CN108346156A - 用户身材参数获取方法和装置 - Google Patents

用户身材参数获取方法和装置 Download PDF

Info

Publication number
CN108346156A
CN108346156A CN201710045890.1A CN201710045890A CN108346156A CN 108346156 A CN108346156 A CN 108346156A CN 201710045890 A CN201710045890 A CN 201710045890A CN 108346156 A CN108346156 A CN 108346156A
Authority
CN
China
Prior art keywords
profile
user
dimensional
stature
manikin
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710045890.1A
Other languages
English (en)
Other versions
CN108346156B (zh
Inventor
赵刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710045890.1A priority Critical patent/CN108346156B/zh
Priority to PCT/CN2018/071761 priority patent/WO2018133691A1/zh
Priority to US16/479,300 priority patent/US11176673B2/en
Publication of CN108346156A publication Critical patent/CN108346156A/zh
Application granted granted Critical
Publication of CN108346156B publication Critical patent/CN108346156B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种用户身材参数获取方法和装置。该方法包括：获取用户照片；对用户照片进行处理，生成用户外形轮廓；将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；将目标参数化三维人体模型的身材参数作为用户身材参数。本发明通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本发明可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。

Description

用户身材参数获取方法和装置
技术领域
本发明涉及个性化虚拟试衣领域，特别涉及一种用户身材参数获取方法和装置。
背景技术
在个性化虚拟试衣系统中，需要获取用户的身材参数，有了准确的身材参数才能完成虚拟试衣功能。
目前获取用户的身材参数主要有以下方法：
1、用软尺测量，要求用户用软尺测量自己的身材参数，上传到系统中。
2、通过用户已有合身的服装反推身材参数，要求用户提供正品合身服装品牌，服装型号和服装尺码。
3、用高科技仪器设备测量，比如红外线扫描，雷达波扫描等，需要用户到指定的地方，用昂贵的设备扫描获取身材参数。
上述三种现有技术，分别存在以下缺点：
1)用户软尺测量的方法：用户体验不好，需要用户自己用软尺测量身体，专业性要求较高，有相当比例的用户不能正确地测量身材。
2)通过用户已有合身的服装反推身材参数的方法：需要用户有正品合身的服装，否则由于服装本身尺寸的不准确导致获取的用户身材参数不准确。
3)用高科技仪器设备测量的方法：高科技仪器设备很昂贵，个人用户无法拥有，需要用户到专门的地点测量，有交通，时间方面的开销，推广速度慢。
发明内容
鉴于以上技术问题，本发明提供了一种用户身材参数获取方法和装置，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数。
根据本发明的一个方面，提供一种用户身材参数获取方法，包括：
获取用户照片；
对用户照片进行处理，生成用户外形轮廓；
将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
将目标参数化三维人体模型的身材参数作为用户身材参数。
在本发明的一个实施例中，所述将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型包括：
根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
将参数化三维人体模型身高调整为与用户轮廓身高一致；
将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
在本发明的一个实施例中，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
所述根据用户外形轮廓获取用户轮廓姿势包括：
获取用户外形轮廓的轮廓中心线；
根据轮廓中心线获取手臂展开角度和腿部分开角度。
在本发明的一个实施例中，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型包括：
随机生成N组身材参数，计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差，其中N为大于2的自然数；
判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
若轮廓误差最小的一组身材参数的轮廓误差小于预定值，则将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
在本发明的一个实施例中，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型还包括：
若轮廓误差最小的一组身材参数的轮廓误差不小于预定值，则确定轮廓误差最小的两组身材参数；
根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的步骤。
在本发明的一个实施例中，所述根据轮廓误差最小的两组身材参数生成新的N组身材参数包括：
根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
在本发明的一个实施例中，所述对用户照片进行处理，获取用户外形轮廓包括：
将用户人体前景与背景分离；
根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
提取二值图像的边缘，生成用户外形轮廓。
在本发明的一个实施例中，所述将用户人体前景与背景分离包括：
接收用户输入的人体前景标识点和背景标识点；
根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
在本发明的一个实施例中，所述将将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，所述方法还包括：
测量目标参数化三维人体模型的身材参数，之后执行将目标参数化三维人体模型的身材参数作为用户身材参数的步骤。
根据本发明的另一方面，提供一种用户身材参数获取装置，包括照片获取模块、外形轮廓获取模块、目标三维模型确定模块和身材参数确定模块，其中：
照片获取模块，用于获取用户照片；
外形轮廓获取模块，用于对用户照片进行处理，生成用户外形轮廓；
目标三维模型确定模块，用于将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
身材参数确定模块，用于将目标参数化三维人体模型的身材参数作为用户身材参数。
在本发明的一个实施例中，目标三维模型确定模块包括轮廓姿势确定单元、模型姿势确定单元、模型身高确定单元和目标模型确定单元，其中：
轮廓姿势确定单元，用于根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
模型姿势确定单元，用于将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
模型身高确定单元，用于将参数化三维人体模型身高调整为与用户轮廓身高一致；
目标模型确定单元，用于将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
在本发明的一个实施例中，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
轮廓姿势确定单元用于获取用户外形轮廓的轮廓中心线；并根据轮廓中心线获取手臂展开角度和腿部分开角度。
在本发明的一个实施例中，目标模型确定单元包括身材参数生成子模块、轮廓误差获取子模块、轮廓误差判断子模块和目标模型确定子模块，其中：
身材参数生成子模块，用于随机生成N组身材参数，其中N为大于2的自然数；
轮廓误差获取子模块，用于计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差；
轮廓误差判断子模块，用于判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
目标模型确定子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
在本发明的一个实施例中，目标模型确定单元还包括身材参数组选择子模块和新身材参数生成子模块，其中：
身材参数组选择子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数；
新身材参数生成子模块，用于根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的操作。
在本发明的一个实施例中，新身材参数生成子模块用于根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
在本发明的一个实施例中，外形轮廓获取模块包括背景分离单元、二值图像生成单元和外形轮廓生成单元，其中：
背景分离单元，用于将用户人体前景与背景分离；
二值图像生成单元，用于根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
外形轮廓生成单元，用于提取二值图像的边缘，生成用户外形轮廓。
在本发明的一个实施例中，背景分离单元用于接收用户输入的人体前景标识点和背景标识点；并根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
在本发明的一个实施例中，所述装置还包括身材参数测量模块，其中：
身材参数测量模块，用于在目标三维模型确定模块将将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，测量目标参数化三维人体模型的身材参数，之后指示身材参数确定模块执行将目标参数化三维人体模型的身材参数作为用户身材参数的操作。
