CN112270731A - 一种服饰试穿戴方法及装置 - Google Patents

一种服饰试穿戴方法及装置 Download PDF

Info

Publication number
CN112270731A
CN112270731A CN202011145457.3A CN202011145457A CN112270731A CN 112270731 A CN112270731 A CN 112270731A CN 202011145457 A CN202011145457 A CN 202011145457A CN 112270731 A CN112270731 A CN 112270731A
Authority
CN
China
Prior art keywords
model
human body
characteristic points
standard
body type
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.)
Pending
Application number
CN202011145457.3A
Other languages
English (en)
Inventor
黄小恭
洪肇设
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.)
Fujian Qipai Fashion Technology Co ltd
Original Assignee
Fujian Qipai Fashion 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 Fujian Qipai Fashion Technology Co ltd filed Critical Fujian Qipai Fashion Technology Co ltd
Priority to CN202011145457.3A priority Critical patent/CN112270731A/zh
Publication of CN112270731A publication Critical patent/CN112270731A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种服饰试穿戴方法及装置，所述服饰试穿戴方法包括：构建标准人体模型和与所述标准人体模型匹配且与各服饰对应的标准服饰模型；获取用户的体型信息和其所选服饰，根据该体型信息对标准人体模型和与用户所选服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到与所述体型信息匹配的修正人体模型和与所述修正人体模型匹配的修正服饰模型；将所述修正服饰模型的模型图片覆盖于所述修正人体模型的模型图片，向用户展示试穿戴效果。本发明的服饰试穿戴方法及装置，能够针对不同体型的用户进行适应性调节，以提供符合不同用户体型的试穿戴效果并提高用户体验。

