基于卷积神经网络和人体轮廓的三维人体测量

摘要

随着互联网技术的迅速发展，越来越多的消费者选择通过网络购买自己需要的服装。而且，个性化文化的迅速发展，使得消费者开始寻求更适合自己的服装，而服装个性化定制化往往需要人们提供准确的个人人体尺寸。对于电商平台，为了更好地给用户和消费者推荐服装和进行三维虚拟试衣，都需要获取消费者的人体尺寸，然后才能实现精准定位和准确推荐。为了适应大众的需求，人体尺寸应该能以方便、快捷地方法获取，但目前的三维人体测量仪价格昂贵，不适合个人消费者，针对上述问题，本文研究了一种适合个人消费者使用的、方便快捷的人体尺寸测量方法。
　　本文的核心是，将从两幅正交人体轮廓照片重建三维人体模型抽象成一个回归问题，创新性地将GoogLeNet结构应用于人体重建中，并将人体骨架用于人体测量。首先用深度学习训练一个网络，把轮廓照片变换到人体的形状参数，从形状参数恢复出所需的三维人体模型。然后，对人体模型进行骨架提取，获取人体表面的预处理特征点;基于这些粗特征点和人体的形态学原理，精准定位人体表面特征点。最后，计算所需的人体尺寸，从而达到人体测量的目的。

目录

声明

摘要

1．1 研究背景

1．2 三维人体测量

1．2．1 传统人体测量研究现状

1．2．2 三维人体测量简介

1．2．3 非接触式三维人体测量简介

1．3 研究目的和主要工作

1．3．1 研究目的

1．3．2 主要工作

1．4 论文组织架构

第2章 三维人体重建测量系统和相关技术

2．1 三维人体重建和测量系统介绍

2．1．1 系统功能设计

2．1．2 系统组成

2．1．3 系统流程

2．2 相关技术

2．2．1 SCAPE介绍

2．2．2 PCA介绍

2．2．3 卷积神经网络介绍

2．2．4 GoogLeNet卷积神经网络结构介绍

2．3 本章小结

3．1 序言

3．2 三维重建深度学习模型理论

3．3 人体模型数据扩展

3．4 数据预处理

3．4．1 模型对齐坐标轴处理

3．4．2 人体轮廓提取

3．4．3 参数化模型β参数计算

3．5．1 单视角图像模型

3．5．2 双视角图像模型

3．5．3 模型结果测试

3．6 本章小结

4．1 序言

4．2 人体测量的基本知识

4．3 骨架提取

4．4 人体特征点定位

4．4．1 自动提取人体特征点

4．4．2 手动定位人体特征点

4．5 人体关键尺寸获取

4．6 测量结果

4．7 本章小结

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间主要的研究成果

致谢