[发明专利]一种量体特征点定位方法、装置及其存储介质

说明书

本发明提供了一种量体特征点定位方法、装置及其存储介质，涉及人体参数测量技术领域。所述量体特征点定位方法包括：获取人体姿势为预设姿势的人体图像；采用反卷积堆叠沙漏模型对所述人体图像进行量体特征点定位，其中，本方法还提供了反卷积堆叠沙漏模型的构建方式。该方法能够在复杂背景和人员任意着装情况下，避免过度增加计算量，提高量体特征点的定位精度。

技术领域

本发明涉及人体参数测量技术领域，具体而言，涉及一种量体特征点定位方法、装置及其存储介质。

背景技术

随着计算机设备、网络以及图像处理技术的迅速发展，传统的肉眼图像识别方式已经逐渐被由计算机自动进行的图像识别方式替代，将其应用于人体参数测量领域中，从而极大的提高了人体参数测量的效率和准确率。人体参数测量是服装定制、虚拟试衣、人体建模等应用中的一个重要环节，而基于视觉的非接触式人体参数测量方法由于其简便易行、适合在网络环境下应用等优点而得到广泛关注。此类方法一般以图像采集设备获取人体的正、侧面图像作为输入，利用图像处理算法定位量体特征点并结合辅助信息(例如身高)计算二维量体数据最后通过围度拟合获得人体围度信息，其精度在很大程度上依赖于特征点定位的准确性。近年来，国内外学者对量体特征点定位算法做了许多研究，大致可分为两类：基于图像分割的特征点定位和基于统计学习模型的特征点定位，但是上述两类都要求背景单一且人体着装与背景有显著差异，在复杂背景环境和着装情况下的量体特征点定位会出现较大误差。

发明内容

有鉴于此，本发明实施例的目的在于提供一种量体特征点定位方法、装置及其存储介质，以解决上述问题。

第一方面，本发明实施例提供了一种量体特征点定位方法，所述量体特征点定位方法包括：获取人体姿势为预设姿势的人体图像；采用反卷积堆叠沙漏模型对所述人体图像进行量体特征点定位。

综合第一方面，在所述采用反卷积堆叠沙漏模型对所述人体图像进行量体特征点定位之前，所述量体特征点定位方法还包括：构建所述反卷积堆叠沙漏模型，对所述反卷积堆叠沙漏模型进行训练。

综合第一方面，所述构建所述反卷积堆叠沙漏模型，包括：将M个沙漏网络拼接为M级沙漏网络；在所述M级沙漏网络的第一级沙漏网络的输入端设置预处理模块，所述预处理模块包括依次连接的卷积层、池化层和残差模块；在所述M级沙漏网络的第M级沙漏网络的输出端设置反卷积输出模块，所述反卷积输出模块包括至少一个依次连接的反卷积层。

综合第一方面，所述预处理模块包括依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第一残差模块、第二残差模块和第三残差模块，所述反卷积输出模块包括依次连接的四个反卷积层。

综合第一方面，在所述预处理模块的输入图像为16N*16N时，所述第一卷积层、所述第一池化层、所述第二池化层和所述第三池化层的输出特征图大小依次为8N*8N、4N*4N、2N*2N和N*N，按照输出方向排列的所述四个反卷积层的输出特征图大小依次为2N*2N、4N*4N、8N*8N和16N*16N。

综合第一方面，所述对所述反卷积堆叠沙漏模型进行训练，包括：获取人体姿势为预设姿势的人体图像，将所述人体图像划分出训练集；采用所述训练集对所述反卷积堆叠沙漏模型进行模型训练。

综合第一方面，在所述采用所述训练集对所述反卷积堆叠沙漏模型进行模型训练之前，所述量体特征点定位方法还包括：对需要输入所述反卷积堆叠沙漏模型的所述训练集进行随机裁剪、随机修改明亮度和对比度操作以完成数据增强。

第二方面，本发明实施例提供了一种量体特征点定位装置，所述量体特征点定位装置包括：获取模块，用于获取人体姿势为预设姿势的人体图像；定位模块，用于采用反卷积堆叠沙漏模型对所述人体图像进行量体特征点定位。

综合第二方面，所述量体特征点定位装置还包括：建模模块，用于构建所述反卷积堆叠沙漏模型，对所述反卷积堆叠沙漏模型进行训练。