CN109166172A - 服装模型的构建方法、装置、服务器和存储介质 - Google Patents
服装模型的构建方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN109166172A CN109166172A CN201810986464.2A CN201810986464A CN109166172A CN 109166172 A CN109166172 A CN 109166172A CN 201810986464 A CN201810986464 A CN 201810986464A CN 109166172 A CN109166172 A CN 109166172A
- Authority
- CN
- China
- Prior art keywords
- garment
- data
- target
- picture
- clothes
- 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
Links
Classifications
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种服装模型的构建方法、装置、服务器和存储介质,其中该方法包括获取目标服装的图片,图片包括正面图片和背面图片;根据目标服装的图片提取目标服装的服装数据;获取与服装数据匹配的目标模板;根据服装数据对目标模板进行修正,以得到目标服装模型。本发明实施例仅仅通过服装的图片可以构建服装的三维模型,有效提高了服装模型构建的效率,尤其当服装数量较大时,大大降低了时间。
Description
技术领域
本发明实施例涉及智能处理技术,尤其涉及一种服装模型的构建方法、装置、服务器和存储介质。
背景技术
随着科技的发展和移动互联网、大数据和人工智能等技术的突破,线上购物已经成为人们生活中不可或缺的一部分。为了满足人们对服装产品展示的交互性和真实性的需求,不同种类的三维虚拟试衣系统得到了广泛的关注和研究。
三维虚拟试衣技术中服装模型的构建是其中非常重要的部分,目前主要包括以下方式:通过专业的三维扫描设备和测量设备在理想的实验场景下采集每套服装的点云数据,经过点云数据的融合和重建构建三维服装模型;或者借助专业的服装辅助设计建模工具,如Lectra和Gerber等,将二维样板生成三维服装模型。但是上述方式存在以下缺陷:专业设备昂贵,环境的复杂性高,耗时较长;专业的建模工具学习难度较高,建模复杂,需要专业的建模师。并且上述方式的服装模型的构建是实时完成的,耗时长且效率低,不能满足大量的服装建模的需求。
发明内容
本发明实施例提供了一种服装模型的构建方法、装置、服务器和存储介质,可以解决现有技术中服装模型构建效率低以及成本高的技术问题。
第一方面,本发明实施例提供了一种服装模型的构建方法,包括:
获取目标服装的图片,所述图片包括正面图片和背面图片;
根据所述目标服装的图片提取所述目标服装的服装数据;
获取与所述服装数据匹配的目标模板;
根据所述服装数据对所述目标模板进行修正,以得到目标服装模型。
第二方面,本发明实施例还提供了一种服装模型的构建装置,该装置包括:
图片模块,用于获取目标服装的图片,所述图片包括正面图片和背面图片;
数据模块,用于根据所述目标服装的图片提取所述目标服装的服装数据;
匹配模块,用于获取与所述服装数据匹配的目标模板;
修正模块,用于根据所述服装数据对所述目标模板进行修正,以得到目标服装模型。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的服装模型的构建方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的服装模型的构建方法。
本发明实施例通过获取目标服装的正面图片和背面图片,根据目标服装的图片提取目标服装的服装数据,获取与服装数据匹配的目标模板,根据服装数据对目标模板进行修正,以得到目标服装模型。本发明实施例仅仅通过服装的图片可以构建服装的三维模型,有效提高了服装模型构建的效率,尤其当服装数量较大时,大大降低了时间。
附图说明
图1为本发明实施例一中的服装模型的构建方法的流程图;
图2为本发明实施例二中的服装模型的构建方法的流程图;
图3为本发明实施例二中的服装外轮廓的示意图;
图4为本发明实施例三中的服装模型的构建装置的结构示意图;
图5为本发明实施例四中的服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一中的服装模型的构建方法的流程图,本实施例可适用于构建服装模型的情况,该方法可以由服装模型的构建装置执行,该装置可以采用软件和/或硬件的方式实现,例如,该装置可配置于服务器中。该方法具体可以包括:
S110、获取目标服装的图片,所述图片包括正面图片和背面图片。
其中,目标服装的种类本实施例不作限定,例如目标服装可以是T恤、卫衣、长裤或者短裤等。图片是指由图形和图像等构成的平面媒体,可以包括巨大的信息量,图片的具体格式本实施例不作限定,例如图片的格式可以为位图(Bitmap,BMP)、联合图像专家小组(Joint Photographic Experts Group,JPEG)、便携式网络图形(Portable NetworkGraphics,PNG)和标签图像文件格式(Tag Image File Format,TIFF)等。
本实施例中,目标服装的图片包括两张,一张是目标服装的正面图片,另一张是目标服装背面图片。其中,正面是指用户穿着服装时面部所在的一面。进一步的,目标服装可以套穿在用户身上之后再进行图片的获取,也可以是将其平铺之后进行图片的获取,并且目标服装需要尽可能展开以减少褶皱。
获取目标服装的图片的具体方式本实施例不作限定,可以通过具有拍摄功能的设备获取图片,例如相机、手机或平板等。仅仅获取目标服装的图片,相对于现有技术中采用深度相机等方式获取较多的图片,节省了时间。
S120、根据目标服装的图片提取目标服装的服装数据。
其中,目标服装的服装数据的种类本实施例中不作限定,例如服装数据可以包括类别、轮廓数据、尺寸、色彩和光谱等。
具体的,目标服装的服装数据的提取方式与具体的服装数据的种类一一对应,在此不一一进行说明。示例性的,当服装数据为色彩时,将目标服装的图片分割成多个小区域,可以每个小区域为单位对区域内图片的颜色、亮度、色阶等色彩信息进行识别。进一步的,当服装数据为色彩中的颜色时,可以基于HSV(Hue,Saturation,Value)颜色空间进行目标服装的图片的颜色识别,具体的,将目标服装的图片转换至HSV颜色空间,根据各个像素点在该颜色空间对应的通道取值进行聚类,以得到多类相似度极高的像素点,再对上述各类相似度较高的像素点进行颜色识别,可以以确定目标服装的图片的颜色信息。其中,HSV颜色空间是根据颜色的直观特性创建的一种颜色空间,也称六角锥体模型,这个模型中颜色的参数分别是:色调(H),饱和度(S),明度(V)。
S130、获取与服装数据匹配的目标模板。
其中,目标模板为目标服装在预设的三维服装模板库中对应的服装模板,该三维服装模板库中包括大量三维服装模板,可以直接采用数据库中预先存有的三维服装模板库。
具体的,根据目标服装的图片提取目标服装的服装数据之后,可以根据目标服装的服装数据,通过匹配程序或匹配算法获取与服装数据匹配的目标模板。
S140、根据服装数据对目标模板进行修正,以得到目标服装模型。
其中,目标服装模型为目标服装的三维服装模型。
可选地,根据服装数据对目标模板进行修正,以得到目标服装模型,包括:将所述目标服装的服装数据输入服装建模工具中所述目标模板的服装数据中,得到目标服装模型。具体的,在服装建模工具中打开该目标模板,并将目标服装的服装数据输入对应的参数编辑区中,得到目标服装模型。
其中,服装建模工具可以为游戏引擎,游戏引擎是指一些图像应用程序的核心组件,可以提供各类工具,游戏引擎中包括色彩引擎、光谱引擎、材质引擎、布料模拟引擎、流体模拟引擎、渲染引擎、物理引擎和碰撞检测系统等,具体的游戏引擎的种类本实施例中不作限定,例如游戏引擎可以为Unity 3D。
本发明实施例通过获取目标服装的正面图片和背面图片,根据目标服装的图片提取目标服装的服装数据,获取与服装数据匹配的目标模板,根据服装数据对目标模板进行修正,以得到目标服装模型。本发明实施例仅仅通过服装的图片可以构建服装的三维模型,有效提高了服装模型构建的效率,尤其当服装数量较大时,大大降低了时间。
实施例二
图2为本发明实施例二中的服装模型的构建方法的流程图。本实施例在上述实施例的基础上,进一步优化了上述服装模型的构建方法。相应的,本实施例的方法具体包括:
S210、通过标定后的相机对目标服装进行拍摄以得到目标服装的图片。
其中,标定后的相机是指存储有标定数据的相机,标定数据中包括拍摄图片的单位像素对应的实际距离。相机的标定数据的获取方式本实施例中不作限定,例如采用张正友标定法或Tsai算法等。本实施例中以张正友标定法为例进行说明,相机直接拍摄一块黑白棋盘在两个或两个以上位置的图片,通过建立图像与棋盘平板之间的单应性,采用基于极大似然估计的非线性优化方法,可以求解相机的内外参数和畸变参数;采用该畸变参数计算得到其中一张图片对应的校正后的图片,在校正后的图片中追踪黑白棋盘的角点,得到每个棋盘格的边长,与事先测量得到的棋盘格的真实边长对应,得到校正后的相机拍摄图片中单位像素代表的实际距离,并将相机拍摄图片中单位像素代表的实际距离作为相机的标定数据,保存标定数据。
具体的,通过标定后的相机对目标服装进行拍摄,获取目标服装的正面图片和背面图片。采用存储有标定数据的相机,可以使后续通过目标服装的图片进行的处理更加精确。
