CN112884887B - 三维建模方法和装置 - Google Patents

Abstract

本申请公开了三维建模方法和装置，涉及人工智能技术领域。方法的一具体实施方式包括：获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数；基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。该实施方式可以降低实时重建过程中的计算复杂度，满足实时性需求。

Description

三维建模方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及人工智能技术领域，尤其涉及一种三维建模方法和装置。

背景技术

现有的三维建模技术主要是首先采集静态人体以建立每帧的点云模型，或者建立人体的运动数据库，其中，采集静态人体的方式有多设备和单设备，例如基于多相机通过Visual Hull的方式。然后，通过从数据库中检索最相近的动作，建立新的动作序列来完成动态人体表面细节的重建。基于单相机的则借助三维网格模板，面向单视角高精度点云，或通过骨架跟踪，鲁棒地处理中等速度的长时间连贯动作。

发明内容

本申请实施例提供了一种三维建模方法、装置、设备以及存储介质。

根据第一方面，本申请实施例提供了一种三维建模方法，该方法包括：获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数；基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

在一些实施例中，基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模，包括：采用LBS分解模型替换SCAPE模型的姿态变形部分，得到第一改进的SCAPE模型，LBS分解模型用稀疏的刚性变换和蒙皮权重表示，所述蒙皮权重通过离线学习得到；基于目标用户的人体深度图像、形态参数及第一改进的SCAPE模型，对目标用户进行三维建模。

在一些实施例中，目标用户的形态参数通过以下方式得到：基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；根据第二改进的SCAPE模型，得到目标用户的形态参数。

在一些实施例中，基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型，包括：采用高度约束的模板变形方法以及嵌入式变形方法，对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型。

在一些实施例中，基于目标用户的人体深度图像、所述形态参数及SCAPE模型，对所述目标用户进行三维建模，包括：采用空间双边滤波算法对所述目标用户的人体深度图像进行降噪处理，得到降噪处理后的目标用户的人体深度图像；基于降噪处理后的目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

根据第二方面，本申请实施例提供了一种三维建模装置，包括:获取模块，被配置成获取目标用户的人体深度图像及预先生成的目标用户的形态参数；建模模块，被配置成基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

在一些实施例中，建模模块进一步包括：替换单元，被配置成采用LBS分解模型替换SCAPE模型的姿态变形部分，得到第一改进的SCAPE模型，所述LBS分解模型用稀疏的刚性变换和蒙皮权重表示，所述蒙皮权重通过离线学习得到；改进单元，被配置成基于目标用户的人体深度图像、形态参数及第一改进的SCAPE模型，对目标用户进行三维建模。

在一些实施例中，目标用户的形态参数通过以下方式得到：基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；根据第二改进的SCAPE模型，得到目标用户的形态参数。

在一些实施例中，基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型，包括：采用高度约束的模板变形方法以及嵌入式变形方法，对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型。

在一些实施例中，建模模块进一步被配置成：采用空间双边滤波算法对所述目标用户的人体深度图像进行降噪处理，得到降噪处理后的目标用户的人体深度图像；基于降噪处理后的目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

根据第三方面，本申请实施例提供了一种电子设备，该电子设备包括一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被该一个或多个处理器执行，使得一个或多个处理器实现如第一方面的任一实施例的三维建模方法。

根据第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的任一实施例的三维建模方法。

本申请通过获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数；基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模，即将目标用户的形态参数和姿态参数进行分离，离线获取用户的形态参数，进而节约了对目标用户建模的时间，减低了实时重建过程中计算的复杂度，满足了实时性需求。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。

附图说明

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的三维建模方法的一个实施例的流程图；

图3是根据本申请的三维建模方法的一个应用场景的示意图；

图4是根据本申请的三维建模方法的又一个实施例的流程图；

图5是根据本申请的三维建模装置的一个实施例的示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的三维建模方法的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用软件，例如，搜索类应用软件、三维建模类应用软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供三维建模服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如，获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数；基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供三维建模服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要指出的是，本公开的实施例所提供的微服务异常补偿方法可以由服务器105执行，也可以由终端设备101、102、103执行，还可以由服务器105和终端设备101、102、103彼此配合执行。相应地，三维建模装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器105中，也可以全部设置于终端设备101、102、103中，还可以分别设置于服务器105和终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