根据本发明的另一方面，提供一种用户身材参数获取装置，包括存储器和处理器，其中：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述装置执行实现如上述任一实施例中所述的用户身材参数获取方法的操作。
本发明通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本发明可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明用户身材参数获取方法一个实施例的示意图。
图2为本发明一个实施例中大致指定人体前景和背景的示意图。
图3为本发明一个实施例中前景和背景分离的示意图。
图4为本发明一个实施例中人体黑白二值图像的示意图。
图5为本发明一个实施例中人体的轮廓图的示意图。
图6为本发明一个实施例中参数化三维人体模型的示意图。
图7为本发明一个实施例中的人体姿势线条图。
图8为本发明一个实施例中将参数化三维人体模型身高调整为与用户轮廓身高一致的示意图。
图9为本发明一个实施例中确定目标参数化三维人体模型的示意图。
图10为本发明用户身材参数获取装置第一实施例的示意图。
图11为本发明用户身材参数获取装置第二实施例的示意图。
图12为本发明一个实施例中外形轮廓获取模块的示意图。
图13为本发明一个实施例中目标三维模型确定模块的示意图。
图14为本发明一个实施例中目标模型确定单元的示意图。
图15为本发明用户身材参数获取装置第三实施例的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本发明用户身材参数获取方法一个实施例的示意图。优选的，本实施例可由本发明用户身材参数获取装置执行。如图1所示，该方法包括以下步骤：
步骤1，获取用户照片。
在本发明的一个实施例中，用户照片可以为全身或半身(只试上衣或裤子的情形)。
在本发明的一个实施例中，用户照片可以为正面照、背面照或侧面照的至少一项。
在本发明的一个实施例中，用户照片可以由用户拍照后上传给本发明用户身材参数获取装置(服务器)进行处理。
在本发明的一个具体实施例中，步骤1可以包括：用户只需要大致按照指定的姿势(双腿稍微分开无重叠，双臂展开和身体无接触)，在背景不是很复杂的环境下拍摄照片，并上传给服务器，以便服务器对用户拍摄的正面和侧面照片提取外形轮廓，之后在数秒钟内获取准确的身材参数。
在本发明的另一实施例中，用户照片可以由本发明用户身材参数获取装置(服务器)的拍摄模块自动获取。
步骤2，对用户照片进行处理，生成用户外形轮廓。
在本发明的一个实施例中，步骤2可以包括：
步骤21，将用户人体前景与背景分离。
在本发明的一个实施例中，步骤21可以包括：
步骤211，接收用户输入的若干个人体前景标识点和若干个背景标识点。
在一个具体实施例中，步骤211可以包括：通过大致手工指定前景和背景(如图2，人体包括衣服为大致前景，方框指示为有效范围，方框内其余部分为大致背景)，大致指定前景区域和背景区域。
步骤212，采用诸如GrabCut的算法根据所述人体前景标识点和背景标识点将用户人体前景与背景分离，获取精确前景(人体)和背景，其中GrabCut算法能够在背景不太复杂的前提下，准确地将前景和背景分离开来。如图3所示，背景全部用黑色表示。
步骤22，根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同。
在本发明的一个实施例中，所述二值图像为黑白二值图像。
在本发明的一个实施例中，步骤22可以包括：生成黑白二值图像，属于人体的部分为白色，属于背景的部分为黑色，如图4，属于人体(包括衣服)的部分全部填充成白色，并将图3所示的方框(有效范围)以外的部分全部去除。
步骤23，提取二值图像的边缘，生成用户外形轮廓，如图5所示。
步骤3，有了用户的外形轮廓后，用图5所示的用户外形轮廓对图6所示的参数化三维人体模型进行约束，将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型。
在本发明的一个实施例中，步骤3可以包括：用图5所示的用户外形轮廓来检验图6所示的参数化三维人体模型和用户身材的一致性，如果三维人体模型的投影轮廓和用户的轮廓一致，则认为，三维人体模型和用户身材一致，从而只需要测量三维人体模型的身材参数即可获得用户的真实身材参数。
如图6所示，参数化的三维人体模型分为：躯干，头，左肩，右肩，左上臂，右上臂，左小臂，右小臂，左手，右手，左大腿，右大腿，左小腿，右小腿，左脚，右脚。可以通过参数调节每一个部分的尺寸，并拼合成一个完整的三维人体模型，不同的参数拼合出的三维人体身材不同，不同的参数组合可以模拟出不同的身材。
在本发明的一个实施例中，步骤3可以包括：
步骤31，根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高，其中，所述用户轮廓姿势可以包括手臂展开角度和腿部分开角度。
在本发明的一个具体实施例中，步骤31可以包括：
步骤311，根据用户外形轮廓获取用户外形轮廓的轮廓中心线，用户外形轮廓的姿势就可以用轮廓中心线(轮廓图中间的粗线条)表示，可以通过适当的算法令粗线条位于轮廓中央，如图7所示。
步骤312，根据轮廓中心线，获取手臂展开角度和腿部分开角度。
步骤32，将参数化三维人体模型姿势调整为与用户轮廓姿势一致。
在本发明的一个具体实施例中，步骤31可以包括：将双腿和手臂的角度设置成步骤31中获取的手臂展开角度和腿部分开角度。
步骤33，将参数化三维人体模型身高调整为与用户轮廓身高一致，如图8所示。
步骤34，将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值(比如3％)的参数化三维人体模型作为目标参数化三维人体模型。
