[发明专利]一种基于深度特征解耦的可控人体形状补全方法

权利要求书

1.一种基于深度特征解耦的可控人体形状补全方法，其特征在于采用四个神经网络来重建完整人体体型特征、重建完整人体姿势特征和合成姿势可控的人体形状补全结果，其形状补全具体包括以下步骤：

1)重建完整人体体型特征

根据输入的破损人体形状重建完整人体体型特征，设矩阵X为输入的一个破损人体形状数据，其行数为输入形状的点数、列数为3，每行记录一个点的三维坐标，将其输入一个体型特征重建神经网络f，所述重建神经网络f包含1个多层感知机神经网络和一个全局平均池化层，设输出为下述I式表示重建的人体体型特征向量为α_s：

α_s＝f(X,Θ)＝p(m_f(X,Θ_k,Θ_b)), (I)；

式中：m_f表示多层感知机神经网络；Θ_k和Θ_b均为m_f通过优化损失函数确定的参数，前者表示线性变换，后者表示偏移量；Θ表示Θ_k和Θ_b的集合；p为全局平均池化函数，其输出为下述II式表示的向量：

式中：M为输入的矩阵，其大小为m行n列；p(M)_j向量的元素个数和M的列数相等，j的取值为M的第j列所有元素的算数平均值；

2)重建完整人体姿势特征

根据输入的骨架关节点集重建或根据高斯噪声向量生成完整人体姿势特征，设向量k为一组骨架关节点集，其元素数量为57，连续记录19个关节点的三维坐标，将其输入一个由解码子神经网络d和编码子神经网络e组成的神经网络，所述编码子神经网络e将骨架关节点集映射到过渡特征空间的一个点z上，且由解码子神经网络d将该点映射到下述III式表示的完整人体姿势特征向量α_p：

α_p＝d(z,Φ_d), (III)；

式中：Φ_d和Φ_e分别代表两个子神经网络的参数集合；z为下述IV式表示的过渡特征空间内的一个点坐标；

式中：向量z的取值为，当存在输入的骨架关节点集k时，z由编码子神经网络e映射而得；当k不存在时，z为从标准高斯分布中进行一次采样得到的样本向量z′，表示高维标准高斯分布；

3)人体形状补全结果

根据重建的完整人体体型和姿势特征合成姿势可控的人体形状补全结果，使用一个预训练的人体形状合成神经网络h将重建的完整形状和姿势特征映射到由下述V式表示的补全结果矩阵Y：

Y＝h(α_s，α_p，Ξ^*) (V)；

式中：Ξ^*为合成神经网络h的参数；补全结果矩阵Y的大小为6890行、3列，每行分别记录补全形状的点坐标。

2.根据权利要求1所述基于深度特征解耦的可控人体形状补全方法，其特征在于所述编码子神经网络e和解码子神经网络d均由多层堆叠的全连接神经网络和残差神经网络组成。