图2示出了可以应用于本申请的三维建模方法的实施例的流程示意图200。三维建模方法包括以下步骤：

步骤201，获取目标用户的人体深度图像及预先生成的目标用户的形态参数。

在本实施例中，执行主体(例如图1中所示的终端设备101、102、103或服务器104)可以首先从远端或本地获取目标用户，也即待进行三维建模的用户的人体深度图像帧或图像帧序列，再获取预先生成的目标用户的形态参数。

其中，人体深度图像帧或图像帧序列可以经由现有技术或未来发展技术中的3D图像采集设备，例如，基于三角测量法的3D图像采集设备、基于飞行时间测量法的3D图像采集设备等，采集得到。

具体地，执行主体可经由一个3D体感摄像机对距离摄像机预设距离范围内(例如，1.5m-3m)的目标用户进行深度图像采集，以得到目标用户的人体深度图像。

这里，目标用户的形态参数可以预先经由计算用户形态参数的模型生成。计算用户形态参数的模型可以采用现有技术或未来发展技术中的计算形态参数的模型，例如，LBS(Linear Blend Skinning，线性混合蒙皮)、DQBS(Dual Quaternion Blend Skinning，双四元数蒙皮)、SCAPE(Shape Completion and Animation of People，形体还原及人体动画)、VIBE(Video Inference for Human Body Pose and Shape Estimation，人体姿态与形状估计的视频推理)等等。

其中，SCAPE模型是一种数据驱动的模型，能够拟合人体空间的形体和姿势，并能够面对个体示例，进行相应的变换，生成出相应的三维网格模型。SCAPE模型的基本原理包括：构建一个人体参数化模型，该模型包括人体的形体变形和姿态变形两个部分，其中，形体变形部分包括形体模型，姿态变形部分包括姿态模型；用预先构建的人体库训练该模型，求解出部分参数；针对需要生成的人体模型，通过输入数据和已经求解出的部分参数，套用构建的人体参数化模型，进行目标人体的求解。

具体地，SCAPE可以基于CAESAR人体数据库和Anguelov等人公开的人体数据库建立人体子空间。其中，CAESAR数据库包含了1500个男性和1500个女性在标准姿势下的人体数据。Anguelov等人公开的人体数据库包括了单个人在72个样例姿势下的外形，其为网格模型，含有12500个顶点，25000个三角面片，可将其中A姿势下的人体网格模型M作为标准模板。

这里，形体变形部分可用PCA(Principal Component Analysis，主成分分析)来表示，可归结为低维度的人体变形的子空间。针对形体变形的变化并不会受到姿态变形部分的干扰，可分开考虑。

执行主体可预先基于SCAPE模型的形体模型来生成目标用户的形态参数，也即采用离线的模板重建模型替换SCAPE模型的形体模型，并将其发送至云端进行存储，待进行目标用户的三维建模时，从云端实时获取目标用户的形态参数。

在一些可选的方式中，目标用户的形态参数通过以下方式得到：基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；根据第二改进的SCAPE模型，得到目标用户的形态参数。

在本实现方式中，执行主体采用离线的模板重建模型替换了SCAPE模型的形体模型以预先生成目标用户的形态参数，由于采集人体对象的高度，也即目标用户的高度，可能与标准模板的高度存在较大的偏差，这将给后续的模板拟合造成困难，故采用高度约束的模板变形的方法来改变模型的人体高度，使其在高度上近似目标用户的人体图像。也即通过高度约束的模板变形方法进一步降低形体变形部分PCA的维度以实现对SCAPE模型的改进。

该实现方式通过基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；根据第二改进的SCAPE模型，得到目标用户的形态参数，即通过高度约束的模板变形方法对SCAPE模型的形体变形部分进行降维处理，有效提升了SCAPE模型的质量，进而提升了获得的形态参数的准确性。

在一些可选的方式中，基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型，包括：采用高度约束的模板变形方法以及嵌入式变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型。

