[发明专利]基于神经网络关节点估计的人体参数化三维模型变形方法

说明书

本申请涉及一种基于神经网络关节点估计的人体参数化三维模型变形方法、装置、计算机设备和存储介质。该方法包括：对目标三维对象模型进行二维图像提取，得到目标二维对象图像集合；利用目标二维关节点检测模型对目标二维对象图像集合中的目标二维对象图像进行二维关节点检测，得到各个目标二维对象图像分别对应的目标二维关节点集合；根据目标二维对象图像分别对应的目标二维关节点集合中，各个目标二维关节点分别对应的空间映射关系，得到目标二维关节点对应的目标三维关节点；利用各个目标二维关节点分别对应的目标三维关节点进行对象拟合，得到目标三维对象模型对应的拟合三维对象模型。采用本方法能够提高人体参数化模型的准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种基于神经网络关节点估计的人体参数化三维模型变形方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，出现了3D(three dimensional，三维)技术，人体三维模型在3D打印、服装定制、虚拟试衣以及动画制作等方面的应用不断被探索。例如，可以利用与真人相似的人体参数化模型，实现虚拟走秀。因此，在3D应用中，如何获取与真人相似的人体参数化模型尤为重要。

目前，通常采用深度相机等设备对人体进行测量，从而得到人体参数化模型，然而这种方法容易受到被测量人体的运动速度等因素的影响，导致不能得到的与真实人体十分相似的人体参数化模型的，即得到的人体参数化模型的准确度低。

发明内容

基于此，有必要针对上述得到的人体参数化模型的准确度低的技术问题，提供一种能够提高人体参数化模型的准确度的基于神经网络关节点估计的人体参数化三维模型变形方法、装置、计算机设备和存储介质。

一种基于神经网络关节点估计的人体参数化三维模型变形方法，所述方法包括：获取目标三维对象模型，对所述目标三维对象模型进行二维图像提取，得到目标二维对象图像集合，所述目标三维对象模型通过对目标对象进行扫描得到；获取目标二维关节点检测模型，利用所述目标二维关节点检测模型对所述目标二维对象图像集合中的目标二维对象图像进行二维关节点检测，得到各个所述目标二维对象图像分别对应的目标二维关节点集合；根据所述目标二维对象图像分别对应的目标二维关节点集合中，各个目标二维关节点分别对应的空间映射关系，得到所述目标二维关节点对应的目标三维关节点；利用各个所述目标二维关节点分别对应的目标三维关节点进行对象拟合，得到所述目标三维对象模型对应的拟合三维对象模型，以控制所述拟合三维对象模型进行运动。

在一些实施例中，所述获取目标二维关节点检测模型包括：获取初始二维关节点检测模型以及训练二维对象图像；确定所述训练二维对象图像对应的图像训练标签，所述图像训练标签根据所述训练二维对象图像对应的标注二维关节点集合中的标注二维关节点确定；根据所述训练二维对象图像以及所述训练二维对象图像对应的图像训练标签，对所述初始二维关节点检测模型进行训练，得到所述目标二维关节点检测模型。

在一些实施例中，所述图像训练标签包括所述标注二维关节点集合中各个标注二维关节点分别对应的置信图；所述方法还包括：根据所述标注二维关节点对应的特征信息，确定所述标注二维关节点对应的目标特征点的目标特征位置；获取所述目标特征点对应的关联特征点的关联特征位置，根据所述目标特征位置与所述关联特征位置之间的差异，确定所述标注二维关节点对应的置信图。

在一些实施例中，所述图像训练标签包括目标肢体对应的肢体向量图，所述目标肢体对应的关节点为所述标注二维关节点集合中的标注二维关节点；所述方法还包括：获取所述目标肢体对应的目标肢体向量，所述目标肢体向量根据所述目标肢体对应的关节点的位置确定；根据所述目标肢体向量确定所述目标肢体上的目标肢体点对应的目标点向量；根据各个所述目标肢体点分别对应的目标点向量，得到所述目标肢体对应的肢体向量图。