Description

一种服饰试穿戴方法及装置
技术领域
本发明涉及虚拟试衣技术领域，更具体来讲，涉及一种服饰试穿戴方法及装置。
背景技术
服装时尚行业产品推尘出新的速度很快，大型的服装配件供应商往往都有一个巨大产品库，能为消费者提供的产品非常多。
在线下服务场景，由于销售门店的陈列面积有限，陈列区所陈列出的通常只可能是部分衣物的样品，同一款衣物所陈列出的数量有限，甚至可能每款只有一件，降低了消费者选购到喜欢服装的概率。此外，消费者在门店试穿服装费时费力，可能刚好喜欢的款式却没有自己可以穿的尺码。
为了解决上述问题，一些供应商推出了线上服务场景，即通过移动设备上的应用程序，用户可以看到喜欢的服装在标准模特上的试穿效果。然而，消费者只能根据标准模特的试穿效果去判断服装与自身体型的匹配程度，无法直观地看到衣服上身后的效果，导致产品购买后的售后情况较为严重，影响了用户体验且提高了供应商的销售成本。
发明内容
本发明的目的在于解决上述技术问题或缺陷，提供一种服饰试穿戴方法及装置，其能够针对不同体型的用户进行适应性调节，以提供符合不同用户体型的试穿戴效果，提高用户体验。
为实现上述目的，本发明的第一方面提供了技术方案一：一种服饰试穿戴方法，其包括：步骤1：构建标准人体模型和与所述标准人体模型匹配且与各服饰对应的标准服饰模型；所述标准人体模型和标准服饰模型均包括标记有骨骼特征点和外轮廓特征点的模型图片；步骤2：获取用户的体型信息和其所选服饰，根据该体型信息对标准人体模型和与用户所选服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到与所述体型信息匹配的修正人体模型和与所述修正人体模型匹配的修正服饰模型；步骤3：将所述修正服饰模型的模型图片覆盖于所述修正人体模型的模型图片，向用户展示试穿戴效果。
技术方案一中，考虑到不同用户不仅具有不同的骨骼特征，即便是在骨骼特征相同的情况下也可能具有不同的外轮廓特征，因而本发明根据用户体型信息对标准人体模型和标准服饰模型的骨骼特征点和外轮廓特征点均进行修正，使得经修正后的人体模型和服饰模型在骨骼特征和外轮廓特征两方面均与用户体型高度匹配，从而能够展示出适应于用户体型的试穿戴效果。用户根据该试穿戴效果购买服饰后，其实际试穿戴效果不会与本发明的虚拟试穿戴效果偏离较远，因而具有较好的用户体验，且能够有效降低供应商的销售成本。
基于技术方案一，本发明还提供了技术方案二：步骤1中所述标准人体模型和标准服饰模型通过如下步骤构建：步骤11：拍摄标准模特照片和将各服饰分别穿戴于所述标准模特的照片；步骤12：以标准模特、各服饰作为主体对象，对拍摄所获得的照片进行去背景处理，并得到尺寸一致的模型图片；步骤13：将模型图片上与标准模特的骨骼对应的像素点标记为骨骼特征点，将模型图片上与相应主体对象的外轮廓对应的像素点标记为外轮廓特征点。
技术方案二对标准人体模型和标准服饰模型的构建提供了具体的实现方法，通过技术方案二将拍摄所获得的照片进行去背景处理并得到尺寸一致的模型图片，从而在后续对人体模型和服饰模型的模型图片进行覆盖操作或其他操作时，无需对二者进行基准对齐处理，简化了后续操作时的处理量并提高了准确性。
基于技术方案二，本发明还提供了技术方案三：所述步骤2具体为：步骤21：获取并根据用户的体型信息对标准人体模型的骨骼特征点和外轮廓特征点进行修正，得到所述修正人体模型；步骤22：计算并分别根据所述修正人体模型与标准人体模型在骨骼特征点和外轮廓特征点上的差异，在获取用户所选服饰后对与该服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到所述修正服饰模型。
技术方案三提供了对标准人体模型和标准服饰模型进行修正的实现方法，其通过先对标准人体模型的骨骼特征点和外轮廓特征点进行修正，再将修正后的修正人体模型与标准人体模型在骨骼特征点和外轮廓特征点上的差异对应地映射到标准服饰模型上，从而分别完成对标准服饰模型在骨骼特征点和外轮廓特征点上的修正，这不仅克服了服饰模型与用户体型信息因无直接关联而难以根据用户体型信息对其修正的问题，还简化了对标准服饰模型修正过程的运算量，提高了处理效率。
基于技术方案三，本发明还提供了技术方案四：所述体型信息包含多项体型指标，所述方法在所述步骤21前还建立有体型数据库，所述体型数据库储存有体型指标与多个相应的骨骼特征点的对应关系；所述步骤21中对标准人体模型的骨骼特征点的修正通过如下步骤进行：步骤211：获取并根据所述体型信息在所述体型数据库中调用该体型信息所包含的体型指标与相应骨骼特征点的对应关系，计算出与所述体型信息对应的目标骨骼特征点的位置；步骤212：根据所述目标骨骼特征点对所述标准人体模型的骨骼特征点进行调整，得到中间人体模型。
技术方案四提供了对标准人体模型的骨骼特征点进行修正的具体实现方法，通过事先建立体型数据库，从而可以根据用户的体型信息调用体型指标与骨骼特征点的对应关系并计算获得目标骨骼特征点，根据该目标骨骼特征点即可对标准人体模型的骨骼特征点进行调整，得到与用户骨骼特征高度吻合的中间人体模型。
基于技术方案四，本发明还提供了技术方案五：所述体型数据库通过如下步骤构建：步骤A：对多个具有不同体型信息的样本模特拍摄样本照片；步骤B1：采用AlphaPose系统对每张样本照片均进行骨骼特征点的训练，以获得每张样本照片的骨骼特征点；步骤C1：根据每个样本模特的体型信息与相应样本照片的骨骼特征点，建立各体型指标与骨骼特征点的重回归模型函数。
技术方案五提供了构建体型数据库使其具有体型指标与骨骼特征点的对应关系的具体实现方法，其通过对大量对应了不同体型信息的样本照片采用人工智能训练的方式得到样本照片的骨骼特征点，并使用所获得的骨骼特征点建立其与体型信息的重回归函数模型，便于根据用户体型信息调用该重回归函数模型并计算得到与用户体型信息对应的骨骼特征点。
基于技术方案四，本发明还提供了技术方案六：所述多项体型指标至少包含一项像素关联指标，所述体型数据库还储存有所述像素关联指标与人体模型的模型图片的像素数的对应关系；所述步骤21中对标准人体模型的外轮廓特征点的修正通过如下步骤进行：步骤213：计算所述中间人体模型的像素数N1；步骤214：根据所述体型信息的像素关联指标在所述体型数据库中调用所述像素关联指标与模型图片的像素数的对应关系，计算与该像素关联指标对应的目标像素数N2；步骤215：根据所述中间人体模型的像素数N1与目标像素数N2的差值，并以其他体型指标为拟合对象，采用图像变形算法对所述中间人体模型的外轮廓特征点进行调整，得到所述修正人体模型；其中，所述其他体型指标包含胸围指标、腰围指标和臀围指标的至少其中一项。
技术方案六提供了对标准人体模型的外轮廓特征点进行修正的具体实现方法，其通过事先建立包括像素关联指标和像素数的对应关系的体型数据库，根据用户的体型信息调用该像素关联指标与像素数的对应关系以计算获得目标像素数，随后根据像素数的差值以胸围指标、腰围指标和臀围指标等体型指标为拟合对象，采用图像变形算法对外轮廓特征点进行调整，可以很好地消除中间人体模型和用户体型对应的模型图片应当具有的像素数(即目标像素数)的差值，得到与用户外轮廓特征高度吻合的修正人体模型。可以看出，技术方案六充分考虑了对用户外轮廓特征影响较大的部位，并根据其在用户体型对应的模型图片中所反映出的不同像素数作为目标值，以三围指标为拟合对象对人体模型的外轮廓特征点进行调整，从而能够对人体模型的外轮廓特征点进行准确且符合用户体型地调整，得到的修正人体模型与用户外轮廓特征吻合度较高，匹配效果好。
基于技术方案六，本发明还提供了技术方案七：所述体型数据库通过如下步骤构建：步骤A：对多个具有不同体型信息的样本模特拍摄样本照片；步骤B2：采用深度学习算法对每张样本照片进行语义分割模型的训练，得到并计算每张样本照片的语义分割图像的像素数；步骤C2：根据每个样本模特的体型信息中的像素关联指标与相应样本照片的语义分割图像的像素数，建立所述像素关联指标与像数素的重回归模型函数。
技术方案七提供了构建体型数据库使其具有像素关联指标与像素数的对应关系的具体实现方法，其通过对大量对应了不同体型信息的样本照片采用深度学习算法进行语义分割模型的训练得到语义分割图像，并使用所获得的语义分割图像的像素数其与像素关联指标的重回归函数模型，便于根据用户体型信息调用该重回归函数模型并计算得到与用户体型信息对应的目标像素数，进而用于调整标准服饰模型的外轮廓特征点。
基于技术方案六，本发明还提供了技术方案八：所述步骤22具体为：根据所述中间人体模型与所述标准人体模型的骨骼特征点的差值，对所述标准服饰模型的骨骼特征点进行调整，得到中间服饰模型；根据所述修正人体模型与所述中间人体模型的外轮廓特征点的差值，对所述中间服饰模型的外轮廓特征点进行调整，得到所述修正服饰模型。
技术方案八提供了对标准服饰模型的骨骼特征点和外轮廓特征点进行修正的具体实现方法，通过标准人体模型在骨骼特征点和外轮廓特征点上的修正结果来分别映射标准服饰模型在骨骼特征点和外轮廓特征点上的修正，简化了对标准服饰模型修正过程的运算量，提高了处理效率。
