CN117911630A - 一种三维人体建模的方法、装置、存储介质及电子设备 - Google Patents
一种三维人体建模的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117911630A CN117911630A CN202410308245.4A CN202410308245A CN117911630A CN 117911630 A CN117911630 A CN 117911630A CN 202410308245 A CN202410308245 A CN 202410308245A CN 117911630 A CN117911630 A CN 117911630A
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- background
- video
- frame
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000009792 diffusion process Methods 0.000 claims abstract description 34
- 230000003068 static effect Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 197
- 230000008569 process Effects 0.000 description 22
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本说明书公开了一种三维人体建模的方法、装置、存储介质及电子设备，具体包括：确定人体视频序列中各视频图像的人体特征数据和背景特征数据。通过稳定扩散模型根据人体特征数据和背景特征数据生成各视频图像的人体图像和背景图像，进而确定出每个人体图像针对各人体图像的人体特征权重值，以及确定出每个背景图像针对各背景图像的背景特征权重值。根据人体图像和人体特征权重值，生成人体建模数据，根据背景图像和背景特征权重值，生成背景建模数据。根据人体建模数据和背景建模数据，构建三维视频人体模型。通过本说明书中的方法可以有效利用时间维度的更深层次的有用信息，极大程度上提升了三维人体视频模型与真实人体之间的相似度和准确性。
Description
技术领域
本说明书涉及图像处理技术领域，尤其涉及一种三维人体建模的方法、装置、存储介质及电子设备。
背景技术
随着科学技术的不断进步，根据一定时长的视频文件进行三维人体建模的高新技术逐渐普及和应用在多个领域中，例如，影视特效制作领域，人体医学研究等等。
现如今根据视频文件进行三维人体建模主要手段大多通过利用针对时间序列的智能计算模型来实现，但现有传统的智能计算模型往往只基于时间序列之间的时间依赖性进行三维人体建模，即只考虑前后不同时间点之间的联系，并未考虑到视频文件的时间维度中更深层次的有用信息，比如可能会忽略某些视频文件中的周期性和季节性信息，或者可能忽略视频文件中涉及到的复杂的非线性动态信息等等，导致最终得到的三维人体模型与视频文件中对应的实际人体模型之间的误差较大，从而影响后续基于三维人体模型的任务执行。
因此，如何能够基于视频文件精准构建出更为准确的三维人体模型，是至关重要的。
发明内容
本说明书提供一种三维人体建模的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案：
本说明书提供了一种三维人体建模的方法，包括：
获取人体视频序列，所述人体视频序列包含有预设帧数的各视频图像；
针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据；
将所述各帧视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得所述稳定扩散模型根据所述各人体特征数据，生成所述各帧视频图像对应的各人体图像，以及将所述各帧视频图像所对应的各背景特征数据输入到所述稳定扩散模型中，以使得所述稳定扩散模型根据所述各帧视频图像对应的背景特征数据，生成所述各帧视频图像对应的背景图像；
根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值；
根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，并根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
可选的，针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据，具体包括：
针对所述人体视频序列中包含的每帧视频图像，将该视频图像输入到预设的特征提取模型中，以使所述特征提取模型根据该视频图像，生成该视频图像对应的静态特征数据，所述静态特征数据用于以数据形式表示该视频图像中的图像内容和图像特征；
根据该视频图像对应的静态特征数据，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据。
可选的，在根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值之前，所述方法还包括：
将所述各人体图像和所述各背景图像输入到预先训练的噪声去除模型中，以使得所述噪声去除模型对所述各人体图像和所述各背景图像进行去噪处理，得到所述各人体图像对应的各人体无噪声图像，以及所述各背景图像对应的各背景无噪声图像；
根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值，具体包括：
根据各帧人体无噪声图像，确定每帧人体无噪声图像对应的人体特征权重值，以及根据各帧背景无噪声图像，确定每帧背景无噪声图像对应的背景特征权重值。
可选的，训练所述噪声去除模型，具体包括：
获取加噪图像和所述加噪图像对应未加噪图像；
将所述加噪图像输入到待训练的噪声去除模型中，以使得所述噪声去除模型对所述加噪图像进行去噪处理，生成所述加噪图像对应的无噪声图像；
以最小化所述无噪声图像与所述未加噪图像之间的偏差为优化目标，对所述噪声去除模型进行训练。
可选的，根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值，具体包括：
针对所述人体视频序列中包含的每帧视频图像，根据该视频图像对应的人体图像，确定该视频图像对应的人体卷积特征数据，并根据该视频图像对应的背景图像，确定该视频图像对应的背景卷积特征数据；