S220、根据目标服装的图片提取目标服装的服装数据。
其中,服装数据为可以表达目标服装特征的数据,本实施例中服装数据以轮廓数据、尺寸以及类别为例进行说明。
可选地,根据目标服装的图片提取目标服装的服装数据,包括:采用轮廓检测算法从目标服装的图片中提取目标服装的轮廓数据。
其中,轮廓检测是指在图像中采用一定的技术和方法来实现目标轮廓提取的过程,具体的轮廓检测算法本实施例中不作限定,例如轮廓检测算法可以为基于边缘检测的轮廓检测算法或基于人类视觉系统提取的数学模型的轮廓检测算法。轮廓数据为图片中目标服装的外轮廓,外轮廓为一条闭合曲线,如图3所示,图3为本发明实施例二中的服装外轮廓的示意图。具体的,采用轮廓检测算法从目标服装的图片中提取图像边缘,将边缘包围的面积排序,并且将包围面积最大的边缘作为目标服装的外轮廓。
可选地,根据目标服装的图片提取目标服装的服装数据,包括:在轮廓数据中提取出轮廓特征点,并根据轮廓特征点和相机的标定数据计算得到目标服装的尺寸。
其中,轮廓特征点为表征目标服装的外轮廓形状的最基本的特征基元。轮廓特征点的具体提取方法本实施例中不做限定,示例性的,对目标服装的外轮廓遍历计算每一个轮廓点与其相邻两个轮廓点构成的夹角,根据夹角确定曲率超过预设曲率阈值的轮廓点,该轮廓点又称拐点,将拐点确定为轮廓特征点。该预设曲率阈值可以根据需要进行设置。如图3所示,图中的圆代表轮廓特征点。
具体的,将目标服装外轮廓上的拐点确定为轮廓特征点,在目标服装的图片上确定轮廓特征点之间的像素个数,根据轮廓特征点之间的像素个数和标定数据中单位像素代表的实际距离,通过计算可以得到目标服装的尺寸。
可选地,根据目标服装的图片提取目标服装的服装数据,包括:采用预先构建的服装分类模型识别目标服装的图片,以确定目标服装的类别。
其中,服装的类别可以包括T恤、连衣裙、短裙和长裤等,具体包括的种类可以根据需要增加。服装分类模型可以为基于神经网络构建的分类模型,将预设数量的样本服装图片作为服装分类模型的输入,样本服装对应的类别作为服装分类模型的输出对服装分类模型进行训练,得到训练好的服装分类模型。具体的,将目标服装的图片输入服装分类模型中,得到的输出为目标服装的类别。
S230、将服装数据与三维服装模板库中样本服装数据进行匹配,三维服装模板库包括多个服装模板以及服装模板的样本服装数据。
其中,样本服装数据为可以表达服装模板特征的数据,与服装数据所包括的种类相同,样本服装数据也可以包括轮廓数据、尺寸以及类别等。
具体的,分别计算服装数据与三维服装模板库中各个样本服装数据的匹配度,例如计算目标服装的轮廓数据与三维服装模板库中各个服装模板的轮廓数据的轮廓匹配度,该匹配度可以为轮廓数据匹配度、尺寸匹配度和类别匹配度的综合值。
可选地,将服装数据与三维服装模板库中样本服装数据进行匹配之前,还包括:
S231、获取样本用户的人体尺寸特征数据、样本服装的尺寸标准数据以及样本服装的分类数据。
其中,样本用户可以为亚洲、非洲或其他地区的用户,样本用户的数量越多越好。人体尺寸特征数据包括头部、足部等150多个人体尺寸。样本服装为不同类别的服装,尺寸标准数据为服装尺寸标准对照表,服装尺寸标准是在人体基本尺寸的基础上,根据不同的款式,加上合适的宽松量,不同的地区有不同的尺寸标准数据。分类数据为样本服装中包含的服装类别。
获取通过Kinect采集的样本用户的人体尺寸特征数据,当前地区样本服装的尺寸标准数据以及样本服装的分类数据。由于样本的数量越多越好,为了提高效率,也可以直接从数据库中获取当前地区的人体尺寸特征数据、不同服装的尺寸标准数据以及分类数据。
S232、根据人体尺寸特征数据、尺寸标准数据以及分类数据构建服装模板。
具体的,根据人体尺寸特征数据,结合服装尺寸标准对照表和分类数据通过三维服装建模工具可以制作服装模板,服装模板的具体制作过程和数量本实施例不作限定。
S233、计算服装模板的样本服装数据,并基于服装模板以及服装模板的样本服装数据构建三维服装模板库。
具体的,针对各个服装模板,采用预设的算法或程序计算该服装模板的样本服装数据。例如,利用轮廓线的局部极值特性来获取该服装模板的部分轮廓边(轮廓边为一条连接一个可见面与一个不可见面的连接边),根据轮廓线的连通性,获取所有相邻的级值边(级值边为轮廓边在该边局部区域的极上边、极下边、极左边或极右边),即得到服装模板的轮廓线。也可以直接通过三维制作程序,例如3DMAX,进行该服装模板的轮廓线的提取。之后,将服装模板和服装模板的样本服装数据关联存储,进而得到三维服装模板库。因而,三维服装模板库中包括多个服装模板以及服装模板的样本服装数据。
需要说明的是,三维服装模板库可以采用如S231-S232的步骤进行构建,也可以直接采用数据库中现有的三维服装模板库进行后续的处理。
S240、获取匹配度大于匹配度阈值的样本服装数据,作为目标样本服装数据。
具体的,判断服装数据与三维服装模板库中各个样本服装数据的匹配度是否大于匹配度阈值,若任一样本服装数据的匹配度大于匹配度阈值,则将该样本服装数据作为目标样本服装数据。其中,匹配度阈值可以根据需要进行设置。
S250、将目标样本服装数据对应的服装模板作为目标模板。
具体的,根据目标样本服装数据在三维服装模板库库中获取对应的服装模板,将该服装模板作为目标模板。
S260、根据服装数据对目标模板进行修正,以得到目标服装模型。
具体的,将目标服装的服装数据输入服装建模工具中目标模板的服装数据中,得到目标服装模型。即在服装建模工具中打开该目标模板,并将目标服装的服装数据输入对应的参数编辑区中,得到目标服装模型。
本发明实施例通过获取目标服装的正面图片和背面图片,根据目标服装的图片提取目标服装的服装数据,获取与服装数据匹配的目标模板,根据服装数据对目标模板进行修正,以得到目标服装模型。本发明实施例仅仅通过服装的图片可以构建服装的三维模型,对用户的专业要求较低,有效提高了服装模型构建的效率,尤其当服装数量较大时,大大降低了时间。
实施例三
图4为本发明实施例三中的服装模型的构建装置的结构示意图,本实施例可适用于构建服装模型的情况。本发明实施例所提供的通讯装置可执行本发明任意实施例所提供的服装模型的构建方法,具备执行方法相应的功能模块和有益效果。该装置具体可以包括图片模块310、数据模块320、匹配模块330和修正模块340,其中:
图片模块310,用于获取目标服装的图片,图片包括正面图片和背面图片;
数据模块320,用于根据目标服装的图片提取目标服装的服装数据;
匹配模块330,用于获取与服装数据匹配的目标模板;
修正模块340,用于根据服装数据对目标模板进行修正,以得到目标服装模型。
本发明实施例通过获取目标服装的正面图片和背面图片,根据目标服装的图片提取目标服装的服装数据,获取与服装数据匹配的目标模板,根据服装数据对目标模板进行修正,以得到目标服装模型。本发明实施例仅仅通过服装的图片可以构建服装的三维模型,有效提高了服装模型构建的效率,尤其当服装数量较大时,大大降低了时间。
可选地,图片模块310具体用于:
通过标定后的相机对目标服装进行拍摄以得到目标服装的图片。
可选地,服装数据包括:轮廓数据、尺寸以及类别,数据模块320包括:
轮廓单元,用于采用轮廓检测算法从目标服装的图片中提取目标服装的轮廓数据;
尺寸单元,用于在轮廓数据中提取出轮廓特征点,并根据轮廓特征点和相机的标定数据计算得到目标服装的尺寸;
类别单元,用于采用预先构建的服装分类模型识别目标服装的图片,以确定目标服装的类别。
可选地,匹配模块330包括:
匹配单元,用于将服装数据与三维服装模板库中样本服装数据进行匹配,三维服装模板库包括多个服装模板以及服装模板的样本服装数据;
样本数据单元,用于获取匹配度大于匹配度阈值的样本服装数据,作为目标样本服装数据;
模板单元,用于将目标样本服装数据对应的服装模板作为目标模板。
可选地,该装置还包括:构建模块,该构建模块包括:
第一数据单元,用于获取样本用户的人体尺寸特征数据、样本服装的尺寸标准数据以及样本服装的分类数据;
第一构建单元,用于根据人体尺寸特征数据、尺寸标准数据以及分类数据构建服装模板;
第二构建单元,用于计算服装模板的样本服装数据,并基于服装模板以及服装模板的样本服装数据构建三维服装模板库。
本发明实施例所提供的服装模型的构建装置可执行本发明任意实施例所提供的服装模型的构建方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四中的服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器412的框图。图5显示的服务器412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,服务器412以通用计算设备的形式表现。服务器412的组件可以包括但不限于:一个或者多个处理器416,存储装置428,连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器416或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)430和/或高速缓存存储器432。服务器412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储器428中,这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
服务器412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信,还可与一个或者多个使得用户能与该服务器412交互的设备通信,和/或与使得该服务器412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,服务器412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器420通过总线418与服务器412的其它模块通信。应当明白,尽管图中未示出,可以结合服务器412使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的服装模型的构建方法,该方法包括:
获取目标服装的图片,所述图片包括正面图片和背面图片;
根据所述目标服装的图片提取所述目标服装的服装数据;
获取与所述服装数据匹配的目标模板;
根据所述服装数据对所述目标模板进行修正,以得到目标服装模型。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的服装模型的构建方法,该方法包括:
获取目标服装的图片,所述图片包括正面图片和背面图片;
根据所述目标服装的图片提取所述目标服装的服装数据;
获取与所述服装数据匹配的目标模板;
根据所述服装数据对所述目标模板进行修正,以得到目标服装模型。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是—但不限于—电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种服装模型的构建方法,其特征在于,包括:
获取目标服装的图片,所述图片包括正面图片和背面图片;
根据所述目标服装的图片提取所述目标服装的服装数据;
获取与所述服装数据匹配的目标模板;
根据所述服装数据对所述目标模板进行修正,以得到目标服装模型。
2.根据权利要求1所述的服装模型的构建方法,其特征在于,获取目标服装的图片,包括:
通过标定后的相机对所述目标服装进行拍摄以得到所述目标服装的图片。
3.根据权利要求2所述的服装模型的构建方法,其特征在于,所述服装数据包括:轮廓数据、尺寸以及类别,
所述根据所述目标服装的图片提取所述目标服装的服装数据,包括:
采用轮廓检测算法从所述目标服装的图片中提取所述目标服装的轮廓数据;
在所述轮廓数据中提取出轮廓特征点,并根据所述轮廓特征点和所述相机的标定数据计算得到所述目标服装的尺寸;
采用预先构建的服装分类模型识别所述目标服装的图片,以确定所述目标服装的类别。
4.根据权利要求1所述的服装模型的构建方法,其特征在于,获取与所述服装数据匹配的目标模板,包括:
将所述服装数据与三维服装模板库中样本服装数据进行匹配,所述三维服装模板库包括多个服装模板以及所述服装模板的样本服装数据;
获取匹配度大于匹配度阈值的样本服装数据,作为目标样本服装数据;
将所述目标样本服装数据对应的服装模板作为目标模板。
5.根据权利要求4所述的服装模型的构建方法,其特征在于,获取与所述服装数据匹配的目标模板之前,还包括:
获取样本用户的人体尺寸特征数据、样本服装的尺寸标准数据以及样本服装的分类数据;
根据所述人体尺寸特征数据、所述尺寸标准数据以及所述分类数据构建服装模板;
计算所述服装模板的样本服装数据,并基于所述服装模板以及所述服装模板的样本服装数据构建三维服装模板库。
6.一种服装模型的构建装置,其特征在于,包括:
图片模块,用于获取目标服装的图片,所述图片包括正面图片和背面图片;
数据模块,用于根据所述目标服装的图片提取所述目标服装的服装数据;
匹配模块,用于获取与所述服装数据匹配的目标模板;
修正模块,用于根据所述服装数据对所述目标模板进行修正,以得到目标服装模型。
7.根据权利要求6所述的服装模型的构建装置,其特征在于,所述图片模块具体用于:
通过标定后的相机对所述目标服装进行拍摄以得到所述目标服装的图片。
8.根据权利要求7所述的服装模型的构建装置,其特征在于,所述服装数据包括:轮廓数据、尺寸以及类别,所述数据模块包括:
轮廓单元,用于采用轮廓检测算法从所述目标服装的图片中提取所述目标服装的轮廓数据;
尺寸单元,用于在所述轮廓数据中提取出轮廓特征点,并根据所述轮廓特征点和所述相机的标定数据计算得到所述目标服装的尺寸;
类别单元,用于采用预先构建的服装分类模型识别所述目标服装的图片,以确定所述目标服装的类别。
9.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的服装模型的构建方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的服装模型的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810986464.2A CN109166172B (zh) | 2018-08-28 | 2018-08-28 | 服装模型的构建方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810986464.2A CN109166172B (zh) | 2018-08-28 | 2018-08-28 | 服装模型的构建方法、装置、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166172A true CN109166172A (zh) | 2019-01-08 |
CN109166172B CN109166172B (zh) | 2023-04-07 |
Family
ID=64896978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810986464.2A Active CN109166172B (zh) | 2018-08-28 | 2018-08-28 | 服装模型的构建方法、装置、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166172B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125415A (zh) * | 2019-12-26 | 2020-05-08 | 赛维时代科技股份有限公司 | 服装设计的方法、装置、计算机设备及存储介质 |
JP2020113101A (ja) * | 2019-01-15 | 2020-07-27 | 株式会社ゴールドウイン | 衣服の設計を支援する装置、方法、及びプログラム、並びに衣服を製造する方法 |
CN113593002A (zh) * | 2020-04-30 | 2021-11-02 | 服装技术有限责任公司 | 生成3d服装模型的计算机实现方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100305909A1 (en) * | 2009-05-26 | 2010-12-02 | MettleWorks, Inc. | Garment digitization system and method |
US20170372515A1 (en) * | 2014-12-22 | 2017-12-28 | Reactive Reality Gmbh | Method and system for generating garment model data |
CN108062794A (zh) * | 2017-12-29 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 一种建筑物模型的获取方法、装置、服务器及存储介质 |
CN108272154A (zh) * | 2018-01-04 | 2018-07-13 | 广州唯品会研究院有限公司 | 一种服装尺寸测量方法和装置 |
-
2018
- 2018-08-28 CN CN201810986464.2A patent/CN109166172B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100305909A1 (en) * | 2009-05-26 | 2010-12-02 | MettleWorks, Inc. | Garment digitization system and method |
US20170372515A1 (en) * | 2014-12-22 | 2017-12-28 | Reactive Reality Gmbh | Method and system for generating garment model data |
CN108062794A (zh) * | 2017-12-29 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 一种建筑物模型的获取方法、装置、服务器及存储介质 |
CN108272154A (zh) * | 2018-01-04 | 2018-07-13 | 广州唯品会研究院有限公司 | 一种服装尺寸测量方法和装置 |
Non-Patent Citations (2)
Title |
---|
刘骊等: "数据驱动的三维服装快速建模", 《软件学报》 * |
许明星等: "基于图像的人体特征点提取与尺寸测量", 《计算机系统应用》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020113101A (ja) * | 2019-01-15 | 2020-07-27 | 株式会社ゴールドウイン | 衣服の設計を支援する装置、方法、及びプログラム、並びに衣服を製造する方法 |
JP7138575B2 (ja) | 2019-01-15 | 2022-09-16 | 株式会社ゴールドウイン | 衣服の設計を支援する装置、方法、及びプログラム、並びに衣服を製造する方法 |
CN111125415A (zh) * | 2019-12-26 | 2020-05-08 | 赛维时代科技股份有限公司 | 服装设计的方法、装置、计算机设备及存储介质 |
CN113593002A (zh) * | 2020-04-30 | 2021-11-02 | 服装技术有限责任公司 | 生成3d服装模型的计算机实现方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109166172B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993216B (zh) | 一种图像融合方法及其设备、存储介质、终端 | |
CN110675487B (zh) | 基于多角度二维人脸的三维人脸建模、识别方法及装置 | |
Bi et al. | Fast copy-move forgery detection using local bidirectional coherency error refinement | |
JP6438403B2 (ja) | 結合された深度キューに基づく平面視画像からの深度マップの生成 | |
CN108305312B (zh) | 3d虚拟形象的生成方法和装置 | |
KR101896137B1 (ko) | 플레이어의 모습을 반영한 아바타의 생성 기법 | |
CN108765273A (zh) | 人脸拍照的虚拟整容方法和装置 | |
TWI672638B (zh) | 影像處理方法、非暫態電腦可讀取媒體以及影像處理系統 | |
CN108830892B (zh) | 人脸图像处理方法、装置、电子设备及计算机可读存储介质 | |
WO2018094653A1 (zh) | 一种用户头发模型的重建方法、装置及终端 | |
TW201005673A (en) | Example-based two-dimensional to three-dimensional image conversion method, computer readable medium therefor, and system | |
CN109635783A (zh) | 视频监控方法、装置、终端和介质 | |
Maximo et al. | A robust and rotationally invariant local surface descriptor with applications to non-local mesh processing | |
CN109166172A (zh) | 服装模型的构建方法、装置、服务器和存储介质 | |
CN107194995A (zh) | 一种快速构建真实三维人物模型的方法 | |
US20140055445A1 (en) | System, method, and computer program product for extruding a model through a two-dimensional scene | |
KR20230085931A (ko) | 얼굴 이미지에서 색상을 추출하기 위한 방법 및 시스템 | |
CN113870404B (zh) | 一种3d模型的皮肤渲染方法及显示设备 | |
CN111401157A (zh) | 一种基于三维特征的人脸识别方法和系统 | |
Zeng et al. | Joint 3D facial shape reconstruction and texture completion from a single image | |
KR102342738B1 (ko) | 거대 ar 영상 정보 생성 방법 및 장치 | |
CN109448093B (zh) | 一种风格图像生成方法及装置 | |
Liao et al. | Illumination animating and editing in a single picture using scene structure estimation | |
CN113570615A (zh) | 一种基于深度学习的图像处理方法、电子设备及存储介质 | |
Feng et al. | Virtual glasses try-on based on large pose estimation |
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 |