[发明专利]一种基于半监督学习的人体特征参数预测方法

权利要求书

1.一种基于半监督学习的人体特征参数预测方法，其特征在于：

S1、构建数据集，数据集包含基于真实人体的有标签数据集和基于虚拟人体的无标签数据集；

所述步骤S1具体包括：

S101、采集真实人体在站立姿态下不同手臂姿势的正面图像；

S102、采集真实人体在站立姿态下不同穿着服装的正面图像；

S103、重复步骤S101、S102，采集不同真实人体的正面图像，并测量获得真实人体的人体特征参数，由该些正面图像及其对应的人体特征参数组成构建有标签数据集；

S104、利用模拟器模拟生成虚拟人体在站立姿态下不同手臂姿势、不同穿着服装的三维模型，并投影获得的正面图像，由该些不带有人体特征参数的正面图像组成构建无标签数据集；

S2、数据集的图像预处理；

S3、利用数据集训练半监督模型，构建输入图像与人体特征参数之间的稳定的映射模型；

所述步骤S3具体包括：

从步骤S1中构建得到的数据集中，分别将有标签数据集及无标签数据集的训练样本共同作为半监督模型的输入，所述的半监督模型包括有两个编码器I和II和一个解码器，两个编码器I和II共享权重f^(k)，其中的编码器I未加入高斯噪声，编码器II加入高斯噪声，由编码器II单独组成第一部分训练，编码器I、编码器II及解码器共同组成第二部分训练；以有标签数据集中的训练样本通过半监督模型的第一训练部分的编码器II中进行处理，由编码器II预测输出的结果作为人体特征参数的预测标签数据，进而将预测标签数据与人体特征参数的真实标签数据之间作误差作为第一误差；以无标签数据集中的训练样本通过半监督模型的第二训练部分训练进行处理，以编码器II的最后一层数据为解码器的输入，以解码器各层的特征值为无标签数据预测特征数据，编码器I的各层的特征值为无标签数据真实特征数据，进而将无标签数据预测特征数据和无标签数据真实特征数据之间做误差为第二类误差；由第一误差和第二误差加权得到总体误差，通过最小化总体误差优化训练半监督模型；

S4、利用半监督模型对待测输入图像进行处理，预测获得人体特征参数。

2.根据权利要求1所述的一种基于半监督学习的人体特征参数预测方法，其特征在于：所述步骤S103中，人体特征参数包含身高、体重、三围和臂长的数据。

3.根据权利要求1所述的一种基于半监督学习的人体特征参数预测方法，其特征在于：所述步骤S2的图像预处理具体包括：

S201、分离前景与背景；

S202、二值化图像；

S203、检测获得图像中的人体目标对象，缩放平移人体目标对象，并归一化图像尺寸。

4.根据权利要求1所述的一种基于半监督学习的人体特征参数预测方法，其特征在于：将所述步骤S4预测获得的人体特征参数进行三维人体重建，具体为：

S501、使用主成分分析对现有人体数据库中的各个样本人体进行处理，构建人体形状空间；

S502、建立人体形状空间与人体特征参数之间的线性映射；

S503、利用线性映射将人体特征参数参照处理获得人体形状空间，完成重建三维人体模型。

5.根据权利要求4所述的一种基于半监督学习的人体特征参数预测方法，其特征在于：所述步骤S501具体是对人体库中各个样本人体进行数据重采样以统一网格结构，再使用主成分分析对统一网格结构的人体数据进行处理，以互相正交的特征向量表征人体数据。