步骤4，将目标参数化三维人体模型的身材参数作为用户身材参数，其中，用户身材参数可以包括身高、胸围、腰围、臀围、肩宽、腿长等具体参数；参数化三维人体模型的身材参数可以包括身高、胸围、腰围、臀围、肩宽、腿长等具体参数。
在本发明的一个实施例中，在步骤3之后，所述方法还可以包括：测量目标参数化三维人体模型的身材参数，之后执行步骤4。
基于本发明上述实施例提供的用户身材参数获取方法，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本发明可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
图9为本发明一个实施例中确定目标参数化三维人体模型的示意图。如图9所示，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型的步骤(即步骤34)可以包括：
步骤341，随机生成N组身材参数，其中N为大于2的自然数。
步骤342，计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差。
在本发明的一个实施例中，步骤342可以包括:采用诸如获取欧式距离的方式，在如图8所示的图片中，在图片的垂直方向逐像素比较用户轮廓和三维人体模型轮廓在水平方向上的像素误差，求误差的总和。
步骤343，判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值。若轮廓误差最小的一组身材参数的轮廓误差小于预定值，则执行步骤346；否则若轮廓误差最小的一组身材参数的轮廓误差不小于预定值，则执行步骤344。
步骤344，确定轮廓误差最小的两组身材参数。
步骤345，根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后执行步骤342。
在本发明的一个实施例中，步骤345可以包括：根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。在本发明的一个具体实施例中，步骤345可以包括：根据公式(1)获取新的N组身材参数。
N＝((A+B)/2)×R (1)
其中，N是新的身材参数，A和B分别是误差最小的2组身材参数，R是[0.9～1.1]之间的随机偏移值。
步骤346，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
本发明上述实施例可以通过尝试N组(例如10组)随机身材参数，计算轮廓误差，找出误差最小的2组；再对这2组身材参数进行组合，即取两组身材参数每个参数的平均数再加正负10％的随机偏移，组合成新的N组不同的身材参数，每个新的身材参数用公式1获取；再次找出轮廓误差最小的2组身材参数，周而复始，减少三维人体模的轮廓和用户照片轮廓之间的误差，直至误差小于目标值(比如3％)，从而获得用户身材参数。
下面通过具体实施例对图9实施例中确定目标参数化三维人体模型的方法进行具体说明。
第一步随机生成10组身材参数，如表1所示。每种参数都有事先设定好的最小值和最大值，随机生成的身材参数应处于最小值和最大值之间，比如肩宽的最小值是32，最大值是48，随机生成的肩宽处于32～48之间(最小值和最大值也可以根据不同的应用场合做调整，比如已知用户性别，年龄的话可以减小最小值和最大值之间的范围，从而使随机生成的身材参数根据接近于真实值)。
表1
序号 肩宽 胸围 腰围 臀围 臂长 臂围 腿长 腿围 误差
1 40 92 85 98 61 31 101 50 26％
2 41 98 87 102 58 29 99 48 33％
3 42 95 93 91 63 28 105 47 29％
4 40 99 99 88 67 33 93 52 34％
5 39 87 105 103 56 34 96 55 41％
6 37 86 81 99 55 35 88 49 39％
7 44 105 82 87 61 27 95 53 43％
8 38 78 92 89 62 34 108 54 39％
9 42 81 98 93 57 31 111 55 45％
10 40 98 101 97 64 28 92 57 38％
第二步，计算各组误差。可以看出第一组和第三组身材参数误差最小，取第一组第三组的身材参数的平均数再加正负10％的随机偏移组成新的10组身材参数。
比如，新的肩宽参数为:((40+42)/2×[0.9～1.1]＝[36.9～45.1]，即新的肩宽是36.9～45.1之间的一个随机数，取10个随机数就有了10个新的肩宽参数，其它身材参数的生成方法依次类推，可获得10组身材参数，然后计算轮廓误差，再挑选2组误差最小的，按上述方法生成10组新的身材参数，周而复始就能逐渐减小误差，挑出误差较小的结果。
图10为本发明用户身材参数获取装置第一实施例的示意图。如图10所示，所示用户身材参数获取装置可以包括照片获取模块100、外形轮廓获取模块200、目标三维模型确定模块300和身材参数确定模块400，其中：
照片获取模块100，用于获取用户照片。
外形轮廓获取模块200，用于对用户照片进行处理，生成用户外形轮廓。
目标三维模型确定模块300，用于将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型。
身材参数确定模块400，用于将目标参数化三维人体模型的身材参数作为用户身材参数。
基于本发明上述实施例提供的用户身材参数获取装置，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本发明可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
