[发明专利]基于体测数据的人体建模方法、装置及电子设备

说明书

本申请公布了提供一种基于体测数据的人体建模方法、装置及电子设备，所述方法包括：获取体测数据；根据所述体测数据，通过预先训练好的预测模型对预先创建的人体模型进行线性回归，拟合得到预测人体模型，所述预先创建的人体模型包括预先定义的多组标记特征点以及对应的标准形状基，所述体测数据包括与每组标记特征点对应的测量数据；根据所述预测人体模型，得到目标人体模型，所述目标人体模型包括测量数据、目标形状基以及目标形状系数。通过本发明拟合得到预测人体模型，从而得到目标人体模型，可以提高建模速度以及建模精度，拟合的平均误差极小，在0.05mm左右，重建效果强，且不依赖所创建的身体和姿态数据库。

技术领域

本申请涉及人体建模领域，更具体的说，是涉及一种基于体测数据的人体建模方法、装置及电子设备。

背景技术

构建高度真实的个性化虚拟人体几何，从日常生活、游戏动画、教育培训到工业设计都日渐凸显其重要性；例如，在虚拟试衣中，除了衣服的物理仿真，其身体模型的建模起着基础性的作用；

目前，构造人体模型的方法有(1)基于回归的方法，通过卷积神经网络重建出体素表示的人体模型，算法首先根据输入图片估计人体主要关节点的位置，然后根据关键点位置估计出给定指定大小体素网格中，根据其内部每个单元体素是否被占用，从而用内部占用体素的整个形状来描述重建出的人体形状；(2)基于单张图片的人体重建，该方法同时估计出人体三维形状和姿态，该方法首先在图像上对简单的人体骨骼关键点进行了粗略的标注，然后根据这些粗关键点进行人体模型的初始匹配和拟合，得到人体大致形状。(3)用23个骨骼节点来表示人体骨架，然后用每个骨骼节点的旋转来表示整个人体的姿态，同时，用6890个顶点位置来表达人体形状，在拟合过程中，给定骨骼节点位置，同时拟合出形状和姿态的参数，从而进行三维人体重建；或者先用CNN模型来预测图像上的关键点，然后采用SMPL模型进行拟合，得到初始的人体模型。接着，用拟合得到的形状参数来回归一个人体关节包围盒，每个关节对应一个包围盒，用轴长和半径来表示其包围盒。最后，结合初始模型和回归得到的包围盒从而得到三维人体重建。

以上方法存在建模速度较慢，其建模精度不够，并且重建效果强依赖所创建的身体和姿态数据库的问题。

申请内容

本申请的目的是针对上述现有技术存在的缺陷，提供一种基于体测数据的人体建模方法，解决了建模速度较慢，其建模精度不够，并且重建效果强依赖所创建的身体和姿态数据库的问题。

本申请的目的是通过以下技术方案来实现的：

第一方面，提供一种基于体测数据的人体建模方法，所述方法包括：获取体测数据；

根据所述体测数据，通过预先训练好的预测模型对预先创建的人体模型进行线性回归，拟合得到预测人体模型，所述预先创建的人体模型包括预先定义的多组标记特征点以及对应的标准形状基，所述体测数据包括与每组标记特征点对应的测量数据；

根据所述预测人体模型，得到目标人体模型，所述目标人体模型包括测量数据、目标形状基以及目标形状系数。

所述体测数据包括k个体测数据，所述预测模型的训练步骤具体包括：

获取训练集，所述训练集包括形状参数与体测数据；

将所述训练集输入到所述预测模型中对所述预测模型进行线性回归训练，以使所述预测模型学习到形状参数与体测数据的对应关系；

将所述预测模型根据输入测量数据进行预测，得到初始化的预测模型，所述训练好的预测模型包括参数维矩阵以及二维矩阵的线性参数。

所述根据所述初始形状系数对所述预测人体模型进行非线性优化，得到目标人体模型的步骤具体包括：

以所述初始形状系数为初始值，通过目标函数求解最小化形状系数；

根据所述最小化形状系数，得到目标人体模型。