将服装数据叠加到投影图像，并进行穿帮修复处理，得到修复的服装数据；所述的将服装数据叠加到投影图像，并进行穿帮修复处理，得到修复的服装数据，包括，

网格划分与匹配点查找；

对于尺寸为800*1200的图像划分为20*30的规则四边形网格，首先分别提取服装轮廓和人体轮廓点集，并计算每个轮廓点的方向向量；然后，遍历人体轮廓点集，通过方向向量之间的夹角与两点之间的距离作为判断标准，并采用一对多匹配的方式，从服装轮廓点中查找与之匹配的坐标点；

目标网格计算：特征点能量方程

局部相对刚性能量方程

直线线段的能量方程；

所述的目标网格计算，包括，

在计算目标网格的过程中添加直线线段约束以及局部相对刚性约束，并采用循环处理的方式进行迭代优化，从而使目标网格更加稳定；结合特征点、局部相对刚性以及直线线段约束条件计算得到最小化能量方程：

min||E||＝min||αE_f+βE_s+γE_l||

其中，E_f，E_s，E_l分别为特征点、相对刚性以及直线线段的能量方程，α，β，γ分别是其权重参数；

所述特征点能量方程：

其中，P_k为特征点的目标坐标位置，V_k为特征点对应的四个网格顶点坐标，为四个网格的权重参数；根据匹配点之间的距离给予每个特征点不同的权重；

局部相对刚性能量方程：

E_s(V₁)＝||V₁-(V₂+u(V₃-V₂)+v(R₉₀(V₃-V₂)))||²

对于任意三角形的一个顶点V1，其与三角形的另外两个顶点V2,V3之间均存在以上关系，因此在计算目标网格顶点位置的过程中添加该能量方程作为约束条件，可保持服装的局部相对刚性；

所述直线线段的能量方程：

直线线段的检测使用直线分割算法，该算法不需要调整参数，并能在线性的时间内得出亚像素级精度的检测结果，其能量表达式为：

其中，L_b，L_c为线段的两个端点坐标，N为该线段的等分段数，为线段等分坐标位置，在实际求解过程中将线段上每个等分点通过其所在网格的四个顶点进行表示；

将修复的服装数据迁移到目标人体图像上，得到最终穿帮和匹配迁移的人体图像；

所述将修复的服装数据迁移到目标人体图像上，得到最终穿帮和匹配迁移的人体图像，包括，

采用投影人体轮廓与目标人体轮廓之间的匹配关系来驱动四边形网格以实现服装迁移功能：

划分规则四边形网格；

根据投影的人体关节点与目标人体关节点的匹配关系，计算轮廓点之间的配对关系；

根据目标网格计算的求解过程计算目标网格顶点坐标；

通过网格的驱动来实现服装数据的迁移功能。