[发明专利]一种三维人体形状表示方法

权利要求书

1.一种三维人体形状表示方法，其特征在于，包括：

对收集的人体网格数据集进行预处理，并基于标准姿态进行变形，再计算ACAP变形表示与描述刚性块变形的人体形变特征，构成的训练数据集；

构建编码器网络和阶层式重建网络构成端到端的网络结构，并利用训练数据集对网络结构进行训练；训练过程中，通过编码器网络对ACAP变形表示进行编码，获得身份属性与动作属性，重建网络则利用身份属性与动作属性重建三维人体模型，并利用重建结果与输入的训练数据之间的误差训练编码器网络和阶层式重建网络；

训练完毕后，将身份属性与动作属性输入至训练好的阶层式重建网络中，得到三维人体模型重建结果；

其中，所述对收集的人体网格数据集进行预处理，获得ACAP变形表示与人体形变特征构成的训练数据集包括：

首先，对收集人体网格数据集进行标准化处理，得到统一拓扑的人体网格数据，并通过定义的标准姿态，变形得到每个人体网格数据对应的中性人体网格；

然后，计算每个人体网格数据及对应的中性人体网格的ACAP变形表示，记为f和f_s；并且，根据人体基于骨架的铰链式变形特点，分别计算人体网格和其对应的中性人体网格的描述刚性块变形的人体形变特征g与g_s，从而得到一组训练数据{f,f_s,g,g_s}，对于收集的数据做相应处理得到训练数据集；

计算描述刚性块变形的人体形变特征g的公式为：

其中，v_k是第k个刚性块的顶点集合，q_i'、p_i'分别表示变形基准网格和计算网格的第k个刚性块上的第i'个顶点；和分别是变形基准网格和计算网格上第k个刚性块的平均；通过对刚性块的放射变形进行极分解和参数化，得到人体形变特征；

将每个人体网格数据及对应的中性人体网格作为计算网格带入上述式子，得到形变特征g和g_s；

利用训练数据集对网络结构进行训练时，采用重构和输入特征之间的L1模损失、以及对隐层变量的分布正则化损失作为损失函数；

所述阶层式重建网络为基于人体几何先验的阶层式重建网络，包括两部分，第一部分阶层式重建三维人体模型的主要部分，第二部分重建差异部分，将重建主要部分与重建差异部分相加即为重建结果；重建网络描述为：

其中，表示利用身份属性e_s与姿态属性e_p的重建结果，表示利用身份属性e_s的重建结果；表示重建结果中的主要部分b，表示蒙皮层；表示重建结果中的差异部分d；表示重建结果中的主要部分b_s，表示蒙皮层；表示重建结果中的差异部分d_s；

重建主要部分b与b_s时，利用下述式子来重建人体形变特征与

其中，是独立的映射变换；

之后，利用蒙皮层重建主要部分b与b_s：

其中，蒙皮层为矩阵形式，表示中第x行第y列元素；Y为刚性块的数目；

建差异部分d与d_s表示为：

其中，独立的映射变换。

2.根据权利要求1所述的一种三维人体形状表示方法，其特征在于，所述对收集人体网格数据集进行标准化处理包括：

对于收集到的不同来源的人体网格数据集，以某一来源数据为标准拓扑；利用标准拓扑中的动作网格，计算相应的ACAP变形表示，得到一组人体动作的先验变形表示基C，进而使用一组参数w来恢复一个人体的变形表示；使用Cw的线性空间作为人体变形的先验空间，然后优化一组标准拓扑的顶点坐标p和刚性变换参数，即旋转参数R和平移参数t，将不同来源的人体网格数据集进行标准化。

3.根据权利要求2所述的一种三维人体形状表示方法，其特征在于，标准化处理是求解以下优化问题：

其中，λ₁、λ₂、λ₃均为设定的权重；||w||₁是对参数w的稀疏正则化限制；

E_prior是由先验变形表示基C所决定的人体形变先验项，表示为：

其中，T_i(w)是标准拓扑下第i个顶点的一邻域的先验变形，q_i是标准拓扑下第i个顶点在变形基准网格中的位置，所述变形基准网格预先选定；相对于变形基准网格而言，标准拓扑下待优化的网格，第i个顶点的位置为p_i；N(i)指的是标准拓扑下第i个顶点的邻域顶点指标集合，j是指N(i)中的第j个顶点，相应顶点在变形基准网格与待优化的网格中的位置分别表示为q_j、p_j；c_ij是变形基准网格上计算的一个边权重值；

E_icp是和目标网格的最近邻的点到平面的注册能量项，表示为：

其中，D为动态计算中选出的对应点在标准拓扑下的指标集合；v_l(i)是和p_i对应的目标网格上的对应点，表示点v_l(i)的法向；目标网格是指待优化的不同来源的人体网格数据集；

E_lan是标准拓扑和目标网格的一组手动标注稀疏对应点的L2损失能量项，表示为：

其中，L为预先在标准拓扑中选定的对应点集合。