[发明专利]一种基于OpenGL和深度学习的三维人体建模方法有效
| 申请号： | 201910888699.2 | 申请日： | 2019-09-19 |
| 公开（公告）号： | CN110648394B | 公开（公告）日： | 2022-07-29 |
| 发明（设计）人： | 贾柯阳;高宇;周宁宁 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06T17/00 | 分类号： | G06T17/00;G06N3/04 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 彭雄 |
| 地址： | 210000 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于OpenGL和深度学习的三维人体建模方法，使用深度学习模型Mask R‑CNN提取二维图像中人体图像，并通过OpenGL和标准3D人体模型相结合，重建具有个性化的三维人体模型的方法。首先采用Mask R‑CNN深度学习模型对二维图像中的人体图像进行分割，然后提取分割后所获得的人体轮廓的主要特征，最后使用OpenGL将人体轮廓图像的特征映射到3d‑max所建立的三维标准人体模型上，并在OpenGL中快速构建一个三维人体模型。本发明不仅图像处理快，而且模型生成效率高。 | ||
| 搜索关键词： | 一种 基于 opengl 深度 学习 三维 人体 建模 方法 | ||
【主权项】：
1.一种基于OpenGL和深度学习的三维人体建模方法，其特征在于，包括如下步骤：/n步骤1，使用深度学习模型Mask-RCNN分割二维图像中的人体图像；/n步骤11，获取人体图像，输入到Mask-RCNN模型中；/n步骤12，使用FPN卷积神经网络提取图像的特征，获得图像多层特征；并使用FPN卷积神经网络对图像多层特征进行融合，构建区域建议网络RPN需要的图像多层特征和Mask所需要的图像多层特征；/n步骤13，将图像多层特征送入区域建议网络RPN中，区域建议网络RPN为每个建议区域ROI生成待检测框；区域建议网络RPN判断锚框是前景还是背景，过滤掉一部分建议区域ROI，并使用公式(1)对处于前景的锚框进行第一次坐标修正；/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910888699.2/，转载请声明来源钻瓜专利网。
- 上一篇：基于3D人脸模型的眼镜定制方法、装置和终端
- 下一篇：一种地形绘制方法和装置
