WO2017141344A1 - ３次元モデル生成システム、３次元モデル生成方法、及びプログラム - Google Patents

Abstract

精度の高い３次元モデルを迅速に生成する。３次元モデル生成システム（１）の骨格取得手段（３２）は、深度検出装置（１０）が検出した被写体の深度情報に基づいて、骨格パラメータを取得する。姿勢変化手段（３４）は、骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる。表面形状取得手段（３６）は、深度情報に基づいて、被写体の表面形状を取得する。体型決定手段（３７）は、姿勢変化手段（３４）により姿勢が変化した３次元モデルの表面形状と、被写体の表面形状と、の差に基づいて、体型パラメータを決定する。体型変形手段（３９）は、体型パラメータ決定手段（３７）により決定された体型パラメータに基づいて、３次元モデルを変形させる。

Description

３次元モデル生成システム、３次元モデル生成方法、及びプログラム

　本発明は、３次元モデル生成システム、３次元モデル生成方法、及びプログラムに関する。

　従来、人や動物などの被写体を深度検出装置で検出して３次元モデルを生成する技術が知られている。例えば、非特許文献１には、複数のＲＧＢＤカメラで互いに異なる方向から被写体を撮影し、各ＲＧＢＤカメラが取得した被写体の輪郭情報及び深度情報に基づいて被写体のボディラインを推定して３次元モデルを生成する技術が記載されている。また例えば、非特許文献２には、単一のＲＧＢＤカメラが検出した深度情報が示す手足の長さに合うように３次元モデルを変形させる技術が記載されている。

A.Weiss, D.Hirshberg, and M.J.Black. Home 3d body scans from noisy image and range data. ICCV, 2011. Q.Wang, V.Jagadeesh, B.Ressler, and R.Piramuthu. Im2fit: Fast 3d model fitting and anthropometrics using single consumer depth camera and synthetic data. arXiv, 2014.

　しかしながら、非特許文献１の技術では、多数のＲＧＢＤカメラを用意する必要があるので、専用の撮影スタジオなどが必要になる。更に、各撮影方向から被写体を撮影したＲＧＢＤ画像を解析する必要があるので、処理が複雑化し、３次元モデルを生成するのに時間がかかる。また、非特許文献２の技術では、単に手足などの長さに応じて３次元モデルを変形させるので、被写体のサイズを正確に推定できず、例えば、実際の被写体のサイズよりも大きい３次元モデルが生成されてしまい、精度の高い３次元モデルを生成することができない。

　本発明は上記課題に鑑みてなされたものであって、その目的は、精度の高い３次元モデルを迅速に生成することである。

　上記課題を解決するために、本発明に係る３次元モデル生成システムは、深度検出装置が検出した被写体の深度情報に基づいて、骨格パラメータを取得する骨格取得手段と、前記骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる姿勢変化手段と、前記深度情報に基づいて、前記被写体の表面形状を取得する表面形状取得手段と、前記姿勢変化手段により姿勢が変化した３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する体型決定手段と、前記体型パラメータ決定手段により決定された体型パラメータに基づいて、前記３次元モデルを変形させる体型変形手段と、を含むことを特徴とする。

　本発明に係る３次元モデル生成方法は、深度検出装置が検出した被写体の深度情報に基づいて、骨格パラメータを取得する骨格取得ステップと、前記骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる姿勢変化ステップと、前記深度情報に基づいて、前記被写体の表面形状を取得する表面形状ステップと、前記姿勢変化ステップにより姿勢が変化した３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する体型決定ステップと、前記体型パラメータ決定ステップにより決定された体型パラメータに基づいて、前記３次元モデルを変形させる体型変形ステップと、を含むことを特徴とする。

　本発明に係るプログラムは、深度検出装置が検出した被写体の深度情報に基づいて、骨格パラメータを取得する骨格取得手段、前記骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる姿勢変化手段、前記深度情報に基づいて、前記被写体の表面形状を取得する表面形状取得手段、前記姿勢変化手段により姿勢が変化した３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する体型決定手段、前記体型パラメータ決定手段により決定された体型パラメータに基づいて、前記３次元モデルを変形させる体型変形手段、としてコンピュータを機能させる。

　また、本発明に係る情報記憶媒体は、上記のプログラムが記憶されたコンピュータ読み取り可能な情報記憶媒体である。

　また、本発明の一態様では、前記３次元モデル生成システムは、前記３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記骨格パラメータを決定する骨格決定手段を更に含み、前記姿勢変化手段は、前記骨格決定手段により決定された骨格パラメータに基づいて、前記３次元モデルの姿勢を更新する、ことを特徴とする。

　また、本発明の一態様では、前記３次元モデル生成システムは、前記体型変形手段により変形した３次元モデルの表面形状の一部と、当該部分に対応する前記被写体の表面形状と、の差に基づいて、当該部分を変形させる部分変形手段、を更に含むことを特徴とする。

　また、本発明の一態様では、前記３次元モデル生成システムは、前記深度情報に基づいて、前記３次元モデルの中から、前記深度検出装置の検出範囲に対応する部分を特定する検出範囲特定手段を更に含み、前記部分変形手段は、前記３次元モデルのうち、前記検出範囲特定手段により特定された部分を変形させる、ことを特徴とする。

　また、本発明の一態様では、前記部分変形手段は、前記３次元モデルの各部分を、周囲の変形具合に基づいて変形させる、ことを特徴とする。

　また、本発明の一態様では、前記部分変形手段は、前記３次元モデルの各部分を、当該部分の過去の形状に基づいて変形させる、ことを特徴とする。

　また、本発明の一態様では、前記３次元モデル生成システムは、前記３次元モデル又は前記被写体の表面形状に基づいて、前記３次元モデルの中から、前記被写体の身体に対応する身体部分を特定する身体部分特定手段を更に含み、前記体型決定手段は、前記体型パラメータを決定する場合に、前記身体部分に対応する差の重み付けを、他の部分の差の重み付けよりも高くする、ことを特徴とする。

　また、本発明の一態様では、前記３次元モデル生成システムは、前記深度情報に基づいて、前記３次元モデルの中から、前記深度検出装置の検出範囲に対応する頂点を特定する検出範囲特定手段を更に含み、前記体型決定手段は、前記検出範囲における前記３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する、ことを特徴とする。

　また、本発明の一態様では、前記３次元モデル生成システムは、前記体型パラメータの履歴を記憶手段に記録する履歴記録手段を更に含み、前記体型決定手段は、前記履歴記録手段により記録された履歴に基づいて、前記体型パラメータを決定する、ことを特徴とする。

　本発明によれば、精度の高い３次元モデルを迅速に生成することが可能になる。

３次元モデル生成システムにおいて被写体が撮影される様子を示す図である。 ３次元モデル生成システムのハードウェア構成を示す図である。 深度情報の一例を示す図である。 検出姿勢情報の一例を示す図である。 ３次元モデル生成システムが実行する処理の概要を示す図である。 ３次元モデル生成システムで実現される機能の一例を示す機能ブロック図である。 骨格パラメータを示す図である。 体型パラメータにより３次元モデルが変形する様子を示す図である。 骨格パラメータに基づいて３次元モデルの姿勢が変化する様子を示す図である。 骨格パラメータに基づいて３次元モデルの姿勢が変化する様子を示す図である。 検出範囲特定部の処理を説明するための説明図である。 体型決定部の処理の説明図である。 最適化が行われた場合に３次元モデルが変化する様子を示す図である。 頂点移動量の説明図である。 ３次元モデルを示す図である。 ３次元モデル生成システムにおいて実行される処理の一例を示すフロー図である。 形状推定処理の詳細を示す図である。 幾何学的再構成処理の詳細を示す図である。

［１．３次元モデル生成システムのハードウェア構成］
　以下、本発明に関わる３次元モデル生成システムの実施形態の例を説明する。図１は、３次元モデル生成システムにおいて被写体が撮影される様子を示す図であり、図２は、３次元モデル生成システムのハードウェア構成を示す図である。図１及び図２に示すように、３次元モデル生成システム１は、深度検出装置１０及び３次元モデル生成装置２０を含む。深度検出装置１０及び３次元モデル生成装置２０は、有線通信又は無線通信によりデータ送受信可能に接続される。

　深度検出装置１０は、被写体の深度を検出する計測機器である。例えば、深度検出装置１０は、Ｋｉｎｅｃｔ（登録商標）センサであってよい。深度は、深度検出装置１０と被写体との距離である。被写体は、検出対象となる動く物体であり、例えば、人や動物及びその被服である。

　深度検出装置１０は、制御部１１、記憶部１２、通信部１３、及び深度検出部１４を含む。制御部１１は、例えば、一又は複数のマイクロプロセッサを含む。制御部１１は、記憶部１２に記憶されたプログラムやデータに従って処理を実行する。記憶部１２は、主記憶部及び補助記憶部を含む。例えば、主記憶部はＲＡＭなどの揮発性メモリであり、補助記憶部は、ハードディスクやフラッシュメモリなどの不揮発性メモリである。通信部１３は、有線通信又は無線通信用のネットワークカードを含む。通信部１３は、ネットワークを介してデータ通信を行う。

　深度検出部１４は、電磁波や音波などを利用して深度を検出する深度センサ（距離カメラ）であり、例えば、ＲＧＢＤカメラや超音波センサなどである。ここでは、深度検出部１４がＲＧＢＤカメラを含み、赤外線を利用して被写体の深度を検出する場合を説明するが、深度検出部１４自体は、公知の種々の深度センサにより実現可能である。

　例えば、深度検出部１４のＲＧＢＤカメラは、ＣＭＯＳイメージセンサ又はＣＣＤイメージセンサと、赤外線センサと、を含む。深度検出部１４は、ＣＭＯＳイメージセンサ又はＣＣＤイメージセンサの検出信号により、被写体のＲＧＢ画像を生成する。ＲＧＢ画像は、被写体の平面的な情報であり、深度を持たない。また、深度検出部１４は、赤外線センサの発光素子から赤外線を発射し、被写体により反射した赤外線を受光素子で検出する。そして、深度検出部１４は、赤外線を発射してから戻るまでの飛行時間に基づいて、被写体との距離を推定して深度情報を生成する。なお、深度情報の生成方法自体は、公知の種々の手法を適用可能であり、上記説明した飛行時間方式以外にも、ライトコーディング方式を利用してもよい。

　図３は、深度情報の一例を示す図である。図３に示すように、ここでは、深度情報Ｉは、深度画像として示される。このため、深度情報Ｉの各ピクセルには、深度を示す画素値が関連付けられる。なお、深度情報Ｉは、ＲＧＢ画像と別の画像として扱ってもよいし、ＲＧＢ画像と１つにまとめたＲＧＢＤ画像として扱ってもよい。ＲＧＢＤ画像とする場合には、各ピクセルの画素値は、各色チャンネルの数値に加えて、深度チャンネルの数値を含むことになる。本実施形態では、深度情報ＩがＲＧＢ画像とは別のものとして扱われる場合を説明する。

　深度検出装置１０は、深度検出部１４が検出した深度情報Ｉに基づいて、被写体の各関節の位置を推定してスケルトンを取得する。スケルトンは、公知の種々の抽出方法で取得可能であるが、ここでは、テンプレートマッチングを利用した方法を一例として説明する。例えば、深度検出装置１０は、深度検出部１４が検出した深度情報Ｉと、被写体の輪郭の基本形状を示すテンプレート画像と、のテンプレートマッチングを実行し、深度情報Ｉにおける被写体の各関節の位置（ピクセル）を推定する。そして、深度検出装置１０は、各関節の深度を所定の行列変換することで、各関節の３次元的な位置を推定する。当該推定された各関節の位置は、スケルトンの姿勢であり、以降では、検出姿勢情報として表される。

　図４は、検出姿勢情報の一例を示す図である。図４に示すように、検出姿勢情報Ｊは、被写体の複数の関節のそれぞれの３次元座標を含む。ここでは、検出姿勢情報Ｊは、頭Ｊ_１、肩中央Ｊ_２、右肩Ｊ_３、右ひじＪ_４、右手Ｊ_５、左肩Ｊ_６、左ひじＪ_７、左手Ｊ_８、背骨Ｊ_９、尻中央Ｊ_１０、右尻Ｊ_１１、右ひざＪ_１２、右足Ｊ_１３、左尻Ｊ_１４、左ひざＪ_１５、及び左足Ｊ_１６の３次元座標を含む場合を説明する。なお、図４では、深度検出装置１０から被写体を見た様子を示すので、図面上では左右の位置関係が逆になっている。また、検出姿勢情報Ｊが示す関節の数は、上記１６個より多くてもよいし、少なくてもよい。検出姿勢情報Ｊは、深度情報Ｉから検出可能な関節の位置を示せばよく、他にも例えば、手首や足首の位置を含んでいてもよい。

　本実施形態では、深度検出装置１０は、所定のフレームレートのもと、深度情報Ｉと検出姿勢情報Ｊを生成する。このため、深度検出装置１０は、深度情報Ｉと検出姿勢情報Ｊを定期的に生成する。例えば、フレームレートを３０ｆｐｓとすると、深度検出装置１０は、１／３０秒ごとに深度情報Ｉと検出姿勢情報Ｊを生成する。以降、深度情報Ｉと検出姿勢情報Ｊのうち、ある時刻ｔのものを指すときは、それぞれの符号をＩ^ｔ，Ｊ^ｔと記載する。

　３次元モデル生成装置２０は、３次元モデルを生成するコンピュータであり、例えば、パーソナルコンピュータ、携帯情報端末（タブレット型コンピュータを含む）、又は携帯電話機（スマートフォンを含む）等である。３次元モデル生成装置２０は、制御部２１、記憶部２２、通信部２３、操作部２４、及び表示部２５を含む。制御部２１、記憶部２２、及び通信部２３のハードウェア構成は、それぞれ制御部１１、記憶部１２、及び通信部１３と同様であるので説明を省略する。

　操作部２４は、プレイヤが操作を行うための入力デバイスであり、例えば、タッチパネルやマウス等のポインティングデバイスやキーボード等である。操作部２４は、プレイヤによる操作内容を制御部２１に伝達する。表示部２５は、例えば、液晶表示部又は有機ＥＬ表示部等である。表示部２５は、制御部２１の指示に従って画面を表示する。

　なお、記憶部１２，２２に記憶されるものとして説明するプログラム及びデータは、ネットワークを介してこれらに供給されるようにしてもよい。また、深度検出装置１０及び３次元モデル生成装置２０のハードウェア構成は、上記の例に限られず、種々のコンピュータのハードウェアを適用可能である。例えば、深度検出装置１０及び３次元モデル生成装置２０の各々は、コンピュータ読み取り可能な情報記憶媒体を読み取る読取部（例えば、光ディスクドライブやメモリカードスロット）を含んでもよい。この場合、情報記憶媒体に記憶されたプログラムやデータが読取部を介して、深度検出装置１０及び３次元モデル生成装置２０に供給されるようにしてもよい。

［２．本発明に係る処理の概要］
　図５は、３次元モデル生成システム１が実行する処理の概要を示す図である。図５のｔは時間軸である。図５に示すように、深度検出装置１０は、３次元モデル生成装置２０に深度情報Ｉと検出姿勢情報Ｊを定期的に送信する。３次元モデル生成装置２０は、各フレームの開始時点で深度情報Ｉと検出姿勢情報Ｊを受信すると、被写体の身体の形状（ボディライン）を推定する形状推定処理と、推定したボディラインから部分的な詳細形状（洋服のしわなど）を再構成する幾何学的再構成処理と、を実行する。形状推定処理と幾何学的再構成処理は、毎フレーム実行される。

　形状推定処理では、深度情報Ｉや検出姿勢情報Ｊを利用して、身体の基本形状を示すテンプレートが、被写体の姿勢や体型と似るように変形する。テンプレートは、身体そのものを示す３次元モデルであり、例えば、裸の３次元モデルであってよい。テンプレートは、身体の部位を示す複数のパーツから構成され、被写体の撮影データや３ＤＣＡＤを利用して予め用意しておけばよい。以降、テンプレートを指すときは、３次元モデルに「Ｍ_Ｔ」の符号を記載し、形状推定処理で変形させた３次元モデルを指すときは、「Ｍ_Ｓ」の符号を記載する。３次元モデルＭ_Ｓは、被写体の姿勢や体型を再現した裸の３次元モデルといえる。

　幾何学的再構成処理では、深度情報Ｉを利用して、洋服のしわなどの詳細形状（身体以外の部分の形状）が表れるように、３次元モデルＭ_Ｓを部分的に再構成する。以降、この状態の３次元モデルを指すときは、「Ｍ_Ｄ」の符号を記載する。３次元モデルＭ_Ｄは、被写体のボディラインだけでなく、身に着けているものまで再現した３次元モデルである。詳細は後述するが、３次元モデルＭ_Ｄは、被写体の身体の部分とそれ以外の部分とを区別できるので、幾何学的再構成処理の実行結果を形状推定処理にフィードバックすることで、３次元モデルＭ_Ｓの精度を高めることもできる。

　本実施形態では、ベイズ推定理論を利用して、３次元モデルＭ_Ｓ，Ｍ_Ｄの精度の高さを評価して、これらの精度を高めるようにしている。ベイズ推定理論は、現実世界の計測結果をもとに、推定したい事柄を確率的な意味で推定する手法である。ベイズ推定理論の確率が高いほど、推定したい事柄が実際に起こる蓋然性が高い。即ち、ベイズ推定理論の確率が高ければ、推定した３次元モデルＭ_Ｓ，Ｍ_Ｄが実際の被写体に似ていることになる。

　３次元モデル生成システム１は、ベイズ推定理論の確率が高くなるように、３次元モデルＭ_Ｔの全体的な変形具合と部分的な再構成具合を決める。本実施形態では、この確率を高めるために、３次元モデルＭ_Ｓと被写体との全体的なずれ具合の評価値Ｅ_Ｓ、３次元モデルＭ_Ｄと被写体との部分的なずれ具合の評価値Ｅ_Ｄ、及び、３次元モデルＭ_Ｓが現実ではありえない急激な変化をしないようにするための評価値Ｅ_０の３つの評価値を利用して、精度の高い３次元モデルを迅速に生成するようにしている。以降、この技術の詳細を説明する。

［３．本実施形態において実現される機能］
　図６は、３次元モデル生成システム１で実現される機能の一例を示す機能ブロック図である。図６に示すように、本実施形態では、データ記憶部３０、深度取得部３１、骨格取得部３２、体型取得部３３、姿勢変化部３４、検出範囲特定部３５、表面形状取得部３６、体型決定部３７、履歴記録部３８、体型変形部３９、骨格決定部４０、部分変形部４１、及び身体部分特定部４２が、３次元モデル生成装置２０で実現される場合を説明する。なお、ここでは、体型決定部３７及び骨格決定部４０により形状推定処理の主たる処理が実行され、部分変形部４１により幾何学的再構成処理の主たる処理が実行される。

［３－１．データ記憶部］
　データ記憶部３０は、記憶部２２を主として実現される。データ記憶部３０は、３次元モデルＭ_Ｓ，Ｍ_Ｄを生成するためのデータを記憶する。ここでは、データ記憶部３０が記憶するデータの一例として、下記のデータを説明する。
（１）深度情報Ｉの履歴を格納する深度履歴データ
（２）骨格パラメータ（詳細後述）の履歴を格納する骨格履歴データ
（３）体型パラメータ（詳細後述）の履歴を格納する体型履歴データ
（４）頂点移動量（詳細後述）の履歴を格納する移動量履歴データ
（５）３次元モデルＭ_Ｔを定義したテンプレートデータ
（６）３次元モデルＭ_Ｓの履歴を格納する身体履歴データ
（７）３次元モデルＭ_Ｄの履歴を格納する再構成履歴データ

　なお、データ記憶部３０に記憶されるデータは上記の例に限られない。例えば、データ記憶部３０は、検出姿勢情報Ｊの履歴を格納するデータやスケルトンＪ_Ｔの基本姿勢を示すデータを記憶してもよい。

［３－２．深度取得部］
　深度取得部３１は、制御部２１を主として実現される。深度取得部３１は、深度検出装置１０が検出した被写体の深度情報Ｉ（図３）を取得する。本実施形態では、３次元モデル生成装置２０が深度検出装置１０と直接的に接続されているので、深度取得部３１は、深度検出装置１０から深度情報Ｉを直接的に受信するが、他の機器を経由して深度情報Ｉを間接的に受信してもよい。深度取得部３１は、取得した深度情報を深度履歴データに格納する。

［３－３．骨格取得部］
　骨格取得部３２は、制御部２１を主として実現される。骨格取得部３２は、深度検出装置１０が検出した深度情報Ｉに基づいて、被写体の骨格パラメータを取得する。骨格パラメータは、被写体の骨格に関する情報であり、各関節の位置関係を示す情報である。図４の検出姿勢情報Ｊをそのまま骨格パラメータとして用いてもよいが、ここでは、骨格取得部３２は、検出姿勢情報Ｊが示す各関節の角度を骨格パラメータとして用いる場合を説明する。骨格取得部３２は、取得した骨格パラメータを骨格履歴データに格納する。

　図７は、骨格パラメータを示す図である。図７に示すように、骨格取得部３２は、検出姿勢情報Ｊが示す各関節の３次元座標に基づいて計算した各関節の角度｛θ_ｊ｝を、骨格パラメータとして取得する。検出姿勢情報Ｊが示す各関節のうち、末端以外の関節には角度が存在するので、図７の例では、骨格パラメータ｛θ_ｊ｝は１２個の角度から構成されることになる。以降、ある時刻ｔにおける骨格パラメータ｛θ_ｊ｝を指すときは、｛θ^ｔ _ｊ｝と記載する。

［３－４．体型取得部］
　体型パラメータ取得部は、制御部２１を主として実現される。体型パラメータ取得部は、体型パラメータを取得する。本実施形態では、３次元モデルＭ_Ｔが体型パラメータにより変形したものが、３次元モデルＭ_Ｓである。ここでの変形とは、表面の位置や形状を変えることであり、例えば、全体的なサイズを変えたり、部分的な形状を変えたりすることである。体型取得部３３は、取得した体型パラメータを体型履歴データに格納する。

　体型パラメータは、被写体の体型の特徴を示すものであり、全身又は部位ごとのサイズを示す。例えば、体型パラメータは、身長、胸囲、ウエスト、身幅、股下、腕の長さ、又は足のサイズなどのそれぞれの数値を含む。本実施形態では、体型パラメータは、複数の値の組み合わせであり、｛β_ｋ｝の符号で記載する。ｋは、体型パラメータに含まれる項目を識別する数字であり、例えば、β_１は身長、β_２は胸囲、β_３はウエスト・・・などである。なお、体型パラメータは、複数の値の組み合わせではなく、単一の値のみであってもよい。

　図８は、体型パラメータ｛β_ｋ｝により３次元モデルＭ_Ｔが変形する様子を示す図である。図８に示すように、３次元モデルＭ_Ｔは、体型パラメータ｛β_ｋ｝が示す体型になるように変形する。例えば、３次元モデルＭ_Ｔは、β_１が小さいほど身長が低くなり、β_１が大きいほど身長が高くなるように変形する。また例えば、３次元モデルＭ_Ｔは、β_２が小さいほど胸囲が短くなり、β_２が大きいほど胸囲が長くなるように変形する。また例えば、３次元モデルＭ_Ｔは、β_３が小さいほどウエストが細くなり、β_３が大きいほどウエストが太くなるように変形する。

　体型パラメータ｛β_ｋ｝と、３次元モデルＭ_Ｔの各パーツの形状（即ち、頂点の位置）と、の関係は、予めデータ記憶部３０に記憶されているものとする。この関係は、数式形式であってもよいし、テーブル形式であってもよいし、プログラムコードとして記述されていてもよい。この関係は、３次元モデルＭ_Ｔが体型パラメータ｛β_ｋ｝の体型になるように定義されている。後述する体型変形部３９は、体型パラメータ｛β_ｋ｝に関連付けられた形状になるように、３次元モデルＭ_Ｔの各パーツを変形させる。これにより、体型パラメータ｛β_ｋ｝に応じた体型になるように、３次元モデルＭ_Ｔが変形する。

　以降、ある時刻ｔにおける体型パラメータ｛β_ｋ｝を指すときは、｛β^ｔ _ｋ｝と記載する。なお、深度情報Ｉが初めて取得されたとき（即ち、本発明に係る処理の開始時）をｔ＝０とすると、その時点の体型パラメータ｛β^０ _ｋ｝は初期値となり、テンプレートの３次元モデルＭ_Ｔの体型をそのまま示す値となる。体型パラメータ｛β^０ _ｋ｝は、データ記憶部３０に予め記憶させておけばよい。ｔ＝０では、体型取得部３３は、データ記憶部３０に記憶された初期値の体型パラメータ｛β^０ _ｋ｝を取得することになる。

［３－５．姿勢変化部］
　姿勢変化部３４は、制御部２１を主として実現される。姿勢変化部３４は、骨格パラメータ｛θ_ｊ｝に基づいて、体型パラメータ｛β_ｋ｝により変形可能な３次元モデルＭ_Ｔの姿勢を変化させる。姿勢変化部３４は、骨格パラメータ｛θ_ｊ｝が示す姿勢になるように、３次元モデルＭ_Ｔの各パーツの位置関係を変化させる。なお、姿勢は、身体の部位の位置関係であり、ここでは、各関節の位置関係である。

　図９及び図１０は、骨格パラメータ｛θ_ｊ｝に基づいて３次元モデルＭ_Ｔの姿勢が変化する様子を示す図である。図９に示すように、まず、姿勢変化部３４は、基本姿勢（例えば、直立の状態）のスケルトンＪ_Ｔを３次元モデルＭ_Ｔの内部に設定する。スケルトンＪ_Ｔを構成する複数の関節の位置関係は、テンプレートである３次元モデルＭ_Ｔの姿勢を示すように予め定めておけばよい。３次元モデルＭ_ＴにスケルトンＪ_Ｔが設定されると、３次元モデルＭ_Ｔの各頂点は、スケルトンＪ_Ｔの何れかの関節と関連付けられる。スケルトンＪ_Ｔが変形して各関節が移動すると、当該関節に関連付けられた頂点は、当該関節と所定の位置関係を保つように移動する。即ち、ある関節に関連付けられた頂点は、その関節と連動することになる。

　姿勢変化部３４は、骨格パラメータ｛θ_ｊ｝が示す各関節の位置関係と、スケルトンＪ_Ｔの各関節の位置関係と、が対応するように、スケルトンＪ_Ｔを変形させる。位置関係が対応するとは、これら２つの関節の位置が一致すること、又は、位置のずれが所定未満になることである。ある程度の位置的なずれを許容するのは、被写体の実際の関節間の距離と、スケルトンＪ_Ｔの関節間の距離と、が必ずしも一致せず、これらの３次元座標を完全に一致させることが難しいからである。

　本実施形態では、全体的な姿勢を似せるために、姿勢変化部３４は、スケルトンＪ_Ｔの各関節の角度が、骨格パラメータ｛θ_ｊ｝と一致又はずれが基準未満になるように、スケルトンＪ_Ｔを変形させる。先述したように、３次元モデルＭ_Ｔの各頂点は、自身が関連付けられた関節と連動するので、図１０に示すように、姿勢変化部３４がスケルトンＪ_Ｔを変形させると、被写体の姿勢と似た姿勢の３次元モデルＭ_Ｓを取得することができる。

［３－６．検出範囲特定部］
　検出範囲特定部３５は、制御部２１を主として実現される。検出範囲特定部３５は、深度情報Ｉに基づいて、３次元モデルＭ_Ｓの中から、深度検出装置１０の検出範囲に対応する部分を特定する。検出範囲は、被写体の表面のうち検出可能な範囲であり、深度検出装置１０の赤外線が反射する場所である。例えば、検出範囲特定部３５は、深度情報Ｉに基づいて、３次元空間における深度検出装置１０の向きを取得し、当該取得した向きと、３次元モデルＭ_Ｓの表面の向きと、の関係に基づいて検出範囲を特定する。

　図１１は、検出範囲特定部３５の処理を説明するための説明図である。図１１に示すように、ここでは、深度検出装置１０の視線方向Ｖ（即ち、赤外線の照射方向）を深度検出装置１０の向きとして使用する。検出範囲特定部３５は、深度情報Ｉに基づいて、３次元空間における視点Ｏ_Ｖ及び視線方向Ｖを取得する。視点Ｏ_Ｖは視点座標系の原点であり、視線方向Ｖは視点座標系のＺ軸である（なお、図１１の座標軸はワールド座標系の座標軸である）。

　例えば、検出範囲特定部３５は、深度情報Ｉの注視点（即ち、画像の中心のピクセル）の深度に基づいて、３次元空間における深度検出装置１０の位置Ｏ_Ｖ及び視線方向Ｖを取得する。そして、検出範囲特定部３５は、３次元モデルの各頂点ｖ_ｉの法線ｎ_ｉと、視線方向Ｖと、の関係に基づいて、検出範囲内の頂点ｖ_ｉを特定する。法線ｎ_ｉは、頂点間ベクトルの外積で取得すればよい。検出範囲特定部３５は、法線ｎ_ｉと視線方向Ｖが互いに向かい合う（例えば、これらのなす角度が９０°以上）頂点ｖ_ｉを検出範囲内とし、それ以外を検出範囲外とする。

［３－７．表面形状取得部］
　表面形状取得部３６は、制御部２１を主として実現される。表面形状取得部３６は、深度情報Ｉに基づいて、被写体の表面形状（後述の図１２で示す。）を取得する。被写体の表面形状は、被写体のうち、深度検出装置１０が検出した部分の形状であり、深度情報Ｉに深度として表れた領域である。被写体の表面形状は、深度情報Ｉに所定の行列変換を施して得られる３次元座標群であり、深度情報Ｉの各ピクセルの深度を３次元空間に変換したものである。深度検出装置１０と被写体の位置関係が図１のような場合は、表面形状取得部３６が取得する表面形状は、被写体の前面のみであり、背面は含まれない。

［３－８．体型決定部］
　体型決定部３７は、制御部２１を主として実現される。体型決定部３７は、姿勢変化部３４により姿勢が変化した３次元モデルの表面形状と、被写体の表面形状と、の差に基づいて、体型パラメータを決定する。形状の差とは、３次元空間における位置的な違いであり、例えば、頂点間の距離である。体型決定部３７は、形状の差が小さくなるように、体型パラメータを変化させる。即ち、体型決定部３７は、体型パラメータを変化させる前の差よりも、体型パラメータを変化させた後の差が小さくなるように体型パラメータを変化させる。

　図１２は、体型決定部３７の処理の説明図である。図１２では、３次元モデルＭ_Ｓを実線で示し、被写体の表面Ｓ_ＯＢを破線で示す。まず、体型決定部３７は、３次元モデルＭ_Ｓの各頂点と、被写体の表面Ｓ_ＯＢの各点と、に基づいて、これらの全体的なずれ具合を示す評価値Ｅ_Ｓを取得する。評価値Ｅ_Ｓは、各頂点ｖ_ｉの３次元座標と、当該頂点ｖ_ｉに対応する点ｐ_ｉの３次元座標と、の距離ｄ_ｉを総合的に評価するための評価値Ｅ_Ｓといえる。別の言い方をすれば、評価値Ｅ_Ｓは、３次元モデルＭ_Ｓの精度の高さを示す。

　例えば、体型決定部３７は、距離ｄ_ｉを所定の数式に代入することによって、評価値Ｅ_Ｓを取得する。以降、ある時刻ｔにおける評価値Ｅ_Ｓを指すときは、Ｅ^ｔ _Ｓ（Ｘ^ｔ）と記載する。ある時刻ｔにおける３次元モデルＭ_Ｓの表面形状は、体型パラメータ｛β^ｔ _ｋ｝と骨格パラメータ｛θ^ｔ _ｊ｝によって決まるので、これらの組み合わせをＸ^ｔと記載すると（即ち、Ｘ^ｔ＝｛β^ｔ _ｋ，θ^ｔ _ｊ｝である。）、評価値Ｅ^ｔ _Ｓ（Ｘ^ｔ）は、変数Ｘ^ｔの関数で示すことができ、例えば、下記の式１により求めることができる。

　式１のμ^ｔ _ｉは、重み付け係数（ここでは、０以上１以下とする）である。重み付け係数μ^ｔ _ｉは、身体ではない（例えば、洋服のしわなど）と思われる部分のずれ具合が、評価値Ｅ^ｔ _Ｓ（Ｘ^ｔ）に与える影響を低減又は除去するための係数である。即ち、身体ではないと思われる部分のずれ具合は、評価値Ｅ^ｔ _Ｓ（Ｘ^ｔ）を取得するうえで、信頼することができないので、身体と思われる部分の重み付けを大きくし、身体ではないと思われる部分の重み付けを小さくするために、重み付け係数μ^ｔ _ｉを使用している。重み付け係数μ^ｔ _ｉの取得方法は後述する。

　式１のｖ^ｔ _ｉは、時刻ｔにおける３次元モデルＭ_Ｓの各頂点である。ｐ^ｔ _ｉは、被写体の表面Ｓ_ＯＢの各点のうち、最も頂点ｖ^ｔ _ｉに近い点である。ｖｉｓ（ｖ^ｔ _ｉ，ｐ^ｔ _ｉ）は、条件式を含む関数であり、頂点ｖ^ｔ _ｉが検出範囲内であれば頂点ｖ^ｔ _ｉと点ｐ^ｔ _ｉとの距離を返し、頂点ｖ^ｔ _ｉが検出範囲外であれば所定値λ_Ｓを返す。所定値λ_Ｓを返すのは、頂点ｖ^ｔ _ｉが検出範囲外の場合は、頂点ｖ^ｔ _ｉに対応する点ｐ^ｔ _ｉが存在せず距離を取得できないからである。なお、所定値λ_Ｓは、任意の値であってよいが、０にすると３次元モデルが縮小することがあるので、０．１程度であってよい。式１に示すように、体型決定部３７は、頂点ｖ^ｔ _ｉごとに、点ｐ^ｔ _ｉとの距離又は所定値λ_Ｓを取得し、重み付け係数μ^ｔ _ｉを乗じた総和を評価値Ｅ^ｔ _Ｓ（Ｘ^ｔ）として取得する。

　本実施形態では、体型決定部３７は、評価値Ｅ_Ｓに基づいて体型パラメータ｛β_ｋ｝を最適化させる。例えば、体型決定部３７は、体型パラメータ｛β_ｋ｝の候補を複数選出して、その中から、評価値Ｅ_Ｓを最小又は閾値未満にさせる候補の値を、体型パラメータ｛β_ｋ｝として決定する。最適化自体は、種々の最適化アルゴリズムを利用してよいが、ここでは、粒子群最適化手法を利用する場合を一例として説明する。

　体型決定部３７は、粒子群最適化アルゴリズムに基づいて、体型パラメータ｛β_ｋ｝の候補を複数選出する。ここでは、体型決定部３７は、後述する式２の評価値Ｅ_０に基づいて体型パラメータ｛β_ｋ｝を初期化し、当該初期化した｛β_ｋ｝に基づいて複数の候補を選出する。例えば、初期化した｛β_ｋ｝との差が所定範囲に収まるものが候補となる。候補の数は、任意であってよく、例えば、３０個程度であってよい。体型決定部３７は、候補ごとに評価値Ｅ_Ｓを計算して、複数の候補の中の１つを選択する。例えば、体型決定部３７は、評価値Ｅ_Ｓを最も小さくさせる候補の値を、新たな体型パラメータ｛β_ｋ｝として選択する。体型決定部３７は、最適化後の体型パラメータ｛β_ｋ｝を体型変形部３９に渡して３次元モデルＭ_Ｓを更新させる。

　上記のように、本実施形態では評価値Ｅ_Ｓを計算するときに重み付け係数μ^ｔ _ｉを使用することによって、体型決定部３７は、体型パラメータ｛β_ｋ｝を決定する場合に、身体部分に対応する差の重み付け（即ち、重み付け係数μ^ｔ _ｉ）を、他の部分の差の重み付けよりも高くするようにしている。また、本実施形態では、条件関数ｖｉｓ（ｖ^ｔ _ｉ，ｐ^ｔ _ｉ）を使用することによって、体型決定部３７は、検出範囲における前記３次元モデルの表面形状と、被写体の表面形状と、の差に基づいて、体型パラメータを決定するようにしている。

　なお、深度情報Ｉは所定のフレームレートのもと繰り返し取得されるので、体型決定部３７は、上記のような最適化処理を繰り返し実行することになる。体型決定部３７は、ある１つのフレームで１回だけ最適化を実行してもよいし、次のフレームが訪れるまで最適化処理を繰り返し、可能な限り評価値Ｅ_Ｓを小さくしてもよい。更に、体型決定部３７は、評価値Ｅ_Ｓが閾値未満になった場合の体型パラメータ｛β_ｋ｝を保持して、次のフレームの深度情報Ｉを得るまでは、それ以上の最適化をしないようにしてもよい。

　また、被写体は動体なので、骨格パラメータ｛θ_ｊ｝が急に変化することはあるが、被写体の体型が急に変化することはないので、体型パラメータ｛β_ｋ｝が急に変化することはない。しかし、例えば、あるフレームの深度情報Ｉがたまたま多くのノイズを含んだ場合などは、計算上、体型パラメータ｛β_ｋ｝が前回のフレームから急に変化することがある。この場合、３次元モデルＭ_Ｓが急激に膨らんだりしぼんだりしてしまう。このような状況を発生させないために、体型決定部３７は、あるフレームにおける体型パラメータ｛β_ｋ｝の初期値を、過去の値から求めて体型パラメータ｛β_ｋ｝の変動を抑えてもよい。この初期値は、過去の体型パラメータ｛β_ｋ｝を所定の数式に代入することで得られるようにすればよいが、本実施形態では、評価値Ｅ_０をもとに体型パラメータ｛β_ｋ｝の初期値が決める場合を説明する。評価値Ｅ_０は、例えば、下記の式２のように、体型パラメータ｛β_ｋ｝を変数とする関数で示すことができる。

　式２のｄは、主成分分析空間（いわゆるＰＣＡ空間。ここでは、体型パラメータ｛β_ｋ｝が示されるｋ次元空間である。）における距離である。ｒは任意の時間である。式２の右辺は、体型パラメータ｛β_ｋ｝の候補値と、各時刻ｔにおける体型パラメータ｛β^ｔ _ｋ｝と、の距離の総計である。このため、式２の左辺は、ある体型パラメータ｛β_ｋ｝の候補値が、過去の体型パラメータ｛β_ｋ｝と全体的にどれだけずれているかを示す。本実施形態では、体型決定部３７は、評価値Ｅ_０（｛β_ｋ｝）を最小又は閾値未満にする｛β_ｋ｝に基づいて、初期化を行う。

　式２では、過去の体型パラメータ｛β_ｋ｝の平均値のときに評価値Ｅ_０（｛β_ｋ｝）が最小になるので、体型決定部３７は、過去の体型パラメータ｛β_ｋ｝の平均値に基づいて初期化をすることになる。このようにすれば、ある時刻ｔだけ急激に体型パラメータ｛β_ｋ｝が変化することを防止することができる。なお、この平均値は、過去の全期間の平均としてもよいし、直近の所定期間の平均としてもよい。更に、式２では、特に係数を設けなかったが、時刻ｔに応じて係数を設けてもよい。この場合、現時点に近いほど重み付けを大きくした加重平均としてもよい。このように、本実施形態では、体型決定部３７は、体型パラメータ｛β_ｋ｝と、履歴記録部３８により記録された履歴と、に基づいて、体型パラメータ｛β_ｋ｝を決定することになる。

［３－９．履歴記録部］
　履歴記録部３８は、制御部２１を主として実現される。履歴記録部３８は、体型パラメータ｛β_ｋ｝の履歴をデータ記憶部３０に記録する。履歴記録部３８は、体型パラメータ｛β_ｋ｝を時系列的に体型履歴データに格納したり、体型パラメータ｛β_ｋ｝を最適化した時間と関連付けて体型履歴データに格納したりする。

［３－１０．体型変形部］
　体型変形部３９は、制御部２１を主として実現される。体型変形部３９は、体型パラメータ決定部により決定された体型パラメータに基づいて、３次元モデルＭ_Ｔを変形させる。体型変形部３９は、３次元モデルＭ_Ｔの頂点の位置を変えることで変形させる。頂点は、個々のポリゴンを定義する点なので、頂点の位置が変わると、３次元モデルＭ_Ｔの各パーツの位置及び形状の少なくとも一方が変わる。即ち、体型変形部３９は、３次元モデルＭ_Ｔを構成するポリゴンを移動又は変形させることになる。なお、ここでは、三角形のポリゴンを利用する場合を説明するが、四角形や五角形以上のポリゴンを利用してもよい。

　図１３は、最適化が行われた場合に３次元モデルＭ_Ｓが変化する様子を示す図である。図１３に示すように、最適化前の３次元モデルＭ_Ｓ（実線）は、被写体の表面Ｓ_ＯＢ（破線）よりも身長が短いので、体型決定部３７は、身長を示すβ_１を大きくして３次元モデルＭ_Ｓの身長が高くなるように最適化を行うことになる。体型変形部３９が当該最適化された体型パラメータ｛β_ｋ｝に基づいて３次元モデルＭ_Ｓを更新すると、３次元モデルＭ_Ｓが被写体の実際の身長に近づく。

［３－１１．骨格決定部］
　骨格決定部４０は、制御部２１を主として実現される。骨格決定部４０は、３次元モデルＭ_Ｓの表面形状と、被写体の表面形状と、の差に基づいて、骨格パラメータ｛θ_ｊ｝を決定する。ここでは、骨格取得部３２が検出姿勢情報Ｊをもとに取得した骨格パラメータ｛θ_ｊ｝だけでは、３次元モデルＭ_Ｓの姿勢を被写体の姿勢に一致させることが難しいので、骨格決定部４０は、評価値Ｅ_Ｓに基づいて骨格パラメータ｛θ_ｊ｝を決定して、骨格パラメータ｛θ_ｊ｝を最適化させるようにしている。

　例えば、骨格決定部４０は、骨格パラメータ｛θ_ｊ｝の候補を複数選出して、その中から、評価値Ｅ_Ｓを最小又は閾値未満にさせる候補の値を、骨格パラメータ｛θ_ｊ｝として決定する。最適化自体は、種々の最適化アルゴリズムを利用してよいが、ここでは、最小二乗法による最適化手法を利用して決定する。

　骨格決定部４０は、最小二乗法に基づいて、骨格パラメータ｛θ_ｊ｝の候補を複数選出する。例えば、候補は、現在の骨格パラメータ｛θ_ｊ｝との差が所定範囲に収まるものである。候補の数は、任意であってよい。体型決定部３７は、候補ごとに評価値Ｅ_Ｓを計算して、複数の候補の中の１つを選択する。例えば、体型決定部３７は、評価値Ｅ_Ｓを最も小さくさせる候補の値を、新たな骨格パラメータ｛θ_ｊ｝として選択する。姿勢変化部３４は、骨格決定部４０により決定された骨格パラメータ｛θ_ｊ｝に基づいて、３次元モデルＭ_Ｓの姿勢を更新する。

［３－１２．部分変形部］
　部分変形部４１は、制御部２１を主として実現される。部分変形部４１は、体型変形部３９により変形した３次元モデルＭ_Ｓの表面形状の一部と、当該部分に対応する被写体の表面形状と、の差に基づいて、当該部分を変形させる。例えば、部分変形部４１は、３次元モデルＭ_Ｓと、被写体の表面形状と、の部分的なずれ具合に基づいて、３次元モデルＭ_Ｓの各頂点があるべき位置に関する頂点移動量を取得する。頂点移動量は、被写体の部分的な詳細を再現するために、３次元モデルＭ_Ｓの頂点ｖ_ｉをどこに移動させればよいかを示すものである。

　図１４は、頂点移動量の説明図である。図１４は、３次元モデルＭ_Ｓ及び被写体の表面Ｓ_ＯＢの胴体付近を拡大したものである。なお、図１２と同様、３次元モデルＭ_Ｓを実線で示し、被写体の表面Ｓ_ＯＢを破線で示している。頂点移動量は、移動先の頂点ｖ_ｉを識別可能な情報であればよいが、図１４に示すように、本実施形態では、頂点移動量が、頂点ｖ_ｉの法線ｎ_ｉに対する方向への移動量η_ｉである場合を説明する。

　なお、頂点移動量は、移動量η_ｉに限られず、移動先の頂点ｖ_ｉの３次元座標そのものを示してもよいし、移動方向及び移動量を示すベクトル情報であってもよい。部分変形部４１は、頂点ｖ_ｉの３次元座標と、被写体の表面形状のうち頂点ｖ_ｉに最も近い点ｐ_ｉの３次元座標と、を所定の数式に代入することによって、頂点移動量η_ｉを取得する。この数式は、頂点ｖ_ｉの３次元座標と点ｐ_ｉの３次元座標とのずれが大きいほど頂点移動量η_ｉが大きくなり、このずれが小さいほど頂点移動量η_ｉが小さくなるように定められている。

　本実施形態では、評価値Ｅ_Ｄを利用して頂点移動量η_ｉを取得する場合を説明する。評価値Ｅ_Ｄは、３次元モデルＭ_Ｓを頂点移動量η_ｉに基づいて変形させた場合に、被写体の表面Ｓ_ＯＢとどれだけずれているかを評価する評価値である。なお、ここでは、頂点移動量η_ｉに基づいて３次元モデルＭ_Ｓを変形させたものは「Ｍ_Ｄ」の符号で記載しているので、評価値Ｅ_Ｄは、３次元モデルＭ_Ｄの精度の高さを示すものといえる。以降では、ある時刻ｔにおける評価値Ｅ_Ｄを指すときは、Ｅ^ｔ _Ｄと記載する。なお、評価値Ｅ^ｔ _Ｄは、頂点移動量η_ｉに応じて変化するので、頂点移動量η_ｉを変数とした関数Ｅ^ｔ _Ｄ（η_ｉ）と記載することができる。本実施形態では、部分変形部４１は、下記の式３を用いて、評価値Ｅ^ｔ _Ｄ（η_ｉ）を取得する。

　式３の右辺第１項のＳ^ｔは、３次元モデルＭ_Ｓの表面である。式３の右辺第１項は、ある時刻ｔにおける被写体の点ｐ^ｔ _ｉと、頂点ｖ^ｔ _ｉを法線ｎ_ｉ方向に頂点移動量η_ｉにだけ移動した点ｖ_ｉ’と、の距離を個々の頂点ｖ^ｔ _ｉごとに算出して総和を取ったものである。式３の右辺第２項のＮ（ｉ）は、ある頂点ｖ_ｉに隣接する他の頂点であり、λ_Ｄは、ハイパーパラメータである。式３の右辺第２項は、ある頂点ｖ^ｔ _ｉの頂点移動量η_ｉと、隣接する頂点の頂点移動量η_ｊと、の差の総和を意味する。この値が大きいと、ある頂点ｖ^ｔ _ｉだけ周囲の頂点よりも出っ張り、現実には起こりえないような局所的に出っ張った形状になる可能性があるので、これを防止して自然な表面にするために、本実施形態では、式３の右辺第２項を定義している。なお、右辺第２項は省略してもよい。

　部分変形部４１は、評価値Ｅ_Ｄに基づいて、各頂点ｖ_ｉの頂点移動量η_ｉを取得する。評価値Ｅ_Ｄが小さいほど、３次元モデルＭ_Ｄと被写体の表面形状との差が小さくなり精度が高くなるので、部分変形部４１は、評価値Ｅ_Ｄを最小又は閾値未満にさせる頂点移動量η_ｉを取得する。以降、ある時刻ｔにおける頂点移動量η_ｉを指すときは、η^ｔ _ｉと記載する。本実施形態では、部分変形部４１は、下記の式４を利用して、いったん頂点移動量η^ｔ _ｉを仮計算し、その後に、式３の評価値Ｅ^ｔ _Ｄ（η_ｉ）が最小になるような頂点移動量η^ｔ _ｉに修正する。

　式４は、現在の時刻ｔにおける頂点ｖ^ｔ _ｉと点ｐ^ｔ _ｉとのずれと、過去の頂点移動量（式４では直近フレームのもの）と、の加重平均をとるための式である。式４のω_ｔ－１及びω´ｔは、加重平均の係数である。式４のように頂点移動量η^ｔ _ｉを仮計算するのは、ある時刻ｔの深度情報Ｉはノイズが混じることがあるので、ノイズが混じってしまったときだけ急激に頂点移動量η_ｉが変化して、３次元モデルＭ_Ｄが突然出っ張ったりへこんだりすることを防止するために、過去との平均を取り、ある時点の頂点移動量η_ｉだけ大きく又は小さくなり過ぎないようにするためである。

　部分変形部４１は、式４を利用して頂点ごとに頂点移動量η_ｉを仮計算する。そして、部分変形部４１は、仮計算した頂点移動量η_ｉに基づいて複数の候補を取得する。この候補は、仮計算の頂点移動量η_ｉとのずれが所定範囲内になるものであればよい。この候補の数は、任意であってよい。部分変形部４１は、頂点ｖ_ｉごとに取得した候補に基づいて評価値Ｅ^ｔ _Ｄ（ηｉ）を計算して、最小になる候補を頂点移動量η_ｉとして決定する。

　上記のように、本実施形態では、式３の右辺第２項に示すように、部分変形部４１は、各頂点の頂点移動量η_ｉを、周囲の頂点の頂点移動量η_ｉに基づいて決定する。このため、部分変形部４１は、３次元モデルＭ_Ｓの各部分を、周囲の変形具合に基づいて変形させる。例えば、部分変形部４１は、３次元モデルＭ_Ｓの各部分の変形具合と、周囲の部分の変形具合と、の差が所定未満になるようにすることができる。

　また、式４に示すように、頂点移動量η_ｉは、過去の頂点移動量との加重平均により得られるので、部分変形部４１は、過去に取得された頂点移動量η_ｉに基づいて、頂点移動量η_ｉを取得する。このため、部分変形部４１は、３次元モデルの各部分を、当該部分の過去の形状に基づいて変形する。例えば、部分変形部４１は、３次元モデルの各部分の変形具合と、当該部分の過去の変形具合と、の差が所定未満になるようにすることができる。

　部分変形部４１は、上記のようにして頂点ごとに取得された頂点移動量η_ｉに基づいて、当該頂点の位置を変更する。部分変形部４１は、頂点移動量η_ｉに基づいて定まる位置に移動するように、各頂点を移動させる。ここでは、頂点移動量η_ｉが法線方向の移動量を示すので、部分変形部４１は、頂点ｖ_ｉが法線ｎ_ｉの方向に頂点移動量η_ｉだけ離れた位置ｖ_ｉ’になるように、頂点ｖ_ｉの３次元座標を変更する。即ち、部分変形部４１は、頂点移動量η_ｉに基づいて３次元モデルＭ_Ｓを変形させることによって、３次元モデルＭ_Ｄを生成することになる。

　図１５は、３次元モデルＭ_Ｄを示す図である。図１５に示すように、３次元モデルＭ_Ｄは、洋服のしわや鞄などの詳細な形状が再現されている。なお、部分変形部４１は、深度検出装置１０が撮影したＲＧＢ画像を、テクスチャとして３次元モデルＭ_Ｄの表面にマッピングするようにしてもよい。このようにすれば、被写体の表面の模様や色彩なども３次元モデルＭ_Ｄで表現することができる。

　なお、深度検出装置１０の検出範囲外の部分は、深度が計測されないので、部分変形部４１は、３次元モデルＭ_Ｓのうち、検出範囲特定部３５により特定された部分の形状を変更するようにしてもよい。また、頂点移動量η_ｉは繰り返し取得されるので、部分変形部４１は、頂点移動量が取得されるたびに、３次元モデルＭ_Ｓの各頂点の位置を変更することになる。

［３－１３．身体部分特定部］
　身体部分特定部４２は、制御部２１を主として実現される。身体部分特定部４２は、３次元モデルＭ_Ｓ，Ｍ_Ｄ又は被写体の表面形状に基づいて、３次元モデルＭ_Ｓ，Ｍ_Ｄのうち、被写体の身体に対応する身体部分を特定する。身体部分は、式１の重み付け係数μ^ｔ _ｉを決定するために特定される。身体部分は、形状の変化が小さい部分であり、比較的固い物体を示す部分である。それ以外の部分は、形状の変化が大きい部分であり、比較的柔らかい物体を示す部分である。例えば、身体部分は、地肌が露出している部分であり、それ以外の部分は、洋服や鞄などのしわが寄る部分（身体の動きに合わせて動く部分）である。

　洋服のしわや鞄などは形状が変わりやすいが、身体が突然膨らんだりしぼんだりしないので、ここでは、身体部分を特定するために、３次元モデルＭ_Ｄのうち位置的な変化の大きい部分を特定する場合を例に挙げる。本実施形態では、身体部分特定部４２は、３次元モデルＭ_Ｄの頂点の位置関係や時間変化に基づいて身体部分を特定する。例えば、身体部分特定部４２は、ある時刻ｔにおける頂点とその周囲の頂点との位置のずれ具合に基づいて特定してもよいし、頂点の密度や分散具合に基づいて特定してもよい。他にも例えば、身体部分特定部４２は、ある頂点の時間経過に伴う位置変化に基づいて特定してもよい。

　本実施形態では、３次元モデルＭ_Ｄの表面の曲率を利用する場合を説明する。身体部分特定部４２は、３次元モデルの頂点ごとに、下記の式５のように、曲率に関する評価値κを取得する。評価値κは、局所的な曲率を示す。評価値κは、－１以上１以下の値となる。身体部分特定部４２は、ある時刻ｔにおけるある頂点ｖ_ｉのκの標準偏差κ^ｔが閾値未満であれば、変化が小さいことを示すので身体に対応する領域とし、それ以上であれば、変化が大きいことを示すので身体以外の領域とする。

　なお、式５のＫは、ガウス曲率であり、Ｈは、平均曲率（Mean curvature）である。ＫとＨは、頂点ごとに、当該頂点と周囲の頂点との位置関係に基づいて計算され、例えば、頂点の密集具合に基づいて計算される。これらの計算方法自体は一般的であるので、詳細は、「M.Meyer, M.Desbrun, P.Schroder, and A.H.Barr. Discrete differential-geometry operators for triangulated 2-manifolds.Mathematics and Visualization, pages 35－57, 2003」などを参照されたい。

　身体部分特定部４２は、標準偏差κ^ｔが閾値以上であれば、重み付け係数μ^ｔ _ｉを１未満の所定値λ_ｕ（例えば、λ_ｕ≪１）とし、標準偏差κ^ｔが閾値未満であれば、重み付け係数μ^ｔ _ｉを１とする。標準偏差κ^ｔが大きいことは、曲率の変化が大きいことを示すので、この部分は、形状が変わりやすい柔らかい物体と推定される。一方、標準偏差κ^ｔが小さいことは、曲率の変化が小さいことを示すので、この部分は、形状が変わりにくい固い物体と推定される。このため、標準偏差κ^ｔが大きい場所の重み付け係数μ^ｔ _ｉを小さくし、標準偏差κ^ｔが小さい場所の重み付け係数μ^ｔ _ｉを大きくしている。なお、上記では、評価値κを利用する場合を説明したが、下記の式６で求まる曲率の大きさを示す評価値ｃを利用して身体部分が特定されてもよい。

［４．本実施形態において実行される処理］
　図１６は、３次元モデル生成システムにおいて実行される処理の一例を示すフロー図である。図１６に示す処理は、制御部１１，２１が、それぞれ記憶部１２，２２に記憶されたプログラムに従って動作することによって実行される。下記に説明する処理は、図６に示す機能ブロックにより実行される処理の一例である。

　まず、深度検出装置１０の動作を説明する。図１６に示すように、制御部１１は、深度検出部１４の検出信号に基づいて、深度情報Ｉと検出姿勢情報Ｊとを生成する（Ｓ１０）。制御部１１は、Ｓ１０で生成した深度情報Ｉと検出姿勢情報Ｊとを３次元モデル生成装置２０に送信する（Ｓ１１）。

　制御部１１は、次の処理タイミング（フレーム）が訪れたかを判定する（Ｓ１２）。フレームレートは、予め記憶部１２に記憶されているものとする。制御部１１は、リアルタイムクロックを利用して計時処理を実行することにより、現在時刻が各フレームの開始時点になったかを判定する。

　次の処理タイミングが訪れたと判定されない場合（Ｓ１２；Ｎ）、制御部１１は、本処理を終了するかを判定する（Ｓ１３）。Ｓ１３においては、制御部１１は、予め定められた終了条件（例えば、３次元モデル生成装置２０から処理を終了するための信号を受信したかなど）が満たされるかを判定すればよい。本処理を終了すると判定されない場合（Ｓ１３；Ｎ）、Ｓ１２の処理に戻る。一方、本処理を終了すると判定された場合（Ｓ１３；Ｙ）、本処理は終了する。

　一方、Ｓ１２において、次の処理タイミングが到来したと判定された場合（Ｓ１２；Ｙ）、Ｓ１０の処理に戻る。以降、深度検出装置１０は、本処理が終了するまで、定期的に深度情報Ｉと検出姿勢情報Ｊを生成して３次元モデル生成装置２０に送信することになる。

　次に、３次元モデル生成装置２０の動作を説明する。図１６に示すように、制御部２１は、まず、制御部２１は、記憶部２２に記憶されたテンプレートデータに基づいて、仮想３次元空間内に３次元モデルＭ_Ｔを配置する（Ｓ２０）。Ｓ２０においては、制御部２１は、３次元モデルＭ_Ｔに対応する体型パラメータ｛β_ｋ｝（即ち、初期値）を体型履歴データに格納する。この初期値は、予め記憶部２２に記憶させておけばよい。

　制御部２１は、記憶部２２に記憶された基本姿勢データに基づいて、Ｓ２０で配置した３次元モデルＭ_Ｔの内部にスケルトンＪ_Ｔを設定する（Ｓ２１）。Ｓ２１の時点では、３次元モデル生成装置２０は、深度検出装置１０から深度情報Ｉと検出姿勢情報Ｊをまだ受信していないので、３次元空間では、基本形状の３次元モデルＭ_Ｔが基本姿勢を取っている。即ち、３次元モデルＭ_Ｔの体型や姿勢は、実際の被写体の形状とは似ていない。

　制御部２１は、深度検出装置１０から深度情報Ｉと検出姿勢情報Ｊとを受信する（Ｓ２２）。Ｓ２２では、制御部２１は、受信した深度情報Ｉと検出姿勢情報Ｊを、それぞれ深度履歴データと骨格履歴データに格納する。制御部２１は、被写体の身体の形状を推定するための形状推定処理を実行する（Ｓ２３）。

　図１７は、形状推定処理の詳細を示す図である。図１７に示すように、制御部２１は、Ｓ２２で受信した検出姿勢情報Ｊに基づいて、各関節の骨格パラメータ｛θ_ｊ｝を取得する（Ｓ３０）。制御部２１は、Ｓ３０で取得した骨格パラメータ｛θ_ｊ｝に基づいて、３次元モデルＭ_Ｔを変形させる（Ｓ３１）。Ｓ３１においては、制御部２１は、Ｓ３１で取得した骨格パラメータ｛θ_ｊ｝に基づいて、３次元モデルＭ_Ｔ内のスケルトンＪ_Ｔを変形させる。

　制御部２１は、Ｓ３１で変形させた３次元モデルＭ_Ｔに対してスキニング処理を実行する（Ｓ３２）。Ｓ３２の処理により、３次元モデルの表面が滑らかになる。これにより３次元モデルＭ_Ｓが生成される。時刻ｔにおける３次元モデルＭ_Ｓを識別する情報（頂点やスケルトンＪ_Ｔの位置）は、身体履歴データに格納される。

　制御部２１は、評価値Ｅ_０に基づいて体型パラメータ｛β_ｋ｝を初期化する（Ｓ３３）。Ｓ３３においては、制御部２１は、記憶部２２に記憶された体型履歴データに格納された履歴を式２に代入し、評価値Ｅ_０を最小にする値（即ち、平均値）を最新の体型パラメータ｛β_ｋ｝とする。なお、時刻ｔ＝０であれば、体型履歴データには、初期値しか格納されていないので、初期値がそのまま使用される。

　制御部２１は、評価値Ｅ_Ｓに基づいて、体型パラメータ｛β_ｋ｝を最適化する（Ｓ３４）。Ｓ３４においては、制御部２１は、Ｓ２２で受信した深度情報に基づいて被写体の３次元座標を取得する。そして、制御部２１は、Ｓ３３で取得した体型パラメータ｛β_ｋ｝と粒子群最適化アルゴリズムに基づいて、体型パラメータ｛β_ｋ｝の候補を複数取得する。制御部２１は、各候補に対応する３次元モデルＭ_Ｓと式１に基づいて、各候補の評価値Ｅ_Ｓを取得する。制御部２１は、評価値Ｅ_Ｓが最小になる候補の値を体型パラメータ｛β_ｋ｝とすることで最適化を実行する。最適化された体型パラメータ｛β_ｋ｝は、体型履歴データに格納される。制御部２１は、Ｓ３４で最適化した体型パラメータ｛β_ｋ｝に基づいて、３次元モデルＭ_Ｓを更新する（Ｓ３５）。

　制御部２１は、評価値Ｅ_Ｓに基づいて、骨格パラメータ｛θ_ｊ｝を最適化する（Ｓ３６）。Ｓ３６においては、制御部２１は、最新の骨格パラメータ｛θ_ｊ｝と最小二乗法に基づいて、骨格パラメータ｛θ_ｊ｝の候補を複数取得する。制御部２１は、各候補に対応する３次元モデルＭ_Ｓと式１に基づいて、各候補の評価値Ｅ_Ｓを取得する。制御部２１は、評価値Ｅ_Ｓが最小になる候補の値になるように骨格パラメータ｛θ_ｊ｝を更新することで最適化を実行する。最適化された骨格パラメータ｛θ_ｊ｝は、骨格履歴データに格納される。制御部２１は、Ｓ３６で最適化した骨格パラメータ｛θ_ｊ｝に基づいて、３次元モデルを更新する（Ｓ３７）。

　以降、制御部２１は、評価値Ｅ_Ｓが十分に小さくなるまでＳ３３～Ｓ３７の処理を繰り返す。なお、Ｓ２２において深度情報Ｉと検出姿勢情報Ｊが受信された場合（即ち、次のフレームになった場合）は、最新の深度情報Ｉ及び検出姿勢情報Ｊに体型や姿勢を合わせる必要があるので、再びＳ３０の処理から実行されることになる。

　図１６に戻り、制御部２１は、被写体の部分的な詳細を表現するための幾何学的再構成処理を実行する（Ｓ２４）。なお、幾何学的再構成処理は、フレーム内で繰り返し実行されるようにしてもよいし、１回だけ実行されるようにしてもよい。

　図１８は、幾何学的再構成処理の詳細を示す図である。図１８に示すように、制御部２１は、Ｓ２２で取得した深度情報Ｉに基づいて、３次元モデルＭ_Ｓのうち検出範囲を特定する（Ｓ４０）。Ｓ４０においては、制御部２１は、深度情報Ｉに基づいて深度検出装置１０の視線方向Ｖを取得して、３次元モデルＭ_Ｓの各頂点ｖ_ｉの法線ｎ_ｉとの関係に基づいて検出範囲を特定する。

　制御部２１は、評価値Ｅ_Ｄに基づいて、検出範囲内の頂点ごとに頂点移動量｛η_ｉ｝を取得する（Ｓ４１）。Ｓ４１においては、制御部２１は、検出範囲内の頂点の３次元座標と、被写体の３次元座標と、式３と、に基づいて評価値Ｅ_Ｄを取得する。そして、制御部２１は、式４に基づいて仮の頂点移動量｛η_ｉ｝を取得し、評価値Ｅ_Ｄを最小にする頂点移動量｛η_ｉ｝に修正する。時刻ｔにおける頂点移動量｛η_ｉ｝は、移動量履歴データに格納される。

　制御部２１は、Ｓ４１で取得した頂点移動量｛η_ｉ｝に基づいて、検出範囲内の頂点を再配置する（Ｓ４２）。これにより、３次元モデルＭ_Ｄが生成される。時刻ｔにおける３次元モデルＭ_Ｄを識別する情報（頂点やスケルトンＪ_Ｔの位置）は、再構成履歴データに格納される。

　制御部２１は、Ｓ４１で取得した頂点移動量｛η_ｉ｝に基づいて、検出範囲内の頂点の重み付け係数μ_ｉを取得する（Ｓ４３）。Ｓ４３においては、制御部２１は、式５に基づいて３次元モデルＭ_Ｓ，Ｍ_Ｄにおける身体部分とそれ以外の部分とを区別し、当該区別した結果に基づいて、頂点ごとに重み付け係数μ_ｉを取得することになる。Ｓ４３で取得された重み付け係数μ_ｉは、Ｓ２３の形状推定処理で評価値Ｅ_Ｄを計算するときに利用される。

　図１６に戻り、制御部２１は、本処理を終了するか否かを判定する（Ｓ２５）。終了すると判定されない場合（Ｓ２５；Ｎ）、Ｓ２２の処理に戻り、次のフレームの深度情報Ｉと検出姿勢情報Ｊが受信された場合に、最新の深度情報Ｉと検出姿勢情報Ｊに基づく形状推定処理及び幾何学的再構成処理が実行される。一方、終了すると判定された場合（Ｓ２５；Ｙ）、本処理は終了する。

　以上説明した３次元モデル生成システム１によれば、３次元モデルＭ_Ｔの姿勢を被写体の姿勢に近づけたうえで、体型パラメータ｛β_ｋ｝を決定して３次元モデルＭ_Ｓを生成するので、精度の高い３次元モデルＭ_Ｓを迅速に生成することができる。即ち、多数の深度検出装置１０の画像解析をする必要がないので、複雑な処理を実行する必要がなくなり、迅速に３次元モデルＭ_Ｓを生成することができる。更に、被写体の実際のボディラインに近づくように体型パラメータ｛β_ｋ｝が最適化されるので、３次元モデルＭ_Ｓの精度を高めることができる。例えば、３次元モデルＭ_Ｓの精度を高めることができれば、３次元モデルＭ_Ｓに洋服などのオブジェクトを重畳させることにより、オンラインショッピングモールなどにおいて、商品を疑似的に試着させることができる。他にも例えば、オーダーメイドの洋服を作成するなどの種々の用途に、３次元モデルＭ_Ｓを使用することができる。

　また、被写体の実際の骨格とのずれが小さくなるように骨格パラメータ｛θ_ｊ｝が最適化されるので、３次元モデルＭ_Ｓの姿勢を被写体の姿勢に近づけることができ、３次元モデルＭ_Ｓの精度を更に高めることができる。例えば、先述したように検出姿勢情報ＪとスケルトンＪ_Ｔとを完全に一致させることは難しいので、骨格パラメータ｛θ_ｊ｝を最適化することで、体型と姿勢の両方を実際の被写体に近づけることができる。更に、体型パラメータ｛β_ｋ｝を最適化した後に骨格パラメータ｛θ_ｊ｝を最適化し、その後再びこれらの最適化を繰り返すことによって、３次元モデルＭ_Ｓと被写体とのずれを徐々に小さくすることができる。

　また、頂点移動量η_ｉに基づいて３次元モデルＭ_Ｓを部分的に変形させることによって、３次元モデルＭ_Ｄの各部分の形状を被写体の部分的な形状に近づけることができるので、３次元モデルＭ_Ｄの精度を高めることができる。例えば、実施形態のように単一の深度検出装置１０を用いた場合であっても、深度検出装置１０が検出した面については、洋服のしわなどの詳細を３次元モデルＭ_Ｄで再現することができ、その他の面については、ボディラインを再現することができる。

　また、幾何学的再構成処理の対象を検出範囲内の領域とすることにより、変形させる必要のない部分にまで処理を実行することがなくなるので、３次元モデル生成装置２０の処理負荷を軽減するとともに、より迅速に３次元モデルＭ_Ｄを生成することができる。

　また、各頂点の頂点移動量η_ｉは周囲の頂点の頂点移動量に基づいて定まるため、３次元モデルＭ_Ｓの各部分の形状を周囲の形状に基づいて変形させることができる。その結果、ある部分だけ不自然に飛び出たりへこんだりするような状態を防止することができ、３次元モデルＭ_Ｄの精度を高めることができる。

　また、各頂点の頂点移動量η_ｉは、その頂点の過去の頂点移動量に基づいて定まるので、３次元モデルＭ_Ｓの各部分を当該部分の過去の形状に基づいて変形させることができる。その結果、ある時点だけ特定の部分が急に変形してしまうことを防止することができる。

　また、重み付け係数μ_ｉを利用することにより、身体以外の部分が評価値Ｅ_Ｄに与える影響を抑えることができるので、被写体のボディラインを推定するうえで重要ではない部分が評価値Ｅ_Ｄに与える影響を抑えることができる。その結果、信頼性の高い部分で被写体のボディラインを推定して３次元モデルＭ_Ｓとすることができるので、３次元モデルＭ_Ｓの精度をより高めることができる。

　また、深度検出装置１０の検出範囲内のずれ具合に基づいて３次元モデルＭ_Ｓを変形させることで、検出できない範囲の位置が３次元モデルＭ_Ｓの体型に影響を与えてしまうことを防止することができるので、３次元モデルＭ_Ｓの精度をより高めることができる。

　また、体型パラメータ｛β_ｋ｝の履歴に基づいて体型パラメータが決まるので、体型パラメータ｛β_ｋ｝が突然大きくなるようなことを防止することができる。その結果、ある特定の時だけ３次元モデルＭ_Ｓの体型が急激に変化してしまうような不自然な状況を防止することができる。

［５．変形例］
　なお、本発明は、以上に説明した実施の形態に限定されるものではない。本発明の趣旨を逸脱しない範囲で、適宜変更可能である。

　例えば、体型パラメータ｛β_ｋ｝を最適化した後に骨格パラメータ｛θ_ｊ｝を最適化する場合を説明したが、これらの順序は逆であってもよい。また例えば、体型パラメータ｛β_ｋ｝と骨格パラメータ｛θ_ｊ｝の両方が最適化される場合を説明したが、何れか一方のみが最適化されてもよい。

　また例えば、頂点移動量η_ｉを計算する場合に、周囲の頂点の変形具合や時間経過に伴う変化を考慮する場合を説明したが、処理速度を優先するのであればこれらは特に考慮しなくてもよい。同様に、過去の体型パラメータ｛β_ｊ｝から大きくずれないように評価値Ｅ_０を利用する場合を説明したが、処理速度を優先するのであれば過去の体型パラメータ｛β_ｊ｝は特に考慮しなくてもよい。また、３次元モデルＭ_Ｓのうち検出範囲内の領域を特定して評価値Ｅ_Ｓを取得したり幾何学的再構成の処理対象にしたりする場合を説明したが、特に検出範囲を考慮せず、３次元モデルＭ_Ｓの全面を処理対象にしてもよい。

　また例えば、形状推定処理と幾何学的再構成処理の両方が実行される場合を説明したが、ボディラインの推定だけを目的として３次元モデル生成システム１を利用する場合は、幾何学的再構成処理は省略してもよい。更に、評価値Ｅ_Ｓ，Ｅ_Ｄ，Ｅ_０の計算式は一例にすぎず、他の計算式を用いてもよい。また例えば、身体部分は、３次元モデルＭ_Ｓを利用して特定されてもよいし、深度情報Ｉを利用して特定されてもよい。３次元モデルＭ_Ｓを利用する場合は、実施形態で説明した方法と同様に、頂点の位置関係や時間変化により特定されるようにすればよい。一方、深度情報Ｉを利用する場合は、被写体の表面Ｓ_ＯＢの各点から最も近い頂点のみを身体部分とし、それ以外を身体部分以外としてよい。

　また例えば、検出姿勢情報Ｊは、３次元モデル生成装置２０により生成されるようにしてもよい。この場合、３次元モデル生成装置２０は、深度情報Ｉに基づいて検出姿勢情報Ｊを生成することになる。また例えば、骨格パラメータ｛θ_ｊ｝は、深度検出装置１０が生成して３次元モデル生成装置２０に送信してもよい。また例えば、特にフレームレートを定めておかず、深度検出装置１０は、深度情報Ｉと検出姿勢情報Ｊを不定期的に生成してもよい。また例えば、被写体は、人以外の動物（例えば、犬や猫など）であってもよい。

　また例えば、３次元モデル生成装置２０で各機能が実現される場合を説明したが、深度検出装置１０や他のコンピュータで各機能が実現されるようにしてもよい。また例えば、３次元モデル生成システム１の複数のコンピュータで各機能が分担されるようにしてもよい。更に、上記説明した各機能のうち、骨格取得部３２、姿勢変化部３４、表面形状取得部３６、体型決定部３７、及び体型変形部３９以外の機能は省略してもよい。

Claims (11)

1. 　深度検出装置が検出した被写体の深度情報に基づいて、骨格パラメータを取得する骨格取得手段と、
   　前記骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる姿勢変化手段と、
   　前記深度情報に基づいて、前記被写体の表面形状を取得する表面形状取得手段と、
   　前記姿勢変化手段により姿勢が変化した３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する体型決定手段と、
   　前記体型パラメータ決定手段により決定された体型パラメータに基づいて、前記３次元モデルを変形させる体型変形手段と、
   　を含むことを特徴とする３次元モデル生成システム。
2. 　前記３次元モデル生成システムは、前記３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記骨格パラメータを決定する骨格決定手段を更に含み、
   　前記姿勢変化手段は、前記骨格決定手段により決定された骨格パラメータに基づいて、前記３次元モデルの姿勢を更新する、
   　ことを特徴とする請求項１に記載の３次元モデル生成システム。
3. 　前記３次元モデル生成システムは、前記体型変形手段により変形した３次元モデルの表面形状の一部と、当該部分に対応する前記被写体の表面形状と、の差に基づいて、当該部分を変形させる部分変形手段、
   　を更に含むことを特徴とする請求項１又は２に記載の３次元モデル生成システム。
4. 　前記３次元モデル生成システムは、前記深度情報に基づいて、前記３次元モデルの中から、前記深度検出装置の検出範囲に対応する部分を特定する検出範囲特定手段を更に含み、
   　前記部分変形手段は、前記３次元モデルのうち、前記検出範囲特定手段により特定された部分を変形させる、
   　ことを特徴とする請求項３に記載の３次元モデル生成システム。
5. 　前記部分変形手段は、前記３次元モデルの各部分を、周囲の変形具合に基づいて変形させる、
   　ことを特徴とする請求項３又は４に記載の３次元モデル生成システム。
6. 　前記部分変形手段は、前記３次元モデルの各部分を、当該部分の過去の形状に基づいて変形させる、
   　ことを特徴とする請求項３～５の何れかに記載の３次元モデル生成システム。
7. 　前記３次元モデル生成システムは、前記３次元モデル又は前記被写体の表面形状に基づいて、前記３次元モデルの中から、前記被写体の身体に対応する身体部分を特定する身体部分特定手段を更に含み、
   　前記体型決定手段は、前記体型パラメータを決定する場合に、前記身体部分に対応する差の重み付けを、他の部分の差の重み付けよりも高くする、
   　ことを特徴とする請求項１～６の何れかに記載の３次元モデル生成システム。
8. 　前記３次元モデル生成システムは、前記深度情報に基づいて、前記３次元モデルの中から、前記深度検出装置の検出範囲に対応する頂点を特定する検出範囲特定手段を更に含み、
   　前記体型決定手段は、前記検出範囲における前記３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する、
   　ことを特徴とする請求項１～７の何れかに記載の３次元モデル生成システム。
9. 　前記３次元モデル生成システムは、前記体型パラメータの履歴を記憶手段に記録する履歴記録手段を更に含み、
   　前記体型決定手段は、前記履歴記録手段により記録された履歴に基づいて、前記体型パラメータを決定する、
   　ことを特徴とする請求項１～８の何れかに記載の３次元モデル生成システム。
10. 　深度検出装置が検出した被写体の深度情報に基づいて、骨格パラメータを取得する骨格取得ステップと、
    　前記骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる姿勢変化ステップと、
    　前記深度情報に基づいて、前記被写体の表面形状を取得する表面形状ステップと、
    　前記姿勢変化ステップにより姿勢が変化した３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する体型決定ステップと、
    　前記体型パラメータ決定ステップにより決定された体型パラメータに基づいて、前記３次元モデルを変形させる体型変形ステップと、
    　を含むことを特徴とする３次元モデル生成方法。
11. 　深度検出装置が検出した被写体の深度情報に基づいて、骨格パラメータを取得する骨格取得手段、
    　前記骨格パラメータに基づいて、体型パラメータにより変形可能な３次元モデルの姿勢を変化させる姿勢変化手段、
    　前記深度情報に基づいて、前記被写体の表面形状を取得する表面形状取得手段、
    　前記姿勢変化手段により姿勢が変化した３次元モデルの表面形状と、前記被写体の表面形状と、の差に基づいて、前記体型パラメータを決定する体型決定手段、
    　前記体型パラメータ決定手段により決定された体型パラメータに基づいて、前記３次元モデルを変形させる体型変形手段、
    　としてコンピュータを機能させるためのプログラム。

Images