CN117351148A - 人体数据的智能测量及三维重建方法、装置 - Google Patents
人体数据的智能测量及三维重建方法、装置 Download PDFInfo
- Publication number
- CN117351148A CN117351148A CN202311320019.XA CN202311320019A CN117351148A CN 117351148 A CN117351148 A CN 117351148A CN 202311320019 A CN202311320019 A CN 202311320019A CN 117351148 A CN117351148 A CN 117351148A
- Authority
- CN
- China
- Prior art keywords
- user
- volume data
- data
- human body
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005259 measurement Methods 0.000 title claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000010801 machine learning Methods 0.000 claims description 16
- 238000000691 measurement method Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 7
- 210000005036 nerve Anatomy 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 8
- 210000000038 chest Anatomy 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 210000000707 wrist Anatomy 0.000 description 3
- 210000003423 ankle Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 210000002640 perineum Anatomy 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- 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
- 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
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种人体数据的智能测量及三维重建方法、装置,包括:S1、获取用户的电子照片;S2、基于用户的电子照片推算用户穿着衣物状态的所有量体数据;S3、对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;S4、保存用户裸露部分的量体数据;S5、基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;S6、综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。本发明通过电子照片就能推算出用户的实际量体数据,无需繁琐的量体过程,使用体验更好。
Description
技术领域
本发明涉及数字化服装技术领域。更具体地说,本发明涉及一种人体数据的智能测量及三维重建方法、装置。
背景技术
服装定制指根据用户具体个人情况量体裁衣,单件制作服装,大多数服装定制衣店即为这种经营方式,在国外定制服装的营业方式也叫做个性化服装设计,通常需要根据用户个人的形体、职业、气质、爱好等来选择服装款式造型,然而,在国内很多顾客仅是因为体型等一些特殊原因才定制服装。但是随着生活水平的提高,以及年轻人对服装个性化的需求,越来越多的人倾向服装定制,而传统的定制服装需要服装设计师线下量体裁剪制作,过程较为繁琐。
随着计算机技术的发展,人们尝试采用计算机视觉对人体进行量体建模,并用数字化服装来进行虚拟试衣,目前,人体三维建模的方法可以归纳为两类:第一,利用已有的人体数据模型,直接从单张RGB图片或视频中恢复人体三维模型;第二,采用深度传感器直接采集人体深度信息,再用拼接的方式构建完整人体模型。然而,第二种构建人体模型的方法需要采用专门的单/多个深度相机实时扫描人体,使用起来非常不便,因此,第一种构建人体模型的方法得到了大力发展。
NeRF神经辐射场是近两年兴起的建模技术,它是一种小型神经网络,可通过2D图片来学习3D建模和渲染。NeRF的优势是合成的3D模型更加清晰和自然。然而,该技术构建三维人体模型时,是捕获人体穿着衣服状态时的特征,因此即使建模成功,人体模型也是身着衣服的形象,而这仍然不能解决获取用户实际量体数据的问题。
发明内容
本发明的一个目的是解决至少上述问题,并提供至少后面将说明的优点。
本发明还有一个目的是提供一种人体数据的智能测量及三维重建方法、装置,通过电子照片就能推算出用户的实际量体数据,无需繁琐的量体过程,使用体验更好。
为了实现根据本发明的这些目的和其它优点,提供了一种人体数据的智能测量方法,包括:
S1、获取用户的电子照片;
S2、基于用户的电子照片推算用户穿着衣物状态的所有量体数据;
S3、对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;
S4、保存用户裸露部分的量体数据;
S5、基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;
S6、综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。
优选的是,还包括:
S7、根据用户基于所述实际量体数据制作衣物的穿着反馈修正所述实际量体数据;
S8、构建机器学习模型,使用所述电子照片及所述实际量体数据作为训练集对所述机器学习模型进行训练以使其收敛;
S9、使用训练好的机器学习模型以及用户电子照片推算用户的实际量体数据。
优选的是,S2中基于用户的电子照片推算用户穿着衣物状态的所有量体数据的方法一包括:
根据用户的电子照片,采用NeRF神经辐射场对用户穿着衣物状态进行一比一建模,所述用户的电子照片是从不同角度拍摄用户得到的具有景深信息及摄像头内参和外参信息的电子照片;
基于用户穿着衣物状态的三维模型测量用户穿着衣物状态的所有量体数据。
优选的是,所述用户的电子照片是采用具有LiDAR摄像头的摄像头模组拍摄得到。
优选的是,S2中基于用户的电子照片推算用户穿着衣物状态的所有量体数据的方法二包括:
获取用户的身高;
根据用户身高、国家标准人体的模型及量体数据等比缩放推算与用户等高且角度和姿势与所述电子照片相同的第一标准人体的模型及量体数据;
将所述电子照片中用户形象与第一标准人体的模型的头部顶点相对应、脚跟点相对应,基于同一量体点从第一标准人体的模型至所述电子照片中用户形象的改变比例、第一标准人体的量体数据推算用户穿着衣物状态的所有量体数据。
优选的是,所述电子照片通过拍摄或从视频中截取获得。
优选的是,用户基于所述实际量体数据制作衣物的穿着反馈包括:文字反馈和/或电子照片反馈。
优选的是,所述穿着反馈为电子照片反馈时,重复执行步骤S1~S6以修正所述实际量体数据,其间在执行步骤S3时,若用户有新裸露部分的量体数据,则在执行步骤S4时,在原保存的用户裸露部分的量体数据基础上加入新裸露部分的量体数据,同时采用同一部位在新裸露状态的量体数据与穿着衣物状态的量体数据对模糊算法的算法模型进行训练,以修正模糊算法的算法模型的参数。
本发明还提供一种人体数据的三维重建方法,其采用上述的人体数据的智能测量方法中用户的实际量体数据构建用户的人体三维模型。
本发明还提供一种人体数据的智能测量装置,包括:
获取模块,其用于获取用户的电子照片;
推算模块,其用于基于用户的电子照片推算用户穿着衣物状态的所有量体数据;
识别模块,其用于对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;
保存模块,其用于保存用户裸露部分的量体数据;
估算模块,其用于基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;
综合模块,其用于综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。
本发明至少包括以下有益效果:通过电子照片就能推算出用户的实际量体数据,无需繁琐的量体过程,使用体验更好,同时在获取用户的实际量体数据后,若与本司在先申请专利中的“面向用户的虚拟三维试衣方法”联合使用,则可直接通过实际量体数据构建与用户体型匹配的服装,且能在线展示用户试穿效果,若与本司在先申请专利中的“UGC的订单生成及订单驱动生产的服装供销方法”联合使用,则可直接通过实际量体数据获得心仪且合体的服装,实际量体数据作为整个流程产生的中间数据不对外流转,可以更好的保护用户隐私。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明所述人体数据的智能测量方法的流程图;
图2为本发明所述人体数据的智能测量装置的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
需要说明的是,下述实施方案中所述实验方法,如无特殊说明,均为常规方法,所述试剂和材料,如无特殊说明,均可从商业途径获得;在本发明的描述中,术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
如图1所示,本发明提供一种人体数据的智能测量方法,包括:
S1、获取用户的电子照片;
这里用户的电子照片可以是即时拍摄的,也可以是以前拍摄保存的,还可以是从视频中截取某一帧图像得到的。
用于拍摄用户电子照片的可以是普通的摄像头模组,当然最好是具有附注景深信息及摄像头内外参标定功能,比如LiDAR摄像头的摄像头模组。需要拍摄用户的正面及侧面电子照片,当使用普通的摄像头模组拍摄时,一个角度最好能拍摄多张,以减少计算误差;当使用具有附注景深信息及摄像头内外参标定功能的摄像头模组,因此可适当减少电子照片的拍摄量。
为了进一步提高人体数据的测量准确度,用户最好不要穿太多衣服,最好是短袖、单裤、平跟鞋,同时脖子、手腕、脚踝一定不能覆盖,以方便根据电子照片推算这些裸露部分的精确量体数据。
S2、基于用户的电子照片推算用户穿着衣物状态的所有量体数据;
这里基于用户的电子照片推算用户穿着衣物状态的所有量体数据的方法有两种,根据获取电子照片的设备的不同分别采取不同方法;
当使用具有附注景深信息及摄像头内外参标定功能的摄像头模组拍摄得到,可采取NeRF神经辐射场的技术手段可以获得电子照片中用户穿着衣物状态的所有量体数据。具体的,该方法包括:
S2a-1、根据用户的电子照片,采用NeRF神经辐射场对用户穿着衣物状态进行一比一建模,所述用户的电子照片是从不同角度拍摄用户得到的具有景深信息及摄像头内参和外参信息的电子照片;
S2a-2、基于用户穿着衣物状态的三维模型测量用户穿着衣物状态的所有量体数据。
