CN117523154B - 一种基于体征数据的人体三维模型校准方法、系统及存储介质 - Google Patents
一种基于体征数据的人体三维模型校准方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117523154B CN117523154B CN202410023017.2A CN202410023017A CN117523154B CN 117523154 B CN117523154 B CN 117523154B CN 202410023017 A CN202410023017 A CN 202410023017A CN 117523154 B CN117523154 B CN 117523154B
- Authority
- CN
- China
- Prior art keywords
- rectangle
- human body
- cutting
- sign data
- height
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims description 204
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 238000000926 separation method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000000638 solvent extraction Methods 0.000 description 10
- 230000037396 body weight Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000037237 body shape Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/20—Indexing scheme for editing of 3D models
- G06T2219/2021—Shape modification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于体征数据的人体三维模型校准方法、系统及存储介质，涉及计算机图形学技术领域，包括：获取人体三维模型，将人体三维模型放入三维直角坐标系中；获取校准身高以及校准体重；在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，并通过计算得到BMI指数1至BMI指数K；基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整；本发明用于解决现有技术中对人体三维模型进行校准时，缺少基于体征数据的分析从而导致得到的人体三维模型的表面会与实际人体出现较大偏差的问题。
Description
技术领域
本发明涉及计算机图形学技术领域，具体为一种基于体征数据的人体三维模型校准方法、系统及存储介质。
背景技术
人体三维模型可以利用三维扫描仪扫描获得， 也可以利用基于图像的三维重建技术获得，输入的人体三维模型的表面点的数量各不相同，模型网格的拓扑关系也各不相同，因此人体三维模型之间不存在任何表面点的对应，这给进一步对人体三维模型分析处理带来巨大的困难。
现有的用于人体三维模型校准的改进，通常是基于骨架节点对人体三维模型上的表面点进行更新，比如在发明公开号为CN102254156A的中国专利中，公开了人体三维模型配准方法及装置，该方案就是通过分别在多个活动关节处设置骨架节点，建立多个骨架节点之间的连接关系，根据每个表面点与每个骨架节点之间的欧氏距离，建立归一化关联权重向量，有效实现人体三维模型的表面点的匹配，提高人体三维模型配准的精度；其他的用于人体三维模型校准的改进，通常是利用人体二维图像进行分析校准，生成多个人体三维模型，但生成后缺少对人体三维模型基于模型分割等方面的进一步校准，这会导致通过骨骼以及表面点得到的人体三维模型无法对人体三维模型的表面情况进行更深入的校准，在原有基础上缺少对人体的体征数据进行分析以及对人体模型进行分割校准会导致得到的人体三维模型的表面会与实际人体出现较大偏差，鉴于此，有必要对现有的人体三维模型校准进行改进。
发明内容
本发明旨在至少在一定程度上解决现有技术中的技术问题之一，用于解决现有技术中导致通过骨骼以及表面点得到的人体三维模型无法对人体三维模型的表面情况进行更深入的校准，在原有基础上缺少对人体的体征数据进行分析会导致得到的人体三维模型的表面会与实际人体出现较大偏差问题。
为实现上述目的，第一方面，本发明提供一种基于体征数据的人体三维模型校准方法，包括：
获取人体三维模型，将人体三维模型放入三维直角坐标系中，其中，人体三维模型竖直放在三维直角坐标系内，将人体三维模型内Z轴坐标最小的点调整至XY平面上；
对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域；
获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重；
在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K；
基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整。
进一步地，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域包括：
获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最大点，记为模型最高点，将模型最高点对应的Z轴坐标记为人体高度；
获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最小点，记为模型最低点；
当人体高度大于等于第一标准高度时，将标准间隔距离记为α1；
当人体高度大于等于第二标准高度且小于第一标准高度时，将标准间隔距离记为α2；
当人体高度小于第二标准高度时，将标准间隔距离记为α3。