图11为本发明用户身材参数获取装置第二实施例的示意图。与图11所示实施例相比，在图10所示实施例中，所述装置还可以包括身材参数测量模块500，其中：
身材参数测量模块500，用于在目标三维模型确定模块300将将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，测量目标参数化三维人体模型的身材参数，之后指示身材参数确定模块400执行将目标参数化三维人体模型的身材参数作为用户身材参数的操作。
图12为本发明一个实施例中外形轮廓获取模块的示意图。如图12所示，图10或图11实施例中所示的外形轮廓获取模块200可以包括背景分离单元210、二值图像生成单元220和外形轮廓生成单元230，其中：
背景分离单元210，用于将用户人体前景与背景分离。
在本发明的一个实施例中，背景分离单元210可以用于接收用户输入的人体前景标识点和背景标识点；并根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
二值图像生成单元220，用于根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同。
外形轮廓生成单元230，用于提取二值图像的边缘，生成用户外形轮廓。
图13为本发明一个实施例中目标三维模型确定模块的示意图。如图13所示，图10或图11实施例中所示的目标三维模型确定模块300可以包括轮廓姿势确定单元310、模型姿势确定单元320、模型身高确定单元330和目标模型确定单元340，其中：
轮廓姿势确定单元310，用于根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高，其中，所述用户轮廓姿势可以包括手臂展开角度和腿部分开角度。
在本发明的一个实施例中，轮廓姿势确定单元310可以用于获取用户外形轮廓的轮廓中心线；并根据轮廓中心线获取手臂展开角度和腿部分开角度。
模型姿势确定单元320，用于将参数化三维人体模型姿势调整为与用户轮廓姿势一致。
模型身高确定单元330，用于将参数化三维人体模型身高调整为与用户轮廓身高一致。
目标模型确定单元340，用于将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
图14为本发明一个实施例中目标模型确定单元的示意图。如图14所示，图13实施例中的目标模型确定单元340可以包括身材参数生成子模块341、轮廓误差获取子模块342、轮廓误差判断子模块343和目标模型确定子模块344，其中：
身材参数生成子模块341，用于随机生成N组身材参数，其中N为大于2的自然数。
轮廓误差获取子模块342，用于计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差。
轮廓误差判断子模块343，用于判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值。
目标模型确定子模块344，用于根据轮廓误差判断子模块343的判断结果，在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
在本发明的一个实施例中，如图14所示，目标模型确定单元340还包括身材参数组选择子模块345和新身材参数生成子模块346，其中：
身材参数组选择子模块345，用于根据轮廓误差判断子模块343的判断结果，在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数。
新身材参数生成子模块346，用于根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块342执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的操作。
在本发明的一个实施例中，新身材参数生成子模块346可以用于根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。在本发明的一个具体实施例中，新身材参数生成子模块346可以用于根据公式(1)生成新的N组身材参数。
本发明上述实施例可以通过尝试N组(例如10组)随机身材参数，计算轮廓误差，找出误差最小的2组；再对这2组身材参数进行组合，即取两组身材参数每个参数的平均数再加正负10％的随机偏移，组合成新的N组不同的身材参数，每个新的身材参数用公式1获取；再次找出轮廓误差最小的2组身材参数，周而复始，减少三维人体模的轮廓和用户照片轮廓之间的误差，直至误差小于目标值(比如3％)，从而获得用户身材参数。
图15为本发明用户身材参数获取装置第三实施例的示意图。如图15所示，所述用户身材参数获取装置可以包括存储器800和处理器900，其中：
存储器800，用于存储指令。
处理器900，用于执行所述指令，使得所述装置执行实现如上述任一实施例中所述的用户身材参数获取方法的操作。
基于本发明上述实施例提供的用户身材参数获取装置，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本发明可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
在上面所描述的用户身材参数获取装置可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本发明。为了避免遮蔽本发明的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

Claims (19)

1.一种用户身材参数获取方法，其特征在于，包括：
获取用户照片；
对用户照片进行处理，生成用户外形轮廓；
将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
将目标参数化三维人体模型的身材参数作为用户身材参数。
2.根据权利要求1所述的方法，其特征在于，所述将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型包括：
根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
将参数化三维人体模型身高调整为与用户轮廓身高一致；
将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
3.根据权利要求2所述的方法，其特征在于，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
所述根据用户外形轮廓获取用户轮廓姿势包括：
获取用户外形轮廓的轮廓中心线；
根据轮廓中心线获取手臂展开角度和腿部分开角度。
4.根据权利要求2所述的方法，其特征在于，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型包括：
随机生成N组身材参数，计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差，其中N为大于2的自然数；
判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
若轮廓误差最小的一组身材参数的轮廓误差小于预定值，则将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
5.根据权利要求4所述的方法，其特征在于，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型还包括：
若轮廓误差最小的一组身材参数的轮廓误差不小于预定值，则确定轮廓误差最小的两组身材参数；
根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的步骤。
6.根据权利要求5所述的方法，其特征在于，所述根据轮廓误差最小的两组身材参数生成新的N组身材参数包括：
根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述对用户照片进行处理，获取用户外形轮廓包括：
将用户人体前景与背景分离；
根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
提取二值图像的边缘，生成用户外形轮廓。
8.根据权利要求7所述的方法，其特征在于，所述将用户人体前景与背景分离包括：
接收用户输入的人体前景标识点和背景标识点；
根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
9.根据权利要求1-6中任一项所述的方法，其特征在于，所述将将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，还包括：
测量目标参数化三维人体模型的身材参数，之后执行将目标参数化三维人体模型的身材参数作为用户身材参数的步骤。
10.一种用户身材参数获取装置，其特征在于，包括照片获取模块、外形轮廓获取模块、目标三维模型确定模块和身材参数确定模块，其中：
照片获取模块，用于获取用户照片；
外形轮廓获取模块，用于对用户照片进行处理，生成用户外形轮廓；
目标三维模型确定模块，用于将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
身材参数确定模块，用于将目标参数化三维人体模型的身材参数作为用户身材参数。
11.根据权利要求10所述的装置，其特征在于，目标三维模型确定模块包括轮廓姿势确定单元、模型姿势确定单元、模型身高确定单元和目标模型确定单元，其中：
轮廓姿势确定单元，用于根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
模型姿势确定单元，用于将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
模型身高确定单元，用于将参数化三维人体模型身高调整为与用户轮廓身高一致；
目标模型确定单元，用于将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
12.根据权利要求11所述的装置，其特征在于，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
轮廓姿势确定单元用于获取用户外形轮廓的轮廓中心线；并根据轮廓中心线获取手臂展开角度和腿部分开角度。
13.根据权利要求11所述的装置，其特征在于，目标模型确定单元包括身材参数生成子模块、轮廓误差获取子模块、轮廓误差判断子模块和目标模型确定子模块，其中：
身材参数生成子模块，用于随机生成N组身材参数，其中N为大于2的自然数；
轮廓误差获取子模块，用于计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差；
轮廓误差判断子模块，用于判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
目标模型确定子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
14.根据权利要求13所述的装置，其特征在于，目标模型确定单元还包括身材参数组选择子模块和新身材参数生成子模块，其中：
身材参数组选择子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数；
新身材参数生成子模块，用于根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的操作。
15.根据权利要求14所述的装置，其特征在于，
新身材参数生成子模块用于根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
16.根据权利要求10-15中任一项所述的装置，其特征在于，外形轮廓获取模块包括背景分离单元、二值图像生成单元和外形轮廓生成单元，其中：
背景分离单元，用于将用户人体前景与背景分离；
二值图像生成单元，用于根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
外形轮廓生成单元，用于提取二值图像的边缘，生成用户外形轮廓。
17.根据权利要求16述的装置，其特征在于，
背景分离单元用于接收用户输入的人体前景标识点和背景标识点；并根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
18.根据权利要求10-15中任一项所述的装置，其特征在于，还包括身材参数测量模块，其中：
身材参数测量模块，用于在目标三维模型确定模块将将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，测量目标参数化三维人体模型的身材参数，之后指示身材参数确定模块执行将目标参数化三维人体模型的身材参数作为用户身材参数的操作。
19.一种用户身材参数获取装置，其特征在于，包括存储器和处理器，其中：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述装置执行实现如权利要求1-9中任一项所述的用户身材参数获取方法的操作。
CN201710045890.1A 2017-01-22 2017-01-22 用户身材参数获取方法和装置 Active CN108346156B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710045890.1A CN108346156B (zh) 2017-01-22 2017-01-22 用户身材参数获取方法和装置
PCT/CN2018/071761 WO2018133691A1 (zh) 2017-01-22 2018-01-08 用户身材参数获取方法和装置
US16/479,300 US11176673B2 (en) 2017-01-22 2018-01-08 Method and device for acquiring figure parameters of a user