这里由于摄像头模组具有附注景深信息及摄像头内外参标定功能,因此,根据电子照片通过AR测量技术可以直接获得用户穿着衣物状态时关于长度、高度、宽度、厚度方面的量体数据,比如:身高、臂长、腿长、胸宽、胸厚等方面的数据;
而NeRF神经辐射场可以对电子照片中的用户形象进行三维建模,再将AR测量获得的量体数据与NeRF神经辐射场建模得到的三维模型相互映射,从而可进一步得到用户身体围度数据,如:头围、胸围、腰围、臀围等等。
当电子照片是普通的摄像头模组拍摄得到,由于这类摄像头模组不具有附注景深信息及摄像头内外参标定功能,因此电子照片仅包含拍摄内容本身的图像信息,因此,需要采取另一种方法获得电子照片中用户穿着衣物状态的所有量体数据。具体的,该方法包括:
S2b-1、获取用户的身高;
S2b-2、根据用户身高、国家标准人体的模型及量体数据等比缩放推算与用户等高且角度和姿势与所述电子照片相同的第一标准人体的模型及量体数据;
S2b-3、将所述电子照片中用户形象与第一标准人体的模型的头部顶点相对应、脚跟点相对应,基于同一量体点从第一标准人体的模型至所述电子照片中用户形象的改变比例、第一标准人体的量体数据推算用户穿着衣物状态的所有量体数据。
这里国家标准人体是指国标175-96-A的男性人体、国标165-84-A的女性人体和国标120-64的儿童人体,这些标准人体的量体数据为已知数据。
量体点包括颈窝点、后颈点、左肩颈点、右肩颈点、左肩端点、右肩端点、乳峰点、左腋窝点、右腋窝点、左肘点、右肘点、左腕点、右腕点、左指尖点、右指尖点、腰高点、臀高点、会阴高点、膝高点、踝高点
这里由于电子照片属于二维图像,因此,从用户正面及侧面照可获取的量体数据为用户穿着衣物状态时关于长度、高度、宽度、厚度方面的量体数据,比如:臂长、腿长、胸宽、胸厚等方面的数据,而围度方面的数据可通过人体截面轮廓的近似图形推算得到,如:若将人体臀部近似为椭圆形,根据臀宽和臀厚可推算臀围。
S3、对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;
目前现有的图像识别技术能识别人体和衣服的轮廓,还能识别衣物的款式、面料等信息,故能区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据。
S4、保存用户裸露部分的量体数据;
由于用户裸露部分未被衣物遮盖,因此,该部分的量体数据较为准确,可作为精准数据保留使用。
S5、基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;
由于衣物数据包括衣物款式、面料等信息都可识别得到,又根据用户的身高和穿着衣物状态的量体数据基本可推知衣物的尺码,基于衣物尺码和面料厚度,再加上已知的用户裸露部分的量体数据和与用户等高的人体尺寸大数据,可大致估算出用户被衣物附着部分的量体数据(裸露状态的量体数据),如:会阴高、胸高、腰高、臀高等。
S6、综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。
上述实施例中,通过电子照片就能推算出用户的实际量体数据,无需繁琐的量体过程,使用体验更好,同时在获取用户的实际量体数据后,若与本司在先申请专利中的“面向用户的虚拟三维试衣方法”联合使用,则可直接通过实际量体数据构建与用户体型匹配的服装,且能在线展示用户试穿效果,若与本司在先申请专利中的“UGC的订单生成及订单驱动生产的服装供销方法”联合使用,则可直接通过实际量体数据获得心仪且合体的服装,实际量体数据作为整个流程产生的中间数据不对外流转,可以更好的保护用户隐私。
在另一实施例中,还包括:
S7、根据用户基于所述实际量体数据制作衣物的穿着反馈修正所述实际量体数据;
这里用户基于所述实际量体数据制作衣物的穿着反馈包括:文字反馈和/或电子照片反馈。
当所述穿着反馈为电子照片反馈时,重复执行步骤S1~S6以修正所述实际量体数据,其间在执行步骤S3时,若用户有新裸露部分的量体数据,则在执行步骤S4时,在原保存的用户裸露部分的量体数据基础上加入新裸露部分的量体数据,同时采用同一部位在新裸露状态的量体数据与穿着衣物状态的量体数据对模糊算法的算法模型进行训练,以修正模糊算法的算法模型的参数。
当所述穿着反馈为文字反馈时,可以人工查看反馈内容,再手动调整实际量体数据,当然还可以通过语义识别,生成调整方案,再对实际量体数据进行调整。
S8、构建机器学习模型,使用所述电子照片及所述实际量体数据作为训练集对所述机器学习模型进行训练以使其收敛;
S9、使用训练好的机器学习模型以及用户电子照片推算用户的实际量体数据。
上述实施例中,通过穿着反馈修正所述实际量体数据,利用有监督的机器学习过程不断调整机器学习模型参数,从而使机器学习模型能更加精确的推算用户量体数据。在使用时,由于每个人的身体状况不同,故可针对每一用户分别建立机器学习模型,这样每一用户都能得到较好的服务体验。
本发明还提供一种人体数据的三维重建方法,其采用上述的人体数据的智能测量方法中用户的实际量体数据构建用户的人体三维模型。
这里通过用户的实际量体数据构建用户的人体三维模型在申请号为202211316075.1的专利“面向用户的虚拟三维试衣方法”中有详细记载,此处不再赘述。
基于同一发明构思,本发明还提供一种人体数据的智能测量装置,所述智能测量装置可以是个人计算机、服务器,或者其他实现前述人体数据的智能测量方法的装置。
请参见图2所示,本实施例提供的人体数据的智能测量装置,包括:
获取模块,其用于获取用户的电子照片;
推算模块,其用于基于用户的电子照片推算用户穿着衣物状态的所有量体数据;
识别模块,其用于对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;
保存模块,其用于保存用户裸露部分的量体数据;
估算模块,其用于基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;
综合模块,其用于综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。
前述的人体数据的智能测量方法的实施例涉及的各步骤的所有相关内容均可以援引到本申请实施例中的智能测量装置所对应的功能模块的功能描述,在此不再赘述。
本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,另外,在本发明各个实施例中的各功能模块可以集成在一个处理器中,也可以是单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
本发明提供的系统实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或者多条通信总线或信号线。
本发明还提供一种电子设备,其包括: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的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述的人体数据的智能测量方法。该电子设备可以为包括手机、笔记本电脑、台式电脑、平板电脑、PDA(PersonalDigital Assistant,个人数字助理)、POS(Point ofSales,销售终端)、车载电脑等任意终端设备。
本发明还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时,实现上述的人体数据的智能测量方法。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘、U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种人体数据的智能测量方法,其特征在于,包括:
S1、获取用户的电子照片;
S2、基于用户的电子照片推算用户穿着衣物状态的所有量体数据;
S3、对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;
S4、保存用户裸露部分的量体数据;
S5、基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;
S6、综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。
2.如权利要求1所述的人体数据的智能测量方法,其特征在于,还包括:
S7、根据用户基于所述实际量体数据制作衣物的穿着反馈修正所述实际量体数据;
S8、构建机器学习模型,使用所述电子照片及所述实际量体数据作为训练集对所述机器学习模型进行训练以使其收敛;
S9、使用训练好的机器学习模型以及用户电子照片推算用户的实际量体数据。
3.如权利要求2所述的人体数据的智能测量方法,其特征在于,S2中基于用户的电子照片推算用户穿着衣物状态的所有量体数据的方法一包括:
根据用户的电子照片,采用NeRF神经辐射场对用户穿着衣物状态进行一比一建模,所述用户的电子照片是从不同角度拍摄用户得到的具有景深信息及摄像头内参和外参信息的电子照片;
基于用户穿着衣物状态的三维模型测量用户穿着衣物状态的所有量体数据。
4.如权利要求3所述的人体数据的智能测量方法,其特征在于,所述用户的电子照片是采用具有LiDAR摄像头的摄像头模组拍摄得到。
5.如权利要求2所述的人体数据的智能测量方法,其特征在于,S2中基于用户的电子照片推算用户穿着衣物状态的所有量体数据的方法二包括:
获取用户的身高;
根据用户身高、国家标准人体的模型及量体数据等比缩放推算与用户等高且角度和姿势与所述电子照片相同的第一标准人体的模型及量体数据;
将所述电子照片中用户形象与第一标准人体的模型的头部顶点相对应、脚跟点相对应,基于同一量体点从第一标准人体的模型至所述电子照片中用户形象的改变比例、第一标准人体的量体数据推算用户穿着衣物状态的所有量体数据。
6.如权利要求1所述的人体数据的智能测量方法,其特征在于,所述电子照片通过拍摄或从视频中截取获得。
7.如权利要求2所述的人体数据的智能测量方法,其特征在于,用户基于所述实际量体数据制作衣物的穿着反馈包括:文字反馈和/或电子照片反馈。
8.如权利要求7所述的人体数据的智能测量方法,其特征在于,所述穿着反馈为电子照片反馈时,重复执行步骤S1~S6以修正所述实际量体数据,其间在执行步骤S3时,若用户有新裸露部分的量体数据,则在执行步骤S4时,在原保存的用户裸露部分的量体数据基础上加入新裸露部分的量体数据,同时采用同一部位在新裸露状态的量体数据与穿着衣物状态的量体数据对模糊算法的算法模型进行训练,以修正模糊算法的算法模型的参数。
9.一种人体数据的三维重建方法,其特征在于,采用如权利要求1~8任意一项中所述的用户的实际量体数据构建用户的人体三维模型。
10.一种人体数据的智能测量装置,其特征在于,包括:
获取模块,其用于获取用户的电子照片;
推算模块,其用于基于用户的电子照片推算用户穿着衣物状态的所有量体数据;
识别模块,其用于对电子照片中用户被衣物附着部分进行识别,以区分用户裸露部分及用户被衣物附着部分,以及识别衣物数据;
保存模块,其用于保存用户裸露部分的量体数据;
估算模块,其用于基于用户裸露部分的量体数据、用户穿着衣物状态的所有量体数据、衣物数据和与用户等高的人体尺寸大数据,通过模糊算法估算用户被衣物附着部分的量体数据;
综合模块,其用于综合用户裸露部分和用户被衣物附着部分的量体数据得到用户的实际量体数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311320019.XA CN117351148A (zh) | 2023-10-12 | 2023-10-12 | 人体数据的智能测量及三维重建方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311320019.XA CN117351148A (zh) | 2023-10-12 | 2023-10-12 | 人体数据的智能测量及三维重建方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117351148A true CN117351148A (zh) | 2024-01-05 |
Family
ID=89370577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311320019.XA Pending CN117351148A (zh) | 2023-10-12 | 2023-10-12 | 人体数据的智能测量及三维重建方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117351148A (zh) |
-
2023
- 2023-10-12 CN CN202311320019.XA patent/CN117351148A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107111833B (zh) | 快速3d模型适配和人体测量 | |
US10460517B2 (en) | Mobile device human body scanning and 3D model creation and analysis | |
US9928411B2 (en) | Image processing apparatus, image processing system, image processing method, and computer program product | |
CN109427007B (zh) | 基于多视角的虚拟试衣方法 | |
US10813715B1 (en) | Single image mobile device human body scanning and 3D model creation and analysis | |
EP3745352B1 (en) | Methods and systems for determining body measurements and providing clothing size recommendations | |
US20100319100A1 (en) | Simple techniques for three-dimensional modeling | |
WO2019163218A1 (ja) | 仮想試着システム、仮想試着方法、仮想試着プログラム、情報処理装置、および学習データ | |
US9715759B2 (en) | Reference object for three-dimensional modeling | |
CN106952335B (zh) | 建立人体模型库的方法及其系统 | |
Ballester et al. | Data-driven three-dimensional reconstruction of human bodies using a mobile phone app | |
TR201815349T4 (tr) | Geliştirilmiş sanal deneme simülasyonu hizmeti. | |
CN108053283A (zh) | 一种基于3d建模的服装定制方法 | |
Kaashki et al. | Anet: A deep neural network for automatic 3d anthropometric measurement extraction | |
KR20150011907A (ko) | 깊이 정보 기반으로 사용자의 3차원 신체 모델을 생성하는 방법 및 장치 | |
CN106773050A (zh) | 一种基于二维图像虚拟整合的智能ar眼镜 | |
KR102468306B1 (ko) | 신체 치수 측정 방법 및 장치 | |
KR20140123229A (ko) | 깊이 정보 기반으로 사용자의 3차원 신체 모델을 생성하는 방법 및 장치 | |
CN117351148A (zh) | 人体数据的智能测量及三维重建方法、装置 | |
CN115631322A (zh) | 面向用户的虚拟三维试衣方法和系统 | |
CN107901424A (zh) | 一种图像采集建模系统 | |
CN109393614B (zh) | 一种量体裁衣尺寸测量的系统 | |
KR20210130420A (ko) | 스마트 삼차원 의류 피팅 시스템 및 이를 이용한 의류 피팅 서비스 제공 방법 | |
GB2602163A (en) | System for determining body measurements from images | |
CN208497700U (zh) | 一种图像采集建模系统 |
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 |