根据该视频图像对应的人体卷积特征数据，确定该视频图像对应的人体图像中各像素点的人体像素权重值，并根据该视频图像对应的人体卷积特征数据和所述各像素点的人体像素权重值，确定该视频图像对应的人体像素加权数据，并根据该视频图像对应的背景卷积特征数据，确定该视频图像对应的背景图像中各像素点的背景像素权重值，并根据该视频图像对应的背景卷积特征数据和所述各像素点的背景像素权重值，确定该视频图像对应的背景像素加权数据；
根据该视频图像对应的人体像素加权数据和所述各人体图像，确定该视频图像对应的人体图像针对于所述各人体图像的人体特征权重值，并根据该视频图像对应的背景像素加权数据和所述各背景图像，确定该视频图像对应的背景图像针对于所述各背景图像的背景特征权重值。
可选的，根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，具体包括：
针对所述各视频图像中每帧视频图像，根据该视频图像对应的人体像素加权数据和该视频图像的人体特征权重值，确定该视频图像的人体综合特征数据，并根据该视频图像对应的背景像素加权数据和该视频图像的背景特征权重值，确定该视频图像的背景综合特征数据；
根据所述各视频图像对应的人体综合特征数据，生成所述人体视频序列对应的人体建模数据，并根据所述各视频图像对应的背景综合特征数据，生成所述人体视频序列对应的背景建模数据。
可选的，根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型，具体包括：
将所述人体建模数据和所述背景建模数据输入到预设的三维建模模型中，以使得所述三维建模模型根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
本说明书提供了一种三维人体建模的装置，包括：
获取模块，用于获取人体视频序列，所述人体视频序列包含有预设帧数的各视频图像；
特征确定模块，用于针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据；
图像生成模块，用于将所述各帧视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得所述稳定扩散模型根据所述各人体特征数据，生成所述各帧视频图像对应的各人体图像，以及将所述各帧视频图像所对应的各背景特征数据输入到所述稳定扩散模型中，以使得所述稳定扩散模型根据所述各帧视频图像对应的背景特征数据，生成所述各帧视频图像对应的背景图像；
权重确定模块，用于根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值；
三维建模模块，用于根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，并根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述三维人体建模的方法。
本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述三维人体建模的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果：
从上述方法可以看出，在本说明书提供的三维人体建模的方法中，针对获取到的人体视频序列，分别确定出各视频图像的人体特征数据和背景特征数据。然后，通过预设的稳定扩散模型根据各视频图像的人体特征数据和背景特征数据生成各视频图像对应的人体图像和背景图像，针对每个视频图像，确定出每个视频图像对应的人体图像针对于所有人体图像的人体特征权重值，以及确定出每个视频图像对应的背景图像针对于所有背景图像的背景特征权重值。进而根据各帧人体图像和各人体特征权重值，生成人体视频序列对应的人体建模数据，以及根据各帧背景图像和各背景特征权重值，生成人体视频序列对应的背景建模数据，紧接着根据人体建模数据和背景建模数据，构建出人体视频序列对应的三维视频人体模型。
从上述内容可以看出，本说明书所提供的三维人体建模的方法，可以根据人体视频序列中的每一帧视频图像确定出对应的人体特征数据和背景特征数据，进而确定出各人体特征数据和各背景特征数据针对于整个人体视频序列的权重大小，以构建出精准度较高的三维视频人体模型。通过本说明书中的方法进行三维建模可以充分利用视频序列中时间维度的更深层次的有用信息。在人体变化与背景变化相结合的基础上进行三维建模，极大程度上提升了构建出的三维人体视频模型与实际人体之间的相似程度和准确性，构建得到的三维人体视频模型也可以在后续的任务执行中起到更好的应用效果。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：
图1为本说明书中提供的一种三维人体建模的方法的流程示意图；
图2为本说明书中提供的一个三维人体建模的整体过程的示意图；
图3为本说明书中提供的一种三维人体建模的装置的示意图；
图4为本说明书提供的一种对应于图1的电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都属于本说明书保护的范围。
以下结合附图，详细说明本说明书各实施例提供的技术方案。
图1为本说明书中提供的一种三维人体建模的方法的流程示意图，包括以下步骤：
S101：获取人体视频序列，所述人体视频序列包含有预设帧数的各视频图像。
S102：针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据。
目前，基于视频文件进行三维人体建模的相关技术已经广泛应用在了众多领域中，例如人体医学领域，服装设计领域等。现阶段针对视频文件进行三维人体建模的数学模型只是单纯基于时间序列之间的依赖性进行建模，而忽略了视频中不同时间点间更深层次的潜在联系，导致构建出的三维人体模型精度较低，无法准确反映出视频文件中实际的人体结构和细节，进而影响到后续基于三维人体模型执行相关任务时的执行效率和执行效果。因此，如何能够构建出精准度更高的三维视频人体模型，是个亟待解决的问题。
为此，本说明书提供了一种三维人体建模的方法，其中，本说明书提供的方法所采用的执行主体可以是服务器，也可以是诸如台式电脑、笔记本电脑等终端设备等。除此之外，本说明书的执行主体也可以为呈软件形式的主体，例如安装在服务器中的客户端等。而为了便于说明，下面本说明书仅以终端设备作为执行主体，对所提供的三维人体建模的方法进行说明。
基于此，应用本说明书提供的三维人体建模的方法的终端设备可以确定出人体视频序列中各视频图像所对应的人体特征数据和背景特征数据，进而确定出各人体特征数据和各背景特征数据针对人体视频序列的特征权重值。根据各视频图像和各人体特征数据和各背景特征数据针对人体视频序列的特征权重值以构建出人体视频序列所对应的三维视频人体模型。
其中，终端设备需要针对三维人体视频进行模型构建的具体应用场景可根据实际需求而定，例如，在影视作品的特效制作场景中，终端设备可以根据预先录制好的视频文件对视频中的人物和背景进行三维建模，从而制作出更为逼真的影视特效；再例如，在人体医学研究领域中，终端设备可以根据预先录制好的视频文件对视频中的患者或特定肢体部位进行三维人体建模，以制作出高精度的三维模型，从而有利于推进相关人体医学的研究进程，抑或者一定程度上帮助医生更好的分析患者的实际病情。
在本说明书中，终端设备可以针对获取到的人体视频序列中的每一帧视频图像，确定出每帧视频图像对应的人体特征数据和背景特征数据。
具体的，终端设备可以将人体视频序列中的每一帧视频图像输入到预设的特征提取模型中，以使得特征提取模型可以根据每一帧视频图像，生成出每一帧视频图像所对应的静态特征数据。静态特征数据用于以向量数据的形式来表示所对应的视频图像中的图像内容和图像特征，可以简单理解为，静态特征数据是所属视频图像的一种向量数据形式的表达，以向量数据的形式来呈现视频图像中的图像特征信息。
然后，针对于人体视频序列中的每帧视频图像来说，终端设备可以根据视频图像所对应静态特征数据，确定出该视频图像所对应人体特征数据，以及该视频图像中除人体外的背景特征数据。上述人体特征数据和背景特征数据与静态特征数据的数据类型相同，同为向量形式的数据，人体特征数据用于以向量数据的形式来表示所对应的视频图像中的人体图像特征，背景特征数据则是用于以向量数据的形式来表示所对应的视频图像中的背景图像特征。具体可以理解为，针对每帧视频图像来说，终端设备可以根据该视频图像的静态特征数据分别提取出人体特征数据和背景特征数据，可以形象称为对视频图像的静态特征数据进行抠取，将静态特征数据中的人体特征数据和背景特征数据分别抠取出来。
需要另行说明的是，上述提及过的人体视频序列可以是包含有多帧视频图像的视频文件，本说明书中不对人体视频序列中视频图像的具体帧数进行严格限定，可根据实际需求和视频时长进行灵活调整。另外，上述提及的特征提取模型可以采用如深度残差网络（Deep Residual Network，ResNet）、密集连接网络（Densely Connected ConvolutionalNetworks，DenseNet）等具有图像特征提取能力的数学模型，本说明书中不对特征提取模型的具体模型类别进行严格限定，根据实际应用场景和实际需求灵活调整即可。
S103：将所述各帧视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得所述稳定扩散模型根据所述各人体特征数据，生成所述各帧视频图像对应的各人体图像，以及将所述各帧视频图像所对应的各背景特征数据输入到所述稳定扩散模型中，以使得所述稳定扩散模型根据所述各帧视频图像对应的背景特征数据，生成所述各帧视频图像对应的背景图像。
在本说明书中，终端设备可以将各视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得稳定扩散模型可以根据各人体特征数据，生成出各视频图像所对应的人体图像，同时终端设备也可以将各视频图像所对应的各背景特征数据输入到预设的稳定扩散模型中，以使得稳定扩散模型可以根据各背景特征数据，生成出各视频图像所对应的背景图像。此步骤是将向量形式的人体特征数据和背景特征数据再转换为图像数据，以便于后续建模过程时的数据处理。
其中，上述提及的稳定扩散模型可以采用例如可逆稳定网络（Reversible StableNetwork，RSN）、生成对抗网络（Generative Adversarial Networks，GAN）等具有基于特征向量数据生成对应图像能力的数学模型，本说明书中不对稳定扩散模型的具体模型类别进行严格限定，可根据实际需求和应用场景进行调整。
S104：根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值。
在本说明书中，终端设备可以根据各视频图像对应的各人体图像，确定出每帧人体图像对应的人体特征权重值，同时还可以根据各视频图像对应的各背景图像，确定出每帧背景图像对应的背景特征权重值。
其中，终端设备在根据图像确定特征权重值之前，可以将各人体图像和各背景图像输入到预先训练好的噪声去除模型中，以使得噪声去除模型可以针对各人体图像和各背景图像进行去噪处理，从而得到各人体图像对应的各人体无噪声图像，以及各背景图像对应的各背景无噪声图像。上述提及的噪声去除模型的具体训练过程为，将获取到的加噪图像输入到待训练的噪声去除模型中，以通过噪声去除模型对加噪图像中的噪声进行去除，得到加噪图像对应的无噪声图像。进而以最小化无噪声图像与加噪图像所对应的未加噪图像之间的偏差为优化目标，对噪声去除模型进行训练。训练过程中针对噪声去除模型的损失函数可以参考如下公式：
其中，用于表示针对噪声去除模型的训练过程的总损失函数，由损失函数以及正则化项/>相加而得。损失函数/>用于表示无噪声图像与未加噪图像之间的损失函数，/>表示未加噪图像所对应的向量数据，/>表示无噪声图像所对应的向量数据，/>表示加噪图像的数量。正则化项/>是用于对噪声去除模型的训练过程中各模型参数起到约束作用的稀疏权项，/>为正则化系数，/>为模型参数。
需要进行说明的是，在针对噪声去除模型的训练过程设立正则化项的目的为，一是以降低模型复杂度的方式来防止噪声去除模型在训练过程中出现过拟合，二是可以在保持模型能力的同时显著减少不重要参数的数量和占比，从而减小模型体量并提升模型效率。另外，本说明书中不对上述提及的噪声去除模型的模型类别进行严格限定，具体可以采用如高斯滤波器、非局部均值模型（Non-Local Means，NLM）等具有图像噪声去除能力的数学模型，可根据实际需求和应用场景进行选取和设定。
进一步而言，终端设备确定出各人体无噪声图像和各背景无噪声图像后，便可以根据各帧人体无噪声图像，确定每帧人体无噪声图像对应的人体特征权重值，以及根据各帧背景无噪声图像，确定每帧背景无噪声图像对应的背景特征权重值。
具体的，针对每个视频图像来说，终端设备可以根据该视频图像对应的人体图像，确定出该视频图像对应的人体卷积特征数据，人体卷积特征数据的确认方法具体可以通过预设在终端设备中的卷积神经网络针对人体图像进行提取和生成，并同时根据该视频图像对应的背景图像，确定出该视频图像对应的背景卷积特征数据，同样的，背景卷积特征数据的确认方法具体也可以通过预设在终端设备中的卷积神经网络针对背景图像进行提取和生成。上述人体卷积特征数据用于反映视频图像对应的人体图像的特征信息，而上述背景卷积特征数据则是用于反映视频图像对应的背景图像的特征信息。
然后，继续针对每个视频图像来说，终端设备可以根据该视频图像的人体卷积特征数据进行自我注意力识别，确定出该视频图像的人体图像中各像素点针对于该人体图像的人体像素权重值，进而根据各像素点的人体像素权重值对人体卷积特征数据中各像素点的特征数据进行加权后融合，以得到该视频图像的人体像素加权数据。针对背景图像也是相同的操作，终端设备可以根据该视频图像的背景卷积特征数据进行自我注意力识别，确定出该视频图像的背景图像中各像素点针对于该背景图像的背景像素权重值，进而根据各像素点的背景像素权重值对背景卷积特征数据中各像素点的特征数据进行加权后融合，以得到该视频图像的背景像素加权数据。为了便于理解，针对人体像素加权数据进行举例说明，假设人体视频序列中的某一帧视频图像的人体图像为一个人正在进行起跑动作的图像。终端设备将人体图像转换为人体卷积特征数据后，可以将人体图像中类似人起跑时运动的关节处的像素点、运动姿态的边界点的像素点等在人体卷积特征数据中的权重值进行提高，以使得后续建模过程中可以使得终端设备更加专注于这些关键像素点的建模，提升构建出的三维视频人体模型的模型精度。
再然后，终端设备便可以根据该视频图像所对应的人体像素加权数据，针对人体视频序列中所有视频图像进行注意力识别，确定出该视频图像的人体图像针对于所有视频图像的人体特征权重值，以及可以根据该视频图像所对应的背景像素加权数据，针对人体视频序列中所有视频图像进行注意力识别，确定出该视频图像的背景图像针对于所有视频图像的背景特征权重值。举例来说，假设某一人体视频序列为一名运动员进行跑步运动的视频，终端设备可以将人体视频序列中运动员运动姿态发生变化的人体图像（例如：起跑时、转弯时、停止跑步时等）的权重值提高，以使得后续建模过程中可以使得终端设备更加针对于这些关键视频帧进行建模，提升三维视频人体模型的准确性。
需要说明的是，与上述人体像素加权数据（或背景像素加权数据）的确定过程不同的是，此处确定出的人体特征权重值（或背景特征权重值）是将每一个人体图像（或背景图像）与人体视频序列所对应的所有人体图像（或背景图像）进行注意力的识别和权重分配，而上述人体像素加权数据（或背景像素加权数据）的确定过程则是针对每一个人体图像（或背景图像）进行自身像素点的权重确定。先从个体自身再到全部整体，总体是一个由小到大的注意力权重的分配过程，有效保证人体视频序列中每一个关键信息都被施加以较高的关注程度，可以极大程度上提升构建出的三维视频人体模型的模型精度。
S105：根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，并根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
在本说明书中，终端设备可以根据各人体图像和各人体图像对应的人体特征权重值，生成出人体视频序列所对应的人体建模数据，以及根据各背景图像和各背景图像对应的背景特征权重值，生成出人体视频序列所对应的背景建模数据。进而根据人体建模数据和背景建模数据，构建出人体视频序列对应的三维视频人体模型。
具体的，针对人体视频序列中每个视频图像来说，终端设备可以根据该视频图像对应的人体像素加权数据和人体特征权重值，确定出该视频图像对应的人体综合特征数据，以及根据该视频图像对应的背景像素加权数据和背景特征权重值，确定出该视频图像对应的背景综合特征数据。然后，终端设备可以根据各视频图像对应的人体综合特征数据，生成出人体视频序列对应的人体建模数据，以及根据各视频图像对应的背景综合特征数据，生成出人体视频序列对应的背景建模数据。
其中，在根据各视频图像对应的人体综合特征数据生成人体建模数据之前，终端设备还可以将人体视频序列输入到预设的坐标计算模型中，以使坐标计算模型提取出各帧视频图像的关键点（例如人体的关键部位如头部，肩膀，膝盖等）的坐标信息，进而根据各视频图像的坐标信息来判断在至少部分视频图像中人体的动作或姿态是否发生变化。终端设备可以根据坐标计算模型输出的坐标信息来判断人体视频序列中那些视频图像中的人体图像的形态或位置发生了变化，从而对对应的人体图像和背景图像之间的权重进行调整。
为了便于理解，对上述内容进行举例说明，假设某一人体视频序列中有5帧视频图像，其中第一张视频图像为运动员进行跳远运动时的起跳动作，第二张至第四张视频图像均为运动员起跳后在空中的图像，运动员的动作姿态并未发生变化，但背景图像因运动员为中心而发生了变化，第五张视频图像为运动员起跳后落地的图像。针对该人体视频序列，终端设备可以基于坐标计算模型输出的坐标数据，判断出第二张至第四张视频图像中的人体图像并未发生较为明显的变化，从而调整第二张至第四张视频图像所对应的人体综合特征数据和背景综合特征数据之间的权重，将第二张至第四张视频图像对应的人体综合特征数据的权重降低，以将第二张至第四张视频图像所对应的背景综合特征数据提高，以使得后续建模过程中终端设备可以更关注于背景图像中的变化。至于第一张视频图像和第五张视频图像，终端设备则会判断出第一张视频图像和第五张视频图像中的人体图像发生了较大程度的变化，从而提高第一张视频图像和第五张视频图像所对应的人体综合特征数据针对于背景综合特征数据的权重占比，使得后续建模过程中终端设备可以更关注于人体图像的变化，提升构建出的三维视频人体模型的精准度。
进一步而言，根据基于坐标计算模型调整后的人体综合特征数据构建出人体建模数据，以及根据基于坐标计算模型调整后的背景综合特征数据构建出背景建模数据后，终端设备便可以根据人体建模数据和背景建模数据构建出人体视频序列对应的三维视频人体模型。
具体的，终端设备可以将人体建模数据和背景建模数据输入到预设的三维建模模型中，以使得三维建模模型可以根据人体建模数据和背景建模数据，构建出人体视频序列对应的三维视频人体模型。需要说明的是，此处通过三维建模模型构建三维视频人体模型是为了将人体视频序列的人体建模数据和背景建模数据相融合，以构建出同时兼顾人体图像中的特征信息和背景图像中的特征信息的三维视频人体模型。又因为是基于包含有多帧视频图像的人体视频序列所构建出的三维视频人体模型，可以在时间维度上对三维视频人体模型进行灵活调整，时间维度的具体长度与人体视频序列的时长和帧数大小呈正相关，具体可采用类似时间条拖动的方式选择不同帧的视频图像所对应的不同人体模型。
另外，本说明书中不对上述提及的坐标计算模型和三维视频人体模型的具体模型类别进行严格限定，坐标计算模型可以采用如尺度不变特征变换模型（Scale-InvariantFeature Transform，SIFT）、定向快速旋转模型（Oriented FAST and Rotated BRIEF，ORB）等具有图像关键点识别能力的数学模型，三维视频人体模型可以采用如蒙皮的多人线性模型（Skinned Multi-Person Linear Model， SMPL）、参数化人体模型（Parametric HumanModels）等具有建模能力的数学模型，根据实际需求和应用场景可进行灵活选取和设置。
综上所述，为了更为明了的对本说明书所提供的三维人体建模的方法进行说明，下面以一个三维人体建模的整体过程的示意图，来进行介绍，如图2所示。
图2为本说明书中提供的一个三维人体建模的整体过程的示意图。
如图2所示，终端设备可以先将获取到的人体视频序列输入到特征提取模型中，以使得特征提取模型可以生成出人体视频序列中各视频图像对应的静态特征数据。然后根据静态特征数据确定出各视频图像对应的人体特征数据和背景特征数据，并将人体特征数据和背景特征数据输入到稳定扩散模型中，以使稳定扩散模型可以分别根据人体特征数据和背景特征数据，生成出各视频图像对应的人体图像和背景图像。
然后，根据确定出的人体像素权重值，对人体图像对应的人体卷积特征数据中各数据间的权重进行调整和分配，以得到人体图像对应的人体像素加权数据。以及根据确定出的背景像素权重值，对背景图像对应的背景卷积特征数据中各数据间的权重进行调整和分配，以得到背景图像对应的背景像素加权数据。紧接着，根据确定出的人体特征权重值，对人体图像对应的人体像素加权数据进行调整和分配以得到人体图像对应的人体综合特征数据，以及根据确定出的背景特征权重值，对背景图像对应的背景像素加权数据进行调整和分配以得到背景图像对应的背景综合特征数据。
再然后，利用坐标计算模型输出的基于人体视频序列的坐标数据对各视频图像的人体综合特征数据和背景综合特征数据的权重进行调整，并根据调整后的人体综合特征数据生成出人体建模数据，以及根据调整后的背景综合特征数据生成出背景建模数据。最后将人体建模数据和背景建模数据输入到三维建模模型中，构建出人体视频序列对应的三维视频人体模型。
从上述内容可以看出，本说明书所提供的三维人体建模的方法，可以根据人体视频序列中的每一帧视频图像确定出对应的人体特征数据和背景特征数据。然后，先对自身像素点的权重进行分配，再针对所有视频图像的权重进行分配，从而确定出各人体特征数据和各背景特征数据针对于整个人体视频序列的权重大小，以至于构建出精准度较高的三维视频人体模型。
通过本说明书中的方法进行三维建模可以充分利用视频序列中时间维度的更深层次的有用信息。在人体变化与背景变化相结合的基础上进行三维建模，极大程度上提高了构建出的三维人体视频模型与实际人体模型之间的相似程度和准确性，构建得到的三维人体视频模型也可以在后续的任务执行中起到更好的应用效果。
以上为本说明书的一个或多个实施的方法，基于同样的思路，本说明书还提供了相应的三维人体建模的装置，如图3所示。
图3为本说明书中提供的一种三维人体建模的装置的示意图，包括：
获取模块301，用于获取人体视频序列，所述人体视频序列包含有预设帧数的各视频图像；
特征确定模块302，用于针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据；
图像生成模块303，用于将所述各帧视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得所述稳定扩散模型根据所述各人体特征数据，生成所述各帧视频图像对应的各人体图像，以及将所述各帧视频图像所对应的各背景特征数据输入到所述稳定扩散模型中，以使得所述稳定扩散模型根据所述各帧视频图像对应的背景特征数据，生成所述各帧视频图像对应的背景图像；
权重确定模块304，用于根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值；
三维建模模块305，用于根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，并根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
可选的，所述特征确定模块302具体用于，针对所述人体视频序列中包含的每帧视频图像，将该视频图像输入到预设的特征提取模型中，以使所述特征提取模型根据该视频图像，生成该视频图像对应的静态特征数据，所述静态特征数据用于以数据形式表示该视频图像中的图像内容和图像特征；根据该视频图像对应的静态特征数据，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据。
可选的，所述装置还包括：
噪音去除模块306，用于将所述各人体图像和所述各背景图像输入到预先训练的噪声去除模型中，以使得所述噪声去除模型对所述各人体图像和所述各背景图像进行去噪处理，得到所述各人体图像对应的各人体无噪声图像，以及所述各背景图像对应的各背景无噪声图像；
所述权重确定模块304具体用于，根据各帧人体无噪声图像，确定每帧人体无噪声图像对应的人体特征权重值，以及根据各帧背景无噪声图像，确定每帧背景无噪声图像对应的背景特征权重值。
可选的，所述噪音去除模块306具体用于，获取加噪图像和所述加噪图像对应未加噪图像；将所述加噪图像输入到待训练的噪声去除模型中，以使得所述噪声去除模型对所述加噪图像进行去噪处理，生成所述加噪图像对应的无噪声图像；以最小化所述无噪声图像与所述未加噪图像之间的偏差为优化目标，对所述噪声去除模型进行训练。
可选的，所述权重确定模块304具体用于，针对所述人体视频序列中包含的每帧视频图像，根据该视频图像对应的人体图像，确定该视频图像对应的人体卷积特征数据，并根据该视频图像对应的背景图像，确定该视频图像对应的背景卷积特征数据；根据该视频图像对应的人体卷积特征数据，确定该视频图像对应的人体图像中各像素点的人体像素权重值，并根据该视频图像对应的人体卷积特征数据和所述各像素点的人体像素权重值，确定该视频图像对应的人体像素加权数据，并根据该视频图像对应的背景卷积特征数据，确定该视频图像对应的背景图像中各像素点的背景像素权重值，并根据该视频图像对应的背景卷积特征数据和所述各像素点的背景像素权重值，确定该视频图像对应的背景像素加权数据；根据该视频图像对应的人体像素加权数据和所述各人体图像，确定该视频图像对应的人体图像针对于所述各人体图像的人体特征权重值，并根据该视频图像对应的背景像素加权数据和所述各背景图像，确定该视频图像对应的背景图像针对于所述各背景图像的背景特征权重值。
可选的，所述三维建模模块305具体用于，针对所述各视频图像中每帧视频图像，根据该视频图像对应的人体像素加权数据和该视频图像的人体特征权重值，确定该视频图像的人体综合特征数据，并根据该视频图像对应的背景像素加权数据和该视频图像的背景特征权重值，确定该视频图像的背景综合特征数据；根据所述各视频图像对应的人体综合特征数据，生成所述人体视频序列对应的人体建模数据，并根据所述各视频图像对应的背景综合特征数据，生成所述人体视频序列对应的背景建模数据。