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710045890.1A CN108346156B (zh) 2017-01-22 2017-01-22 用户身材参数获取方法和装置

Publications (2)

Publication Number Publication Date
CN108346156A true CN108346156A (zh) 2018-07-31
CN108346156B CN108346156B (zh) 2021-09-07

Family

ID=62909173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710045890.1A Active CN108346156B (zh) 2017-01-22 2017-01-22 用户身材参数获取方法和装置

Country Status (3)

Country Link
US (1) US11176673B2 (zh)
CN (1) CN108346156B (zh)
WO (1) WO2018133691A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784299A (zh) * 2019-01-28 2019-05-21 Oppo广东移动通信有限公司 模型处理方法、装置、终端设备及存储介质
CN113628233A (zh) * 2021-08-02 2021-11-09 嘉兴九全科技服务有限公司 基于互联网的体型管理方法、装置、设备及存储介质
CN113657288A (zh) * 2021-08-19 2021-11-16 康佳集团股份有限公司 基于体型识别的健身应用内容推送方法、终端及存储介质
CN115063209A (zh) * 2022-07-12 2022-09-16 武汉沁纯服饰有限公司 一种基于多维特征分析的服装电商平台商品推荐系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11062508B1 (en) 2019-03-08 2021-07-13 Stitch Fix, Inc. Creating a custom three-dimensional body shape model
CN111598656B (zh) * 2020-05-12 2023-05-23 宁波凯信服饰股份有限公司 一种基于样例的虚拟试衣方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006071006A1 (en) * 2004-12-30 2006-07-06 G & G Cormerce Ltd Method for converting 2d image into pseudo 3d image and user-adapted total coordination method in use artificial intelligence, and service business method thereof
CN102646245A (zh) * 2012-03-29 2012-08-22 柳一鸣 一种基于互联网的试衣选衣裁衣系统
CN102939614A (zh) * 2010-05-10 2013-02-20 套装供应有限公司 远程确定服装尺寸的方法
CN103106586A (zh) * 2011-11-11 2013-05-15 江南大学 三维虚拟试衣系统
CN104679831A (zh) * 2015-02-04 2015-06-03 腾讯科技（深圳）有限公司 一种匹配人体模型的方法及装置
CN104899919A (zh) * 2015-05-19 2015-09-09 武汉变色龙数据科技有限公司 一种建模方法及装置
CN105956912A (zh) * 2016-06-06 2016-09-21 施桂萍 一种网络试衣的实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7257237B1 (en) * 2003-03-07 2007-08-14 Sandia Corporation Real time markerless motion tracking using linked kinematic chains

