WO2018133691A1 - 用户身材参数获取方法和装置 - Google Patents

用户身材参数获取方法和装置 Download PDF

Info

Publication number
WO2018133691A1
WO2018133691A1 PCT/CN2018/071761 CN2018071761W WO2018133691A1 WO 2018133691 A1 WO2018133691 A1 WO 2018133691A1 CN 2018071761 W CN2018071761 W CN 2018071761W WO 2018133691 A1 WO2018133691 A1 WO 2018133691A1
Authority
WO
WIPO (PCT)
Prior art keywords
contour
user
human body
model
error
Prior art date
Application number
PCT/CN2018/071761
Other languages
English (en)
French (fr)
Inventor
赵刚
Original Assignee
北京京东尚科信息技术有限公司
北京京东世纪贸易有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北京京东尚科信息技术有限公司, 北京京东世纪贸易有限公司 filed Critical 北京京东尚科信息技术有限公司
Priority to US16/479,300 priority Critical patent/US11176673B2/en
Publication of WO2018133691A1 publication Critical patent/WO2018133691A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/16—Cloth

Definitions

  • High-tech instruments are expensive, cannot be owned by individual users, require users to measure at specific locations, have traffic, time overhead, and are slow to promote.
  • the present disclosure provides a method and apparatus for acquiring a user's body parameter, which can automatically obtain an accurate user body parameter by processing a photo of the user.
  • a method for obtaining a user body parameter includes:
  • the parametric three-dimensional human body model that conforms the projection contour to the contour of the user as the target parametric three-dimensional human body model includes:
  • contour error of a set of body parameters having the smallest contour error is not less than a predetermined value, determining two sets of body parameters having the smallest contour error
  • the method further includes:
  • a target three-dimensional model determining module configured to use a parametric three-dimensional human body model whose projection contour is consistent with a user contour contour as a target parameterized three-dimensional human body model;
  • the body parameter generation sub-module is configured to randomly generate N sets of body parameters, wherein N is a natural number greater than 2;
  • the new body parameter generation sub-module is configured to generate a new N-group body parameter according to the combination of two sets of body parameters with the smallest contour error, and then the contour error acquisition sub-module performs calculation of the parameterized three-dimensional human body model contour corresponding to each group of body parameters and the user. The operation of the outline error of the outline.
  • the contour acquisition module includes a background separation unit, a binary image generation unit, and a contour generation unit, wherein:
  • a computer readable storage medium stores computer instructions that, when executed by a processor, implement a user as described in any of the above embodiments Body shape acquisition method.
  • Figure 5 is a schematic illustration of a contour view of a human body in some embodiments of the present disclosure.
  • FIG. 6 is a schematic diagram of a parametric three-dimensional human body model in some embodiments of the present disclosure.
  • FIG. 9 is a schematic diagram of determining a target parametric three-dimensional human body model in some embodiments of the present disclosure.
  • FIG. 10 is a schematic diagram of some embodiments of a user's body parameter acquisition device according to the present disclosure.
  • Figure 14 is a schematic diagram of a target model determining unit in some embodiments of the present disclosure.
  • FIG. 15 is a schematic diagram of still another embodiment of a user body parameter acquisition device according to the present disclosure.
  • the user photo may be at least one of a front view, a back view, or a side view.
  • step 1 may include that the user only needs to take a photo substantially in a prescribed posture (slightly separated legs without overlap, arms spread out and no contact with the body), taking photos in an environment where the background is not very complicated. And upload it to the server so that the server extracts the outline of the front and side photos taken by the user, and then obtains accurate body parameters in a matter of seconds.
  • step 2 the user's photo is processed to generate a user profile.
  • step 2 may include steps 21 through 23.
  • step 3 after having the user's outline, the parametric three-dimensional human body model shown in FIG. 6 is constrained by the user contour shown in FIG. 5, and the parametric three-dimensional human body model is matched with the contour of the user.
  • Parametric 3D human body model as a target.
  • step 34 is a schematic diagram of determining a target parametric three-dimensional human body model in some embodiments of the present disclosure.
  • the step of using the parametric three-dimensional human body model of the parametric three-dimensional human body model contour and the contour contour of the user contour to be less than a predetermined value as the target parametric three-dimensional human body model (ie, step 34) may include step 341 to Step 346.
  • the user body parameter obtaining device provided by the above-mentioned embodiments of the present disclosure can automatically obtain an accurate user body parameter by processing the photograph of the photographing user; the present disclosure can conveniently obtain the user's body parameter and improve the virtual fitting application. The effect is very helpful.
  • FIG. 11 is a schematic diagram of still another embodiment of a user body parameter acquisition device according to the present disclosure.
  • the device may further include a body parameter measuring module 500, wherein:
  • the body parameter measurement module 500 is configured to measure the body parameter of the target parameterized three-dimensional human body model after the target three-dimensional model determination module 300 uses the parametric three-dimensional human body model that matches the front projection contour with the contour of the user as the target parametric three-dimensional human body model. Then, the body shape parameter determination module 400 is instructed to perform the operation of using the body parameter of the target parameterized three-dimensional human body model as the user body parameter.
  • the target three-dimensional model determination module 300 shown in the embodiment of FIG. 10 or FIG. 11 may include a contour posture determination unit 310, a model posture determination unit 320, a model height determination unit 330, and a target model determination unit 340.
  • the model posture determining unit 320 is configured to adjust the parameterized three-dimensional human body model posture to be consistent with the user contour posture.
  • FIG. 15 is a schematic diagram of still another embodiment of a user body parameter acquisition device according to the present disclosure.
  • the user body parameter acquisition means may include a memory 800 and a processor 900.
  • the user body parameter obtaining device provided by the above-mentioned embodiments of the present disclosure can automatically obtain an accurate user body parameter by processing the photograph of the photographing user; the present disclosure can conveniently obtain the user's body parameter and improve the virtual fitting application. The effect is very helpful.
  • a computer readable storage medium having stored thereon a computer program that, when executed by a processor, implements the commodity data processing method of any of the above embodiments.
  • the computer readable storage medium is a non-transitory computer readable storage medium.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本公开公开一种用户身材参数获取方法和装置。该方法包括：获取用户照片；对用户照片进行处理，生成用户外形轮廓；将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；将目标参数化三维人体模型的身材参数作为用户身材参数。本公开通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本公开可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。

Description

用户身材参数获取方法和装置 技术领域
本公开涉及个性化虚拟试衣领域，特别涉及一种用户身材参数获取方法和装置。
背景技术
在个性化虚拟试衣系统中，需要获取用户的身材参数，有了准确的身材参数才能完成虚拟试衣功能。
目前获取用户的身材参数主要有以下方法：
1、用软尺测量，要求用户用软尺测量自己的身材参数，上传到系统中。
2、通过用户已有合身的服装反推身材参数，要求用户提供正品合身服装品牌，服装型号和服装尺码。
3、用高科技仪器设备测量，比如红外线扫描，雷达波扫描等，需要用户到指定的地方，用昂贵的设备扫描获取身材参数。
发明内容
发明人认识到：以下三种相关技术分别存在以下缺点：
1)用户软尺测量的方法：用户体验不好，需要用户自己用软尺测量身体，专业性要求较高，有相当比例的用户不能正确地测量身材。
2)通过用户已有合身的服装反推身材参数的方法：需要用户有正品合身的服装，否则由于服装本身尺寸的不准确导致获取的用户身材参数不准确。
3)用高科技仪器设备测量的方法：高科技仪器设备很昂贵，个人用户无法拥有，需要用户到专门的地点测量，有交通，时间方面的开销，推广速度慢。
鉴于以上技术问题，本公开提供了一种用户身材参数获取方法和装置，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数。
根据本公开的一个方面，提供一种用户身材参数获取方法，包括：
获取用户照片；
对用户照片进行处理，生成用户外形轮廓；
将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
将目标参数化三维人体模型的身材参数作为用户身材参数。
在本公开的一些实施例中，所述将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型包括：
根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
将参数化三维人体模型身高调整为与用户轮廓身高一致；
将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
在本公开的一些实施例中，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
所述根据用户外形轮廓获取用户轮廓姿势包括：
获取用户外形轮廓的轮廓中心线；
根据轮廓中心线获取手臂展开角度和腿部分开角度。
在本公开的一些实施例中，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型包括：
随机生成N组身材参数，计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差，其中N为大于2的自然数；
判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
若轮廓误差最小的一组身材参数的轮廓误差小于预定值，则将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
在本公开的一些实施例中，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型还包括：
若轮廓误差最小的一组身材参数的轮廓误差不小于预定值，则确定轮廓误差最小的两组身材参数；
根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的步骤。
在本公开的一些实施例中，所述根据轮廓误差最小的两组身材参数生成新的N组身材参数包括：
根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
在本公开的一些实施例中，所述对用户照片进行处理，获取用户外形轮廓包括：
将用户人体前景与背景分离；
根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
提取二值图像的边缘，生成用户外形轮廓。
在本公开的一些实施例中，所述将用户人体前景与背景分离包括：
接收用户输入的人体前景标识点和背景标识点；
根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
在本公开的一些实施例中，所述将将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，所述方法还包括：
测量目标参数化三维人体模型的身材参数，之后执行将目标参数化三维人体模型的身材参数作为用户身材参数的步骤。
根据本公开的另一方面，提供一种用户身材参数获取装置，包括照片获取模块、外形轮廓获取模块、目标三维模型确定模块和身材参数确定模块，其中：
照片获取模块，用于获取用户照片；
外形轮廓获取模块，用于对用户照片进行处理，生成用户外形轮廓；
目标三维模型确定模块，用于将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
身材参数确定模块，用于将目标参数化三维人体模型的身材参数作为用户身材参数。
在本公开的一些实施例中，目标三维模型确定模块包括轮廓姿势确定单元、模型姿势确定单元、模型身高确定单元和目标模型确定单元，其中：
轮廓姿势确定单元，用于根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
模型姿势确定单元，用于将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
模型身高确定单元，用于将参数化三维人体模型身高调整为与用户轮廓身高一致；
目标模型确定单元，用于将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
在本公开的一些实施例中，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
轮廓姿势确定单元用于获取用户外形轮廓的轮廓中心线；并根据轮廓中心线获取手臂展开角度和腿部分开角度。
在本公开的一些实施例中，目标模型确定单元包括身材参数生成子模块、轮廓误差获取子模块、轮廓误差判断子模块和目标模型确定子模块，其中：
身材参数生成子模块，用于随机生成N组身材参数，其中N为大于2的自然数；
轮廓误差获取子模块，用于计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差；
轮廓误差判断子模块，用于判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
目标模型确定子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
在本公开的一些实施例中，目标模型确定单元还包括身材参数组选择子模块和新身材参数生成子模块，其中：
身材参数组选择子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数；
新身材参数生成子模块，用于根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的操作。
在本公开的一些实施例中，新身材参数生成子模块用于根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
在本公开的一些实施例中，外形轮廓获取模块包括背景分离单元、二值图像生成单元和外形轮廓生成单元，其中：
背景分离单元，用于将用户人体前景与背景分离；
二值图像生成单元，用于根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
外形轮廓生成单元，用于提取二值图像的边缘，生成用户外形轮廓。
在本公开的一些实施例中，背景分离单元用于接收用户输入的人体前景标识点和 背景标识点；并根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
在本公开的一些实施例中，所述装置还包括身材参数测量模块，其中：
身材参数测量模块，用于在目标三维模型确定模块将将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，测量目标参数化三维人体模型的身材参数，之后指示身材参数确定模块执行将目标参数化三维人体模型的身材参数作为用户身材参数的操作。
根据本公开的另一方面，提供一种用户身材参数获取装置，包括存储器和处理器，其中：
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述装置执行实现如上述任一实施例中所述的用户身材参数获取方法的操作。
根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的用户身材参数获取方法。
本公开通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本公开可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
附图说明
为了更清楚地说明本公开实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开用户身材参数获取方法一些实施例的示意图。
图2为本公开一些实施例中大致指定人体前景和背景的示意图。
图3为本公开一些实施例中前景和背景分离的示意图。
图4为本公开一些实施例中人体黑白二值图像的示意图。
图5为本公开一些实施例中人体的轮廓图的示意图。
图6为本公开一些实施例中参数化三维人体模型的示意图。
图7为本公开一些实施例中的人体姿势线条图。
图8为本公开一些实施例中将参数化三维人体模型身高调整为与用户轮廓身高一致的 示意图。
图9为本公开一些实施例中确定目标参数化三维人体模型的示意图。
图10为本公开用户身材参数获取装置一些实施例的示意图。
图11为本公开用户身材参数获取装置另一些实施例的示意图。
图12为本公开一些实施例中外形轮廓获取模块的示意图。
图13为本公开一些实施例中目标三维模型确定模块的示意图。
图14为本公开一些实施例中目标模型确定单元的示意图。
图15为本公开用户身材参数获取装置又一些实施例的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本公开用户身材参数获取方法一些实施例的示意图。可选的，本实施例可由本公开用户身材参数获取装置执行。如图1所示，该方法可以包括以下步骤1-步骤4。
在步骤1中，获取用户照片。
在本公开的一些实施例中，用户照片可以为全身或半身(只试上衣或裤子的情形)。
在本公开的一些实施例中，用户照片可以为正面照、背面照或侧面照的至少一项。
在本公开的一些实施例中，用户照片可以由用户拍照后上传给本公开用户身材参数获取装置(服务器)进行处理。
在本公开的一些具体实施例中，步骤1可以包括：用户只需要大致按照指定的姿势(双腿稍微分开无重叠，双臂展开和身体无接触)，在背景不是很复杂的环境下拍摄照片，并上传给服务器，以便服务器对用户拍摄的正面和侧面照片提取外形轮廓，之后在数秒钟内获取准确的身材参数。
在本公开的另一些实施例中，用户照片可以由本公开用户身材参数获取装置(服务器)的拍摄模块自动获取。
在步骤2中，对用户照片进行处理，生成用户外形轮廓。
在本公开的一些实施例中，步骤2可以包括步骤21至步骤23。
在步骤21中，将用户人体前景与背景分离。
在本公开的一些实施例中，步骤21可以包括步骤211和步骤212。
在步骤211中，接收用户输入的若干个人体前景标识点和若干个背景标识点。
在一些具体实施例中，步骤211可以包括：通过大致手工指定前景和背景(如图2，人体包括衣服为大致前景，方框指示为有效范围，方框内其余部分为大致背景)，大致指定前景区域和背景区域。
在步骤212中，采用诸如GrabCut的算法根据所述人体前景标识点和背景标识点将用户人体前景与背景分离，获取精确前景(人体)和背景，其中GrabCut算法能够在背景不太复杂的前提下，准确地将前景和背景分离开来。如图3所示，背景全部用黑色表示。为保护用户隐私，图2和图3中对用户照片中的人脸进行了模糊化处理。
在步骤22中，根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同。
在本公开的一些实施例中，所述二值图像为黑白二值图像。
在本公开的一些实施例中，步骤22可以包括：生成黑白二值图像，属于人体的部分为白色，属于背景的部分为黑色，如图4，属于人体(包括衣服)的部分全部填充成白色，并将图3所示的方框(有效范围)以外的部分全部去除。
在步骤23中，提取二值图像的边缘，生成用户外形轮廓，如图5所示。
在步骤3中，有了用户的外形轮廓后，用图5所示的用户外形轮廓对图6所示的参数化三维人体模型进行约束，将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型。
在本公开的一些实施例中，在用户照片为正面照的情况下，相应所述投影轮廓为参数化三维人体模型的正面投影轮廓；在用户照片为背面照的情况下，相应所述投影轮廓为参数化三维人体模型的背面投影轮廓；在用户照片为侧面照的情况下，相应所述投影轮廓为参数化三维人体模型的侧面投影轮廓。
在本公开的一些实施例中，步骤3可以包括：用图5所示的用户外形轮廓来检验图6所示的参数化三维人体模型和用户身材的一致性，如果三维人体模型的投影轮廓和用户的轮廓一致，则认为，三维人体模型和用户身材一致，从而只需要测量三维人体模型的身材参数即可获得用户的真实身材参数。
如图6所示，参数化的三维人体模型分为：躯干，头，左肩，右肩，左上臂，右上臂，左小臂，右小臂，左手，右手，左大腿，右大腿，左小腿，右小腿，左脚，右脚。可以通过参数调节每一个部分的尺寸，并拼合成一个完整的三维人体模型，不同的参数拼合出的三维人体身材不同，不同的参数组合可以模拟出不同的身材。
在本公开的一些实施例中，步骤3可以包括步骤31至步骤34。
在步骤31中，根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高，其中，所述用户轮廓姿势可以包括手臂展开角度和腿部分开角度。
在本公开的一些具体实施例中，步骤31可以包括步骤311和步骤312。
在步骤311中，根据用户外形轮廓获取用户外形轮廓的轮廓中心线，用户外形轮廓的姿势就可以用轮廓中心线(轮廓图中间的粗线条)表示，可以通过适当的算法令粗线条位于轮廓中央，如图7所示。
在步骤312中，根据轮廓中心线，获取手臂展开角度和腿部分开角度。
在步骤32中，将参数化三维人体模型姿势调整为与用户轮廓姿势一致。
在本公开的一些具体实施例中，步骤32可以包括：将双腿和手臂的角度设置成步骤31中获取的手臂展开角度和腿部分开角度。
在步骤33中，将参数化三维人体模型身高调整为与用户轮廓身高一致，如图8所示。
在步骤34中，将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值(比如3％)的参数化三维人体模型作为目标参数化三维人体模型。
在步骤4中，将目标参数化三维人体模型的身材参数作为用户身材参数，其中，用户身材参数可以包括身高、胸围、腰围、臀围、肩宽、腿长等具体参数；参数化三维人体模型的身材参数可以包括身高、胸围、腰围、臀围、肩宽、腿长等具体参数。
在本公开的一些实施例中，在步骤3之后，所述方法还可以包括：测量目标参数化三 维人体模型的身材参数，之后执行步骤4。
基于本公开上述实施例提供的用户身材参数获取方法，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本公开可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
图9为本公开一些实施例中确定目标参数化三维人体模型的示意图。如图9所示，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型的步骤(即步骤34)可以包括步骤341至步骤346。
在步骤341中，随机生成N组身材参数，其中N为大于2的自然数。
在步骤342中，计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差。
在本公开的一些实施例中，步骤342可以包括:采用诸如获取欧式距离的方式，在如图8所示的图片中，在图片的垂直方向逐像素比较用户轮廓和三维人体模型轮廓在水平方向上的像素误差，求误差的总和。
在步骤343中，判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值。若轮廓误差最小的一组身材参数的轮廓误差小于预定值，则指示目标模型确定子模块执行步骤346；否则若轮廓误差最小的一组身材参数的轮廓误差不小于预定值，则指示身材参数组选择子模块执行步骤344。
在步骤344中，确定轮廓误差最小的两组身材参数。
在步骤345中，根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块执行步骤342。
在本公开的一些实施例中，步骤345可以包括：根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。在本公开的一些具体实施例中，步骤345可以包括：根据公式(1)获取新的N组身材参数。
N＝((A+B)/2)×R          (1)
其中，N是新的身材参数，A和B分别是误差最小的2组身材参数，R是[0.9～1.1]之间的随机偏移值。
在步骤346中，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
本公开上述实施例可以通过尝试N组(例如10组)随机身材参数，计算轮廓误差，找出误差最小的2组；再对这2组身材参数进行组合，即取两组身材参数每个参数的平均 数再加正负10％的随机偏移，组合成新的N组不同的身材参数，每个新的身材参数用公式1获取；再次找出轮廓误差最小的2组身材参数，周而复始，减少三维人体模的轮廓和用户照片轮廓之间的误差，直至误差小于目标值(比如3％)，从而获得用户身材参数。
下面通过一些具体实施例对图9实施例中确定目标参数化三维人体模型的方法进行具体说明。
第一步随机生成10组身材参数，如表1所示。每种参数都有事先设定好的最小值和最大值，随机生成的身材参数应处于最小值和最大值之间，比如肩宽的最小值是32，最大值是48，随机生成的肩宽处于32～48之间(最小值和最大值也可以根据不同的应用场合做调整，比如已知用户性别，年龄的话可以减小最小值和最大值之间的范围，从而使随机生成的身材参数根据接近于真实值)。
表1
序号 肩宽 胸围 腰围 臀围 臂长 臂围 腿长 腿围 误差
1 40 92 85 98 61 31 101 50 26％
2 41 98 87 102 58 29 99 48 33％
3 42 95 93 91 63 28 105 47 29％
4 40 99 99 88 67 33 93 52 34％
5 39 87 105 103 56 34 96 55 41％
6 37 86 81 99 55 35 88 49 39％
7 44 105 82 87 61 27 95 53 43％
8 38 78 92 89 62 34 108 54 39％
9 42 81 98 93 57 31 111 55 45％
10 40 98 101 97 64 28 92 57 38％
第二步，计算各组误差。可以看出第一组和第三组身材参数误差最小，取第一组第三组的身材参数的平均数再加正负10％的随机偏移组成新的10组身材参数。
比如，新的肩宽参数为:((40+42)/2×[0.9～1.1]＝[36.9～45.1]，即新的肩宽是36.9～45.1之间的一个随机数，取10个随机数就有了10个新的肩宽参数，其它身材参数的生成方法依次类推，可获得10组身材参数，然后计算轮廓误差，再挑选2组误差最小的，按上述方法生成10组新的身材参数，周而复始就能逐渐减小误差，挑出误差较小的结果。
图10为本公开用户身材参数获取装置一些实施例的示意图。如图10所示，所示用户身材参数获取装置可以包括照片获取模块100、外形轮廓获取模块200、目标三维模型确定模块300和身材参数确定模块400。
照片获取模块100用于获取用户照片。
外形轮廓获取模块200用于对用户照片进行处理，生成用户外形轮廓。
目标三维模型确定模块300用于将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型。
身材参数确定模块400用于将目标参数化三维人体模型的身材参数作为用户身材参数。
基于本公开上述实施例提供的用户身材参数获取装置，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本公开可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
图11为本公开用户身材参数获取装置另一些实施例的示意图。与图11所示实施例相比，在图10所示实施例中，所述装置还可以包括身材参数测量模块500，其中：
身材参数测量模块500，用于在目标三维模型确定模块300将将正面投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，测量目标参数化三维人体模型的身材参数，之后指示身材参数确定模块400执行将目标参数化三维人体模型的身材参数作为用户身材参数的操作。
图12为本公开一些实施例中外形轮廓获取模块的示意图。如图12所示，图10或图11实施例中所示的外形轮廓获取模块200可以包括背景分离单元210、二值图像生成单元220和外形轮廓生成单元230。
背景分离单元210，用于将用户人体前景与背景分离。
在本公开的一些实施例中，背景分离单元210可以用于接收用户输入的人体前景标识点和背景标识点；并根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
二值图像生成单元220，用于根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同。
外形轮廓生成单元230，用于提取二值图像的边缘，生成用户外形轮廓。
图13为本公开一些实施例中目标三维模型确定模块的示意图。如图13所示，图10或图11实施例中所示的目标三维模型确定模块300可以包括轮廓姿势确定单元310、模型 姿势确定单元320、模型身高确定单元330和目标模型确定单元340。
轮廓姿势确定单元310，用于根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高，其中，所述用户轮廓姿势可以包括手臂展开角度和腿部分开角度。
在本公开的一些实施例中，轮廓姿势确定单元310可以用于获取用户外形轮廓的轮廓中心线；并根据轮廓中心线获取手臂展开角度和腿部分开角度。
模型姿势确定单元320，用于将参数化三维人体模型姿势调整为与用户轮廓姿势一致。
模型身高确定单元330，用于将参数化三维人体模型身高调整为与用户轮廓身高一致。
目标模型确定单元340，用于将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
图14为本公开一些实施例中目标模型确定单元的示意图。如图14所示，图13实施例中的目标模型确定单元340可以包括身材参数生成子模块341、轮廓误差获取子模块342、轮廓误差判断子模块343和目标模型确定子模块344。
身材参数生成子模块341，用于随机生成N组身材参数，其中N为大于2的自然数。
轮廓误差获取子模块342，用于计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差。
轮廓误差判断子模块343，用于判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值。
目标模型确定子模块344，用于根据轮廓误差判断子模块343的判断结果，在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
在本公开的一些实施例中，如图14所示，目标模型确定单元340还包括身材参数组选择子模块345和新身材参数生成子模块346。
身材参数组选择子模块345，用于根据轮廓误差判断子模块343的判断结果，在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数。
新身材参数生成子模块346，用于根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块342执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的操作。
在本公开的一些实施例中，新身材参数生成子模块346可以用于根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组 身材参数。在本公开的一些具体实施例中，新身材参数生成子模块346可以用于根据公式(1)生成新的N组身材参数。
本公开上述实施例可以通过尝试N组(例如10组)随机身材参数，计算轮廓误差，找出误差最小的2组；再对这2组身材参数进行组合，即取两组身材参数每个参数的平均数再加正负10％的随机偏移，组合成新的N组不同的身材参数，每个新的身材参数用公式1获取；再次找出轮廓误差最小的2组身材参数，周而复始，减少三维人体模的轮廓和用户照片轮廓之间的误差，直至误差小于目标值(比如3％)，从而获得用户身材参数。
图15为本公开用户身材参数获取装置又一些实施例的示意图。如图15所示，所述用户身材参数获取装置可以包括存储器800和处理器900。
存储器800，用于存储指令。
处理器900，用于执行所述指令，使得所述装置执行实现如上述任一实施例中所述的用户身材参数获取方法的操作。
基于本公开上述实施例提供的用户身材参数获取装置，通过对拍摄用户的照片进行处理，可以自动获取准确的用户身材参数；本公开可以非常方便地获取用户的身材参数，对提升虚拟试衣应用的效果非常有帮助。
在本发明一些实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一个实施例中的商品数据处理方法。例如，该计算机可读存储介质为非瞬时性计算机可读存储介质。
在上面所描述的用户身材参数获取装置可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。

Claims (20)

  1. 一种用户身材参数获取方法，包括：
    获取用户照片；
    对用户照片进行处理，生成用户外形轮廓；
    将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
    将目标参数化三维人体模型的身材参数作为用户身材参数。
  2. 根据权利要求1所述的方法，其中，所述将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型包括：
    根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
    将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
    将参数化三维人体模型身高调整为与用户轮廓身高一致；
    将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
  3. 根据权利要求2所述的方法，其中，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
    所述根据用户外形轮廓获取用户轮廓姿势包括：
    获取用户外形轮廓的轮廓中心线；
    根据轮廓中心线获取手臂展开角度和腿部分开角度。
  4. 根据权利要求2所述的方法，其中，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型包括：
    随机生成N组身材参数，计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差，其中N为大于2的自然数；
    判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
    在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误 差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
  5. 根据权利要求4所述的方法，其中，所述将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型还包括：
    在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数；
    根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的步骤。
  6. 根据权利要求5所述的方法，其中，所述根据轮廓误差最小的两组身材参数生成新的N组身材参数包括：
    根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
  7. 根据权利要求1-6中任一项所述的方法，其中，所述对用户照片进行处理，获取用户外形轮廓包括：
    将用户人体前景与背景分离；
    根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
    提取二值图像的边缘，生成用户外形轮廓。
  8. 根据权利要求7所述的方法，其中，所述将用户人体前景与背景分离包括：
    接收用户输入的人体前景标识点和背景标识点；
    根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
  9. 根据权利要求1-6中任一项所述的方法，其中，所述将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，还包括：
    测量目标参数化三维人体模型的身材参数。
  10. 一种用户身材参数获取装置，包括照片获取模块、外形轮廓获取模块、目标 三维模型确定模块和身材参数确定模块，其中：
    照片获取模块，用于获取用户照片；
    外形轮廓获取模块，用于对用户照片进行处理，生成用户外形轮廓；
    目标三维模型确定模块，用于将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型；
    身材参数确定模块，用于将目标参数化三维人体模型的身材参数作为用户身材参数。
  11. 根据权利要求10所述的装置，其中，目标三维模型确定模块包括轮廓姿势确定单元、模型姿势确定单元、模型身高确定单元和目标模型确定单元，其中：
    轮廓姿势确定单元，用于根据用户外形轮廓获取用户轮廓姿势和用户轮廓身高；
    模型姿势确定单元，用于将参数化三维人体模型姿势调整为与用户轮廓姿势一致；
    模型身高确定单元，用于将参数化三维人体模型身高调整为与用户轮廓身高一致；
    目标模型确定单元，用于将参数化三维人体模型轮廓与用户外形轮廓的轮廓误差小于预定值的参数化三维人体模型作为目标参数化三维人体模型。
  12. 根据权利要求11所述的装置，其中，所述用户轮廓姿势包括手臂展开角度和腿部分开角度；
    轮廓姿势确定单元用于获取用户外形轮廓的轮廓中心线；并根据轮廓中心线获取手臂展开角度和腿部分开角度。
  13. 根据权利要求11所述的装置，其中，目标模型确定单元包括身材参数生成子模块、轮廓误差获取子模块、轮廓误差判断子模块和目标模型确定子模块，其中：
    身材参数生成子模块，用于随机生成N组身材参数，其中N为大于2的自然数；
    轮廓误差获取子模块，用于计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差；
    轮廓误差判断子模块，用于判断轮廓误差最小的一组身材参数的轮廓误差是否小于预定值；
    目标模型确定子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差小于预定值的情况下，将所述轮廓误差最小的一组身材参数对应的参数化三维人体模型作为目标参数化三维人体模型。
  14. 根据权利要求13所述的装置，其中，目标模型确定单元还包括身材参数组选择子模块和新身材参数生成子模块，其中：
    身材参数组选择子模块，用于根据轮廓误差判断子模块的判断结果，在轮廓误差最小的一组身材参数的轮廓误差不小于预定值的情况下，确定轮廓误差最小的两组身材参数；
    新身材参数生成子模块，用于根据轮廓误差最小的两组身材参数组合生成新的N组身材参数，之后指示轮廓误差获取子模块执行计算每组身材参数对应的参数化三维人体模型轮廓与用户外形轮廓的轮廓误差的操作。
  15. 根据权利要求14所述的装置，其中，
    新身材参数生成子模块用于根据轮廓误差最小的两组身材参数中每个参数的平均值、和预定比例范围内的随机偏移值，组合生成新的N组身材参数。
  16. 根据权利要求10-15中任一项所述的装置，其中，外形轮廓获取模块包括背景分离单元、二值图像生成单元和外形轮廓生成单元，其中：
    背景分离单元，用于将用户人体前景与背景分离；
    二值图像生成单元，用于根据用户人体前景与背景生成二值图像，其中，用户人体前景与背景的取值不同；
    外形轮廓生成单元，用于提取二值图像的边缘，生成用户外形轮廓。
  17. 根据权利要求16述的装置，其中，
    背景分离单元用于接收用户输入的人体前景标识点和背景标识点；并根据所述人体前景标识点和背景标识点将用户人体前景与背景分离。
  18. 根据权利要求10-15中任一项所述的装置，其中，还包括身材参数测量模块，其中：
    身材参数测量模块，用于在目标三维模型确定模块将将投影轮廓与用户外形轮廓一致的参数化三维人体模型作为目标参数化三维人体模型之后，测量目标参数化三维人体模型的身材参数，之后指示身材参数确定模块执行将目标参数化三维人体模型的身材参数作为用户身材参数的操作。
  19. 一种用户身材参数获取装置，包括存储器和处理器，其中：
    存储器，用于存储指令；
    处理器，用于执行所述指令，使得所述装置执行实现如权利要求1-9中任一项所述的用户身材参数获取方法的操作。
  20. 一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如权利要求1-9中任一项所述的用户身材参数获取方法。
PCT/CN2018/071761 2017-01-22 2018-01-08 用户身材参数获取方法和装置 WO2018133691A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/479,300 US11176673B2 (en) 2017-01-22 2018-01-08 Method and device for acquiring figure parameters of a user

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710045890.1A CN108346156B (zh) 2017-01-22 2017-01-22 用户身材参数获取方法和装置
CN201710045890.1 2017-01-22

Publications (1)

Publication Number Publication Date
WO2018133691A1 true WO2018133691A1 (zh) 2018-07-26

Family

ID=62909173

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/071761 WO2018133691A1 (zh) 2017-01-22 2018-01-08 用户身材参数获取方法和装置

Country Status (3)

Country Link
US (1) US11176673B2 (zh)
CN (1) CN108346156B (zh)
WO (1) WO2018133691A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598656A (zh) * 2020-05-12 2020-08-28 浙江大学 一种基于样例的虚拟试衣方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784299A (zh) * 2019-01-28 2019-05-21 Oppo广东移动通信有限公司 模型处理方法、装置、终端设备及存储介质
US11062508B1 (en) 2019-03-08 2021-07-13 Stitch Fix, Inc. Creating a custom three-dimensional body shape model
CN113628233A (zh) * 2021-08-02 2021-11-09 嘉兴九全科技服务有限公司 基于互联网的体型管理方法、装置、设备及存储介质
CN113657288A (zh) * 2021-08-19 2021-11-16 康佳集团股份有限公司 基于体型识别的健身应用内容推送方法、终端及存储介质
CN115063209B (zh) * 2022-07-12 2023-05-09 深圳斯达领科网络科技有限公司 一种基于多维特征分析的服装电商平台商品推荐系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006071006A1 (en) * 2004-12-30 2006-07-06 G & G Cormerce Ltd Method for converting 2d image into pseudo 3d image and user-adapted total coordination method in use artificial intelligence, and service business method thereof
CN102646245A (zh) * 2012-03-29 2012-08-22 柳一鸣 一种基于互联网的试衣选衣裁衣系统
CN102939614A (zh) * 2010-05-10 2013-02-20 套装供应有限公司 远程确定服装尺寸的方法
CN103106586A (zh) * 2011-11-11 2013-05-15 江南大学 三维虚拟试衣系统
CN104679831A (zh) * 2015-02-04 2015-06-03 腾讯科技（深圳）有限公司 一种匹配人体模型的方法及装置
CN104899919A (zh) * 2015-05-19 2015-09-09 武汉变色龙数据科技有限公司 一种建模方法及装置
CN105956912A (zh) * 2016-06-06 2016-09-21 施桂萍 一种网络试衣的实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7257237B1 (en) * 2003-03-07 2007-08-14 Sandia Corporation Real time markerless motion tracking using linked kinematic chains

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006071006A1 (en) * 2004-12-30 2006-07-06 G & G Cormerce Ltd Method for converting 2d image into pseudo 3d image and user-adapted total coordination method in use artificial intelligence, and service business method thereof
CN102939614A (zh) * 2010-05-10 2013-02-20 套装供应有限公司 远程确定服装尺寸的方法
CN103106586A (zh) * 2011-11-11 2013-05-15 江南大学 三维虚拟试衣系统
CN102646245A (zh) * 2012-03-29 2012-08-22 柳一鸣 一种基于互联网的试衣选衣裁衣系统
CN104679831A (zh) * 2015-02-04 2015-06-03 腾讯科技（深圳）有限公司 一种匹配人体模型的方法及装置
CN104899919A (zh) * 2015-05-19 2015-09-09 武汉变色龙数据科技有限公司 一种建模方法及装置
CN105956912A (zh) * 2016-06-06 2016-09-21 施桂萍 一种网络试衣的实现方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111598656A (zh) * 2020-05-12 2020-08-28 浙江大学 一种基于样例的虚拟试衣方法

Also Published As

Publication number Publication date
US20190378277A1 (en) 2019-12-12
US11176673B2 (en) 2021-11-16
CN108346156B (zh) 2021-09-07
CN108346156A (zh) 2018-07-31

Similar Documents

Publication Publication Date Title
WO2018133691A1 (zh) 用户身材参数获取方法和装置
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
CN107292948B (zh) 一种人体建模方法、装置及电子设备
ES2693028T3 (es) Sistema y método para derivar mediciones de talla de cuerpo precisas a partir de una secuencia de imágenes en 2D
DK2686834T3 (en) IMPROVED VIRTUAL TEST ON SIMULATION DEVICE
US8976230B1 (en) User interface and methods to adapt images for approximating torso dimensions to simulate the appearance of various states of dress
US10813715B1 (en) Single image mobile device human body scanning and 3D model creation and analysis
US9715759B2 (en) Reference object for three-dimensional modeling
JP2015534637A5 (zh)
CN109801380A (zh) 一种虚拟试衣的方法、装置、存储介质及计算机设备
KR102202490B1 (ko) 3차원 신체 모델 측정 장치 및 방법
US20210335040A1 (en) Mobile 3d body scanning methods and apparatus
CA3061920A1 (en) Methods and systems for evaluating a size of a garment
CN114375177A (zh) 身体测量装置及其控制方法
CN106773050A (zh) 一种基于二维图像虚拟整合的智能ar眼镜
KR20140123229A (ko) 깊이 정보 기반으로 사용자의 3차원 신체 모델을 생성하는 방법 및 장치
CN112244401A (zh) 基于人体样本库的人体测量误差修正方法和系统
JP6593673B2 (ja) 身体情報取得装置および身体情報取得方法
Kohlschütter et al. Automatic human body parts detection in a 2d anthropometric system
Van Duc et al. Framework Development for 3D Human Shape Reconstruction from Security Camera
CN115731566A (zh) 一种基于图像的体重检测方法、装置、设备及存储介质
CN109393614B (zh) 一种量体裁衣尺寸测量的系统
Lin et al. Automatic feature extraction from front and side images
TWI637353B (zh) 測量裝置及測量方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18741581

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 25.10.2019)

122 Ep: pct application non-entry in european phase

Ref document number: 18741581

Country of ref document: EP

Kind code of ref document: A1