一种基于双视图姿势参数的人体重建方法

技术领域

本发明涉及三维建模领域，具体地说，是涉及基于SMPL的三维人体重建方法。

背景技术

目前主流的人体重建方法为基于SMPL的人体重建，SMPL是一种参数化的人体模型，可以通过对参数的修改达到调节人体模型的效果。SMPL有两类参数，分别是β和θ；其中β是维度为10的体型参数，即通过修改β的值，可以调节人体模型的高矮胖瘦；θ是维度为75的姿势参数，即通过修改θ的值，可以调节人体模型的姿势。

在单视图的人体重建中，由于输入的只有一个角度的信息，并且由于人体姿势的复杂多变，人物可能存在自遮挡的问题，导致重建的人体模型精度不高，或者出现错误。

发明内容

为了解决上述问题，本发明提出一种基于双视图姿势参数的人体重建方法，利用双视图的姿势参数，得到姿势更准确的人体模型。

为了达到上述目标，本发明采用的技术方案包括如下步骤：

步骤(1)：采集目标人物同一姿势下的双视图照片。

步骤(2)：使用2D姿势数据进行训练，预测出双视图的2D姿势热图。

步骤(3)：使用姿势参数估计网络，分别估计姿势参数θ

步骤(4)：对两个姿势参数θ

步骤(5)：通过最优姿势参数θ

与现有的技术相比，本发明的有益效果为：

(1)能够克服人体复杂姿势下的自遮挡问题，有效重建高精度的人体模型。

(2)训练好模型后无需人工过多干预，只需要提供双视图照片后，即可重建人体模型。

附图说明

图1为本发明的流程说明图。

具体实施方式

下面将结合本发明实例中的附图，，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图所示，对的具体流程进行详细说明：

步骤(1)：采集目标人物同一姿势下的双视图照片，同一姿势下的双视图指的是两张拍摄角度为90°的图像。

步骤(2)：使用2D姿势数据进行训练，分别预测出双视图的2D姿势热图。其中2D姿势数据为LSP(Leeds Sports Pose Dataset)，2D姿势热图指的是‘pose heatmaps’，即将人体关键点通过高斯分布转化的64*64的矩阵中最大激活点。

步骤(3)：使用姿势参数估计网络，分别估计姿势参数θ

其中M为总关节点数，

步骤(4)：对两个姿势参数θ

步骤(5)：通过最优姿势参数θ

本发明的基于双视图姿势参数的人体重建方法，基于人物的双视图，预测两个双视图的姿势参数，通过对人物姿势参数的融合，能够克服人体复杂姿势下的自遮挡问题，有效重建高精度的人体模型。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。