进一步地，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域还包括：
将模型最高点所在的与XY平面平行的平面记为最高平面，以模型最低点为起点，向最高平面发射垂直的直线，将直线与最高平面相交的点记为最高平点，将最高平点与模型最低点的连线记为人体直线；
在人体直线中，从模型最低点起每隔标准间隔距离将人体直线进行划分，将划分的节点记为切割点，将所有切割点记为切割点1至切割点N；
对于切割点1至切割点N中的任意一个切割点，将切割点所在的与XY平面平行的平面记为切割平面，将切割平面中以切割点为中心的第一矩形距离乘以第二矩形距离的矩形记为切割矩形；
将切割矩形中人体三维模型所占的区域记为切片区域。
进一步地，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域还包括：
获取切割点1至切割点N对应的切割矩形1至切割矩形N，将切割矩形β与切割矩形N之间的区域记为上部区域，将上部区域与人体三维模型重合的区域记为头部区域；
当标准间隔距离为α1时，将β的值设置为β1；
当标准间隔距离为α2时，将β的值设置为β2；
当标准间隔距离为α3时，将β的值设置为β3；
对于切割矩形1至切割矩形β中的任意一个切割矩形，将切割矩形放置在平面直角坐标系中，对平面直角坐标系中的切割矩形进行像素化处理，对像素化处理后的切割矩形使用轮廓提取法，将轮廓提取法提取到的轮廓数量记为X；
当X等于第一标准数量时，将切割矩形记为躯干矩形；
对躯干矩形进行轮廓识别处理得到腰部矩形以及脖部矩形，将腰部矩形以及脖部矩形与三维人体模型重合的区域记为腰部区域以及脖部区域；
当X等于第二标准数量时，将切割矩形记为四肢矩形；
当X等于第三标准数量时，将切割矩形划分为第三标准数量的切割子矩形，其中，每个切割子矩形内均有第一标准数量的轮廓，切割子矩形从左至右依次记为切割子矩形1、切割子矩形2至切割子矩形3，将切割子矩形2记为躯干矩形，将切割子矩形1以及切割子矩形3记为四肢矩形；
对于切割矩形1至切割矩形β中的任意一个切割矩形，当切割矩形或切割矩形的切割子矩形被记为躯干矩形时，获取躯干矩形在三维直角坐标系中对应的切割点，记为切割点R；
当切割点R+1或切割点R-1对应的切割矩形为躯干矩形时，将切割点R+1或切割点R-1对应的躯干矩形记为躯干相邻矩形，将躯干相邻矩形与切割点R对应的躯干矩形之间的区域记为躯干区间，将躯干区间与人体三维模型重合的区域记为躯干区域；
当切割矩形或切割矩形的切割子矩形被记为四肢矩形时，获取四肢矩形在三维直角坐标系中对应的切割点，记为切割点T；
当切割点T+1或切割点T-1对应的切割矩形或切割子矩形为四肢矩形时，将切割点R+1或切割点R-1对应的四肢矩形记为四肢相邻矩形，将四肢相邻矩形与切割点T对应的四肢矩形之间的区域记为四肢区间，将四肢区间与人体三维模型重合的区域记为四肢区域。
进一步地，轮廓识别处理包括：
当获取到躯干矩形时，将躯干矩形记为识别矩形1至识别矩形L；
使用轮廓提取方法提取识别矩形1至识别矩形L中的图形轮廓，记为躯干轮廓1至躯干轮廓L；
将躯干轮廓1至躯干轮廓L等比例放入平面直角坐标系中；
获取躯干轮廓1至躯干轮廓L在平面直角坐标系中所占的面积，记为轮廓面积1至轮廓面积L；
将轮廓面积1至轮廓面积L中大于等于标准面积的轮廓面积记为腰部轮廓面积，将腰部轮廓面积对应的躯干矩形记为腰部矩形；
将轮廓面积1至轮廓面积L中小于标准面积的轮廓面积记为脖部轮廓面积，将脖部轮廓面积对应的躯干矩形记为脖部矩形。
进一步地，获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重包括：
获取人体的体征数据中的身高以及体重，记为校准身高以及校准体重；
使用体重指数算法计算校准身高以及校准体重的BMI值，记为BMI指数X；
体重指数算法为：，其中，C1为BMI值，C2为校准体重，C3为校准身高。
进一步地，所述在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K包括：
在数据库中获取多组人体的体征数据，包括第一体征数量的身高体征数据以及第一体征数量的体重体征数据，其中，第一体征数量为K/2；
身高体征数据为身高等于校准身高且体重不唯一的体征数据；
体重体征数据为体重等于校准体重且身高不唯一的体征数据；
使用体重指数算法计算多个身高体征数据，将得到的BMI值记为BMI指数1至BMI指数K1，使用体重指数算法计算多个体重体征数据，将得到的BMI值记为BMI指数K2至BMI指数K，K2=K1+1。
进一步地，基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整包括：
将BMI指数1至BMI指数K1中小于等于BMI指数X的身高体征数据的数量记为较轻体重数；
将BMI指数K2至BMI指数K中小于等于BMI指数X的体重体征数据的数量记为较高身高数；
当较轻体重数大于等于第二体征数量时，将调整值记为较重；
当较轻体重数小于等于第三体征数量时，将调整值记为较轻；
当较高身高数大于等于第二体征数量时，将调整值记为较矮；
当较高身高数小于等于第三体征数量时，将调整值记为较高；
当调整值被记为较重或较矮时，将躯干区域以及腰部区域等比例放大第一百分比；
当调整值被记为较轻或较高时，将躯干区域等以及腰部区域比例缩小第一百分比；
当躯干区域的缩小比例大于第二百分比时，将四肢区域以及脖部区域等比例缩小第三百分比；
当躯干区域的放大比例大于第二百分比时，将四肢区域以及脖部区域等比例放大第三百分比，第二百分比小于两倍的第一百分比。。
第二方面，本发明还提供一种基于体征数据的人体三维模型校准系统，包括人体模型划分模块、体征数据划分模块以及调整模块；
人体模型划分模块用于获取人体三维模型，将人体三维模型放入三维直角坐标系中；获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重；
体征数据划分模块用于在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K；
调整模块用于基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整。
第三方面，一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如上述任一项所述方法中的步骤。
本发明的有益效果：本发明首先获取人体三维模型以及人体的体征数据中的体重以及身高，这样的好处在于，通过获取人体三维模型，对人体三维模型进行分析，将人体三维模型划分为头部区域、四肢区域以及躯干区域，可以在后续调整中进行更加方便快捷的调整，同时对于获取到的人体三维模型可以准确得到需要调整的部位，防止在调整时出现误差；
本发明还通过获取人体的体征数据中的身高以及体重，记为校准身高以及校准体重，在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K，最后基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整，这样的好处在于，通过将校准身高以及校准体重得到的BMI指数X与BMI指数1至BMI指数K进行比对，可以得到在同身高是否较重或者在同体重下是否较高，然后基于比对结果对人体三维模型进行调整，并在区域划分的帮助下进行精准调节。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
图1为本发明的系统的原理框图；
图2为本发明的方法的步骤流程图；
图3为本发明的人体三维模型在三维直角坐标系内的示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
实施例1请参阅图1所示，本发明提供一种基于体征数据的人体三维模型校准系统，包括人体模型划分模块、体征数据划分模块以及调整模块；
人体模型划分模块用于获取人体三维模型，将人体三维模型放入三维直角坐标系中；获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重；
人体模型划分模块配置有人体模型划分策略，人体模型划分策略包括：
获取人体三维模型，记为人体三维模型，将人体三维模型放置在三维直角坐标系内，其中，人体三维模型竖直放在三维直角坐标系内，将人体三维模型内Z轴坐标最小的点调整至XY平面上；
对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域；
获取人体的体征数据中的呼吸频率、脉搏数以及血压；
人体模型划分策略包括区域划分子策略，区域划分子策略包括：
请参阅图3所示，其中，U3为人体三维模型，U2为模型最低点，U1为模型最高点，U4对应的Z轴坐标为人体高度，获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最大点，记为模型最高点，将模型最高点对应的Z轴坐标记为人体高度；
获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最小点，记为模型最低点；
当人体高度大于等于第一标准高度时，将标准间隔距离记为α1；
当人体高度大于等于第二标准高度且小于第一标准高度时，将标准间隔距离记为α2；
当人体高度小于第二标准高度时，将标准间隔距离记为α3；
在具体实施过程中，第一标准高度设置为175cm，第二标准高度设置为151cm，α1设置为9cm，α2设置为12cm，α3设置为15cm，根据人体高度越高，将标准间隔距离设置的越小，这是为了尽量使身高发生变动时得到的切割点的数量差距变大，有利于后续得到头部区域，比如当身高为150cm时，标准间隔距离为15cm，则通过后续得到的切割点的数量为10个，当身高为175cm时，标准间隔距离为9cm，后续得到的切割点的数量为19个；
区域划分子策略还包括：将模型最高点所在的与XY平面平行的平面记为最高平面，以模型最低点为起点，向最高平面发射垂直的直线，将直线与最高平面相交的点记为最高平点，将最高平点与模型最低点的连线记为人体直线；
在具体实施过程中，人体直线代表的长度即为人体三维模型对应的人体的身高；
在人体直线中，从模型最低点起每隔标准间隔距离将人体直线进行划分，将划分的节点记为切割点，将所有切割点记为切割点1至切割点N；
对于切割点1至切割点N中的任意一个切割点，将切割点所在的与XY平面平行的平面记为切割平面，将切割平面中以切割点为中心的第一矩形距离乘以第二矩形距离的矩形记为切割矩形；
在具体实施过程中，第一矩形距离设置为60cm，第二矩形距离设置为40cm，设置切割矩形的目的是将人体三维模型完全包裹在切割矩形内，有利于后续对人体三维模型的切片进行单独分析；
将切割矩形中人体三维模型所占的区域记为切片区域；
在具体实施过程中，切割矩形用包裹切割平面内的人体三维模型，将切割矩形中人体三维模型所占的区域记为切片区域是为了将人体三维模型在切割矩形中进行标记，因此在同一个切片矩形中的切片数量不唯一；
区域划分子策略还包括：获取切割点1至切割点N对应的切割矩形1至切割矩形N，将切割矩形β与切割矩形N之间的区域记为上部区域，将上部区域与人体三维模型重合的区域记为头部区域；
当标准间隔距离为α1时，将β的值设置为β1；
当标准间隔距离为α2时，将β的值设置为β2；
当标准间隔距离为α3时，将β的值设置为β3；
在具体实施过程中，β1设置为3，β2设置为2，β3设置为1，在具体情况中，正常人头身比基本为7-9:1，当标准间隔距离为9cm时，当此时的身高为175cm，则可以得到切割点的数量为19，而3比19与1比7较为接近，且随着身高的提高会β1与N的比值会处在7-9:1的范围内；
在具体实施过程中，将头部区域在人体三维模型中区分出来，有利于后续对躯干区域进行分析，而在对人体体型进行调整时，人体头部所占的比例较小，因此可以将头部区域进行区分；
对于切割矩形1至切割矩形β中的任意一个切割矩形，将切割矩形放置在平面直角坐标系中，对平面直角坐标系中的切割矩形进行像素化处理，对像素化处理后的切割矩形使用轮廓提取法，将轮廓提取法提取到的轮廓数量记为X；
当X等于第一标准数量时，将切割矩形记为躯干矩形；
对躯干矩形进行轮廓识别处理得到腰部矩形以及脖部矩形，将腰部矩形以及脖部矩形与三维人体模型重合的区域记为腰部区域以及脖部区域；
轮廓识别处理包括：
当获取到躯干矩形时，将躯干矩形记为识别矩形1至识别矩形L；