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006071006A1 (en) * 2004-12-30 2006-07-06 G & G Cormerce Ltd Method for converting 2d image into pseudo 3d image and user-adapted total coordination method in use artificial intelligence, and service business method thereof
CN102939614A (zh) * 2010-05-10 2013-02-20 套装供应有限公司 远程确定服装尺寸的方法
CN103106586A (zh) * 2011-11-11 2013-05-15 江南大学 三维虚拟试衣系统
CN102646245A (zh) * 2012-03-29 2012-08-22 柳一鸣 一种基于互联网的试衣选衣裁衣系统
CN104679831A (zh) * 2015-02-04 2015-06-03 腾讯科技（深圳）有限公司 一种匹配人体模型的方法及装置
CN104899919A (zh) * 2015-05-19 2015-09-09 武汉变色龙数据科技有限公司 一种建模方法及装置
CN105956912A (zh) * 2016-06-06 2016-09-21 施桂萍 一种网络试衣的实现方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784299A (zh) * 2019-01-28 2019-05-21 Oppo广东移动通信有限公司 模型处理方法、装置、终端设备及存储介质
CN113628233A (zh) * 2021-08-02 2021-11-09 嘉兴九全科技服务有限公司 基于互联网的体型管理方法、装置、设备及存储介质
CN113657288A (zh) * 2021-08-19 2021-11-16 康佳集团股份有限公司 基于体型识别的健身应用内容推送方法、终端及存储介质
CN115063209A (zh) * 2022-07-12 2022-09-16 武汉沁纯服饰有限公司 一种基于多维特征分析的服装电商平台商品推荐系统
CN115063209B (zh) * 2022-07-12 2023-05-09 深圳斯达领科网络科技有限公司 一种基于多维特征分析的服装电商平台商品推荐系统

Also Published As

Publication number Publication date
US20190378277A1 (en) 2019-12-12
US11176673B2 (en) 2021-11-16
CN108346156B (zh) 2021-09-07
WO2018133691A1 (zh) 2018-07-26

Similar Documents

Publication Publication Date Title
CN108346156A (zh) 用户身材参数获取方法和装置
CN107111833B (zh) 快速3d模型适配和人体测量
CN107292948B (zh) 一种人体建模方法、装置及电子设备
RU2551731C1 (ru) Способ виртуального подбора одежды
EP2686834B1 (en) Improved virtual try on simulation service
TWI488071B (zh) 非接觸式三度空間人體資料擷取系統及方法
US10311508B2 (en) Garment modeling simulation system and process
CN104966284A (zh) 基于深度数据获得对象尺寸信息的方法及设备
CN109409348A (zh) 一种用户体征的确定方法、装置、设备和存储介质
US9905047B2 (en) Method and systems for generating a three dimensional model of a subject by iteratively generating meshes
CN106952335B (zh) 建立人体模型库的方法及其系统
CN109655011A (zh) 一种人体建模维度测量的方法及系统
Bang et al. Estimating garment patterns from static scan data
CN108846892A (zh) 人体模型的确定方法及装置
CN106773050A (zh) 一种基于二维图像虚拟整合的智能ar眼镜
KR20150011907A (ko) 깊이 정보 기반으로 사용자의 3차원 신체 모델을 생성하는 방법 및 장치
KR101499699B1 (ko) 깊이 정보 기반으로 사용자의 3차원 신체 모델을 생성하는 방법 및 장치
Petrak et al. Research of 3D body models computer adjustment based on anthropometric data determined by laser 3D scanner
Choppin et al. Breast volume calculation using a low-cost scanning system
Klepser et al. Is this real? Avatar Generation for 3D Garment Simulation.
CN110838182B (zh) 一种图像贴合人台的方法及其系统
Glascoe et al. Relationships between rigs and humanoid and coveroid landmarks
Lin et al. Automatic feature extraction from front and side images
Kozar et al. Accuracy evaluation of a sitting 3D body model for adaptive garment prototyping
Yu et al. The development of dress forms in standing and sitting postures using 3D body scanning and printing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant