[發明專利]一種基于機器學習的從照片中提取人體模型的方法

在審

• 申請號: 201811579410.0
• 申請日: 2018-12-24
• 公開（公告）號: CN109859306A
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 楊柳;黃超;馬海強;聶建龍
• 申請（專利權）人: 青島紅創眾投科技發展有限公司
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06N20/00
• 代理公司: 青島合創知識產權代理事務所(普通合伙) 37264
• 代理人: 王曉曉

本發明提供了一種基于機器學習的從照片中提取人體模型的方法，它包括以下步驟：將訓練圖片劃分區域，人工標記人體圖片，得到訓練數據；使用訓練數據和標準人體模型模板，訓練得到人體3D模型；結合人體3D模型得到待測人體圖像的3D模型和貼圖的UV坐標；輸出帶有貼圖的3D模型。本發明可以使用普通照片，迅速為人體建模，使用深度神經網絡，能夠在各種復雜的場景中，以很高的精度還原人體。本發明不需要景深攝像頭或者多組攝像頭，就能得到的3D模型對應人體的真實形態，為各個行業，比如服裝、健康等提供了廣闊的應用場景。

技術領域

本發明屬于人體三維建模領域，具體涉及一種基于機器學習的從照片中提取人體模型的方法。

背景技術

在當前領域，主要有兩類人體三維建模的方法：第一類是著眼一組關節，比如頸部，比如肘部，得到人體的一個簡單的骨骼模型圖，這部分數據不包含分析對象的身體尺度信息，分析的信息非常有限。第二類是借助3D掃描技術，使用多組攝像頭，以拍攝多張的方式，拼合出一個3D模型，這種方法得到的模型不能排除衣服，發型對身體的影響。

目前關于人體三維建模的方法分析的信息非常有限，不能排除衣服、發型對身體模型的影響，得到的模型應用領域非常有限。深度攝像頭多角度拍照方法拿到的貼圖然后拼合得到的模型，沒有身體尺度數據，不能為3D感知提供基礎。

發明內容

本發明的目的是提供一種基于機器學習的從照片中提取人體模型的方法，本發明不需要景深攝像頭或者多組攝像頭，就能得到的3D模型對應人體的真實形態，為各個行業，比如服裝、健康等提供了廣闊的應用場景。

為實現上述發明目的，本發明采用以下技術方案予以實現：

一種基于機器學習的從照片中提取人體模型的方法，它包括以下步驟：

(1)將訓練圖像劃分區域，進行人工標記，得到訓練數據；

(2)根據訓練數據和標準人體模型模板，訓練得到人體3D模型；

(3)輸入待測人體圖像，結合人體3D模型得到待測人體圖像的3D模型和貼圖的UV坐標；

(4)對待測人體圖像的3D模型進行貼圖，輸出帶有貼圖的3D模型。

進一步的，所述步驟(2)中標準人體模型模版為：

其中，每一個都對應一個3維空間人體模型的頂點，X代表了標準人體模型模版頂點的集合。

進一步的，所述標準人體模型模版為一個由三角形組成的標準的3D網格，其中三角形數量是6000個。

進一步的，所述步驟(1)中人工標記的部位為身體的邊緣和人體的關鍵部位。

進一步的，所述步驟(1)中劃分區域為左側頭部，右側頭部，頸部，左上臂，左下臂，右下臂，右上臂，軀干，左手，右手，左大腿，右大腿，左小腿，右小腿，左腳，右腳，其中，上臂、下臂、大腿、小腿都是由正反兩面兩部分構成。

進一步的，所述步驟(3)中，待測人體是人體3D模型的拓撲變化和向量映射，雙向映射ψ，從3D坐標到2D空間從而ψ：代表映射關系，u_j：2D空間坐標，x_j：人體3D模型坐標，代表3Dmesh中的一個頂點。

進一步的，所述步驟(4)中使用的貼圖為待測目標人體圖像。

與現有技術相比，本發明的優點和技術效果是：本發明提供了通過深度神經網絡來分析人體全身照片得到精準人體三維模型的方法，本發明可以使用普通照片，迅速為人體建模，使用深度神經網絡，能夠在各種復雜的場景中，以很高的精度還原人體。該方法的原理可以普遍應用于其他2D到3D轉化的領域，在更細的坐標切分的場下，人臉建模、人耳建模、人腳建模都可以做到。