可选的，所述三维建模模块305具体用于，将所述人体建模数据和所述背景建模数据输入到预设的三维建模模型中，以使得所述三维建模模型根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的一种三维人体建模的方法。
本说明书还提供了图4所示的一种对应于图1的电子设备的示意结构图。如图4所示，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的三维人体建模的方法。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书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，本说明书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（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于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的装置。
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。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于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的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书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，本说明书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（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种三维人体建模的方法，其特征在于，包括：
获取人体视频序列，所述人体视频序列包含有预设帧数的各视频图像；
针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据；
将所述各帧视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得所述稳定扩散模型根据所述各人体特征数据，生成所述各帧视频图像对应的各人体图像，以及将所述各帧视频图像所对应的各背景特征数据输入到所述稳定扩散模型中，以使得所述稳定扩散模型根据所述各帧视频图像对应的背景特征数据，生成所述各帧视频图像对应的背景图像；
根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值；
根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，并根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
2.如权利要求1所述的方法，其特征在于，针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据，具体包括：
针对所述人体视频序列中包含的每帧视频图像，将该视频图像输入到预设的特征提取模型中，以使所述特征提取模型根据该视频图像，生成该视频图像对应的静态特征数据，所述静态特征数据用于以数据形式表示该视频图像中的图像内容和图像特征；
根据该视频图像对应的静态特征数据，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据。
3.如权利要求1所述的方法，其特征在于，在根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值之前，所述方法还包括：
将所述各人体图像和所述各背景图像输入到预先训练的噪声去除模型中，以使得所述噪声去除模型对所述各人体图像和所述各背景图像进行去噪处理，得到所述各人体图像对应的各人体无噪声图像，以及所述各背景图像对应的各背景无噪声图像；
根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值，具体包括：
根据各帧人体无噪声图像，确定每帧人体无噪声图像对应的人体特征权重值，以及根据各帧背景无噪声图像，确定每帧背景无噪声图像对应的背景特征权重值。
4.如权利要求3所述的方法，其特征在于，训练所述噪声去除模型，具体包括：
获取加噪图像和所述加噪图像对应未加噪图像；
将所述加噪图像输入到待训练的噪声去除模型中，以使得所述噪声去除模型对所述加噪图像进行去噪处理，生成所述加噪图像对应的无噪声图像；
以最小化所述无噪声图像与所述未加噪图像之间的偏差为优化目标，对所述噪声去除模型进行训练。
5.如权利要求1所述的方法，其特征在于，根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值，具体包括：
针对所述人体视频序列中包含的每帧视频图像，根据该视频图像对应的人体图像，确定该视频图像对应的人体卷积特征数据，并根据该视频图像对应的背景图像，确定该视频图像对应的背景卷积特征数据；
根据该视频图像对应的人体卷积特征数据，确定该视频图像对应的人体图像中各像素点的人体像素权重值，并根据该视频图像对应的人体卷积特征数据和所述各像素点的人体像素权重值，确定该视频图像对应的人体像素加权数据，并根据该视频图像对应的背景卷积特征数据，确定该视频图像对应的背景图像中各像素点的背景像素权重值，并根据该视频图像对应的背景卷积特征数据和所述各像素点的背景像素权重值，确定该视频图像对应的背景像素加权数据；
根据该视频图像对应的人体像素加权数据和所述各人体图像，确定该视频图像对应的人体图像针对于所述各人体图像的人体特征权重值，并根据该视频图像对应的背景像素加权数据和所述各背景图像，确定该视频图像对应的背景图像针对于所述各背景图像的背景特征权重值。
6.如权利要求5所述的方法，其特征在于，根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，具体包括：
针对所述各视频图像中每帧视频图像，根据该视频图像对应的人体像素加权数据和该视频图像的人体特征权重值，确定该视频图像的人体综合特征数据，并根据该视频图像对应的背景像素加权数据和该视频图像的背景特征权重值，确定该视频图像的背景综合特征数据；
根据所述各视频图像对应的人体综合特征数据，生成所述人体视频序列对应的人体建模数据，并根据所述各视频图像对应的背景综合特征数据，生成所述人体视频序列对应的背景建模数据。
7.如权利要求1所述的方法，其特征在于，根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型，具体包括：
将所述人体建模数据和所述背景建模数据输入到预设的三维建模模型中，以使得所述三维建模模型根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
8.一种三维人体建模的装置，其特征在于，包括：
获取模块，用于获取人体视频序列，所述人体视频序列包含有预设帧数的各视频图像；
特征确定模块，用于针对所述人体视频序列中包含的每帧视频图像，根据该视频图像，确定该视频图像中包含的人体特征数据，以及确定该视频图像中除所述人体外的背景特征数据；
图像生成模块，用于将所述各帧视频图像所对应的各人体特征数据输入到预设的稳定扩散模型中，以使得所述稳定扩散模型根据所述各人体特征数据，生成所述各帧视频图像对应的各人体图像，以及将所述各帧视频图像所对应的各背景特征数据输入到所述稳定扩散模型中，以使得所述稳定扩散模型根据所述各帧视频图像对应的背景特征数据，生成所述各帧视频图像对应的背景图像；
权重确定模块，用于根据各帧人体图像，确定每帧人体图像对应的人体特征权重值，以及根据各帧背景图像，确定每帧背景图像对应的背景特征权重值；
三维建模模块，用于根据所述各帧人体图像和所述各帧人体图像的人体特征权重值，生成所述人体视频序列对应的人体建模数据，以及根据所述各帧背景图像和所述各帧背景图像的背景特征权重值，生成所述人体视频序列对应的背景建模数据，并根据所述人体建模数据和所述背景建模数据，构建所述人体视频序列对应的三维视频人体模型。
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~7任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1~7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410308245.4A CN117911630B (zh) | 2024-03-18 | 2024-03-18 | 一种三维人体建模的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410308245.4A CN117911630B (zh) | 2024-03-18 | 2024-03-18 | 一种三维人体建模的方法、装置、存储介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117911630A true CN117911630A (zh) | 2024-04-19 |
| CN117911630B CN117911630B (zh) | 2024-05-14 |
Family
ID=90689204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410308245.4A Active CN117911630B (zh) | 2024-03-18 | 2024-03-18 | 一种三维人体建模的方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117911630B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010165183A (ja) * | 2009-01-15 | 2010-07-29 | Panasonic Electric Works Co Ltd | 人体検出装置 |
| WO2013152625A1 (zh) * | 2012-04-13 | 2013-10-17 | 富士通株式会社 | 用于去除附着噪声的方法和系统 |
| CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
| CN111767866A (zh) * | 2020-06-30 | 2020-10-13 | 北京爱奇艺科技有限公司 | 一种人体模型创建方法、装置、电子设备及存储介质 |
| CN112767531A (zh) * | 2020-12-30 | 2021-05-07 | 浙江大学 | 面向移动端的虚拟试衣的人体模型脸部分区域建模方法 |
| CN113658309A (zh) * | 2021-08-25 | 2021-11-16 | 北京百度网讯科技有限公司 | 三维重建方法、装置、设备以及存储介质 |
| CN115082624A (zh) * | 2022-06-28 | 2022-09-20 | 北京软通智慧科技有限公司 | 一种人体模型构建方法、装置、电子设备及存储介质 |
| WO2023020103A1 (zh) * | 2021-08-17 | 2023-02-23 | 北京京东乾石科技有限公司 | 目标检测模型的更新方法及装置 |
| US20230082349A1 (en) * | 2021-09-15 | 2023-03-16 | LlamaZOO Interactive Inc. | Method and apparatus for interactive volumetric visualization |
| CN116310066A (zh) * | 2022-09-07 | 2023-06-23 | 华中师范大学 | 一种单图像三维人体形态估计方法及应用 |
| CN116580151A (zh) * | 2023-04-27 | 2023-08-11 | 深圳市即构科技有限公司 | 人体三维模型构建方法、电子设备及存储介质 |
| CN117036546A (zh) * | 2023-07-31 | 2023-11-10 | 华院计算技术(上海)股份有限公司 | 图片生成方法及装置、存储介质、计算设备 |
| CN117372631A (zh) * | 2023-12-07 | 2024-01-09 | 之江实验室 | 一种多视角图像生成模型的训练方法、应用方法 |
-
2024
- 2024-03-18 CN CN202410308245.4A patent/CN117911630B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010165183A (ja) * | 2009-01-15 | 2010-07-29 | Panasonic Electric Works Co Ltd | 人体検出装置 |