基于技术方案一，本发明还提供了技术方案九：所述方法还包括：获取用户的真实照片；使用用户真实照片中与用户人脸对应的区域替换所述修正人体模型的模型图片中与标准人体的人脸对应的区域，得到经人脸修正后的修正人体模型；所述步骤3为将所述修正服饰模型的模型图片覆盖于经人脸修正后的所述修正人体模型的模型图片，向用户展示试穿戴效果。
技术方案九为功能扩展性的技术方案，通过将用户真实照片的人脸部分扣出并用其替换修正人体模型的对应部分，使得本发明的虚拟试穿戴效果更具真实感和趣味感。
为实现上述目的，本发明的第二方面提供了技术方案十：一种服饰试穿戴装置，包括处理器；所述处理器用于执行如上述技术方案中任一项所述的服饰试穿戴方法。
技术方案十提供了对应于上述服饰试穿戴方法的装置，其继承了上述方法的全部优势。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域的普通技术人员来说，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他的附图。
图1是本发明实施例的试穿戴方法拍摄模特照片时的示意图；
图2是本发明实施例的试穿戴方法所获取的部分体型信息的示意图；
图3是本发明实施例的试穿戴方法的人体模型示意图，其上标记有骨骼特征点；
图4是本发明实施例的试穿戴方法的人体模型示意图，其上标记有外轮廓特征点；
图5是本发明实施例的试穿戴方法的服饰模型示意图，其上标记有骨骼特征点；
图6是本发明实施例的试穿戴方法的服饰模型示意图，其上标记有外轮廓特征点。
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，所描述的实施例是本发明的优选实施例，且不应被看作对其他实施例的排除。基于本发明实施例，本领域的普通技术人员在不作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的权利要求书、说明书及上述附图中，除非另有明确限定，如使用术语“第一”、“第二”或“第三”等，都是为了区别不同对象，而不是用于描述特定顺序。
本发明的权利要求书、说明书及上述附图中，如使用术语“包括”、“具有”以及它们的变形，意图在于“包含但不限于”。
参照图1-6，本发明实施例提供一种服饰试穿戴方法，其包括：
步骤1：构建标准人体模型和与所述标准人体模型匹配且与各服饰对应的标准服饰模型，所述标准人体模型和标准服饰模型均包括标记有骨骼特征点和外轮廓特征点的模型图片。
步骤2：获取用户的体型信息和其所选服饰，根据该体型信息对标准人体模型和与用户所选服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到与所述体型信息匹配的修正人体模型和与所述修正人体模型匹配的修正服饰模型。
步骤3：将所述修正服饰模型的模型图片覆盖于所述修正人体模型的模型图片，向用户展示试穿戴效果。
值得说明的是，本发明所指的服饰不局限于衣服、裤子等服装，还可以包括鞋类、箱包、配件等适于供用户穿戴的物品。此外，当用户需要试穿戴多件服饰时，本发明实施例的方法将以上层服饰模型的模型图片将作为裁切的依据，对下层服饰模型的模型图片进行裁切，再相互叠合以形成单面的试穿戴效果，该裁切处理的具体实现方法已为现有技术，故不再赘述。
可以看出，本发明实施例考虑到不同用户不仅具有不同的骨骼特征，即便是在骨骼特征相同的情况下也可能具有不同的外轮廓特征，因而本发明实施例根据用户体型信息对标准人体模型和标准服饰模型的骨骼特征点和外轮廓特征点均进行修正，使得经修正后的人体模型和服饰模型在骨骼特征和外轮廓特征两方面均与用户体型高度匹配，从而能够展示出适应于用户体型的试穿戴效果。用户根据该试穿戴效果购买服饰后，其实际试穿戴效果不会与本发明的虚拟试穿戴效果偏离较远，因而具有较好的用户体验，且能够有效降低供应商的销售成本。
以下对上述各步骤的具体实现方式做详细介绍。
所述步骤1具体为：
步骤11：拍摄标准模特照片和将各服饰分别穿戴于所述标准模特的照片。本实施例中，在拍摄时可以将模特平台配置为可旋转的以拍摄多个角度的照片，并供用户选择不同的试穿戴预览角度。进一步的，本发明实施例的方法还可以在所述步骤3中采用滚动视差方法来提升用户在多角度预览时的动态效果。
步骤12：以标准模特、各服饰作为主体对象，对拍摄所获得的照片进行去背景处理，并得到尺寸一致的模型图片。所述的去背景处理即为将照片中除主体部分以外的其他像素点去除并形成透明区域；所述的尺寸一致即为图片的分辨率一致。
步骤13：将模型图片上与标准模特的骨骼对应的像素点标记为骨骼特征点，将模型图片上与相应主体对象的外轮廓对应的像素点标记为外轮廓特征点。本实施例中，所述对模型图片上骨骼特征点和外轮廓特征点的标记可通过将像素点的坐标记录于与模型图片相关联的描述文件来完成。
可以理解的，本发明实施例将拍摄所获得的照片进行去背景处理并得到尺寸一致的模型图片，从而在后续对人体模型和服饰模型的模型图片进行覆盖操作或其他操作时，无需对二者进行基准对齐处理，简化了后续操作时的处理量并提高了准确性。
所述步骤2具体为：
步骤21：获取并根据用户的体型信息对标准人体模型的骨骼特征点和外轮廓特征点进行修正，得到所述修正人体模型。
步骤22：计算并分别根据所述修正人体模型与标准人体模型在骨骼特征点和外轮廓特征点上的差异，在获取用户所选服饰后对与该服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到所述修正服饰模型。
本发明实施例先对标准人体模型的骨骼特征点和外轮廓特征点进行修正，再将修正后的修正人体模型与标准人体模型在骨骼特征点和外轮廓特征点上的差异对应地映射到标准服饰模型上，从而分别完成对标准服饰模型在骨骼特征点和外轮廓特征点上的修正，这不仅克服了服饰模型与用户体型信息因无直接关联而难以根据用户体型信息对其修正的问题，还简化了对标准服饰模型修正过程的运算量，提高了处理效率。
具体而言，所述体型信息包含多项体型指标，其包括身高指标、体重指标、肩宽指标、腰围指标、胸围指标、臂长指标、腿长指标等，如图2所示。所述方法在所述步骤21前还建立有体型数据库，所述体型数据库储存有身高指标、肩宽指标、腰围指标、臂长指标、腿长指标等多个体型指标与多个相应的骨骼特征点的对应关系。此外，所述体重指标被定义为一项像素关联指标，其与人体模型的模型图片的像素数具有高度关联性。所述体型数据库还储存有所述体重指标与人体模型的模型图片的像素数的对应关系。
所述步骤21中对标准人体模型的骨骼特征点的修正通过如下步骤进行：
步骤211：获取并根据所述体型信息在所述体型数据库中调用该体型信息所包含的体型指标与相应骨骼特征点的对应关系，计算出与所述体型信息对应的目标骨骼特征点的位置。
步骤212：根据所述目标骨骼特征点对所述标准人体模型的骨骼特征点进行调整，得到中间人体模型。
本发明实施例通过事先建立体型数据库，从而可以根据用户的体型信息调用体型指标与骨骼特征点的对应关系并计算获得目标骨骼特征点，根据该目标骨骼特征点即可对标准人体模型的骨骼特征点进行调整，得到与用户骨骼特征高度吻合的中间人体模型。
相应的，所述步骤21中对标准人体模型的外轮廓特征点的修正通过如下步骤进行：
步骤213：计算所述中间人体模型的像素数N1。
步骤214：根据所述体重指标在所述体型数据库中调用该体重指标与模型图片的像素数的对应关系，计算与该体重指标对应的目标像素数N2。
步骤215：根据所述中间人体模型的像素数N1与目标像素数N2的差值，并以腰围指标、胸围指标为拟合对象，采用图像变形算法对所述中间人体模型的外轮廓特征点进行调整，得到所述修正人体模型。其中，所述图像变形算法可以为MLSR变形算法。
本发明实施例事先建立包括体重指标和像素数的对应关系的体型数据库，根据用户的体型信息调用该体重指标与像素数的对应关系以计算获得目标像素数，随后根据像素数的差值以胸围指标、腰围指标和臀围指标等体型指标为拟合对象，采用图像变形算法对外轮廓特征点进行调整，可以很好地消除中间人体模型和用户体型对应的模型图片应当具有的像素数(即目标像素数)的差值，得到与用户外轮廓特征高度吻合的修正人体模型。可以理解的，本发明实施例充分考虑了对用户外轮廓特征影响较大的部位，并根据其在用户体型对应的模型图片中所反映出的不同像素数作为目标值，以三围指标为拟合对象对人体模型的外轮廓特征点进行调整，从而能够对人体模型的外轮廓特征点进行准确且符合用户体型地调整，得到的修正人体模型与用户外轮廓特征吻合度较高，匹配效果好。
进一步的，所述步骤22具体为：
根据所述中间人体模型与所述标准人体模型的骨骼特征点的差值，对所述标准服饰模型的骨骼特征点进行调整，得到中间服饰模型。
根据所述修正人体模型与所述中间人体模型的外轮廓特征点的差值，对所述中间服饰模型的外轮廓特征点进行调整，得到所述修正服饰模型。
本发明实施例通过标准人体模型在骨骼特征点和外轮廓特征点上的修正结果来分别映射标准服饰模型在骨骼特征点和外轮廓特征点上的修正，简化了对标准服饰模型修正过程的运算量，提高了处理效率。
以下详细介绍建立所述体型数据库的实现方法，其包括：
步骤A：对多个具有不同体型信息的样本模特拍摄样本照片，其中，步骤A的拍摄方式可参照图1所示出的拍摄方式。
步骤B1：采用AlphaPose系统对每张样本照片均进行骨骼特征点的训练，以获得每张样本照片的骨骼特征点，如图3所示。
例如，将人体模型的骨骼特征点依次编号为：1.右肩、2.右肘、3.右腕、4.左肩、5.左肘、6.左腕、7.右髋、8.右膝、9.右踝、10.左髋、11.左膝、12.左踝、13.头顶、14.脖子。
在训练后，返回骨骼特征点数据如下：
Figure BDA0002739589550000081
步骤C1：根据每个样本模特的体型信息与相应样本照片的骨骼特征点，建立各体型指标与骨骼特征点的重回归模型函数。
例如，(1)利用骨骼特征点数据中的1.右肩(X1,Y1)、4.左肩(X4,Y4)的坐标数据与对应样本模特的肩宽数据J建立肩宽重回归模型函数：J＝f(X4-X1)；
(2)利用骨骼特征点数据中的13.头顶(X13,Y13)、9.右踝(X9,Y9)、12.左踝(X12,Y12)的坐标数据与对应样本模特的身高数据H建立身高重回归模型函数：H＝f[Y13-(Y9+Y12)/2]；
(3)利用骨骼特征点数据中的7.右髋(X7,Y7)、10.左髋(X10,Y10)的坐标数据与对应样本模特的腰围数据Y建立腰围重回归模型函数：Y＝f(X7-X10)；
(4)利用骨骼特征点数据中的1.右肩(X1,Y1)、2.右肘(X2,Y2)、3.右腕(X3,Y3)、4.左肩(X4,Y4)、5.左肘(X5,Y5)、6.左腕(X6,Y6)的坐标数据与对应样本模特的臂长数据B建立臂长重回归模型函数：B＝[f(X1,Y1,X2,Y2)+f(X2,Y2,X3,Y3)+f(X4,Y4,X5,Y5)+f(X5,Y5,X6,Y6)]；
(5)利用骨骼特征点数据中的7.右髋(X7,Y7)、8.右膝(X8,Y8)、9.右踝(X9,Y9)、10.左髋(X10,Y10)、11.左膝(X11,Y11)、12.左踝(X12,Y12)的坐标数据与对应样本模特的腿长数据T建立腿长重回归模型函数：T＝[f(X7,Y7,X8,Y8)+f(X8,Y8,X9,Y9)+f(X10,Y10,X11,Y11)+f(X11,Y11,X12,Y12)]。
步骤B2：采用深度学习算法对每张样本照片进行语义分割模型的训练，得到并计算每张样本照片的语义分割图像的像素数N。其中，所述深度学习算法可为卷积神经网络方法。
步骤C2：根据每个样本模特的体型信息中的体重指标与相应样本照片的语义分割图像的像素数N，建立所述体重指标与像数素的重回归模型函数：G＝f(N)。
本发明实施例通过对大量对应了不同体型信息的样本照片采用人工智能训练的方式得到样本照片的骨骼特征点，并使用所获得的骨骼特征点建立其与体型信息的重回归函数模型，便于根据用户体型信息调用该重回归函数模型并计算得到与用户体型信息对应的骨骼特征点。此外，本发明实施例通过对大量对应了不同体型信息的样本照片采用深度学习算法进行语义分割模型的训练得到语义分割图像，并使用所获得的语义分割图像的像素数其与体重指标的重回归函数模型，便于根据用户体型信息调用该重回归函数模型并计算得到与用户体型信息对应的目标像素数，进而用于调整标准服饰模型的外轮廓特征点。
扩展性的，本发明实施例的所述方法还通过将用户真实照片的人脸部分扣出并用其替换修正人体模型的对应部分，使得本发明的虚拟试穿戴效果更具真实感和趣味感。具体的，其包括如下步骤：
获取用户的真实照片。
使用用户真实照片中与用户人脸对应的区域替换所述修正人体模型的模型图片中与标准人体的人脸对应的区域，得到经人脸修正后的修正人体模型。
在所述步骤3中，将所述修正服饰模型的模型图片覆盖于经人脸修正后的所述修正人体模型的模型图片，向用户展示试穿戴效果。
进一步的，本发明实施例还提供了一种服饰试穿戴装置，包括处理器，所述处理器用于执行本发明实施例的服饰试穿戴方法，其继承了上述方法的全部优势。
上述说明书和实施例的描述，用于解释本发明保护范围，但并不构成对本发明保护范围的限定。通过本发明或上述实施例的启示，本领域普通技术人员结合公知常识、本领域的普通技术知识和/或现有技术，通过合乎逻辑的分析、推理或有限的试验可以得到的对本发明实施例或其中一部分技术特征的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。

Claims (10)

1.一种服饰试穿戴方法，其特征在于，包括：
步骤1：构建标准人体模型和与所述标准人体模型匹配且与各服饰对应的标准服饰模型；所述标准人体模型和标准服饰模型均包括标记有骨骼特征点和外轮廓特征点的模型图片；
步骤2：获取用户的体型信息和其所选服饰，根据该体型信息对标准人体模型和与用户所选服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到与所述体型信息匹配的修正人体模型和与所述修正人体模型匹配的修正服饰模型；
步骤3：将所述修正服饰模型的模型图片覆盖于所述修正人体模型的模型图片，向用户展示试穿戴效果。
2.如权利要求1所述的服饰试穿戴方法，其特征在于，步骤1中所述标准人体模型和标准服饰模型通过如下步骤构建：
步骤11：拍摄标准模特照片和将各服饰分别穿戴于所述标准模特的照片；
步骤12：以标准模特、各服饰作为主体对象，对拍摄所获得的照片进行去背景处理，并得到尺寸一致的模型图片；
步骤13：将模型图片上与标准模特的骨骼对应的像素点标记为骨骼特征点，将模型图片上与相应主体对象的外轮廓对应的像素点标记为外轮廓特征点。
3.如权利要求2所述的服饰试穿戴方法，其特征在于，所述步骤2具体为：
步骤21：获取并根据用户的体型信息对标准人体模型的骨骼特征点和外轮廓特征点进行修正，得到所述修正人体模型；
步骤22：计算并分别根据所述修正人体模型与标准人体模型在骨骼特征点和外轮廓特征点上的差异，在获取用户所选服饰后对与该服饰对应的标准服饰模型的骨骼特征点和外轮廓特征点进行修正，得到所述修正服饰模型。
4.如权利要求3所述的服饰试穿戴方法，其特征在于：
所述体型信息包含多项体型指标，所述方法在所述步骤21前还建立有体型数据库，所述体型数据库储存有体型指标与多个相应的骨骼特征点的对应关系；
所述步骤21中对标准人体模型的骨骼特征点的修正通过如下步骤进行：
步骤211：获取并根据所述体型信息在所述体型数据库中调用该体型信息所包含的体型指标与相应骨骼特征点的对应关系，计算出与所述体型信息对应的目标骨骼特征点的位置；
步骤212：根据所述目标骨骼特征点对所述标准人体模型的骨骼特征点进行调整，得到中间人体模型。
5.如权利要求4所述的服饰试穿戴方法，其特征在于，所述体型数据库通过如下步骤构建：
步骤A：对多个具有不同体型信息的样本模特拍摄样本照片；
步骤B1：采用AlphaPose系统对每张样本照片均进行骨骼特征点的训练，以获得每张样本照片的骨骼特征点；
步骤C1：根据每个样本模特的体型信息与相应样本照片的骨骼特征点，建立各体型指标与骨骼特征点的重回归模型函数。
6.如权利要求4所述的服饰试穿戴方法，其特征在于：
所述多项体型指标至少包含一项像素关联指标，所述体型数据库还储存有所述像素关联指标与人体模型的模型图片的像素数的对应关系；
所述步骤21中对标准人体模型的外轮廓特征点的修正通过如下步骤进行：
步骤213：计算所述中间人体模型的像素数N1；
步骤214：根据所述体型信息的像素关联指标在所述体型数据库中调用所述像素关联指标与模型图片的像素数的对应关系，计算与该像素关联指标对应的目标像素数N2；
步骤215：根据所述中间人体模型的像素数N1与目标像素数N2的差值，并以其他体型指标为拟合对象，采用图像变形算法对所述中间人体模型的外轮廓特征点进行调整，得到所述修正人体模型；其中，所述其他体型指标包含胸围指标、腰围指标和臀围指标的至少其中一项。
7.如权利要求6所述的服饰试穿戴方法，其特征在于，所述体型数据库通过如下步骤构建：
步骤A：对多个具有不同体型信息的样本模特拍摄样本照片；
步骤B2：采用深度学习算法对每张样本照片进行语义分割模型的训练，得到并计算每张样本照片的语义分割图像的像素数；
步骤C2：根据每个样本模特的体型信息中的像素关联指标与相应样本照片的语义分割图像的像素数，建立所述像素关联指标与像数素的重回归模型函数。
8.如权利要求6所述的服饰试穿戴方法，其特征在于，所述步骤22具体为：
根据所述中间人体模型与所述标准人体模型的骨骼特征点的差值，对所述标准服饰模型的骨骼特征点进行调整，得到中间服饰模型；
根据所述修正人体模型与所述中间人体模型的外轮廓特征点的差值，对所述中间服饰模型的外轮廓特征点进行调整，得到所述修正服饰模型。
9.如权利要求1所述的服饰试穿戴方法，其特征在于，所述方法还包括：
获取用户的真实照片；
使用用户真实照片中与用户人脸对应的区域替换所述修正人体模型的模型图片中与标准人体的人脸对应的区域，得到经人脸修正后的修正人体模型；
所述步骤3为将所述修正服饰模型的模型图片覆盖于经人脸修正后的所述修正人体模型的模型图片，向用户展示试穿戴效果。
10.一种服饰试穿戴装置，其特征在于，包括：处理器；所述处理器用于执行如权利要求1-9中任一项所述的服饰试穿戴方法。
CN202011145457.3A 2020-10-23 2020-10-23 一种服饰试穿戴方法及装置 Pending CN112270731A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011145457.3A CN112270731A (zh) 2020-10-23 2020-10-23 一种服饰试穿戴方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011145457.3A CN112270731A (zh) 2020-10-23 2020-10-23 一种服饰试穿戴方法及装置