使用轮廓提取方法提取识别矩形1至识别矩形L中的图形轮廓，记为躯干轮廓1至躯干轮廓L；
将躯干轮廓1至躯干轮廓L等比例放入平面直角坐标系中；
获取躯干轮廓1至躯干轮廓L在平面直角坐标系中所占的面积，记为轮廓面积1至轮廓面积L；
将轮廓面积1至轮廓面积L中大于等于标准面积的轮廓面积记为腰部轮廓面积，将腰部轮廓面积对应的躯干矩形记为腰部矩形；
将轮廓面积1至轮廓面积L中小于标准面积的轮廓面积记为脖部轮廓面积，将脖部轮廓面积对应的躯干矩形记为脖部矩形；
当X等于第二标准数量时，将切割矩形记为四肢矩形；
当X等于第三标准数量时，将切割矩形划分为第三标准数量的切割子矩形，其中，每个切割子矩形内均有第一标准数量的轮廓，切割子矩形从左至右依次记为切割子矩形1、切割子矩形2至切割子矩形3，将切割子矩形2记为躯干矩形，将切割子矩形1以及切割子矩形3记为四肢矩形；
在具体实施过程中，第一标准数量为1，第二标准数量为2，第三标准数量为3，当X等于1时，说明此时的切割矩形内仅有一个图形，而人体的横切面中除头部区域外的横切面仅有一个图形的区域只能是躯干区域，当X等于2时，说明此时的切割矩形内的两个图形为双腿的横切面，当X等于3时，说明此时的切割矩形内的三个图形为双臂以及躯干所在的横切面；
对于切割矩形1至切割矩形β中的任意一个切割矩形，当切割矩形或切割矩形的切割子矩形被记为躯干矩形时，获取躯干矩形在三维直角坐标系中对应的切割点，记为切割点R；
当切割点R+1或切割点R-1对应的切割矩形为躯干矩形时，将切割点R+1或切割点R-1对应的躯干矩形记为躯干相邻矩形，将躯干相邻矩形与切割点R对应的躯干矩形之间的区域记为躯干区间，将躯干区间与人体三维模型重合的区域记为躯干区域；
在具体实施过程中，通过切割矩形得到躯干区间以及四肢区间，可以得到对应在人体三维模型的躯干区域以及四肢区域，这样可以帮助工作人员减少操作，在得到人体三维模型后自动对人体三维模型进行智能划分；
当切割矩形或切割矩形的切割子矩形被记为四肢矩形时，获取四肢矩形在三维直角坐标系中对应的切割点，记为切割点T；
当切割点T+1或切割点T-1对应的切割矩形或切割子矩形为四肢矩形时，将切割点R+1或切割点R-1对应的四肢矩形记为四肢相邻矩形，将四肢相邻矩形与切割点T对应的四肢矩形之间的区域记为四肢区间，将四肢区间与人体三维模型重合的区域记为四肢区域；
人体模型划分策略还包括体征获取子策略，体征获取子策略包括：
获取人体的体征数据中的身高以及体重，记为校准身高以及校准体重；
使用体重指数算法计算校准身高以及校准体重的BMI值，记为BMI指数X；
体重指数算法为：，其中，C1为BMI值，C2为校准体重，C3为校准身高；
在具体实施过程中，通过计算得到的BMI值保留小数点后一位，检测到校准体重为60kg，校准身高为1.75m，通过计算可得BMI指数X约为19.6，通过获取BMI值可以直观地得到人体的肥胖率，相比于其他对于人体体征数据的获取方法，获取BMI值更加简单方便；
体征数据划分模块用于在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K；
体征数据划分模块配置有数据划分策略，数据划分策略包括：
在数据库中获取多组人体的体征数据，包括第一体征数量的身高体征数据以及第一体征数量的体重体征数据，其中，第一体征数量为K/2；
身高体征数据为身高等于校准身高且体重不唯一的体征数据；
体重体征数据为体重等于校准体重且身高不唯一的体征数据；
使用体重指数算法计算多个身高体征数据，将得到的BMI值记为BMI指数1至BMI指数K1，使用体重指数算法计算多个体重体征数据，将得到的BMI值记为BMI指数K2至BMI指数K，K2=K1+1；
在具体实施过程中，第一体征数量为100，通过身高体征数据以及体重体征数据可以分别对待调整的人体在身高方面以及体重方面分别进行分析，当身高相同时，若BMI指数X的值大于较多的BMI指数1至BMI指数K1，说明待调整的人体体重较大，体型相较于多数人体的体型偏大；当体重相同时，若BMI指数X的值大于较多的BMI指数K2至BMI指数K，说明待调整的人体身高较矮，体型相较于多数人体的体型偏大；
比如在体重同为70kg的情况下，BMI指数X的值为25，通过计算可得身高约为1.67，相比于正常体形较胖，当通过调整模块得到调整值为较矮时，可通过调整模块将躯干区域等比例放大第一百分比以趋近于实际体形；
调整模块用于基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整；
调整模块配置有三维模型调整策略，三维模型调整策略包括：
将BMI指数1至BMI指数K1中小于等于BMI指数X的身高体征数据的数量记为较轻体重数；
将BMI指数K2至BMI指数K中小于等于BMI指数X的体重体征数据的数量记为较高身高数；
在具体实施过程中，较轻体重数以及较高体重数均为通过上述比较得到的数量词，因此可以将较轻体重数与第二体征数量以及第三体征数量进行比对，将较高体重数与第二体征数量以及第三体征数量进行比对；
当较轻体重数大于等于第二体征数量时，将调整值记为较重；
当较轻体重数小于等于第三体征数量时，将调整值记为较轻；当较轻体重数大于第三体征数量且小于第二体征数量时，不对人体三维模型进行校准；
当较高身高数大于等于第二体征数量时，将调整值记为较矮；
当较高身高数小于等于第三体征数量时，将调整值记为较高；当较高身高数大于第三体征数量且小于第二体征数量时，不对人体三维模型进行校准；
在具体实施过程中，将第二体征数量设置为70，将第三体征数量设置为30；
当调整值被记为较重或较矮时，将躯干区域以及腰部区域等比例放大第一百分比；
当调整值被记为较轻或较高时，将躯干区域等以及腰部区域比例缩小第一百分比；
当躯干区域的缩小比例大于第二百分比时，将四肢区域等比例缩小第三百分比；
当躯干区域的放大比例大于第二百分比时，将四肢区域等比例放大第三百分比，第二百分比小于两倍的第一百分比；
在具体实施过程中，将第一百分比设置为10%，将第二百分比设置为15%，将第三百分比设置为5%，当躯干区域的变化较大时，应当适当对四肢区域进行等比例缩小或等比例放大使体形变化更加合理。
实施例2请参阅图2所示，第二方面，本发明提供一种基于体征数据的人体三维模型校准方法，包括：
步骤S1，获取人体三维模型，将人体三维模型放入三维直角坐标系中；
获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重；
步骤S2，在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K；
步骤S3，基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整。
所述步骤S1包括如下子步骤：
步骤S101，获取人体三维模型，记为人体三维模型，将人体三维模型放置在三维直角坐标系内，其中，人体三维模型竖直放在三维直角坐标系内，将人体三维模型内Z轴坐标最小的点调整至XY平面上；
步骤S102，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域。
所述步骤S102包括如下子步骤：
步骤S1021，获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最大点，记为模型最高点，将模型最高点对应的Z轴坐标记为人体高度；
获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最小点，记为模型最低点；
步骤S1022，当人体高度大于等于第一标准高度时，将标准间隔距离记为α1；
当人体高度大于等于第二标准高度且小于第一标准高度时，将标准间隔距离记为α2；
当人体高度小于第二标准高度时，将标准间隔距离记为α3。
所述步骤S102还包括如下子步骤：
步骤S1023，将模型最高点所在的与XY平面平行的平面记为最高平面，以模型最低点为起点，向最高平面发射垂直的直线，将直线与最高平面相交的点记为最高平点，将最高平点与模型最低点的连线记为人体直线；
步骤S1024，在人体直线中，从模型最低点起每隔标准间隔距离将人体直线进行划分，将划分的节点记为切割点，将所有切割点记为切割点1至切割点N；
对于切割点1至切割点N中的任意一个切割点，将切割点所在的与XY平面平行的平面记为切割平面，将切割平面中以切割点为中心的第一矩形距离乘以第二矩形距离的矩形记为切割矩形；
将切割矩形中人体三维模型所占的区域记为切片区域；
所述步骤S102还包括如下子步骤：
步骤S1025，获取切割点1至切割点N对应的切割矩形1至切割矩形N，将切割矩形β与切割矩形N之间的区域记为上部区域，将上部区域与人体三维模型重合的区域记为头部区域；
当标准间隔距离为α1时，将β的值设置为β1；
当标准间隔距离为α2时，将β的值设置为β2；
当标准间隔距离为α3时，将β的值设置为β3；
对于切割矩形1至切割矩形β中的任意一个切割矩形，将切割矩形放置在平面直角坐标系中，对平面直角坐标系中的切割矩形进行像素化处理，对像素化处理后的切割矩形使用轮廓提取法，将轮廓提取法提取到的轮廓数量记为X；
当X等于第一标准数量时，将切割矩形记为躯干矩形；
当X等于第二标准数量时，将切割矩形记为四肢矩形；
当X等于第三标准数量时，将切割矩形划分为第三标准数量的切割子矩形，其中，每个切割子矩形内均有第一标准数量的轮廓，切割子矩形从左至右依次记为切割子矩形1、切割子矩形2至切割子矩形3，将切割子矩形2记为躯干矩形，将切割子矩形1以及切割子矩形3记为四肢矩形；
步骤S1026，对于切割矩形1至切割矩形β中的任意一个切割矩形，当切割矩形或切割矩形的切割子矩形被记为躯干矩形时，获取躯干矩形在三维直角坐标系中对应的切割点，记为切割点R；
当切割点R+1或切割点R-1对应的切割矩形为躯干矩形时，将切割点R+1或切割点R-1对应的躯干矩形记为躯干相邻矩形，将躯干相邻矩形与切割点R对应的躯干矩形之间的区域记为躯干区间，将躯干区间与人体三维模型重合的区域记为躯干区域；
步骤S1027，当切割矩形或切割矩形的切割子矩形被记为四肢矩形时，获取四肢矩形在三维直角坐标系中对应的切割点，记为切割点T；
当切割点T+1或切割点T-1对应的切割矩形或切割子矩形为四肢矩形时，将切割点R+1或切割点R-1对应的四肢矩形记为四肢相邻矩形，将四肢相邻矩形与切割点T对应的四肢矩形之间的区域记为四肢区间，将四肢区间与人体三维模型重合的区域记为四肢区域。
所述步骤S1还包括如下子步骤：
步骤S103，获取人体的体征数据中的身高以及体重，记为校准身高以及校准体重；
使用体重指数算法计算校准身高以及校准体重的BMI值，记为BMI指数X；
体重指数算法为：，其中，C1为BMI值，C2为校准体重，C3为校准身高。
所述步骤S2包括：
在数据库中获取多组人体的体征数据，包括第一体征数量的身高体征数据以及第一体征数量的体重体征数据，其中，第一体征数量为K/2；
身高体征数据为身高等于校准身高且体重不唯一的体征数据；
体重体征数据为体重等于校准体重且身高不唯一的体征数据；
使用体重指数算法计算多个身高体征数据，将得到的BMI值记为BMI指数1至BMI指数K1，使用体重指数算法计算多个体重体征数据，将得到的BMI值记为BMI指数K2至BMI指数K，K2=K1+1。
所述S3包括：
将BMI指数1至BMI指数K1中小于等于BMI指数X的身高体征数据的数量记为较轻体重数；
将BMI指数K2至BMI指数K中小于等于BMI指数X的体重体征数据的数量记为较高身高数；
当较轻体重数大于等于第二体征数量时，将调整值记为较重；
当较轻体重数小于等于第三体征数量时，将调整值记为较轻；
当较高身高数大于等于第二体征数量时，将调整值记为较矮；
当较高身高数小于等于第三体征数量时，将调整值记为较高；
当调整值被记为较重或较矮时，将躯干区域以及腰部区域等比例放大第一百分比；
当调整值被记为较轻或较高时，将躯干区域等以及腰部区域比例缩小第一百分比；
当躯干区域的缩小比例大于第二百分比时，将四肢区域等比例缩小第三百分比；
当躯干区域的放大比例大于第二百分比时，将四肢区域等比例放大第三百分比，第二百分比小于两倍的第一百分比。
实施例3第三方面，本发明提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，运行如上任意一项方法中的步骤。通过上述技术方案，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：首先获取人体三维模型以及人体的体征数据中的体重以及身高，然后获取人体的体征数据中的身高以及体重，记为校准身高以及校准体重，在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K，最后基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
Claims (8)
1.一种基于体征数据的人体三维模型校准方法，其特征在于，包括：
获取人体三维模型，将人体三维模型放入三维直角坐标系中，其中，人体三维模型竖直放在三维直角坐标系内，将人体三维模型内Z轴坐标最小的点调整至XY平面上；
对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域；
获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重；
在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K；
基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整；
使用体重指数算法计算校准身高以及校准体重的BMI值，记为BMI指数X；
所述在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K包括：
在数据库中获取多组人体的体征数据，包括第一体征数量的身高体征数据以及第一体征数量的体重体征数据，其中，第一体征数量为K/2；
身高体征数据为身高等于校准身高且体重不唯一的体征数据；
体重体征数据为体重等于校准体重且身高不唯一的体征数据；
使用体重指数算法计算多个身高体征数据，将得到的BMI值记为BMI指数1至BMI指数K1，使用体重指数算法计算多个体重体征数据，将得到的BMI值记为BMI指数K2至BMI指数K，K2=K1+1；
基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整包括：
将BMI指数1至BMI指数K1中小于等于BMI指数X的身高体征数据的数量记为较轻体重数；
将BMI指数K2至BMI指数K中小于等于BMI指数X的体重体征数据的数量记为较高身高数；
当较轻体重数大于等于第二体征数量时，将调整值记为较重；
当较轻体重数小于等于第三体征数量时，将调整值记为较轻；
当较高身高数大于等于第二体征数量时，将调整值记为较矮；
当较高身高数小于等于第三体征数量时，将调整值记为较高；
当调整值被记为较重或较矮时，将躯干区域以及腰部区域等比例放大第一百分比；
当调整值被记为较轻或较高时，将躯干区域等以及腰部区域比例缩小第一百分比；
当躯干区域的缩小比例大于第二百分比时，将四肢区域以及脖部区域等比例缩小第三百分比；
当躯干区域的放大比例大于第二百分比时，将四肢区域以及脖部区域等比例放大第三百分比，第二百分比小于两倍的第一百分比。
2.根据权利要求1所述的一种基于体征数据的人体三维模型校准方法，其特征在于，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域包括：
获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最大点，记为模型最高点，将模型最高点对应的Z轴坐标记为人体高度；
获取人体三维模型在三维直角坐标系内所占的所有点中对应的Z轴坐标的最小点，记为模型最低点；
当人体高度大于等于第一标准高度时，将标准间隔距离记为α1；
当人体高度大于等于第二标准高度且小于第一标准高度时，将标准间隔距离记为α2；
当人体高度小于第二标准高度时，将标准间隔距离记为α3。
3.根据权利要求2所述的一种基于体征数据的人体三维模型校准方法，其特征在于，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域还包括：
将模型最高点所在的与XY平面平行的平面记为最高平面，以模型最低点为起点，向最高平面发射垂直的直线，将直线与最高平面相交的点记为最高平点，将最高平点与模型最低点的连线记为人体直线；
在人体直线中，从模型最低点起每隔标准间隔距离将人体直线进行划分，将划分的节点记为切割点，将所有切割点记为切割点1至切割点N；
对于切割点1至切割点N中的任意一个切割点，将切割点所在的与XY平面平行的平面记为切割平面，将切割平面中以切割点为中心的第一矩形距离乘以第二矩形距离的矩形记为切割矩形；
将切割矩形中人体三维模型所占的区域记为切片区域。
4.根据权利要求3所述的一种基于体征数据的人体三维模型校准方法，其特征在于，对三维直角坐标系内的人体三维模型进行划分，得到头部区域、四肢区域以及躯干区域还包括：
获取切割点1至切割点N对应的切割矩形1至切割矩形N，将切割矩形β与切割矩形N之间的区域记为上部区域，将上部区域与人体三维模型重合的区域记为头部区域；
当标准间隔距离为α1时，将β的值设置为β1；
当标准间隔距离为α2时，将β的值设置为β2；
当标准间隔距离为α3时，将β的值设置为β3；
对于切割矩形1至切割矩形β中的任意一个切割矩形，将切割矩形放置在平面直角坐标系中，对平面直角坐标系中的切割矩形进行像素化处理，对像素化处理后的切割矩形使用轮廓提取法，将轮廓提取法提取到的轮廓数量记为X；
当X等于第一标准数量时，将切割矩形记为躯干矩形；
对躯干矩形进行轮廓识别处理得到腰部矩形以及脖部矩形，将腰部矩形以及脖部矩形与三维人体模型重合的区域记为腰部区域以及脖部区域；
当X等于第二标准数量时，将切割矩形记为四肢矩形；
当X等于第三标准数量时，将切割矩形划分为第三标准数量的切割子矩形，其中，每个切割子矩形内均有第一标准数量的轮廓，切割子矩形从左至右依次记为切割子矩形1、切割子矩形2至切割子矩形3，将切割子矩形2记为躯干矩形，将切割子矩形1以及切割子矩形3记为四肢矩形；
对于切割矩形1至切割矩形β中的任意一个切割矩形，当切割矩形或切割矩形的切割子矩形被记为躯干矩形时，获取躯干矩形在三维直角坐标系中对应的切割点，记为切割点R；
当切割点R+1或切割点R-1对应的切割矩形为躯干矩形时，将切割点R+1或切割点R-1对应的躯干矩形记为躯干相邻矩形，将躯干相邻矩形与切割点R对应的躯干矩形之间的区域记为躯干区间，将躯干区间与人体三维模型重合的区域记为躯干区域；
当切割矩形或切割矩形的切割子矩形被记为四肢矩形时，获取四肢矩形在三维直角坐标系中对应的切割点，记为切割点T；
当切割点T+1或切割点T-1对应的切割矩形或切割子矩形为四肢矩形时，将切割点R+1或切割点R-1对应的四肢矩形记为四肢相邻矩形，将四肢相邻矩形与切割点T对应的四肢矩形之间的区域记为四肢区间，将四肢区间与人体三维模型重合的区域记为四肢区域。
5.根据权利要求4所述的一种基于体征数据的人体三维模型校准方法，其特征在于，轮廓识别处理包括：
当获取到躯干矩形时，将躯干矩形记为识别矩形1至识别矩形L；
使用轮廓提取方法提取识别矩形1至识别矩形L中的图形轮廓，记为躯干轮廓1至躯干轮廓L；
将躯干轮廓1至躯干轮廓L等比例放入平面直角坐标系中；
获取躯干轮廓1至躯干轮廓L在平面直角坐标系中所占的面积，记为轮廓面积1至轮廓面积L；
将轮廓面积1至轮廓面积L中大于等于标准面积的轮廓面积记为腰部轮廓面积，将腰部轮廓面积对应的躯干矩形记为腰部矩形；
将轮廓面积1至轮廓面积L中小于标准面积的轮廓面积记为脖部轮廓面积，将脖部轮廓面积对应的躯干矩形记为脖部矩形。
6.根据权利要求5所述的一种基于体征数据的人体三维模型校准方法，其特征在于，获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重包括：
获取人体的体征数据中的身高以及体重，记为校准身高以及校准体重；
体重指数算法为：，其中，C1为BMI值，C2为校准体重，C3为校准身高。
7.适用于权利要求1-6任意一项的一种基于体征数据的人体三维模型校准方法的系统，其特征在于，包括人体模型划分模块、体征数据划分模块以及调整模块；
人体模型划分模块用于获取人体三维模型，将人体三维模型放入三维直角坐标系中；
获取人体的体征数据中的身高，记为校准身高，获取人体的体征数据中的体重，记为校准体重；
体征数据划分模块用于在数据库中获取多组人体的体征数据，记为参考体征数据1至参考体征数据K，基于参考体征数据1至参考体征数据K得到BMI指数1至BMI指数K；
调整模块用于基于校准身高、校准体重以及BMI指数1至BMI指数K对人体三维模型进行调整。
8.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，运行如权利要求1-6任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410023017.2A CN117523154B (zh) | 2024-01-08 | 2024-01-08 | 一种基于体征数据的人体三维模型校准方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410023017.2A CN117523154B (zh) | 2024-01-08 | 2024-01-08 | 一种基于体征数据的人体三维模型校准方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117523154A CN117523154A (zh) | 2024-02-06 |
| CN117523154B true CN117523154B (zh) | 2024-03-19 |
Family
ID=89749857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410023017.2A Active CN117523154B (zh) | 2024-01-08 | 2024-01-08 | 一种基于体征数据的人体三维模型校准方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117523154B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1049045A (ja) * | 1996-08-06 | 1998-02-20 | Sekisui Chem Co Ltd | 人体モデル作成方法、およびその装置、人体モデル |
| CN107016721A (zh) * | 2017-03-07 | 2017-08-04 | 上海优裁信息技术有限公司 | 人体三维模型的建模方法 |
| CN107292948A (zh) * | 2016-04-12 | 2017-10-24 | 香港理工大学 | 一种人体建模方法、装置及电子设备 |
| CN109829971A (zh) * | 2019-01-18 | 2019-05-31 | 恒信东方文化股份有限公司 | 一种创建人体虚拟模型的方法及其装置 |
| CN111915725A (zh) * | 2020-08-21 | 2020-11-10 | 青岛联合创智科技有限公司 | 一种基于运动重建的人体测量方法 |
| CN112419479A (zh) * | 2020-11-10 | 2021-02-26 | 广州二元科技有限公司 | 一种基于体重身高及身体影像的体型数据计算方法 |
| CN112446960A (zh) * | 2020-12-09 | 2021-03-05 | 北京维盛视通科技有限公司 | 三维人体模型变形方法、装置、电子设备和存储介质 |
| CN113345069A (zh) * | 2020-03-02 | 2021-09-03 | 京东方科技集团股份有限公司 | 三维人体模型的建模方法、装置、系统及存储介质 |
| CN114202629A (zh) * | 2020-08-27 | 2022-03-18 | 北京陌陌信息技术有限公司 | 一种人体模型的建立方法、系统、设备和存储介质 |
-
2024
- 2024-01-08 CN CN202410023017.2A patent/CN117523154B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1049045A (ja) * | 1996-08-06 | 1998-02-20 | Sekisui Chem Co Ltd | 人体モデル作成方法、およびその装置、人体モデル |
| CN107292948A (zh) * | 2016-04-12 | 2017-10-24 | 香港理工大学 | 一种人体建模方法、装置及电子设备 |
| CN107016721A (zh) * | 2017-03-07 | 2017-08-04 | 上海优裁信息技术有限公司 | 人体三维模型的建模方法 |
| CN109829971A (zh) * | 2019-01-18 | 2019-05-31 | 恒信东方文化股份有限公司 | 一种创建人体虚拟模型的方法及其装置 |
| CN113345069A (zh) * | 2020-03-02 | 2021-09-03 | 京东方科技集团股份有限公司 | 三维人体模型的建模方法、装置、系统及存储介质 |
| CN111915725A (zh) * | 2020-08-21 | 2020-11-10 | 青岛联合创智科技有限公司 | 一种基于运动重建的人体测量方法 |
| CN114202629A (zh) * | 2020-08-27 | 2022-03-18 | 北京陌陌信息技术有限公司 | 一种人体模型的建立方法、系统、设备和存储介质 |
| CN112419479A (zh) * | 2020-11-10 | 2021-02-26 | 广州二元科技有限公司 | 一种基于体重身高及身体影像的体型数据计算方法 |
| CN112446960A (zh) * | 2020-12-09 | 2021-03-05 | 北京维盛视通科技有限公司 | 三维人体模型变形方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| Volumetric Differences in Body Shape Among Adults With Differing Body Mass Index Values: An Analysis Using Three-Dimensional Body Scans;NATHAN DANIELL et al;《AMERICAN JOURNAL OF HUMAN BIOLOGY》;20141231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117523154A (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110214341A (zh) | 重建颅骨的方法 | |
| CN109636808B (zh) | 一种基于全卷积神经网络的肺叶分割方法 | |
| US8199985B2 (en) | Automatic interpretation of 3-D medicine images of the brain and methods for producing intermediate results | |
| EP2537111B1 (en) | Method and system for archiving subject-specific, three-dimensional information about the geometry of part of the body | |
| CN110956635A (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
| CN110197492A (zh) | 一种心脏mri左心室分割方法及系统 | |
| US20160117797A1 (en) | Image Processing Apparatus and Image Processing Method | |
| CN108629838B (zh) | 三维牙冠网格模型的孔洞修补方法及装置 | |
| CN114419618A (zh) | 基于深度学习的全髋关节置换术前规划系统 | |
| CN109002763B (zh) | 基于同源连续性的模拟人脸老化的方法及装置 | |
| CN110021053A (zh) | 一种基于坐标转换的图像定位方法、装置、存储介质及设备 | |
| Aiteanu et al. | Hybrid tree reconstruction from inhomogeneous point clouds | |
| CN110544285A (zh) | 一种矫正头部ct图像中头部位置的方法及系统 | |
| CN111080592B (zh) | 一种基于深度学习的肋骨提取方法及装置 | |
| CN107403194B (zh) | 基于t-SNE的皮肤癌图像识别可视化系统 | |
| CN110414481A (zh) | 一种基于Unet和LSTM的3D医学影像识别和分割方法 | |
| CN110796135A (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
| CN110598017A (zh) | 一种基于自学习的商品详情页的生成方法 | |
| CN113689436A (zh) | 图像语义分割方法、装置、设备及存储介质 | |
| CN108388889A (zh) | 用于分析人脸图像的方法和装置 | |
| Guo et al. | Statistical shape analysis of brain arterial networks (BAN) | |
| CN107818564A (zh) | 一种肝脏3d医学影像分段方法 | |
| CN117523154B (zh) | 一种基于体征数据的人体三维模型校准方法、系统及存储介质 | |
| CN110992310A (zh) | 一种确定纵隔淋巴结所在分区的方法及装置 | |
| WO2002093292A2 (en) | Methods and apparatus for calculating and presenting the probabilistic functional maps of the human brain |
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 |