CN110148209B - 人体模型生成方法、图像处理设备及具有存储功能的装置 - Google Patents

人体模型生成方法、图像处理设备及具有存储功能的装置 Download PDF

Info

Publication number
CN110148209B
CN110148209B CN201910361756.1A CN201910361756A CN110148209B CN 110148209 B CN110148209 B CN 110148209B CN 201910361756 A CN201910361756 A CN 201910361756A CN 110148209 B CN110148209 B CN 110148209B
Authority
CN
China
Prior art keywords
human body
matrix
human
shape
model
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.)
Active
Application number
CN201910361756.1A
Other languages
English (en)
Other versions
CN110148209A (zh
Inventor
祁春超
张智胜
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.)
Shenzhen Zhongtou Huaxun Terahertz Technology Co ltd
Original Assignee
Shenzhen Zhongtou Huaxun Terahertz 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 Shenzhen Zhongtou Huaxun Terahertz Technology Co ltd filed Critical Shenzhen Zhongtou Huaxun Terahertz Technology Co ltd
Priority to CN201910361756.1A priority Critical patent/CN110148209B/zh
Publication of CN110148209A publication Critical patent/CN110148209A/zh
Application granted granted Critical
Publication of CN110148209B publication Critical patent/CN110148209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing

Abstract

本申请公开一种人体模型生成方法、图像处理设备及具有存储功能的装置，该方法包括：获取形状参数；将所述形状参数输入参考人体模型中，生成所述形状参数对应的第一人体模型；其中，所述参考人体模型是以平均数量的人体点云预先建立的人体三维模型，所述形状参数是表征所述第一人体模型的形状的参数。通过上述方式，本申请能够采用相同数量的点云表达不同人体，降低模型重建的计算量，提高建模速度。

