基于图像的虚拟试衣技术研究

发布时间：2017-08-01 07:54

  本文关键词：基于图像的虚拟试衣技术研究

  更多相关文章： 人脸检测 GrabCut 人体姿态估计 图像变形 虚拟试衣

【摘要】：虽然近年来服装电子商务发展迅速,但是由于用户无法根据图文信息,准确估计自己试穿的效果,一方面影响商家的服装销量,另一方面也影响消费者满意度。为解除这一限制,越来越多的科研人员致力于研究虚拟试衣系统相关技术,构建虚拟试衣系统,向用户提供虚拟试衣体验。目前,虚拟试衣系统相关技术的研究已经取得了一定成果,但是仍然存在一些问题需要进一步研究,并且也依赖于图像处理方面各种技术的提高。本文对虚拟试衣系统的涉及关键算法进行研究,主要研究如何解决如下三个方面的问题:如何进行服装提取以生成用于虚拟试穿的衣料库,如何减少搜索空间并提高服装提取应对复杂背景的能力,以及如何进行虚拟试穿以匹配不同用户的身材和动作姿态。为了更好地满足基于图像的虚拟试衣系统中服装提取鲁棒性和自动化的需要,本文通过借鉴前人关于自然图像显著性的研究,考虑服装在照片中的颜色显著特性,提出基于人脸检测和HC显著性约束的改进的Grab Cut服装提取算法。首先,提出联合上半身,人脸和双目检测改进的Haar级联分类器排除干扰数据,有效的识别出模特的脸部,然后适当扩大以获得服装范围估计窗口,然后着眼于服装图像基于颜色直方图的显著性,获得可能是前景的像素的标记模板,结合服装范围估计窗口得到可能前景掩模用于Grab Cut的参数,避免Grab Cut的硬分割框以提高其自动化程度和应对复杂背景的服装提取能力。改进的Haar级联分类器和改进的基于显著性的Grab Cut服装提取算法也为人体姿态估计提供了便利,通过对可能人体范围的估计,缩小了搜索空间,然后使用本文提出的基于PS(Pictorial Structure)模型和关节归属的外观模型进行上半身姿态估计,融合服装显著性区域,分别在皮肤区域和服装区域寻找手和肘部的最优定位点,并结合部件约束获得最终骨架图。人体的姿态估计对未来更优的服装提取和结合四边形网格变形的自动服装变形及虚拟试衣有很大意义。为了使得虚拟试穿体验更加真实,为不同身材和姿态的用户提供具备真实感的虚拟试衣功能,本文提出了基于四边形网格的图像变形方法,可以对已经提取的服装元素进行局部的变形,然后对变形后的服装进行整体变换,并实现服装和用户照片的叠加,从而实现虚拟试穿,实验证明在服装素材简单,复杂,背景简单,复杂的四种组合的情境中,虚拟试衣都取得了比较好的效果。最终实验表明,本文提出的方法具备服装提取自动化过程的有效性,人体姿态估计的有效性,服装变形的有效性和虚拟试衣的真实感,并可以为进一步的研究提供参考。
【关键词】：人脸检测 GrabCut 人体姿态估计 图像变形 虚拟试衣
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.9
【目录】：

• 摘要4-6
• abstract6-11
• 第1章 绪论11-17
• 1.1 背景介绍与系统研究意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 国外研究现状13-14
• 1.2.2 国内研究现状14
• 1.2.3 发展趋势14-15
• 1.3 本文的主要内容15
• 1.4 论文结构15-17
• 第2章 基于图像的虚拟试衣方案分析与处理技术概述17-24
• 2.1 基于图像的虚拟试衣方案分析17-18
• 2.2 人脸检测18-19
• 2.3 显著图与服装提取19-21
• 2.4 人体姿态估计21-22
• 2.5 图像变形技术22-23
• 2.6 本章小结23-24
• 第3章 人脸检测24-30
• 3.1 人脸检测概述24
• 3.2 人脸检测24-29
• 3.2.1 Haar级联人脸检测算法24-25
• 3.2.2 肤色检测25-26
• 3.2.3 基于上半身和面部器官的改进Haar级联人脸检测26-27
• 3.2.4 实验与分析27-29
• 3.3 本章小结29-30
• 第4章 图像分割与服装提取30-45
• 4.1 图像分割和服装提取概述30-31
• 4.2 Graph Cut与GrabCut31-32
• 4.2.1 Graph Cut与GrabCut算法描述31-32
• 4.2.2 GrabCut在虚拟试衣中的不足32
• 4.3 图像显著图32-33
• 4.4 图像显著性与服装提取33-37
• 4.4.1 显著性检测算法比较33
• 4.4.2 显著性检测33-35
• 4.4.3 显著图二值化35
• 4.4.4 GrabCut掩模与服装提取35-37
• 4.5 实验与分析37-44
• 4.6 本章小结44-45
• 第5章 人体姿态估计45-63
• 5.1 人体姿态估计概述45
• 5.2 影响因素和基于虚拟试衣的姿态估计的特点45-46
• 5.3 Eichner方法及分析46-47
• 5.4 改进的基于PS模型和关节归属的姿态估计47-55
• 5.4.1 姿态模型47-48
• 5.4.2 外观模型48-49
• 5.4.3 基于PS模型的姿态推断49-55
• 5.4.4 姿态估计的表示55
• 5.5 实验与分析55-62
• 5.6 本章小结62-63
• 第6章 图像变形与虚拟试穿63-77
• 6.1 图像变形算法概述63-64
• 6.2 基于四边形网格的服装变形64-68
• 6.2.1 图像映射64
• 6.2.2 插值算法64-66
• 6.2.3 基于四边形网格的图像变形66-68
• 6.3 实验与分析68-70
• 6.4 图像的整体变换70-71
• 6.5 虚拟试穿71-75
• 6.6 本章小结75-77
• 第7章 总结与展望77-79
• 参考文献79-83
• 作者简介83-84
• 致谢84

【参考文献】

中国期刊全文数据库 前10条

1 郭传鑫;李振波;乔曦;李晨;岳峻;;基于融合显著图与GrabCut算法的水下海参图像分割[J];农业机械学报;2015年S1期

2 李俊;张明敏;潘志庚;;人物替换模式的虚拟试衣[J];计算机辅助设计与图形学学报;2015年09期

3 张培浩;金鑫;;基于聚类和shape context的人体姿态估计[J];小型微型计算机系统;2015年07期

4 何妮;赵波;;基于姿势估计与显著性目标检测的衣物提取算法[J];计算机应用;2014年12期

5 孙晓飞;潘文文;王霞;;典型的图像显著性检测算法分析和比较[J];黔南民族师范学院学报;2014年05期

6 韩贵金;朱虹;;基于HOG和颜色特征融合的人体姿态估计[J];模式识别与人工智能;2014年09期

7 安妮;;线上店铺虚拟试衣技术的实现方式对比分析[J];丝绸;2014年02期

8 陈林伟;吴向平;;结合显著性的GrabCut及在骨髓细胞图像分割中的应用[J];中国计量学院学报;2014年01期

9 徐康熙;郝泳涛;;基于物理引擎PhysX的3D试衣系统的设计与实现[J];电脑知识与技术;2014年08期

10 张婷婷;裘建新;朱梦豪;常迪;杨迎;;网上试衣间的构造[J];上海工程技术大学学报;2013年04期

中国硕士学位论文全文数据库 前10条

1 孟蕊;虚拟试衣系统关键算法研究[D];哈尔滨工业大学;2015年

2 王瑞;基于图割理论的服装图像前景提取算法研究[D];西北大学;2014年

3 刘玉立;三维试衣系统中刚体及布料模拟物理引擎的设计与实现[D];电子科技大学;2013年

4 邹大海;人体图像中周边物品检测分类技术研究[D];南京邮电大学;2013年

5 袁正海;人脸识别系统及关键技术研究[D];南京邮电大学;2013年

6 周千明;基于个性化体型的WEB二维虚拟试衣技术研究[D];西安工程大学;2012年

7 沈小勇;基于照片的在线虚拟试衣系统[D];浙江大学;2012年

8 况鹰;基于Kinect运动捕获的三维虚拟试衣[D];华南理工大学;2012年

9 刘雁;二维图像三角网格变形技术的研究与实现[D];云南大学;2012年

10 孟凡辉;静态图片人体姿态估计研究[D];合肥工业大学;2012年

，

本文编号：603168