一种建模方法及装置的制造方法
一种建模方法及装置的制造方法
【技术领域】
[0001] 本发明涉及自动化领域，尤其涉及一种建模方法及装置。
【背景技术】
[0002] 目前获取人体的形体特征的方式主要包括：皮尺测量、照片比对两种方式，以下是 这两种方式的各自实现过程：
[0003] 第一种，皮尺测量方式需要专业人员通过皮尺对待测用户进行各个部分的测量， 进而获得人体的形体特征，由于每个人的测量习惯和方式不尽相同，导致人体尺寸误差较 大，无法统一，并且该方案所耗费的时间较长。
[0004] 第二种，照片比对方式首先需要拍摄具有参照物的用户的图像，然后通过专业人 员对照片进行分析之后"估计"出人体的大概尺寸，其首先需要拍摄的照片有参照物，并且 对于照片的角度也有很大的要求，另外，由于还是需要人工估测，故而也会导致误差较大。
[0005] 由于现有技术中所测量的人体的形体特征的误差较大，从而也导致基于该形体特 征所建立的人体的三维模型的误差较大。
【发明内容】
[0006] 本发明提供一种建模方法及装置，以解决现有技术中建立人体的三维模型时误差 较大的技术问题。
[0007] 第一方面，本发明实施例提供一种建模方法，包括：
[0008] 获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图；
[0009] 从所述量体图像中提取出所述用户的轮廓信息；
[0010] 基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征；
[0011] 基于所述形体特征建立所述用户的三维模型。
[0012] 可选的，所述基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特 征，具体包括：
[0013] 确定所述用户的第一身体结构所在的第一区域；
[0014] 基于所述第一区域确定第一身体结构在所述量体图像中的第一像素点距离；
[0015] 至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所述量体图像 中的第二像素点距离确定所述第一身体结构的特征。
[0016] 可选的，所述基于所述第一区域确定第一身体结构在所述量体图像中的第一像素 点距离，具体包括：
[0017] 确定所述第一区域中边界斜率极值点所在位置为所述第一身体结构的关节位 置；
[0018] 基于所述关节位置确定所述第一像素点距离。
[0019] 可选的，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0020] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的尺寸。
[0021] 可选的，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0022] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长；或
[0023] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0024] 可选的，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝时，所述 第一模拟算法具体为：nW，其中W表示第一身体结构的宽度。
[0025] 可选的，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述模拟算法具体为： Jr(W+L) /2，其中W表示第一身体结构的宽度，L表示第一身体结构的厚度。
[0026] 第二方面，本发明实施例提供一种建模装置，包括：
[0027] 获取模块，用于获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧 图、右侧图；
[0028] 提取模块，用于从所述量体图像中提取出所述用户的轮廓信息；
[0029] 第一确定模块，用于基于所述轮廓信息和所述用户的身高信息确定所述用户的形 体特征；
[0030] 建立模块，用于基于所述形体特征建立所述用户的三维模型。
[0031] 可选的，所述第一确定模块，具体包括：
[0032] 第一确定单元，用于确定所述用户的第一身体结构所在的第一区域；
[0033] 第二确定单元，用于基于所述第一区域确定第一身体结构在所述量体图像中的第 一像素点距离；
[0034] 第三确定单元，用于至少基于所述第一像素点距离、所述身高信息、所述用户的身 高在所述量体图像中的第二像素点距离确定所述第一身体结构的特征。
[0035] 可选的，所述第二确定单元，具体包括：
[0036] 第一确定子单元，用于确定所述第一区域中边界斜率极值点所在位置为所述第一 身体结构的关节位置；
[0037] 第二确定子单元，用于基于所述关节位置确定所述第一像素点距离。
[0038] 可选的，所述第三确定单元，具体用于：
[0039] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的尺寸。
[0040] 可选的，所述第三确定单元，具体用于：
[0041] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长；或
[0042]基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0043] 可选的，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝时，所述 第一模拟算法具体为：nW，其中W表示第一身体结构的厚度。
[0044] 可选的，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述第二模拟算法具体为： Jr(W+L) /2，其中W表示第一身体结构的厚度，L表示第一身体结构的宽度。
[0045] 本发明有益效果如下：
[0046] 由于在本发明实施例中，首先获取用户的量体图像，所述量体图像包括：正面图、 侧面图、左侧图、右侧图；然后从所述量体图像中提取出所述用户的轮廓信息；接着基于所 述轮廓信息和所述用户的身高信息确定所述用户的形体特征；最后，基于所述形体特征建 立所述用户的三维模型。由于该方案中不需要依赖专业人员采集人体的形体特征，而是直 接采集获得用户的量体图像，从而基于量体图像来获得用户的形体特征，而在获得用户的 形体特征的过程中不需要专业人士的测量（也即其采集精度不依赖于人工），故而该形体 特征 为一个客观准确的数据，从而能够大大降低获得的用户形体特征的误差程度，并且能 够提高获得用户的形体特征的效率，从而达到了降低所建立的用户的三维模型的误差程度 的技术效果，并且能够提高建立三维模型的效率。
【附图说明】
[0047] 图1为本发明实施例中建模方法的流程图；