Description

人体模型生成方法、图像处理设备及具有存储功能的装置
技术领域
本申请涉及图像处理技术领域，特别是涉及一种人体模型生成方法、图像处理设备及具有存储功能的装置。
背景技术
在三维的世界里，通常用网格来表达人体的形状和姿态。由于每个人在形状上有所不同，因此表达不同人的网格数据也不同，建立不同人体网格所需的点云数量也不同，从而导致点云数据过多，且每次均需要重新利用点云数据建立三维网格模型，计算量巨大，建模速度慢。
发明内容
本申请主要提供一种人体模型生成方法、图像处理设备及具有存储功能的装置，能够采用相同数量的点云表达不同人体，降低模型重建的计算量，提高建模速度。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种人体模型生成方法，包括：获取形状参数；将所述形状参数输入参考人体模型中，生成所述形状参数对应的第一人体模型；其中，所述参考人体模型是以平均数量的人体点云预先建立的人体三维模型，所述形状参数是表征所述第一人体模型的形状的参数。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种图像处理设备，包括：相互连接的存储器和处理器；所述存储器用于存储所述处理器执行所需的程序和数据；所述处理器用于执行程序以实现如上所述的人体模型生成方法。
为解决上述技术问题，本申请采用的又一个技术方案是：提供一种具有存储功能的装置，存储有指令，该指令被执行时实现如上所述的人体模型生成方法。
本申请的有益效果是：区别于现有技术的情况，本申请的实施例中，获取形状参数后，将所述形状参数输入参考人体模型中，即可生成所述形状参数对应的第一人体模型，从而利用形状参数调整预先建立的以平均数量的人体点云预先建立的人体三维模型，即可快速得到该形状参数对应的人体三维模型，且该三维模型采用的点云数量与参考人体模型一致，因此不需要根据不同人体采用不同点云数量重新建立人体模型，有效降低建模计算量，提高建模速度。
附图说明
图1是本申请一种人体模型生成方法第一实施例的流程示意图；
图2是图1中步骤S11之前的步骤的流程示意图；
图3是图2中步骤的具体流程示意图；
图4是本申请一种人体模型生成方法第二实施例的流程示意图；
图5是图4中步骤S22的具体流程示意图；
图6是本申请一种图像处理设备一实施例的结构示意图；
图7是本申请一种具有存储功能的装置一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在三维世界中，通常采用三维网格数据表达人体的形状和姿态。其中，网格数据通常是由空间三角形组成的，在数据存储上，保存为一个点云，和每个三角形三个顶点在点云里的索引。
例如下面的点云和索引数据就表达了两个三角形组成的网格。
点云数据如下：
三角形顶点索引如下：
1 2 3
1 4 5
此处，第一个三角形由点云里的第1，2，3个点连接而成，第二个三角形由点云里的1，4，5个点连接而成。
虽然每个人在形状上有所不同，但是每个人都有一些共同点，比如都有眼睛、鼻子、两条腿。由此，本申请的发明人发现，可以用统一的网格数据来表示不同形状的人。当网格里只有一个三角形时，改变点云里点的坐标，就可以表达不同形状的三角形。因此，本申请提出一种人体模型生成方法，在保持三角形顶点索引不变，保持点云里点的个数不变的情况下，改变点云里点的坐标，就可以表达不同形状的人体。
具体如图1所示，本申请一种人体模型生成方法第一实施例包括：
S11：获取形状参数。
S12：将该形状参数输入参考人体模型中，生成该形状参数对应的第一人体模型。
其中，参考人体模型是以平均数量的人体点云预先建立的人体三维模型。具体地，可以预先设定的人体点云数量获取点云数据，然后建立一个可以根据输入的形状参数改变点云坐标的人体三维模型。
形状参数是表征第一人体模型的形状的参数。该形状参数可以包括人体在不同方向上的形状变化数据，该形状变化数据是相对于以该预先设定的人体点云数量建立的基础人体模型而言的。例如，该形状参数可以是相同三角形索引的点云的坐标偏移量等。
该形状参数可以是由用户输入的参数，也可以是通过设备采集后生成的参数，其可以保存在设备内存中，也可以保存在外部设备中，在需要时通过通信接口获取。
可选地，在获取该形状参数之前，需要先建立该参考人体模型。具体如图2所示，步骤S11之前，包括：
S101：获取平均数量的人体点云和人体点云在不同方向上的基础坐标偏移量。
其中，该平均数量的人体点云可以是采用预先设定的平均数量对某次获取的人体点云数据进行采样得到，也可以是利用多个人体点云数据，对相同位置的点云(例如眼睛部位的点云)坐标和数量进行平均化处理得到的人体点云，或者上述两种方式结合得到。该人体点云在不同方向上的基础坐标偏移量类似于人体形状在向量空间里的一组基。该基础坐标偏移量可以通过对多个人体网格数据进行分析得到。
可选地，如图3所示，步骤S101包括：
S1011：获取N个相同姿态人体的人体网格数据，形成人体数据库。
其中，该N个人体网格数据为相同姿态的人体网格数据，其可以包括多个形状(例如高矮胖瘦四个形状)的人体网格数据。N的取值具体根据实际需求设置，例如在800～1200之间，具体可取800、900或1200等。
具体地，在一个应用例中，可以预先通过采集设备(例如三维人体扫描仪等)采集不同身高、不同体重、不同性别的1000个人体的三维网格数据，形成人体数据库。
S1012：设定标准人体网格，改变标准人体网格里点云的坐标，得到N个形变后的人体网格。
其中，每个形变后的人体网格的形状与人体数据库中的一个人体相似。
首先设定一个标准人体网格，该标准人体网格的姿态与人体数据库中的人体一致。例如，通过计算人体数据库中的人体网格数据的平均点云数量，及平均点云坐标，然后进行网格建模得到该标准人体网格；或者通过采集设备获取一标准身材人体的网格数据作为该标准人体网格。
然后，对于人体数据库里的每个人体网格数据，通过改变标准人体网格里点云的坐标来使得标准人体网格在形状上与人体数据库里的人体相似。具体地，可以使用非刚体配准的方法对该标准人体网格进行处理，以得到N个形变后的人体网格。同时，可以使用该N个形变后的人体网格替换人体数据库中的人体网格，从而使得人体数据库中的每个人体网格都具有相同数量的三角形和相同数量的点云，只不过人体网格里的点云坐标不一致。
S1013：平移旋转形变后的人体网格，以使得形变后的人体网格的位置差距在容许范围内。
虽然人体数据库中的人体网格在采集时，被采集的人体的姿态一致，但是每个人体站立的位置及形状各不相同，因此为了便于分析比对，需要每个人都尽量靠近，即人体网格数据的位置差距在容许范围内。其中该容许范围可以根据精度需求确定，例如边缘坐标的距离差小于0.5cm。具体可以使用刚体配准方法对形变后的人体网格进行平移旋转处理。
S1014：将N个平移旋转后的形变后的人体网格组成N个网格向量，并使用主成分分析法对该N个网格向量进行分析，以得到N个网格向量的平均向量和N个特征向量。
其中，该平均向量中的点云数据即为平均数量的人体点云。
具体地，假设标准人体网格里的点云有n个点，每个经过步骤S1012和S1013形变并平移旋转后的人体网格可以组成一个长度为3n的列向量，则N个人体网格可以形成N个长度为3n的列向量，即N个网格向量。该N个列向量中点云数据的平均值，即为该平均数量的人体点云。
S1015：将该N个特征向量根据对应的特征值从大到小进行排序，选择前k个特征向量作为基础坐标偏移量。
其中，k<＝N，k的具体取值可以根据实际需求设置，例如k取100。
针对该N个列向量，可以使用主成分分析法(Principal Component Analysis，PCA)对该N个列向量进行分析，可以得到N个特征值和N个特征向量，其中每个特征值对应一个特征向量。然后，按照特征值从大到小的顺序，可以将特征向量进行排序。最后可以取前k个特征向量作为该基础坐标偏移量。
S102：根据该人体点云和基础坐标偏移量，建立参考人体模型。