在本实现方式中，执行主体在采用高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进后，若模板与采集的目标用户的人体数据仍存在较大的偏差，则进一步采用嵌入式变形方法对模板进行姿态变形以拟合目标用户的人体数据，进而实现对SCAPE模型的形体变形部分的进一步改进，以得到第二改进的SCAPE模型。

这里，执行主体采用嵌入式变形方法对模板进行姿态变形的过程可以为首先对人体模板进行均匀采样，得到一些变形控制点，形成控制图，然后通过优化求解，得到每个点的仿射变换，最终得到姿态变形后的人体模板，实现模板姿态与目标用户的人体姿态相吻合。

在三维形态上，使用嵌入式变形的模板与真实采集的数据，即目标用户的人体深度图像数据，已经比较接近，在此基础上，可以建立模板模型顶点与真实采集数据的对应关系，进而，以SCAPE子空间为先验知识求解出近似真实采集数据的人体模型，并基于人体模型得到形态参数。

该实现方式通过采用高度约束的模板变形方法以及嵌入式变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；根据第二改进的SCAPE模型，得到目标用户的形态参数，进一步提升了SCAPE模型的质量，进而进一步提升了获得的形态参数的准确性。

步骤202，基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

在本实施例中，执行主体在获取到目标用户的人体深度图像、形态参数后，将目标用户的人体深度图像数据和形态参数输入SCAPE模型，以实现对目标用户进行三维建模，也即根据输入的目标用户的人体深度图像、形态参数就可以求解出目标用户的三维网格模型。

需要指出的是，由于目标用户的深度图像在采集过程中会出现噪声，因此在进行三维建模前需要对目标用户的人体深度图像进行降噪处理。这里，降噪方法可以采用现有技术或未来发展技术中的滤波降噪方法，例如，高斯滤波方法、双边滤波方法、导向滤波方法、空间双边滤波方法、联合双边滤波方法等等，本申请对此不作限定。

此外，由于通过降噪后的图像数据(点云数据)仍然可能包含一些不需要的非人体数据，例如，地面、桌椅、天花板等，为了去除这些多余的背景数据，执行主体可通过将预先扫描的没有人体时的场景数据，与含有人体正面信息的扫描数据进行相减，以去掉背景数据。

在一些可选的方式中，基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模，包括：采用空间双边滤波算法对目标用户的人体深度图像进行降噪处理，得到降噪处理后的目标用户的人体深度图像；基于降噪处理后的目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

在本实现方式中，执行主体在获取在目标用户的人体深度图像后，可采用空间双边滤波方法对目标用户的人体深度图像进行降噪处理，以得到降噪处理后的目标用户的人体深度图像。

其中，空间双边滤波方法与联合双边滤波算法思想类似，但不再需要对深度数据中的区域进行区分，而是对整张深度图都进行滤波，以实现对所有数据进行平滑，同时，空间双边滤波算法是直接在原始分辨率的数据上执行，不需要再进行低采样和上采样重复运算。

需要指出的是，执行主体在采用空间双边滤波方法进行降噪处理之前，需要首先确定需要填补的深度像素位置在哪，即需要确定出深度值与周围像素点差异明显的像素点，判断标准可以是某个像素点的深度数据梯度值是否大于预设的梯度阈值。

具体地，执行主体可以采用3*3的sobel算子近似求出深度的梯度值，而后去除掉梯度值超过预设的梯度阈值的点。

其中，预设的梯度阈值可根据经验、实际需求进行设定，例如，0.15、0.2等，本申请对此不作限定。

该方式通过选用空间双边滤波算法对获得的目标用户的深度图像数据进行滤波降噪，使得获得的目标用户的人体深度图像数据更加平滑。

继续参见图3，图3是根据本实施例的三维建模方法的应用场景的一个示意图。

在图3的应用场景中，执行主体301经由3D体感摄像头302采集处于健身区域的目标用户303的人体深度图像304，目标用户303对着摄像头302做健身动作，且目标用户佩戴有VR(Virtual reality，虚拟现实)眼镜。执行主体301在获取到目标用户303的人体深度图像304后，进一步在云端获取预先生成的目标用户的形态参数305，进而根据目标用户的人体深度图像304、目标用户的形态参数305及SCAPE模型306，对目标用户303进行三维建模，并将建模后的三维图像307传送给目标用户的VR眼镜，以使目标用户通过观察VR眼镜中自己的动作和标准动作之差调整自己的动作直到正确姿势。

本公开的实施例提供的三维建模方法，通过获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数；基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模，可以降低实时重建过程中的计算复杂度，满足实时性需求。

进一步参考图4，其示出了三维建模方法的又一个实施例的流程400。在本实施例中，三维建模方法的流程400，可包括以下步骤：

步骤401，获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数。

在本实施例中，步骤401的实现细节和技术效果，可以参考对步骤201的描述，在此不再赘述。

步骤402，采用LBS分解模型替换SCAPE模型的姿态变形部分，得到第一改进的SCAPE模型。

在本实施例中，执行主体可以采用LBS(Linear Blending Skinning，骨骼蒙皮动画算法)分解模型替换SCAPE模型的姿态变形部分。其中，LBS分解模型用稀疏的刚性变换和蒙皮权重表示，蒙皮权重通过离线学习得到。

其中，刚性变换和蒙皮权重的计算如下所示：

1)蒙皮权重计算：保持刚性块的刚性变换集合{R}(刚性块的旋转变换集合)，{T}(刚性块的平移变换集合)不变，蒙皮权重W通过求解约束最小二乘能量函数方程得到，求解方法采用线性蒙皮分解算法。(因为所有人体的蒙皮权重分布相同，因此可以离线预先计算出，在实时运动重建过程中直接应用)。

2)刚性变换计算：人体子空间中的每一个人体可以有不同的姿势，可以采用基于骨架嵌入算法初始自动分解为|B|个刚性块(例如，|B|＝17)。保持蒙皮权重W不变，在每个刚性块上求解更新后的刚性变换。

通过上述的两步迭代方法，LBS最优化问题转化为两个可以快速求解的线性变分方程问题。

通过人体姿势参数评估算法计算出每一帧的刚性变换后，结合预先计算的蒙皮权重和标准姿势下的人体模板，可以重建出实时SCAPE子空间中参数化的三维人体模型。

步骤403，基于目标用户的人体深度图像、所述形态参数及第一改进的SCAPE模型，对目标用户进行三维建模。

在本实施例中，执行主体在获取到目标用户的人体深度图像、形态参数后，将目标用户的人体深度图像数据和形态参数输入第一改进的SCAPE模型，以实现对目标用户进行三维建模。

本申请的上述实施例，与图2对应的实施例相比，本实施例中的三维建模方法的流程400体现了采用LBS分解模型代替SCAPE模型的姿态变形部分以实现对SCAPE模型的改进，得到第一改进的SCAPE模型，其中，LBS分解模型用稀疏的刚性变换和蒙皮权重表示，蒙皮权重通过离线学习得到，进而基于所述目标用户的人体深度图像、所述形态参数及第一改进的SCAPE模型，对所述目标用户进行三维建模，有助于进一步节约建模时间，降低实时建模过程中的计算复杂度，更好地满足实时性需求。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种三维建模装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的三维建模装置500包括：获取模块501、建模模块502。

其中，获取模块501，可被配置成获取目标用户的人体深度图像及预先生成的目标用户的形态参数。

建模模块502，可被配置成基于目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

在本实施例的一些可选的方式中，建模模块进一步包括：替换单元，被配置成采用LBS分解模型替换SCAPE模型的姿态变形部分，得到第一改进的SCAPE模型，所述LBS分解模型用稀疏的刚性变换和蒙皮权重表示，所述蒙皮权重通过离线学习得到；改进单元，被配置成基于目标用户的人体深度图像、形态参数及第一改进的SCAPE模型，对目标用户进行三维建模。

在本实施例的一些可选的方式中，目标用户的形态参数通过以下方式得到：基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；根据第二改进的SCAPE模型，得到目标用户的形态参数。

在本实施例的一些可选的方式中，基于高度约束的模板变形方法对SCAPE模型的形态变形部分进行改进，得到第二改进的SCAPE模型，包括：采用高度约束的模板变形方法以及嵌入式变形方法，对SCAPE模型的形态变形部分进行改进，得到第二改进的SCAPE模型。

在本实施例的一些可选的方式中，建模模块进一步被配置成：采用空间双边滤波算法对所述目标用户的人体深度图像进行降噪处理，得到降噪处理后的目标用户的人体深度图像；基于降噪处理后的目标用户的人体深度图像、形态参数及SCAPE模型，对目标用户进行三维建模。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图6所示，是根据本申请实施例的三维建模方法的电子设备的框图。

600是根据本申请实施例的三维建模方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图6所示，该电子设备包括：一个或多个处理器601、存储器602，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的三维建模方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的三维建模方法。

存储器602作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的三维建模方法对应的程序指令/模块(例如，附图5所示的获取模块501、建模模块502)。处理器601通过运行存储在存储器602中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的三维建模方法。

存储器602可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储三维建模的电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至三维建模的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

三维建模方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置603可接收输入的数字或字符信息，以及产生与直播视频流的质量监控的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，使得用户可以快速精确的找到想要观看的视频数据，提升了用户体验，同时提升了存储空间的利用率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (10)

1.一种三维建模方法，所述方法包括：

获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数，其中，所述目标用户的形态参数预先基于SCAPE模型的形体模型生成并存储在云端；

基于所述目标用户的人体深度图像、所述形态参数及SCAPE模型，对所述目标用户进行三维建模，包括：采用LBS分解模型替换SCAPE模型的姿态变形部分，得到第一改进的SCAPE模型，所述LBS分解模型用稀疏的刚性变换和蒙皮权重表示，所述蒙皮权重通过离线学习得到；基于所述目标用户的人体深度图像、所述形态参数及第一改进的SCAPE模型，对所述目标用户进行三维建模。

2.根据权利要求1所述的方法，其中，所述目标用户的形态参数通过以下方式得到：

基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；

根据所述第二改进的SCAPE模型，得到目标用户的形态参数。

3.根据权利要求2所述的方法，其中，所述基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型，包括：

采用高度约束的模板变形方法以及嵌入式变形方法，对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型。

4.根据权利要求1所述的方法，其中，所述基于所述目标用户的人体深度图像、所述形态参数及SCAPE模型，对所述目标用户进行三维建模，包括：

采用空间双边滤波算法对所述目标用户的人体深度图像进行降噪处理，得到降噪处理后的目标用户的人体深度图像；

基于所述降噪处理后的目标用户的人体深度图像、所述形态参数及SCAPE模型，对所述目标用户进行三维建模。

5.一种三维建模装置，所述装置包括：

获取模块，被配置成获取目标用户的人体深度图像及预先生成的所述目标用户的形态参数，其中，所述目标用户的形态参数预先基于SCAPE模型的形体模型生成并存储在云端；

建模模块，被配置成基于所述目标用户的人体深度图像、所述形态参数及SCAPE模型，对所述目标用户进行三维建模，具体包括：替换单元和改进单元，所述替换单元，被配置成采用LBS分解模型替换SCAPE模型的姿态变形部分，得到第一改进的SCAPE模型，所述LBS分解模型用稀疏的刚性变换和蒙皮权重表示，所述蒙皮权重通过离线学习得到，所述改进单元，被配置成基于所述目标用户的人体深度图像、所述形态参数及第一改进的SCAPE模型，对所述目标用户进行三维建模。

6.根据权利要求5所述的装置，其中，所述目标用户的形态参数通过以下方式得到：

基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型；

根据所述第二改进的SCAPE模型，得到目标用户的形态参数。

7.根据权利要求6所述的装置，其中，所述基于高度约束的模板变形方法对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型，包括：

采用高度约束的模板变形方法以及嵌入式变形方法，对SCAPE模型的形体变形部分进行改进，得到第二改进的SCAPE模型。

8.根据权利要求5所述的装置，其中，所述建模模块进一步被配置成：

采用空间双边滤波算法对所述目标用户的人体深度图像进行降噪处理，得到降噪处理后的目标用户的人体深度图像；

基于所述降噪处理后的目标用户的人体深度图像、所述形态参数及SCAPE模型，对所述目标用户进行三维建模。

9.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。

Images