[發明專利]基于紅外熱成像的3D人體重構方法

有效

• 申請號: 202110304687.8
• 申請日: 2021-03-22
• 公開（公告）號: CN113112583B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 易詩;李俊杰;張鵬;宋暢;汪子雯
• 申請（專利權）人: 成都理工大學
• 主分類號: G06T17/00
• 分類號: G06T17/00;G06T5/00
• 代理公司: 成都弘毅天承知識產權代理有限公司 51230
• 代理人: 張串串

本發明公開了基于紅外熱成像的3D人體重構方法，屬于計算機視覺處理領域，以解決基于可見光環境的人體三維模型重建方法均不滿足于實時紅外圖像人體模型重建需求的缺陷，包括如下步驟：制作紅外人體圖像；對紅外人體圖像進行增強處理；制作紅外人體圖像配準的3D人體模型；構建紅外熱成像3D人體重構網絡；步驟5、訓練紅外熱成像3D人體重構網絡；測試紅外熱成像3D人體重構網絡性能；評估紅外熱成像3D人體重構網絡性能。采用單張紅外熱成像圖像進行三維人體重建，適用于夜間無光，存在煙霧等天氣影響環境等可見光攝像頭和普通數碼夜視儀無法應對的探測環境，對天氣惡劣環境下安防、虛擬現實等技術領域具有重大應用價值。

技術領域

基于紅外熱成像的3D人體重構方法，本發明屬于計算機視覺處理技術領域，具體涉及圖像處理中的3D人體重構方法。

背景技術

隨著計算機視覺處理技術的發展，3D重構技術主要被用于增強現實和虛擬現實技術中。紅外熱成像系統成像原理為將物體熱輻射的紅外線特定波段信號轉換成圖像。紅外熱成像系統成像不受光照變化，煙、霧及樹木等障礙物的影響，適用于無光及惡劣氣候環境下的目標識別與探測，在搜救，軍事，安防，行車輔助等領域具有很強應用價值。隨著機器視覺與人工智能的發展，可見光條件下的單張圖像3D重構技術已取得一定突破。在可見光環境下，具有代表性的3D人體重構方法主要包括：Aaron?S.Jackson等人在2018年提出利用卷積神經網絡和體積回歸網絡直接從單張可見光圖像中重建人體三維模型。NikosKolotouros等人在2019年提出以SMPL人體參數模型為基準，采用卷積神經網絡提取特征、圖卷積神經網絡預測3D網格坐標，完成3D人體重構。上述方法基本思想是采用卷積神經網絡提取特征，利用2D特征到3D人體特征特征得映射關系建立3D人體模型，在可見光人體重構數據集上能夠取得不錯得效果。

而紅外熱成像圖像較可見光圖像而言，紅外熱成像圖像具有以下特點：1.圖像分辨率更低且細節模糊。2.圖像色彩單一，邊緣特征不夠明顯。因而采用上述基于可見光環境的方法從單張紅外圖像中重構出人體模型時，會出現幾何細節丟失、表面粗糙、人體模型部分缺失等問題。

發明內容

本發明的目的在于：基于紅外熱成像的3D人體重構方法，以解決現有的基于可見光環境的人體三維模型重建方法均不滿足于實時紅外圖像人體模型重建需求的缺陷。

本發明采用的技術方案如下：

基于紅外熱成像的3D人體重構方法，包括如下步驟：

步驟1、制作紅外人體圖像；

步驟2、對紅外圖像進行增強處理，通過改變雙峰高斯分布函數來控制側抑制系數分布，改變圖像灰度來控制對比度；具體為對輸入的紅外圖像進行了增強處理，該處理通過改變雙峰高斯分布函數來控制側抑制系數分布，改變圖像灰度來控制對比度的大小，有效的提高圖像邊緣輪廓增強效果，增大了圖像的對比度和灰度；

步驟3、制作紅外人體圖像配準的3D人體模型，將3D人體模型進行SMPL-X參數化，得到人體形態、人體姿態、人體面部參數，將單張紅外人體圖像作為輸入，輸出為人體形態參數、人體姿態參數和人體面部參數組合的多維向量，各模型參數作為真實標簽，配對生成數據集；

步驟4、調整紅外人體圖像的人體特征提取網絡IT-BFNet和人體模型轉換網絡HMTNet的輸入輸出接口，構建紅外熱成像3D人體重構網絡；

步驟5、訓練紅外熱成像3D人體重構網絡，獲取重構精度最高的模型；

步驟6、加載重構精度最高的模型，測試紅外熱成像3D人體重構網絡性能；

步驟7、評估紅外熱成像3D人體重構網絡性能。