在上述应用例中，通过多个人体点云数据进行均值处理得到该预先设定的人体点云数量，对获取的预先设定的人体点云数量的人体点云数据进行建模，可以得到一具有形状参数的人体三维模型，即得到该参考人体模型。然后通过输入形状参数，该参考人体模型即可以输出对应的第一人体模型，该第一人体模型即是根据该形状参数确定的人体网格模型。
可选地，在建立该参考人体模型时，可以首先建立基础人体点云矩阵后，叠加具有形状参数的偏移矩阵，以形成该参考人体模型。具体如图3所示，步骤S102包括：
S1021：利用该基础坐标偏移量形成偏移矩阵。
其中，该基础坐标偏移量可以通过上述步骤S101获得。
S1022：以基础人体点云矩阵叠加偏移矩阵，以得到形状参考人体模型。
其中，该基础人体点云矩阵为平均数量的人体点云形成的基础人体矩阵，该偏移矩阵为基础人体点云矩阵根据形状参数变换的偏差矩阵。
具体地，在形成偏移矩阵时，可以利用形状参数调整基础坐标偏移量，以得到不同方向上相对于基础人体点云矩阵的偏差。然后将基础人体点云矩阵与偏移矩阵进行叠加处理，即可以得到可以形状参考人体模型，该形状参考人体模型可以根据形状参数调整，以表达不同形状的人体。其中，该形状参考人体模型的点云索引与标准人体网格相同。此处，可将该形状参考人体模型作为该参考人体模型。
例如，假设平均数量的人体点云中点云个数为N，则人体点云矩阵可用N行3列的矩阵表示，此时可以采用如下公式(1)获取该形状参考人体模型：
其中，为以矩阵形式表示的形状参考人体模型，/>为基础人体点云矩阵，Si为以矩阵形式表示的基础坐标偏移量，βi为形状参数，K为形状参数的个数。/> 和Si均为N行3列矩阵，βi为单个数。
本实施例中，利用形状参数调整预先建立的以平均数量的人体点云预先建立的人体三维模型，即可快速得到该形状参数对应的人体三维模型，且该三维模型采用的点云数量与参考人体模型一致，因此不需要根据不同人体采用不同点云数量重新建立人体模型，有效降低建模计算量，提高建模速度。
在其他实施例中，参考人体模型还可以根据人体姿态生成对应姿态的人体模型。
具体如图4所示，本申请一种人体模型生成方法第二实施例包括：
S21：获取姿态参数。
S22：将姿态参数输入参考人体模型或者第一人体模型中，生成该姿态参数对应的第二人体模型。
其中，该参考人体模型同样是以平均数量的人体点云预先建立的人体三维模型。该参考人体模型具有形状参数和姿态参数，通过调整姿态参数，即可以生成不同姿态的人体三维模型。
姿态参数是表征第二人体模型姿态的参数。该姿态参数包括人体不同部位的角度，例如不同关节的旋转角度。该姿态参数可以表征人体的动作。该姿态参数可以是相对于以该以该预先设定的人体点云数量建立的基础人体模型而言的，也可以是相对于该第一人体模型而言的。
该姿态参数可以是由用户输入的参数，也可以是通过设备采集后生成的参数，其可以保存在设备内存中，也可以保存在外部设备中，在需要时通过通信接口获取。
其中，上述步骤S21～S22可以在步骤S12之后执行，也可以在S12之前执行。
具体地，在建立该第二人体模型时，即调整一个人体网络的姿态时，可以采用顶点动画方法根据姿态参数移动点云位置，也可以采用骨骼动画方法根据姿态参数移动关节并带动相关皮肤点云移动。优选地，本实施例采用骨骼动画方法，其更符合人体生理构造。例如，以该形状参考人体模型为人体皮肤数据，根据骨骼蒙皮算法建立参考人体模型。
其中，骨骼蒙皮算法可以采用刚性蒙皮算法，也可以采用柔性蒙皮算法。优选地，本实施例采用柔性蒙皮算法，可以采用线性混合蒙皮算法、球面混合蒙皮算法或双四元数线性混合算法中的一种。
可选地，如图5所示，步骤S22包括：
S221：以人体皮肤数据为人体顶点坐标矩阵，设定人体顶点坐标矩阵与人体关节点的权重矩阵。
其中，该形状参考人体模型可作为人体皮肤数据，即该形状参考人体模型中的点云数据即为人体皮肤数据。将该人体皮肤数据以矩阵形式表示，即得到该人体顶点坐标矩阵。
人体运动时，一个皮肤顶点可能受到一个或者多个骨骼关节的影响，在确定皮肤顶点变化后的新位置时，需要由这些产生影响的骨骼关节共同决定，这样更符合实际中骨骼和皮肤的对应关系。