Publications (1)

Publication Number Publication Date
CN112270731A true CN112270731A (zh) 2021-01-26

Family

ID=74341261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011145457.3A Pending CN112270731A (zh) 2020-10-23 2020-10-23 一种服饰试穿戴方法及装置

Country Status (1)

Country Link
CN (1) CN112270731A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269072A (zh) * 2021-05-18 2021-08-17 咪咕文化科技有限公司 图片处理方法、装置、设备及计算机程序
CN113724046A (zh) * 2021-08-31 2021-11-30 厦门预演网络科技有限公司 一种三维模拟展示方法和系统
CN113837835A (zh) * 2021-09-18 2021-12-24 完美世界(北京)软件科技发展有限公司 基于角色模型的可穿戴产品展示方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039775A1 (en) * 2015-08-07 2017-02-09 Ginman Group, Inc. Virtual Apparel Fitting Systems and Methods
CN108510594A (zh) * 2018-02-27 2018-09-07 吉林省行氏动漫科技有限公司 虚拟试衣方法、装置及终端设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170039775A1 (en) * 2015-08-07 2017-02-09 Ginman Group, Inc. Virtual Apparel Fitting Systems and Methods
CN108510594A (zh) * 2018-02-27 2018-09-07 吉林省行氏动漫科技有限公司 虚拟试衣方法、装置及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周千明等: ""面向2D虚拟试穿的服装推理变形仿真方法"", 《计算机工程与应用》, 2 December 2015 (2015-12-02), pages 158 - 162 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113269072A (zh) * 2021-05-18 2021-08-17 咪咕文化科技有限公司 图片处理方法、装置、设备及计算机程序
CN113269072B (zh) * 2021-05-18 2024-06-07 咪咕文化科技有限公司 图片处理方法、装置、设备及计算机程序
CN113724046A (zh) * 2021-08-31 2021-11-30 厦门预演网络科技有限公司 一种三维模拟展示方法和系统
CN113837835A (zh) * 2021-09-18 2021-12-24 完美世界(北京)软件科技发展有限公司 基于角色模型的可穿戴产品展示方法及装置

Similar Documents

Publication Publication Date Title
US10922898B2 (en) Resolving virtual apparel simulation errors
US11915352B2 (en) Processing user selectable product images and facilitating visualization-assisted virtual dressing
US10991067B2 (en) Virtual presentations without transformation-induced distortion of shape-sensitive areas
US20200066029A1 (en) Method of generating an image file of a 3d body model of a user wearing a garment
CN112270731A (zh) 一种服饰试穿戴方法及装置
KR102346320B1 (ko) 고속 3d 모델 피팅 및 인체 측정법
EP3332547B1 (en) Virtual apparel fitting systems and methods
GB2564745B (en) Methods for generating a 3D garment image, and related devices, systems and computer program products
US10628666B2 (en) Cloud server body scan data system
US7308332B2 (en) Virtual clothing modeling apparatus and method
RU2551731C1 (ru) Способ виртуального подбора одежды
TR201815349T4 (tr) Geliştirilmiş sanal deneme simülasyonu hizmeti.
US20190311488A1 (en) Method and system for wireless ultra-low footprint body scanning
US20150317813A1 (en) User interface and methods to adapt images for approximating torso dimensions to simulate the appearance of various states of dress
CN105069837B (zh) 一种服装试穿模拟方法及装置
CN113711269A (zh) 用于确定身体量度和提供服装尺码推荐的方法和系统
CN111738793B (zh) 用于各类衣服、鞋和配件的在线和离线零售的方法和装置
Gupta New directions in the field of anthropometry, sizing and clothing fit
CN113610612A (zh) 一种3d虚拟试衣方法、系统及存储介质
JP2011198112A (ja) 商品選択システム、及び商品モデル装置と対象物モデル装置と対象物データ取得装置と通信販売方法、並びに体形管理システムと非接触式計測手段
Ram et al. A review on virtual reality for 3D virtual trial room
US20240355138A1 (en) Method and system for wireless ultra-low footprint body scanning
JP2018163031A (ja) 体型情報解析システム
RU2730044C2 (ru) Компьютерно-реализуемый способ обеспечения удаленной автоматизированной примерки и/или выбора изделий
WO2024141765A1 (en) Method for fitting, searching and ordering clothes remotely

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