| WO2013152625A1 (zh) * | 2012-04-13 | 2013-10-17 | 富士通株式会社 | 用于去除附着噪声的方法和系统 |
| CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
| CN111767866A (zh) * | 2020-06-30 | 2020-10-13 | 北京爱奇艺科技有限公司 | 一种人体模型创建方法、装置、电子设备及存储介质 |
| CN112767531A (zh) * | 2020-12-30 | 2021-05-07 | 浙江大学 | 面向移动端的虚拟试衣的人体模型脸部分区域建模方法 |
| WO2023020103A1 (zh) * | 2021-08-17 | 2023-02-23 | 北京京东乾石科技有限公司 | 目标检测模型的更新方法及装置 |
| CN113658309A (zh) * | 2021-08-25 | 2021-11-16 | 北京百度网讯科技有限公司 | 三维重建方法、装置、设备以及存储介质 |
| US20230082349A1 (en) * | 2021-09-15 | 2023-03-16 | LlamaZOO Interactive Inc. | Method and apparatus for interactive volumetric visualization |
| CN115082624A (zh) * | 2022-06-28 | 2022-09-20 | 北京软通智慧科技有限公司 | 一种人体模型构建方法、装置、电子设备及存储介质 |
| CN116310066A (zh) * | 2022-09-07 | 2023-06-23 | 华中师范大学 | 一种单图像三维人体形态估计方法及应用 |
| CN116580151A (zh) * | 2023-04-27 | 2023-08-11 | 深圳市即构科技有限公司 | 人体三维模型构建方法、电子设备及存储介质 |
| CN117036546A (zh) * | 2023-07-31 | 2023-11-10 | 华院计算技术(上海)股份有限公司 | 图片生成方法及装置、存储介质、计算设备 |
| CN117372631A (zh) * | 2023-12-07 | 2024-01-09 | 之江实验室 | 一种多视角图像生成模型的训练方法、应用方法 |
Non-Patent Citations (3)
| Title |
|---|
| KUANG-PEN CHOU: "Robust Feature-Based Automated Multi-View Human Action Recognition System", 《IEEE ACCESS ( VOLUME: 6)》, 26 February 2018 (2018-02-26) * |
| 李亨凡;张燕;: "Jetson Nano机器人目标跟踪的VR三维建模", 单片机与嵌入式系统应用, no. 08, 1 August 2020 (2020-08-01) * |
| 欧阳毅: "单目视频中人体运动建模及姿态估计研究", 《中国博士学位论文电子期刊网》, 15 July 2012 (2012-07-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117911630B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117372631B (zh) | 一种多视角图像生成模型的训练方法、应用方法 | |
| CN108765334A (zh) | 一种图像去噪方法、装置以及电子设备 | |
| CN117392485B (zh) | 图像生成模型训练方法、业务执行方法、装置及介质 | |
| CN117635822A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN117880444B (zh) | 一种长短时特征引导的人体康复运动视频数据生成方法 | |
| CN111310590A (zh) | 一种动作识别方法及电子设备 | |
| CN116630480B (zh) | 一种交互式文本驱动图像编辑的方法、装置和电子设备 | |
| CN117911630B (zh) | 一种三维人体建模的方法、装置、存储介质及电子设备 | |
| CN117173002A (zh) | 模型训练、图像生成、信息提取方法、装置及电子设备 | |
| CN117113174A (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
| CN113887719B (zh) | 一种模型压缩方法及装置 | |
| CN117726907B (zh) | 一种建模模型的训练方法、三维人体建模的方法以及装置 | |
| CN117893696B (zh) | 一种三维人体数据生成方法、装置、存储介质及电子设备 | |
| CN118211132B (zh) | 一种基于点云的三维人体表面数据生成方法及装置 | |
| CN117726760B (zh) | 一种用于视频的三维人体重建模型的训练方法及装置 | |
| CN117934858B (zh) | 一种点云的处理方法、装置、存储介质及电子设备 | |
| CN116309924B (zh) | 一种模型训练的方法、图像展示的方法及装置 | |
| CN117975202B (zh) | 模型训练方法、业务执行方法、装置、介质及设备 | |
| CN113887326B (zh) | 一种人脸图像处理方法及装置 | |
| CN117808976B (zh) | 一种三维模型构建方法、装置、存储介质及电子设备 | |
| JP7459357B1 (ja) | 画像認識方法、装置、デバイスおよび記憶媒体 | |
| CN117978937B (zh) | 一种视频生成的方法、装置、存储介质及电子设备 | |
| CN117830564B (zh) | 一种姿态分布指导的三维虚拟人模型重建方法 | |
| CN117933070B (zh) | 一种辐射分布预测模型的训练方法、装置及存储介质 | |
| CN116977385A (zh) | 一种基于无监督学习的图像配准方法、装置及设备 |
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 |