为了便于计算机进行运算，确定骨骼关节对皮肤顶点的影响时，可以采用矩阵形式进行表示。例如，假设有M个关节点，N个皮肤点云，则可采用M行N列的矩阵表示该权重矩阵。
该权重矩阵可以由用户输入，也可以由经验数据产生。对于每个顶点对于关节点的权重，可以设置为统一值。
S222：将人体顶点坐标矩阵与该权重矩阵相乘，得到骨骼关节点矩阵。
由于皮肤顶点的位置与骨骼关节点的位置相关，人体姿态变化可以由骨骼关节点位置表达，因此获取皮肤顶点的位置需要获取骨骼关节点矩阵。
假设人体有M个骨骼关节点，可以使用如下公式(2)求出对应的关节点坐标：
其中，为骨骼关节点矩阵，为M行3列的矩阵；/>为人体顶点坐标矩阵，为N行3列的矩阵；H为该权重矩阵，为M行N列的矩阵；*为矩阵乘法运算。
S223：根据该骨骼关节点矩阵计算蒙皮矩阵。
其中，蒙皮矩阵为关节点根据姿态参数变换的绝对矩阵。蒙皮矩阵表示在模型初始参考姿态下，例如形状参考模型的姿态为初始姿态，与顶点相关的第i个骨骼由本地坐标转换为世界坐标的转换矩阵，即该蒙皮矩阵。通过蒙皮矩阵能将骨骼i从初始姿态转换到由姿态参数θ决定的新姿态，即从初始位置转换到新位置上。
S224：以该骨骼关节点矩阵、蒙皮矩阵形成变换矩阵调整该人体顶点坐标矩阵，以得到参考人体模型。
变换矩阵是将皮肤顶点从初始位置转换到新位置的转换矩阵。其中，变换矩阵的形式与采用的具体骨骼蒙皮算法相关，不同算法其变换矩阵不同。
其中，通过骨骼关节点矩阵，可以反向推出影响皮肤顶点的骨骼，并确定其影响权重。
具体地，可以采用如下公式(3)得到该参考人体模型：
其中，为该参考人体模型，以骨骼蒙皮算法采用线性混合蒙皮算法为例，矩阵的每个元素，即每个人体顶点可以采用如下公式(4)表示：
其中，V为顶点变换后的世界坐标系中的位置，为模型初始状态的顶点位置，i表示影响该顶点的骨骼索引，n为同时影响该顶点的骨骼数量，一般取2-4的范围。wi为第i个骨骼对该顶点的影响权重，取0-1之间的值，所有wi之和为1。每个顶点的/>可以组成该变换矩阵。
本实施例中建立的参考人体模型，可以根据输入的形状参数和姿态参数生成对应的人体三维模型，从而可以得到不同形状和姿态的人体，有利于提高建模效率。
如图6所示，本申请一种图像处理设备一实施例中，图像处理设备100包括：相互连接的存储器110和处理器120。
其中，存储器110用于存储处理器120执行所需的程序和数据，例如形状参数、参考人体模型等。
处理器120控制图像处理设备100的操作，处理器120还可以称为CPU(CentralProcessing Unit，中央处理单元)。处理器120可能是一种集成电路芯片，具有信号的处理能力。处理器120还可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
处理器120用于执行程序以实现如本申请一种人体模型生成方法第一或第二实施例所提供的方法。
当然，在其他实施例中，图像处理设备100还可以包括通信电路(图未示)、显示器(图未示)、摄像头(图未示)等其他部件，此处不做具体限定。
本实施例中，图像处理设备利用形状参数调整预先建立的以平均数量的人体点云预先建立的人体三维模型，即可快速得到该形状参数对应的人体三维模型，且该三维模型采用的点云数量与参考人体模型一致，因此不需要根据不同人体采用不同点云数量重新建立人体模型，有效降低建模计算量，提高建模速度。
如图7所示，本申请一种具有存储功能的装置一实施例中，具有存储功能的装置200存储有指令210，该指令210被执行时实现如本申请一种人体模型生成方法第一或第二实施例所提供的方法。
其中，具有存储功能的装置200可以是便携式存储介质如U盘、光盘，也可以是安检仪、服装定制设备、智能终端、服务器或可集成于上述设备中的独立部件，例如芯片等。
在一个应用例中，具有存储功能的装置200可以是如图6中的存储器110。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (8)

