论文部分内容阅读
三维人体重建在三维动画、服装设计和虚拟试衣等领域有着广泛的应用。基于多态统计的三维人体重建技术,充分利用大量样本数据与统计学习方法,为上述虚拟现实场景提供了基础而普遍的素材。目前普遍采用的三维人体模型获取方法主要包括商业软件交互设计和高清三维扫描仪拍摄等,但其成本高昂并需要专业操作,很难应用于普通商业。因此,研究如何利用低精度的设备,方便、快速、准确地重建三维人体模型对三维动画、服装设计,尤其是虚拟试衣等产业发展具有重要意义。本文基于多态的统计学习,实现个性化三维人体的重建与变形,包括基于形态统计的三维人体重建、基于肤色统计的人体重建优化和基于姿态统计的人体动态变形。对三维人体样本模型形态的统计使重建的三维人体模型保持在人体形态空间内,对人体肤色的统计优化了宽松服装下三维人体净模型重建效果不理想的情况,对人体姿态样本的统计变形将静态模型扩展到动态运动序列,使得三维人体重建结果具有更广泛的应用。此外,通过物理模拟构建服装样本,再与人体形态样本之间建立映射关系,再建立人体样本的形态特征与人体尺寸之间的映射关系,从而根据人体尺寸实现快速虚拟试衣。提出基于形态统计的三维人体重建方法。对三维人体形态样本的统计学习,为个性化三维人体重建提供了先验信息。为了重建着装人体的三维净模型,利用Kinect扫描人体获取深度数据,用户穿着衣服在Kinect前以固定姿势自由旋转进行拍摄。对于Kinect获取的人体深度图像提出隐式曲面去噪方法进行降噪处理,剔除深度图像上的异常点并最大程度地保持人体表面几何信息;由于人体是非刚性的,但其每个肢节区域又可以看作是近似刚性的,故先对人体深度图像进行分割,然后采用分部配准方法对不同视角人体深度图像进行配准;在三维人体样本模型中选取模板模型,并利用Laplacian变形法将其拟合到经过预处理的人体轮廓点云上;将变形的三维人体模型迭代投影到三维人体形态空间中,从而得到准确的三维人体模型。提出基于肤色统计的人体重建优化方法。Kinect在获取深度图像的同一时刻拍摄物体的RGB图像,为解决人体穿着宽松服装重建效果不理想的问题,提出基于肤色统计的三维人体重建优化方法。该方法的核心是改进的肤色检测概率统计模型,首先利用椭圆肤色概率模型识别RGB图像上的皮肤区域,然后借助深度信息剔除背景并提取人体图像上的服装轮廓,将服装轮廓的包围盒作为Grab Cut算法的输入,得到的皮肤区域检测结果稳定、高效且不受服装图案和背景的影响。从而,在人体重建的模板拟合过程中对皮肤和着装区域分别赋予不同的权重,使穿着宽松服装时的三维人体重建效果更加准确。实现基于姿态统计的人体动态变形方法。重建的静态三维人体模型尽管能真实反应人体形态,但其应用范围局限,将其扩展到动态,能够适应更多应用场景。基于样本的人体动态变形,将网格模型的局部曲面变换考虑进来,能够模拟更真实的人体运动。对于姿态变形,在三维人体姿态空间基础上建立三维人体网格模型上的三角形形变与骨架姿态之间的回归模型,通过学习实现根据给定人体姿态的模板变形。将人体形态与姿态进行关联,把形态信息融入到网格模型上的三角形形变中,实现姿态与形态的同步变形,并构造三维人体运动序列。提出基于人体特征尺寸的虚拟试衣应用。虚拟试衣间的基础是个性化三维人体重建,它能为顾客提供海量服装进行试穿,为三维人体构建合体的服装模型,大大节省人力成本和时间。实际应用中试衣人体体型变化多端,为实现快速个性化人体的虚拟试衣,首先需要构造不同体型人体的着装样本数据,然后再对人体与服装进行特征提取。基于位置的动力学方法实现人体着装模拟并构造服装样本,然后提出通过分别建立人体形态样本与服装样本和人体尺寸之间映射关系的方法,实现基于人体特征尺寸的快速虚拟试衣。以本文研究成果为核心,实现基于多态统计的三维人体重建与人体姿态变形,以及基于重建结果的虚拟试衣实例。最后,总结全文研究内容,针对研究工作中存在的不足提出未来研究的展望。