[0048] 图2a和图2b为本发明实施例建模方法中轮廓信息的示意图；
[0049] 图3为本发明实施例建模方法中确定用户的形体特征的示意图；
[0050] 图4为本发明实施例中建模装置的结构图。
【具体实施方式】
[0051] 本发明提供一种建模方法及装置，以解决现有技术中建立人体的三维模型时误差 较大的技术问题。
[0052] 本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：
[0053] 首先获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图； 然后从所述量体图像中提取出所述用户的轮廓信息；接着基于所述轮廓信息和所述用户的 身高信息确定所述用户的形体特征；最后，基于所述形体特征建立所述用户的三维模型。 由于该方案中不需要依赖专业人员采集人体的形体特征，而是直接采集获得用户的量体图 像，从而基于量体图像来获得用户的形体特征，而在获得用户的形体特征的过程中不需要 专业人士的测量（也即其采集精度不依赖于人工），故而该形体特征为一个客观准确的数 据，从而能够大大降低获得的用户形体特征的误差程度，并且能够提高获得用户的形体特 征的效率，从而达到了降低所建立的用户的三维模型的误差程度的技术效果，并且能够提 高建立三维模型的效率。
[0054] 为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案 做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详 细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例 中的技术特征可以相互组合。
[0055] 第一方面，本发明实施例提供一种建模方法，请参考图1，包括：
[0056] 步骤S101 :获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右 侧图；
[0057] 步骤S102 :从所述量体图像中提取出所述用户的轮廓信息；
[0058] 步骤S103 :基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征；
[0059] 步骤S104 :基于所述形体特征建立所述用户的三维模型。
[0060] 步骤S101中，在具体实施过程中，用户可以通过其他设备采集获得量体图像，然 后将其发送至建模方法所应用的建模装置，又或者可以直接通过建模装置采集获得量体图 像，对于采用何种方式采集获得量体图像，本发明实施例不在详细列举，并且不作限制。
[0061] 步骤S102中，可以利用灰度阈值对图像进行二值化处理，将人体从照片中抠出， 进而确定出用户的轮廓信息。
[0062] 举例来说，可以采用类判别分析法寻找阈值，具体算法如下：
[0063] a?计算概率直方图PPHs⑴，i= 0, 1，…，255 ;
[0064] b.计算灰度均值
[0065] c.计算灰度类均值y(k)、类直方图和W(k)，k= 0, 1，…，255 ;
[0066] d.计算灰度k对应的类分离指标
[0067] 通常特性沿图像边缘走向的像素变化平缓，而垂直方向的像素变化剧烈.。选用门 限化方法，最常见的形式是将灰度设成二值状态，对图像F(j，k)，其门限化输出为：
[0069] 式中凡为门限。
[0070] 令图像由物体和背景两部分组成。背景与物体对应的灰度级概率分布密度分别为 PJF)和己⑶，面积比分别为PjPPjPi+Pf1)。高斯情况下其正态分布的混合概率分布 密度函数为P(0，Fi)，其中0是h，〇i，Pi，（i= 1，2)等分量构成的多维参数向量.一般 来说，上述参数未知，可从图像直方图估计得到。若实际直方图用h(Fi)表示，P(f3，Fi) 与h(Fi)之间的均方误差为：
[0072] E最小时，解P(f3，Fi)得到y，〇，P等参数，进而成功得到人体模型的轮廓信息， 如图2a和图2b所示，为人体模型的轮廓信息的前视图和侧视图，图2a和图2b所示的标号 为关节位置，具体有1、2、3……21、22等等。
[0073] 步骤S103中，基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特 征，请参考图3,包括：
[0074] 步骤S301 :确定所述用户的第一身体结构所在的第一区域；
[0075] 步骤S302 :基于所述第一区域确定第一身体结构在所述量体图像中的第一像素 点距离；
[0076] 步骤S303 :至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征。
[0077] 步骤S301中，基于第一身体结构不同，第一身体结构所在的第一区域也不同，例 如：如果第一身体结构为肩膀，则第一区域为正面图中垂直百分比为0.81处附近；如果第 一身体结构为胸，则第一区域为正面图、侧面图（左侧图或者右侧图）中垂直百分比为〇. 75 处附近；如果第一身体结构为腹，则第一区域位于正面图、侧面图中垂直百分比为0.58处 附近；如果第一身体结构为胯，则第一区域位于正面图、侧面图中垂直百分比为0.53处附 近；如果第一身体结构为颈，则第一区域位于正面图、侧面图中垂直百分比为0. 86处附近 等等，对于第一区域位于何种区域，本发明实施例不再详细列举，并且不作限制。
[0078] 以第一身体结构为胸为例，则首先获取正面图、侧面图中垂直百分比为0. 75处附 近作为第一区域。
[0079] 步骤S302中，所述基于所述第一区域确定第一身体结构在所述量体图像中的第 一像素点距离，具体包括：
[0080] 确定所述第一区域中边界斜率极值点所在位置为所述第一身体结构的关节位 置；
[0081] 基于所述关节位置确定所述第一像素点距离。
[0082] 以第一身体结构为肩膀为例，则可以首先确定出第一区域中边界斜率极值点为左 肩膀关节位置和右肩膀的关节位置；然后，直接测量这两个关节位置之间的距离就可以获 得第一像素点距离。对于第一身体结构为其他部位时，确定第一像素点举例的方式与之类 似，故而在此不再赘述。
[0083] 步骤S303中，基于第一身体结构的不同，进而确定出第一身体结构的特征也不 同，下面列举其中的三种进行介绍，当然，在具体实施过程中，不限于以下三种情况。
[0084] 第一种，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0085] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一 身 体结构的尺寸。
