基于卷积神经网络的二值图像三维人体重建

发布时间：2021-06-07 06:43

　　高精度的个性化三维人体是虚拟试衣、量身定制、在线服装销售以及体型健康评估与分析等诸多领域的数据基础。以往获取三维人体的主要手段有两种,其一是通过三维人体扫描来得到高精度的三维人体模型,其二是通过数据驱动模板人体进行变形来得到人体的个性化三维人体模型。但是对于个性化的三维人体生成而言,前者存在操作复杂、耗时较长的问题,而后者则无法生成较为精准的目标三维人体。因此本文提出利用二值图像进行三维人体重建,简化了输入,利用了卷积神经网络进行人体重建,改进了以往工作操作复杂、耗时较长且结果较差的问题,达到了以最小的输入快速地对三维人体进行重建的目的。为了达到该目的,本文提出了一种输入最少量单视角或多视角的人体二值图像就能对人体进行精准重建的新方法。该方法首先利用主成分分析法与编码解码法对人体进行编码得到了人体的低维形状描述子,随后提取了人体不同视图的二值图像。最后,本文构建了一个新的深度卷积神经回归网络,该网络以密集网络为基础,拥有两个分支,分别用于提取不同人体视图的相关特征,将分支特征融合后,通过联合训练学习一个从输入到形状描述子的全局映射,最终对形状描述子进行解码得到点云并以标准姿势完成了对人... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图２－４人体正视固二値掩码图像的采集??２．２．２人体二值轮廓图像的采集??

同样利用ＤＩＰ＾Ｅ??具箱中的函数ｉｍ２ｂｗ使用阈值变换法把灰度图像转换成二值轮廓图像。但与??２．２．１中步骤不同的是，采集二值轮廓图像时，为了尽可能地保留侧视图中的手??臂轮廓信息，设定的阈值要小得到。经过多次实验，当阈值为２００时能得到侧视??图手臂轮廓较为清晰的二值图像。??（３）由于（２）中得到的人体二值轮廓图像的边缘仍有一些噪点，为了降低??噪点对最终结果的影响，同样采用了?ｂｗａｒｅａｏｐｅｎ函数对其进行了去噪处理，即??删除二植图像中面积小于８邻域的图像。最终得到如图２－５ｃ、图２－５ｄ所示的人??体正视图与侧视图的二值轮廓图像。??ＱＤ?ｆ?Ｉ??（ａ）人体芷视图?Ｃｂ）人体侧视图的?（ｃ）人体芷视图的（ｄ）人体侧视图的Ｓ值??的二值掩码图像＝值掩码图像?＝值轮廓图像?轮廓图像??图２－５人体二值掩码图像与人体二值轮廓图像??２．３人体二值图像的预处理??由于背景不提供关于人体重建的有效信息，因此对输入的二值图像统一进行??了栽剪，只保留了包含人体的部分。如表２－１所示，在第四章所提出的以人体二??值掩码图像双视图为输入且参数共享的网络中进行实验，多次实验后可以发现，??当输入的二值图像的分辨率越高时，重建的人体越精准，但当分辨率足够大的时??候，高分辨率的图像的重建结果并没有更好。在其余网络结构中进行实验也能得??到类似的结果。这可能由于二值图像包含的信息有限，缺少更多的细节，因此作??为人体三维重建网络的输入，高分辨率的图像并不能提供大规模的改进，反而会??１２??

东华大学碩土学位论文．?第三孝二维人体檫型鋦码??人体的数据点。??两种扫描仪都使用激光和数码相机捕捉图像，并且同时捕捉了扫描对象的范??围与颜色。．虽然它们在分辨率、扫描量和其他技术细节上确实存在着一錢差异，??但两种扫描仪输出的数据基本相同，使用的分析与处理软件也是一致的。??

【参考文献】：
期刊论文
[1]数字几何处理研究进展[J]. 胡事民,杨永亮,来煜坤.  计算机学报. 2009(08)
[2]格雷码与相移结合的结构光三维测量技术研究[J]. 尹丽萍,于晓洋,吴海滨.  哈尔滨理工大学学报. 2007(05)

博士论文
[1]基于多个深度相机的足部三维重建及形态分析[D]. 毋戈.东华大学 2017
[2]基于多视几何的三维脚型测量技术与系统[D]. 高飞.浙江大学 2010
[3]数字几何处理的若干问题研究[D]. 毛志红.上海交通大学 2006



本文编号：3216080