1.一种人体模型生成方法，其特征在于，包括：
获取形状参数；
将所述形状参数输入参考人体模型中，生成所述形状参数对应的第一人体模型；
其中，所述参考人体模型是以平均数量的人体点云预先建立的人体三维模型，所述形状参数是表征所述第一人体模型的形状的参数；
所述获取形状参数之前，包括：
获取所述平均数量的人体点云和人体点云在不同方向上的基础坐标偏移量；
根据所述人体点云和所述基础坐标偏移量，建立所述参考人体模型；
所述获取所述平均数量的人体点云和人体点云在不同方向上的基础坐标偏移量包括：
获取N个相同姿态人体的人体网格数据，形成人体数据库；
设定标准人体网格，改变所述标准人体网格里点云的坐标，得到N个形变后的人体网格，其中每个所述形变后的人体网格的形状与所述人体数据库中的一个人体相似；
平移旋转所述形变后的人体网格，以使得所述形变后的人体网格的位置差距在容许范围内；
将N个平移旋转后的所述形变后的人体网格组成N个网格向量，并使用主成分分析法对所述N个网格向量进行分析，以得到所述N个网格向量的平均向量和N个特征向量，其中所述平均向量中的点云数据即为所述平均数量的人体点云；
将所述N个特征向量根据对应的特征值从大到小进行排序，选择前k个所述特征向量作为所述基础坐标偏移量。
2.根据权利要求1所述的方法，其特征在于，进一步包括：
获取姿态参数；
将所述姿态参数输入所述参考人体模型或者所述第一人体模型中，生成所述姿态参数对应的第二人体模型；
其中，所述姿态参数是表征所述第二人体模型姿态的参数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述人体点云建立和所述基础坐标偏移量，所述参考人体模型包括：
利用所述基础坐标偏移量形成偏移矩阵；
以基础人体点云矩阵叠加所述偏移矩阵，以得到形状参考人体模型；
其中，所述基础人体点云矩阵为所述平均数量的人体点云形成的基础人体矩阵，所述偏移矩阵为所述基础人体点云矩阵根据所述形状参数变换的偏差矩阵。
4.根据权利要求3所述的方法，其特征在于，所述以基础人体点云矩阵叠加所述偏移矩阵，以得到形状参考人体模型之后，还包括：
以所述形状参考人体模型为人体皮肤数据，根据骨骼蒙皮算法建立所述参考人体模型。
5.根据权利要求4所述的方法，其特征在于，所述以所述形状参考人体模型为人体皮肤数据，根据骨骼蒙皮算法建立所述参考人体模型包括：
以所述人体皮肤数据为人体顶点坐标矩阵，设定所述人体顶点坐标矩阵与人体关节点的权重矩阵；
将所述人体顶点坐标矩阵与所述权重矩阵相乘，得到骨骼关节点矩阵；
根据所述骨骼关节点矩阵计算蒙皮矩阵，所述蒙皮矩阵为关节点根据所述姿态参数变换的绝对矩阵；
以所述骨骼关节点矩阵、所述蒙皮矩阵形成变换矩阵调整所述人体顶点坐标矩阵，以得到所述参考人体模型。
6.根据权利要求4所述的方法，其特征在于，所述骨骼蒙皮算法包括线性混合蒙皮算法、球面混合蒙皮算法或双四元数线性混合算法。
7.一种图像处理设备，其特征在于，包括：相互连接的存储器和处理器；
所述存储器用于存储所述处理器执行所需的程序和数据；
所述处理器用于执行程序以实现如权利要求1-6任一项所述的人体模型生成方法。
8.一种具有存储功能的装置，存储有指令，其特征在于，所述指令被执行时实现如权利要求1-6任一项所述的人体模型生成方法。
CN201910361756.1A 2019-04-30 2019-04-30 人体模型生成方法、图像处理设备及具有存储功能的装置 Active CN110148209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910361756.1A CN110148209B (zh) 2019-04-30 2019-04-30 人体模型生成方法、图像处理设备及具有存储功能的装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910361756.1A CN110148209B (zh) 2019-04-30 2019-04-30 人体模型生成方法、图像处理设备及具有存储功能的装置