[0086] 举例来说，可以由用户自行输入身高信息、也可以由采集人员采集获得用户的身 高信息，对于采用何种方式获得身高信息，本发明实施例不再详细列举，并且不作限制。 [0087] 其中，可以首先通过身高信息和第二像素点距离可以确定出量体图像相对于实体 人体的压缩比例，然后由第一像素点距离除以压缩比例，就可以获得第一身体结构的尺寸。 通过该方案能够确定出用户的形体特征中的长度特征，例如：臂长、腿长等等。
[0088] 第二种，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0089] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的厚度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长。
[0090] 举例来说，往往通过上述方案计算大致为圆形的身体结构的周长，大致为圆形的 身体结构例如为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝等等。
[0091] 其中，可以首先获得确定出量体图像相对于实体人体的压缩比例，然后通过第一 像素点尺寸除以压缩比例，就能够获得第一身体结构的宽度；然后以圆周长进行人体模拟 (也即第一模拟算法）就能够获得第一身体结构的周长。
[0092] 作为进一步的优选实施例，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、 小腿、脚踝时，所述第一模拟算法具体为：31W，其中W表示第一身体结构的宽度。
[0093] 其中，实际周长与输出存在误差，采用非线性最小二乘法对结果进行优化：
[0095] 其中非线性系统的最终输出为yk，表示经过K此迭代修正后的输出结果，为第一身 体结构的周长计算中的一个结果；
[0096] Q代表误差，非线性最小二乘法是以误差的平方和最小为准则来估计非线性静态 模型参数的一种参数估计方法。
[0097] 第三种，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0098] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0099] 举例来说，通过正面图所对应的第一像素点距离可以映射得到第一身体结构的宽 度，通过侧面图（左侧图或者右侧图）的第一像素点距离可以映射得到第一身体结构的厚 度，也即：身体结构的宽度由正面照片特征点像素点距离映射得到，而厚度则由侧面照片特 征点像素点距离映射得到。
[0100] 举例来说，往往通过上述方案计算大致为椭圆形的身体结构的周长，大致为椭圆 形的身体结构例如为：胸、腹、腰、胯、颈等等。
[0101] 对于具体如何确定出第一身体结构的宽度，由于已在前面作出介绍，故而在此不 再赘述，第一身体结构的厚度的计算方式与第一身体结构的宽度类似，只是在选取第一像 素点距离时，需要选择侧视图中两个关节位置之间的距离。
[0102] 作为进一步的优选实施例，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述模拟 算法具体为：31 (W+L)/2,其中W表示第一身体结构的宽度，L表示第一身体结构的厚度。
[0103] 由于第一身体结构的实体周长与上面公式计算出来的周长会存在误差，采用非线 性最小二乘法对结果进行优化：
[0105] 其中非线性系统的最终输出为yk。
[0106] 步骤S104中，可以首先获取一个预存的三维模型，然后基于步骤S103所获得用户 的形体特征对预存的三维模型进行修改，进而获得用户的三维模型。
[0107] 其中，对三维模型的修改的代码如下：
[0109]
[0110]
[0111]
[0112] 第二方面，基于同一发明构思，本发明实施例提供一种建模装置，请参考图4,包 括：
[0113] 获取模块40,用于获取用户的量体图像，所述量体图像包括：正面图、侧面图、左 侧图、右侧图；
[0114] 提取模块41，用于从所述量体图像中提取出所述用户的轮廓信息；
[0115] 第一确定模块42,用于基于所述轮廓信息和所述用户的身高信息确定所述用户的 形体特征；
[0116] 建立模块43,用于基于所述形体特征建立所述用户的三维模型。
[0117] 可选的，所述第一确定模块42,具体包括：
[0118] 第一确定单元，用于确定所述用户的第一身体结构所在的第一区域；
[0119] 第二确定单元，用于基于所述第一区域确定第一身体结构在所述量体图像中的第 一像素点距离；
[0120] 第三确定单元，用于至少基于所述第一像素点距离、所述身高信息、所述用户的身 高在所述量体图像中的第二像素点距离确定所述第一身体结构的特征。
[0121] 可选的，所述第二确定单元，具体包括：
[0122] 第一确定子单元，用于确定所述第一区域中边界斜率极值点所在位置为所述第一 身体结构的关节位置；
[0123] 第二确定子单元，用于基于所述关节位置确定所述第一像素点距离。
[0124] 可选的，所述第三确定单元，具体用于：
[0125] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的尺寸。
[0126] 可选的，所述第三确定单元，具体用于：
[0127] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长；或
[0128] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0129] 可选的，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝时，所述 第一模拟算法具体为：nW，其中W表示第一身体结构的厚度。
[0130] 可选的，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述第二模拟算法具体为： Jr(W+L) /2，其中W表示第一身体结构的厚度，L表示第一身体结构的宽度。
[0131] 本发明一个或多个实施例，至少具有以下有益效果：
[0132] 首先获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图； 然后从所述量体图像中提取出所述用户的轮廓信息；接着基于所述轮廓信息和所述用户的 身高信息确定所述用户的形体特征；最后，基于所述形体特征建立所述用户的三维模型。 由于该方案中不需要依赖专业人员采集人体的形体特 征，而是直接采集获得用户的量体图 像，从而基于量体图像来获得用户的形体特征，而在获得用户的形体特征的过程中不需要 专业人士的测量（也即其采集精度不依赖于人工），故而该形体特征为一个客观准确的数 据，从而能够大大降低获得的用户形体特征的误差程度，并且能够提高获得用户的形体特 征的效率，从而达到了降低所建立的用户的三维模型的误差程度的技术效果，并且能够提 高建立三维模型的效率。
[0133] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序 产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实 施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产 品的形式。
[0134] 本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一 流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算 机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理 器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生 用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的装置。
[0135] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。
[0136] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计 算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图 一个方框或多个方框中指定的功能的步骤。
[0137] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造 性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优 选实施例以及落入本发明范围的所有变更和修改。
[0138] 显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发 明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求 及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
【主权项】
1. 一种建模方法，其特征在于，包括： 获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图； 从所述量体图像中提取出所述用户的轮廓信息； 基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征； 基于所述形体特征建立所述用户的三维模型。2. 如权利要求1所述的方法，其特征在于，所述基于所述轮廓信息和所述用户的身高 信息确定所述用户的形体特征，具体包括： 确定所述用户的第一身体结构所在的第一区域； 基于所述第一区域确定第一身体结构在所述量体图像中的第一像素点距离； 至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所述量体图像中的 第二像素点距离确定所述第一身体结构的特征。3. 如权利要求2所述的方法，其特征在于，所述基于所述第一区域确定第一身体结构 在所述量体图像中的第一像素点距离，具体包括： 确定所述第一区域中边界斜率极值点所在位置为所述第一身体结构的关节位置； 基于所述关节位置确定所述第一像素点距离。4. 如权利要求2所述的方法，其特征在于，所述至少基于所述第一像素点距离、所述身 高信息、所述用户的身高在所述量体图像中的第二像素点距离确定所述第一身体结构的特 征，具体为： 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身体结 构的尺寸。5. 如权利要求2所述的方法，其特征在于，所述至少基于所述第一像素点距离、所述身 高信息、所述用户的身高在所述量体图像中的第二像素点距离确定所述第一身体结构的特 征，具体为： 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身体结 构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确定所 述第一身体结构的周长；或 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身体结 构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第二模 拟算法确定所述第一身体结构的周长。6. 如权利要求5所述的方法，其特征在于，在所述第一身体结构为：上臂、下臂、手腕、 大腿、膝盖、小腿、脚踝时，所述第一模拟算法具体为：W，其中W表示第一身体结构的宽 度。7. 如权利要求5所述的方法，其特征在于，在所述第一身体结构为：胸、腹、腰、胯、颈 时，所述模拟算法具体为：(W+L)/2,其中W表示第一身体结构的宽度，L表示第一身体结 构的厚度。8. -种建模装置，其特征在于，包括： 获取模块，用于获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右 侧图； 提取模块，用于从所述量体图像中提取出所述用户的轮廓信息； 第一确定模块，用于基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特 征； 建立模块，用于基于所述形体特征建立所述用户的三维模型。9. 如权利要求8所述的装置，其特征在于，所述第一确定模块，具体包括： 第一确定单元，用于确定所述用户的第一身体结构所在的第一区域； 第二确定单元，用于基于所述第一区域确定第一身体结构在所述量体图像中的第一像 素点距离； 第三确定单元，用于至少基于所述第一像素点距离、所述身高信息、所述用户的身高在 所述量体图像中的第二像素点距离确定所述第一身体结构的特征。10. 如权利要求9所述的装置，其特征在于，所述第二确定单元，具体包括： 第一确定子单元，用于确定所述第一区域中边界斜率极值点所在位置为所述第一身体 结构的关节位置； 第二确定子单元，用于基于所述关节位置确定所述第一像素点距离。
【专利摘要】本发明涉及自动化领域，公开了一种建模方法及装置，以解决现有技术中建立人体三维模型时误差较大的技术问题。该方法包括：获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图；从所述量体图像中提取出所述用户的轮廓信息；基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征；基于所述形体特征建立所述用户的三维模型。本发明达到了降低所建立的用户的三维模型的误差程度的技术效果。
【IPC分类】G06F17/50, G06T17/00
【公开号】CN104899919
【申请号】CN201510259610
【发明人】林红辉
【申请人】武汉变色龙数据科技有限公司
【公开日】2015年9月9日
【申请日】2015年5月19日
【技术领域】
[0001] 本发明涉及自动化领域，尤其涉及一种建模方法及装置。
【背景技术】
[0002] 目前获取人体的形体特征的方式主要包括：皮尺测量、照片比对两种方式，以下是 这两种方式的各自实现过程：
[0003] 第一种，皮尺测量方式需要专业人员通过皮尺对待测用户进行各个部分的测量， 进而获得人体的形体特征，由于每个人的测量习惯和方式不尽相同，导致人体尺寸误差较 大，无法统一，并且该方案所耗费的时间较长。
[0004] 第二种，照片比对方式首先需要拍摄具有参照物的用户的图像，然后通过专业人 员对照片进行分析之后"估计"出人体的大概尺寸，其首先需要拍摄的照片有参照物，并且 对于照片的角度也有很大的要求，另外，由于还是需要人工估测，故而也会导致误差较大。
[0005] 由于现有技术中所测量的人体的形体特征的误差较大，从而也导致基于该形体特 征所建立的人体的三维模型的误差较大。
【发明内容】
[0006] 本发明提供一种建模方法及装置，以解决现有技术中建立人体的三维模型时误差 较大的技术问题。
[0007] 第一方面，本发明实施例提供一种建模方法，包括：
[0008] 获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图；
[0009] 从所述量体图像中提取出所述用户的轮廓信息；
[0010] 基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征；
[0011] 基于所述形体特征建立所述用户的三维模型。
[0012] 可选的，所述基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特 征，具体包括：
[0013] 确定所述用户的第一身体结构所在的第一区域；
[0014] 基于所述第一区域确定第一身体结构在所述量体图像中的第一像素点距离；
[0015] 至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所述量体图像 中的第二像素点距离确定所述第一身体结构的特征。
[0016] 可选的，所述基于所述第一区域确定第一身体结构在所述量体图像中的第一像素 点距离，具体包括：
[0017] 确定所述第一区域中边界斜率极值点所在位置为所述第一身体结构的关节位 置；
[0018] 基于所述关节位置确定所述第一像素点距离。
[0019] 可选的，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0020] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的尺寸。
[0021] 可选的，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0022] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长；或
[0023] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0024] 可选的，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝时，所述 第一模拟算法具体为：nW，其中W表示第一身体结构的宽度。
[0025] 可选的，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述模拟算法具体为： Jr(W+L) /2，其中W表示第一身体结构的宽度，L表示第一身体结构的厚度。
[0026] 第二方面，本发明实施例提供一种建模装置，包括：
[0027] 获取模块，用于获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧 图、右侧图；
[0028] 提取模块，用于从所述量体图像中提取出所述用户的轮廓信息；
[0029] 第一确定模块，用于基于所述轮廓信息和所述用户的身高信息确定所述用户的形 体特征；
[0030] 建立模块，用于基于所述形体特征建立所述用户的三维模型。
[0031] 可选的，所述第一确定模块，具体包括：
[0032] 第一确定单元，用于确定所述用户的第一身体结构所在的第一区域；
[0033] 第二确定单元，用于基于所述第一区域确定第一身体结构在所述量体图像中的第 一像素点距离；
[0034] 第三确定单元，用于至少基于所述第一像素点距离、所述身高信息、所述用户的身 高在所述量体图像中的第二像素点距离确定所述第一身体结构的特征。
[0035] 可选的，所述第二确定单元，具体包括：
[0036] 第一确定子单元，用于确定所述第一区域中边界斜率极值点所在位置为所述第一 身体结构的关节位置；
[0037] 第二确定子单元，用于基于所述关节位置确定所述第一像素点距离。
[0038] 可选的，所述第三确定单元，具体用于：
[0039] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的尺寸。
[0040] 可选的，所述第三确定单元，具体用于：
[0041] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长；或
[0042]基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0043] 可选的，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝时，所述 第一模拟算法具体为：nW，其中W表示第一身体结构的厚度。
[0044] 可选的，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述第二模拟算法具体为： Jr(W+L) /2，其中W表示第一身体结构的厚度，L表示第一身体结构的宽度。
[0045] 本发明有益效果如下：
[0046] 由于在本发明实施例中，首先获取用户的量体图像，所述量体图像包括：正面图、 侧面图、左侧图、右侧图；然后从所述量体图像中提取出所述用户的轮廓信息；接着基于所 述轮廓信息和所述用户的身高信息确定所述用户的形体特征；最后，基于所述形体特征建 立所述用户的三维模型。由于该方案中不需要依赖专业人员采集人体的形体特征，而是直 接采集获得用户的量体图像，从而基于量体图像来获得用户的形体特征，而在获得用户的 形体特征的过程中不需要专业人士的测量（也即其采集精度不依赖于人工），故而该形体 特征 为一个客观准确的数据，从而能够大大降低获得的用户形体特征的误差程度，并且能 够提高获得用户的形体特征的效率，从而达到了降低所建立的用户的三维模型的误差程度 的技术效果，并且能够提高建立三维模型的效率。
【附图说明】
[0047] 图1为本发明实施例中建模方法的流程图；
[0048] 图2a和图2b为本发明实施例建模方法中轮廓信息的示意图；
[0049] 图3为本发明实施例建模方法中确定用户的形体特征的示意图；
[0050] 图4为本发明实施例中建模装置的结构图。
【具体实施方式】
[0051] 本发明提供一种建模方法及装置，以解决现有技术中建立人体的三维模型时误差 较大的技术问题。
[0052] 本申请实施例中的技术方案为解决上述的技术问题，总体思路如下：
[0053] 首先获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图； 然后从所述量体图像中提取出所述用户的轮廓信息；接着基于所述轮廓信息和所述用户的 身高信息确定所述用户的形体特征；最后，基于所述形体特征建立所述用户的三维模型。 由于该方案中不需要依赖专业人员采集人体的形体特征，而是直接采集获得用户的量体图 像，从而基于量体图像来获得用户的形体特征，而在获得用户的形体特征的过程中不需要 专业人士的测量（也即其采集精度不依赖于人工），故而该形体特征为一个客观准确的数 据，从而能够大大降低获得的用户形体特征的误差程度，并且能够提高获得用户的形体特 征的效率，从而达到了降低所建立的用户的三维模型的误差程度的技术效果，并且能够提 高建立三维模型的效率。
[0054] 为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案 做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详 细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例 中的技术特征可以相互组合。
[0055] 第一方面，本发明实施例提供一种建模方法，请参考图1，包括：
[0056] 步骤S101 :获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右 侧图；
[0057] 步骤S102 :从所述量体图像中提取出所述用户的轮廓信息；
[0058] 步骤S103 :基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征；
[0059] 步骤S104 :基于所述形体特征建立所述用户的三维模型。
[0060] 步骤S101中，在具体实施过程中，用户可以通过其他设备采集获得量体图像，然 后将其发送至建模方法所应用的建模装置，又或者可以直接通过建模装置采集获得量体图 像，对于采用何种方式采集获得量体图像，本发明实施例不在详细列举，并且不作限制。
[0061] 步骤S102中，可以利用灰度阈值对图像进行二值化处理，将人体从照片中抠出， 进而确定出用户的轮廓信息。
[0062] 举例来说，可以采用类判别分析法寻找阈值，具体算法如下：
[0063] a?计算概率直方图PPHs⑴，i= 0, 1，…，255 ;
[0064] b.计算灰度均值
[0065] c.计算灰度类均值y(k)、类直方图和W(k)，k= 0, 1，…，255 ;
[0066] d.计算灰度k对应的类分离指标
[0067] 通常特性沿图像边缘走向的像素变化平缓，而垂直方向的像素变化剧烈.。选用门 限化方法，最常见的形式是将灰度设成二值状态，对图像F(j，k)，其门限化输出为：
[0069] 式中凡为门限。
[0070] 令图像由物体和背景两部分组成。背景与物体对应的灰度级概率分布密度分别为 PJF)和己⑶，面积比分别为PjPPjPi+Pf1)。高斯情况下其正态分布的混合概率分布 密度函数为P(0，Fi)，其中0是h，〇i，Pi，（i= 1，2)等分量构成的多维参数向量.一般 来说，上述参数未知，可从图像直方图估计得到。若实际直方图用h(Fi)表示，P(f3，Fi) 与h(Fi)之间的均方误差为：
[0072] E最小时，解P(f3，Fi)得到y，〇，P等参数，进而成功得到人体模型的轮廓信息， 如图2a和图2b所示，为人体模型的轮廓信息的前视图和侧视图，图2a和图2b所示的标号 为关节位置，具体有1、2、3……21、22等等。
[0073] 步骤S103中，基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特 征，请参考图3,包括：
[0074] 步骤S301 :确定所述用户的第一身体结构所在的第一区域；
[0075] 步骤S302 :基于所述第一区域确定第一身体结构在所述量体图像中的第一像素 点距离；
[0076] 步骤S303 :至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征。
[0077] 步骤S301中，基于第一身体结构不同，第一身体结构所在的第一区域也不同，例 如：如果第一身体结构为肩膀，则第一区域为正面图中垂直百分比为0.81处附近；如果第 一身体结构为胸，则第一区域为正面图、侧面图（左侧图或者右侧图）中垂直百分比为〇. 75 处附近；如果第一身体结构为腹，则第一区域位于正面图、侧面图中垂直百分比为0.58处 附近；如果第一身体结构为胯，则第一区域位于正面图、侧面图中垂直百分比为0.53处附 近；如果第一身体结构为颈，则第一区域位于正面图、侧面图中垂直百分比为0. 86处附近 等等，对于第一区域位于何种区域，本发明实施例不再详细列举，并且不作限制。
[0078] 以第一身体结构为胸为例，则首先获取正面图、侧面图中垂直百分比为0. 75处附 近作为第一区域。
[0079] 步骤S302中，所述基于所述第一区域确定第一身体结构在所述量体图像中的第 一像素点距离，具体包括：
[0080] 确定所述第一区域中边界斜率极值点所在位置为所述第一身体结构的关节位 置；
[0081] 基于所述关节位置确定所述第一像素点距离。
[0082] 以第一身体结构为肩膀为例，则可以首先确定出第一区域中边界斜率极值点为左 肩膀关节位置和右肩膀的关节位置；然后，直接测量这两个关节位置之间的距离就可以获 得第一像素点距离。对于第一身体结构为其他部位时，确定第一像素点举例的方式与之类 似，故而在此不再赘述。
[0083] 步骤S303中，基于第一身体结构的不同，进而确定出第一身体结构的特征也不 同，下面列举其中的三种进行介绍，当然，在具体实施过程中，不限于以下三种情况。
[0084] 第一种，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0085] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一 身 体结构的尺寸。
[0086] 举例来说，可以由用户自行输入身高信息、也可以由采集人员采集获得用户的身 高信息，对于采用何种方式获得身高信息，本发明实施例不再详细列举，并且不作限制。 [0087] 其中，可以首先通过身高信息和第二像素点距离可以确定出量体图像相对于实体 人体的压缩比例，然后由第一像素点距离除以压缩比例，就可以获得第一身体结构的尺寸。 通过该方案能够确定出用户的形体特征中的长度特征，例如：臂长、腿长等等。
[0088] 第二种，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0089] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的厚度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长。
[0090] 举例来说，往往通过上述方案计算大致为圆形的身体结构的周长，大致为圆形的 身体结构例如为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝等等。
[0091] 其中，可以首先获得确定出量体图像相对于实体人体的压缩比例，然后通过第一 像素点尺寸除以压缩比例，就能够获得第一身体结构的宽度；然后以圆周长进行人体模拟 (也即第一模拟算法）就能够获得第一身体结构的周长。
[0092] 作为进一步的优选实施例，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、 小腿、脚踝时，所述第一模拟算法具体为：31W，其中W表示第一身体结构的宽度。
[0093] 其中，实际周长与输出存在误差，采用非线性最小二乘法对结果进行优化：
[0095] 其中非线性系统的最终输出为yk，表示经过K此迭代修正后的输出结果，为第一身 体结构的周长计算中的一个结果；
[0096] Q代表误差，非线性最小二乘法是以误差的平方和最小为准则来估计非线性静态 模型参数的一种参数估计方法。
[0097] 第三种，所述至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所 述量体图像中的第二像素点距离确定所述第一身体结构的特征，具体为：
[0098] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0099] 举例来说，通过正面图所对应的第一像素点距离可以映射得到第一身体结构的宽 度，通过侧面图（左侧图或者右侧图）的第一像素点距离可以映射得到第一身体结构的厚 度，也即：身体结构的宽度由正面照片特征点像素点距离映射得到，而厚度则由侧面照片特 征点像素点距离映射得到。
[0100] 举例来说，往往通过上述方案计算大致为椭圆形的身体结构的周长，大致为椭圆 形的身体结构例如为：胸、腹、腰、胯、颈等等。
[0101] 对于具体如何确定出第一身体结构的宽度，由于已在前面作出介绍，故而在此不 再赘述，第一身体结构的厚度的计算方式与第一身体结构的宽度类似，只是在选取第一像 素点距离时，需要选择侧视图中两个关节位置之间的距离。
[0102] 作为进一步的优选实施例，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述模拟 算法具体为：31 (W+L)/2,其中W表示第一身体结构的宽度，L表示第一身体结构的厚度。
[0103] 由于第一身体结构的实体周长与上面公式计算出来的周长会存在误差，采用非线 性最小二乘法对结果进行优化：
[0105] 其中非线性系统的最终输出为yk。
[0106] 步骤S104中，可以首先获取一个预存的三维模型，然后基于步骤S103所获得用户 的形体特征对预存的三维模型进行修改，进而获得用户的三维模型。
[0107] 其中，对三维模型的修改的代码如下：
[0109]
[0110]
[0111]
[0112] 第二方面，基于同一发明构思，本发明实施例提供一种建模装置，请参考图4,包 括：
[0113] 获取模块40,用于获取用户的量体图像，所述量体图像包括：正面图、侧面图、左 侧图、右侧图；
[0114] 提取模块41，用于从所述量体图像中提取出所述用户的轮廓信息；
[0115] 第一确定模块42,用于基于所述轮廓信息和所述用户的身高信息确定所述用户的 形体特征；
[0116] 建立模块43,用于基于所述形体特征建立所述用户的三维模型。
[0117] 可选的，所述第一确定模块42,具体包括：
[0118] 第一确定单元，用于确定所述用户的第一身体结构所在的第一区域；
[0119] 第二确定单元，用于基于所述第一区域确定第一身体结构在所述量体图像中的第 一像素点距离；
[0120] 第三确定单元，用于至少基于所述第一像素点距离、所述身高信息、所述用户的身 高在所述量体图像中的第二像素点距离确定所述第一身体结构的特征。
[0121] 可选的，所述第二确定单元，具体包括：
[0122] 第一确定子单元，用于确定所述第一区域中边界斜率极值点所在位置为所述第一 身体结构的关节位置；
[0123] 第二确定子单元，用于基于所述关节位置确定所述第一像素点距离。
[0124] 可选的，所述第三确定单元，具体用于：
[0125] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的尺寸。
[0126] 可选的，所述第三确定单元，具体用于：
[0127] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确 定所述第一身体结构的周长；或
[0128] 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身 体结构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第 二模拟算法确定所述第一身体结构的周长。
[0129] 可选的，在所述第一身体结构为：上臂、下臂、手腕、大腿、膝盖、小腿、脚踝时，所述 第一模拟算法具体为：nW，其中W表示第一身体结构的厚度。
[0130] 可选的，在所述第一身体结构为：胸、腹、腰、胯、颈时，所述第二模拟算法具体为： Jr(W+L) /2，其中W表示第一身体结构的厚度，L表示第一身体结构的宽度。
[0131] 本发明一个或多个实施例，至少具有以下有益效果：
[0132] 首先获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图； 然后从所述量体图像中提取出所述用户的轮廓信息；接着基于所述轮廓信息和所述用户的 身高信息确定所述用户的形体特征；最后，基于所述形体特征建立所述用户的三维模型。 由于该方案中不需要依赖专业人员采集人体的形体特 征，而是直接采集获得用户的量体图 像，从而基于量体图像来获得用户的形体特征，而在获得用户的形体特征的过程中不需要 专业人士的测量（也即其采集精度不依赖于人工），故而该形体特征为一个客观准确的数 据，从而能够大大降低获得的用户形体特征的误差程度，并且能够提高获得用户的形体特 征的效率，从而达到了降低所建立的用户的三维模型的误差程度的技术效果，并且能够提 高建立三维模型的效率。
[0133] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序 产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实 施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产 品的形式。
[0134] 本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程 图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一 流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算 机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理 器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生 用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能 的装置。
[0135] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。
[0136] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计 算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图 一个方框或多个方框中指定的功能的步骤。
[0137] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造 性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优 选实施例以及落入本发明范围的所有变更和修改。
[0138] 显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发 明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求 及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
【主权项】
1. 一种建模方法，其特征在于，包括： 获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图； 从所述量体图像中提取出所述用户的轮廓信息； 基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征； 基于所述形体特征建立所述用户的三维模型。2. 如权利要求1所述的方法，其特征在于，所述基于所述轮廓信息和所述用户的身高 信息确定所述用户的形体特征，具体包括： 确定所述用户的第一身体结构所在的第一区域； 基于所述第一区域确定第一身体结构在所述量体图像中的第一像素点距离； 至少基于所述第一像素点距离、所述身高信息、所述用户的身高在所述量体图像中的 第二像素点距离确定所述第一身体结构的特征。3. 如权利要求2所述的方法，其特征在于，所述基于所述第一区域确定第一身体结构 在所述量体图像中的第一像素点距离，具体包括： 确定所述第一区域中边界斜率极值点所在位置为所述第一身体结构的关节位置； 基于所述关节位置确定所述第一像素点距离。4. 如权利要求2所述的方法，其特征在于，所述至少基于所述第一像素点距离、所述身 高信息、所述用户的身高在所述量体图像中的第二像素点距离确定所述第一身体结构的特 征，具体为： 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身体结 构的尺寸。5. 如权利要求2所述的方法，其特征在于，所述至少基于所述第一像素点距离、所述身 高信息、所述用户的身高在所述量体图像中的第二像素点距离确定所述第一身体结构的特 征，具体为： 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身体结 构的宽度；以及基于所述第一身体结构的宽度和所述第一身体结构的第一模拟算法确定所 述第一身体结构的周长；或 基于所述第一像素点距离、所述身高信息、所述第二像素点距离确定所述第一身体结 构的宽度和厚度；以及基于所述第一身体结构的宽度、厚度和所述第一身体结构的第二模 拟算法确定所述第一身体结构的周长。6. 如权利要求5所述的方法，其特征在于，在所述第一身体结构为：上臂、下臂、手腕、 大腿、膝盖、小腿、脚踝时，所述第一模拟算法具体为：W，其中W表示第一身体结构的宽 度。7. 如权利要求5所述的方法，其特征在于，在所述第一身体结构为：胸、腹、腰、胯、颈 时，所述模拟算法具体为：(W+L)/2,其中W表示第一身体结构的宽度，L表示第一身体结 构的厚度。8. -种建模装置，其特征在于，包括： 获取模块，用于获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右 侧图； 提取模块，用于从所述量体图像中提取出所述用户的轮廓信息； 第一确定模块，用于基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特 征； 建立模块，用于基于所述形体特征建立所述用户的三维模型。9. 如权利要求8所述的装置，其特征在于，所述第一确定模块，具体包括： 第一确定单元，用于确定所述用户的第一身体结构所在的第一区域； 第二确定单元，用于基于所述第一区域确定第一身体结构在所述量体图像中的第一像 素点距离； 第三确定单元，用于至少基于所述第一像素点距离、所述身高信息、所述用户的身高在 所述量体图像中的第二像素点距离确定所述第一身体结构的特征。10. 如权利要求9所述的装置，其特征在于，所述第二确定单元，具体包括： 第一确定子单元，用于确定所述第一区域中边界斜率极值点所在位置为所述第一身体 结构的关节位置； 第二确定子单元，用于基于所述关节位置确定所述第一像素点距离。
【专利摘要】本发明涉及自动化领域，公开了一种建模方法及装置，以解决现有技术中建立人体三维模型时误差较大的技术问题。该方法包括：获取用户的量体图像，所述量体图像包括：正面图、侧面图、左侧图、右侧图；从所述量体图像中提取出所述用户的轮廓信息；基于所述轮廓信息和所述用户的身高信息确定所述用户的形体特征；基于所述形体特征建立所述用户的三维模型。本发明达到了降低所建立的用户的三维模型的误差程度的技术效果。
【IPC分类】G06F17/50, G06T17/00
【公开号】CN104899919
【申请号】CN201510259610
【发明人】林红辉
【申请人】武汉变色龙数据科技有限公司
【公开日】2015年9月9日
【申请日】2015年5月19日
最新回复(0)