Publications (2)

Publication Number Publication Date
CN110148209A CN110148209A (zh) 2019-08-20
CN110148209B true CN110148209B (zh) 2023-09-15

Family

ID=67594802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910361756.1A Active CN110148209B (zh) 2019-04-30 2019-04-30 人体模型生成方法、图像处理设备及具有存储功能的装置

Country Status (1)

Country Link
CN (1) CN110148209B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111445561B (zh) * 2020-03-25 2023-11-17 北京百度网讯科技有限公司 虚拟对象的处理方法、装置、设备及存储介质
CN111861822B (zh) * 2020-06-03 2023-11-21 四川大学华西医院 病人模型构建方法、设备和医学教育系统
CN115458128B (zh) * 2022-11-10 2023-03-24 北方健康医疗大数据科技有限公司 一种基于关键点生成数字人体影像的方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794722A (zh) * 2015-04-30 2015-07-22 浙江大学 利用单个Kinect计算着装人体三维净体模型的方法
WO2016207311A1 (en) * 2015-06-24 2016-12-29 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Skinned multi-person linear model
CN107403463A (zh) * 2016-05-18 2017-11-28 西门子保健有限责任公司 在成像系统中具有非刚性部分的人体表示
CN108629831A (zh) * 2018-04-10 2018-10-09 清华大学 基于参数化人体模板和惯性测量的三维人体重建方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180286071A1 (en) * 2017-03-30 2018-10-04 Body Surface Translations Inc. Determining anthropometric measurements of a non-stationary subject

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794722A (zh) * 2015-04-30 2015-07-22 浙江大学 利用单个Kinect计算着装人体三维净体模型的方法
WO2016207311A1 (en) * 2015-06-24 2016-12-29 MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. Skinned multi-person linear model
CN107403463A (zh) * 2016-05-18 2017-11-28 西门子保健有限责任公司 在成像系统中具有非刚性部分的人体表示
CN108629831A (zh) * 2018-04-10 2018-10-09 清华大学 基于参数化人体模板和惯性测量的三维人体重建方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
基于Kinect的三维人体分块点云数据的拼接与模型重建;禹素萍等;《计算机应用与软件》;20160115(第01期);全文 *
基于尺寸建立个性化人体模型的方法;高一荻等;《计算机科学》;20171215(第12期);全文 *
基于平均体模型的标准中间体人台建模方法;杨子田等;《天津工业大学学报》;20150425(第02期);全文 *
数字化服装三维人体建模方法综述;张小妞等;《山东纺织科技》;20180620(第03期);全文 *

Also Published As

Publication number Publication date
CN110148209A (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN110148209B (zh) 人体模型生成方法、图像处理设备及具有存储功能的装置
US10402517B2 (en) Musculo-skeletal modeling using finite element analysis, process integration, and design optimization
CA2619281C (en) Transforming a submitted image of a person based on a condition of the person
EP3992919B1 (en) Three-dimensional facial model generation method and apparatus, device, and medium
CN110827342A (zh) 三维人体模型重建方法及存储设备、控制设备
Bro-Nielsen Modelling elasticity in solids using active cubes—application to simulated operations
US11393168B2 (en) Generating an anatomy based on weights of selected template anatomies
CA2617227C (en) Deformable model for segmenting patient contours versus support structures in medical images
EP3324366A1 (en) Computer-implemented method for simulating a body taking a posture
US20220180607A1 (en) Method and system for generating a new anatomy
CN109064472B (zh) 一种脊椎骨的三维空间模型拟合平面的拟合方法及装置
WO2018156087A1 (en) Finite-element analysis augmented reality system and method
CN101356549A (zh) 用于生成对动画模型性态进行近似的膨化组件的方法
US7409322B2 (en) Mass set estimation for an object using variable geometric shapes
AU2021227740A1 (en) Face mesh deformation with detailed wrinkles
US6483506B1 (en) System and method for generating computer animated graphical images of a vascular structure attached to an anatomical structure
CN115908664B (zh) 人机交互的动画生成方法、装置、计算机设备、存储介质
Tsai et al. Two-phase optimized inverse kinematics for motion replication of real human models
Yano et al. A facial expression parameterization by elastic surface model
CN116912433B (zh) 三维模型骨骼绑定方法、装置、设备及存储介质
Saito et al. Model-based 3D human shape estimation from silhouettes for virtual fitting
EP3436992A1 (en) Biomechanical model generation for human or animal torsi
CN115972202A (zh) 控制机械臂操作的方法、机器人、设备、介质和产品
CN114373040A (zh) 一种三维模型重建方法和采集终端
Kasap et al. Customizing and populating animated digital mannequins for real-time application

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518102 room 430, building 37, chentian Industrial Zone, Baotian 1st Road, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen Zhongtou Huaxun Terahertz Technology Co.,Ltd.

Address before: 518102 room 430, building 37, chentian Industrial Zone, Baotian 1st Road, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN CCT THZ TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant