可变人体模型的处理方法、装置、系统及存储介质

摘要

本申请提供了一种可变人体模型的处理方法、装置、系统及存储介质。该处理方法包括：获取用户的人体实际参数；根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。本申请中，典型可变人体模型是基于大量的真实样本计算得到的，样本的多样性和真实性能够保证典型可变人体模型具有较高的精度，从而使得基于典型可变人体模型处理得到的个性化可变人体模型具有较高的精度；与统计计算方法相比，本申请可大大降低计算量，减低开销，缩短处理时间，提升适用范围。

说明书

技术领域

本申请涉及人体模型技术领域，具体而言，本申请涉及一种可变人体模型的处理方法、装置、系统及存储介质。

背景技术

经过近几十年的发展，人体模型经历了由单样本到多样本、由静态到动态的历程。然而，目前的人体模型仍存在着不足。首先，人体模型中包含的人体样本数量仍然有限。例如，目前样本数量最多的瑞士“虚拟人群”系列人体模型只包括了10个人体样本，这样的数量仅仅能提供不同年龄、身高、体重的少量采样，却不足以反映人群中解剖形变的统计规律，无法用于生成个性化的人体可变模型，或生成的个性化人体可变模型精度低下。

若采用传统统计方式计算个性化人体可变模型，则占用的计算资源很多，计算开销大，时间成本高，适用面窄。

发明内容

本申请针对现有方式的缺点，提出一种可变人体模型的处理方法、装置、系统及存储介质，用以解决现有技术存在个性化人体可变模型精度不足，或者生成个性化人体可变模型的计算开销大、时间成本高的技术问题。

第一个方面，本申请实施例提供了一种可变人体模型的处理方法，包括：

获取用户的人体实际参数；

根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

第二个方面，本申请实施例提供了一种可变人体模型的处理装置，用于执行本申请实施例第一个方面提供的可变人体模型的处理方法；

该处理装置包括：

参数获取模块，用于获取用户的人体实际参数；

模型个性化模块，用于根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

第三个方面，本申请实施例提供了一种可变人体模型的处理系统，包括：

输入单元，用于接收用户的人体实际参数；

处理器，与输入单元电连接，用于利用第一个方面的可变人体模型的处理方法，生成人体实际参数对应的个性化可变人体模型；

显示单元，与处理器电连接，用于展示个性化可变人体模型。

第四个方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本申请第一个方面所提供的可变人体模型的处理方法。

本申请实施例提供的技术方案带来的有益技术效果包括：

本申请实施例中，可变人体模型库中的典型可变人体模型，是基于大量的真实样本人体数据，经过大数据计算得到的，样本的多样性和真实性能够保证典型可变人体模型具有较高的精度，从而使得基于典型可变人体模型处理得到的个性化可变人体模型具有较高的精度；并且，与传统的统计计算方法相比，可以大大降低计算量，减低开销，缩短处理时间，使得处理能力一般的硬件设备也可以使用本申请实施例个性化可变人体模型的处理方法，从而提升适用范围。

本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请实施例提供的一种可变人体模型的处理方法的流程示意图；

图2a为本申请实施例中典型可变人体模型的一种获得方法的流程示意图；

图2b为本申请实施例中典型可变人体模型的另一种获得方法的流程示意图；

图3a为本申请实施例中，基于典型可变人体模型的可变人体模型的一种展开处理方法的流程示意图；

图3b为本申请实施例中，基于典型可变人体模型的可变人体模型的另一种展开处理方法的流程示意图；

图3c为本申请实施例中，基于典型可变人体模型的可变人体模型的还一种展开处理方法的流程示意图；

图4a为本申请实施例中对典型可变人体模型进行插值处理的一种处理方法的流程示意图；

图4b为本申请实施例中对典型可变人体模型进行插值处理的另一种处理方法的流程示意图；

图5为本申请实施例提供的可变人体模型的另一种展开处理方法的部分流程示意图；

图6a为本申请实施例提供的一种可变人体模型的处理装置的结构的框架示意图；

图6b为本申请实施例提供的另一种可变人体模型的处理装置的结构的框架示意图；

图7为本申请实施例提供的一种可变人体模型的处理系统的架构示意图；

图8为本申请实施例提供的可变人体模型的处理系统的一种展开架构示意图。

具体实施方式

下面详细描述本申请，本申请的实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的部件或具有相同或类似功能的部件。此外，如果已知技术的详细描述对于示出的本申请的特征是不必要的，则将其省略。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本申请提供的可变人体模型的处理方法、装置、系统及存储介质，旨在解决现有技术的技术问题。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。

本申请实施例提供了一种可变人体模型的处理系统，该处理系统用于执行下面介绍的本申请实施例可变人体模型的处理方法。

本申请中所有可变人体模型都是三维立体的。

本申请实施例中的可变人体模型的处理系统，可以是单独的终端设备，也可以包括云端设备与终端设备。具体内容将在后续介绍，此处不赘述。

本申请实施例提供了一种可变人体模型的处理方法，该方法的流程示意图如图1所示，包括步骤S101至S102：

S101：获取用户的人体实际参数。

S102：根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

本申请实施例中，可变人体模型库中的典型可变人体模型，是基于大量的真实样本人体数据，经过大数据计算得到的，样本的多样性和真实性能够保证典型可变人体模型具有较高的精度，从而使得基于典型可变人体模型处理得到的个性化可变人体模型具有较高的精度；并且，与传统的统计计算方法相比，可以大大降低计算量，减低开销，缩短处理时间，使得处理能力一般的硬件设备也可以使用本申请实施例个性化可变人体模型的处理方法，从而提升适用范围。

可选地，本申请实施例提供了典型可变人体模型的获得方法、以及一种基于典型可变人体模型的可变人体模型的展开处理方法。

本申请实施例中典型可变人体模型的一种获得方法的流程示意图如图2a所示，包括如下步骤S211-S212：

S211：从可变模型原始数据中提取出典型人体参数。

可选地，可变模型原始数据包括：多项样本人体参数；每项样本人体参数包括一个实际人体的至少一类人体体征数据；每项样本人体参数均可表征一个实际人体的真实身体特征，每项样本人体参数均可用于构建一个三维人体模型(即实际人体模型)。

每项样本人体参数涉及的人体体征数据的类型(即类)包括但不限于以下类型：年龄、脂肪含量(或体脂率)、头围、颈围、胸围、上胸围、下胸围、腹围、臀围、后中背长、肩宽、上臂长、小臂长、上臂围、大腿长、大腿围、小腿围以及前腰长和后腰长的比。

本申请实施例中，各项样本人体参数包括的人体体征数据的类型数量可以相同也可以不同。当各项样本人体参数包括的人体体征数据的类型相同时，基于各项样本人体参数所构建的三维人体模型较为统一，可为后续的模型处理提供统一的处理基准；当各项样本人体参数包括的人体体征数据的类型不同时，可基于类型最多的一项样本人体参数对类型较少的各项样本人体参数中所缺失类型的人体体征数据进行补充，使得各项样本人体参数包括的人体体征数据的类型相同，从而构建出统一的三维人体模型供后续处理。

在一个示例中，假设样本人体参数A中包括年龄、身高、体重、头围、肩宽、胸围、腰围和臀围共8个类型的人体体征数据，是各项样本人体参数中包括人体体征数据的类型最多的一项样本人体参数，则除样本人体参数A之外的其它各项样本人体参数均可基于样本人体参数A中的类型进行数据补全，以样本人体参数B为例，假设样本人体参数B中仅包括年龄、身高、体重、头围和肩宽共5个类型的人体体征数据，则样本人体参数B中相对于样本人体参数A中缺失的数据(指胸围、腰围和臀围的数据)可用默认值补全，默认值可根据实际需求设置，例如以样本人体参数B中现有任一类型的人体体征数据为基础，根据如前所述的参数映射库中不同类型人体体征数据之间的映射关系确定缺失的胸围、腰围和臀围的数据。

可选地，每类人体体征数据均与三维模型中部分或全部的三维顶点(曲面顶点)具有对应关系。在一个示例中，年龄可与三维模型中的全部三维顶点具有对应关系，随着年龄的变化，三维模型中的全部三维顶点均会随之变化，涉及的主要部位包括背部、腹部、腿部等，随着年龄的增长，背部三维顶点的变化可能会导致三维模型背部一定程度的弯曲产生驼背现象(例如老年相对于青年的情形)，腹部三维顶点的变化可能会导致腹部变粗(例如中年相对于青少年的情形)，腿部三维顶点的变化可能会导致腿部变长(例如成年人相对于未成年人的情形)。

根据人体体征数据可生成相应的三维模型的三维顶点信息，三维顶点信息包括三维顶点的坐标、三维顶点之间的连接关系、三维顶点之间的对应关系等。

在一个可选的实施方式中，除了人体体征数据外，每项样本人体参数还包括三维顶点信息，具体包括实际人体的三维顶点信息和实际人体中各部位的三维顶点信息。

实际人体的三维顶点信息可包括实际人体的部分或全部部位的三维顶点信息。

实际人体中各部位的三维顶点信息可以包括：实际人体中头颈部、胸部、上肢部、下肢部、盆部会阴、腹部和脊柱部等各局部部位的三维顶点信息，以及实际人体中运动系统、泌尿系统、呼吸系统、视觉系统、口腔系统、循环系统、血液系统和免疫系统等各人体系统的三维顶点信息。每个实际人体中人体系统的三维顶点信息包括实际人体的人体组织和/或人体器官的三维顶点信息。例如，运动系统三维顶点信息包括骨骼、关节和肌肉等各组织的三维顶点信息。

可变模型原始数据中的样本人体参数可从大数据中根据统计算法计算得到，统计的基础数据可以是真实人体影像，例如CT(Computed Tomography，电子计算机断层扫描)影像，对大量真实人体CT影像进行3D建模可得到大量的真实人体模型，采用统计学方法可一次性获取大量用户的人体实际参数，数据覆盖面较广。

可选地，可变模型原始数据中的样本人体参数的数量(即项数，也对应真实人体的数量)可以是大于某一预设阈值的数量，预设阈值可根据实际需求或经验值确定，例如预设阈值可设置为100，获取的人体实际参数的数量大于100。

相比于现有技术，本申请实施例构建典型可变人体模型的采样数据涉及的用户较多，单个用户的人体实际参数的数据量较丰富，且利于进行预计算，有利于通过对这些丰富的数据进行统计或比较，得到实际人群的形变规律，从而反映实际人群中不同个体的真实差异。

在一个可选的实施方式中，从可变模型原始数据中提取出典型人体参数，包括：根据多项样本人体参数中的人体体征数据，确定每类人体体征数据的至少一个体征特征值，根据每个体征特征值确定一项典型人体参数。

与人体实际参数对应地，在一个可选的实施方式中，典型人体参数也可包括性别、年龄、身高和体重等至少一类典型人体体征数据；在另一个可选的实施方式中，典型人体参数包括至少一类典型人体体征数据、以及典型人体(即典型人体的三维顶点信息)和典型人体中各部位的三维顶点信息。

典型人体的三维顶点信息可包括典型人体的部分或全部部位的三维顶点信息。

典型人体各部位的三维顶点信息可以包括：典型人体中头颈部、胸部、上肢部、下肢部、盆部会阴、腹部和脊柱部等各局部部位的三维顶点信息，以及典型人体中运动系统、泌尿系统、呼吸系统、视觉系统、口腔系统、循环系统、血液系统和免疫系统等各人体系统的三维顶点信息。每个典型人体中人体系统的三维顶点信息包括典型人体的人体组织和/或人体器官的三维顶点信息。例如，运动系统三维顶点信息包括骨骼、关节和肌肉等各组织的三维顶点信息。

本申请实施例中三维顶点的坐标可以是三维坐标(x,y,z)的形式也可以是UV坐标的形式，UVW用来代表贴图坐标系，在三维空间中表达一张平面贴图，U代表横向，V代表纵向，W代表垂直屏幕的方向。

可选地，三维顶点信息可以二进制文件的形式存储，例如.fbx格式和.dat格式，以减少冗余、节约存储空间，同时可保证数据的精确性，也可以文本格式存储，例如.obj格式。

本申请的发明人经过研究发现，可变人体模型的变化，很大程度上取决于可变人体模型的顶点位置的变化，而可变人体模型的顶点连接关系、UV坐标、以及顶点与顶点的对应关系都是固定。

因此，从大数据计算得到的可变模型原始数据中，预先提取出可变人体模型的顶点连接关系、UV坐标、以及顶点与顶点的对应关系等固定信息，存储到执行本申请中各种方法的硬件设备中。可选地，包含这些固定信息的文件可以转换为二进制文件进行存储。

可选地，将包含可变模型原始数据的文件转换为.fbx模型文件，利用三维处理软件从.fbx模型文件中可提取各三维顶点信息。三维处理软件可以是3dMax或Unity。3d Max，即3D Studio Max，是Discreet公司开发的(后被Autodesk公司合并)基于电脑系统的三维动画渲染和制作软件。

可选地，本申请实施例中的体征特征值可以是最大值、最小值、平均值、其它数值中的任意一种，其中，其它数值可以是在最大值、最小值和平均值中的任意两个值之间选取一个值，具体类型可根据实际情况确定。对于某一类人体体征数据，例如身高，可确定多个用户的身高的最大值、最小值和平均值作为身高的三个体征特征值。

本申请实施例中的某类人体体征数据的体征特征值，可反映基于真实人群得到的各项样本人体参数中该类人体体征数据的变化特征，例如该类人体体征数据的最大值和最小值所反映的变化的两种极端情况，该类人体体征数据的平均值所反映的变化的平均情况，基于这种变化特征确定出的典型人体参数可较好地反映出由该类人体体征数据引起的人体形变的特点；对于人体体征数据类型较多的情况，由每一类人体体征数据确定出的一项典型人体参数均可反映出人体形变的一部分特点，可使最终得到的多项典型人体参数更加全面地反映真实人群的整体形变规律，在模型的个性化定制阶段更具参考性，可使得到的个性化可变人体模型更加准确的反映用户身体特征。

同时，对于M类人体体征数据，每一类人体体征数据的体征特征值的数量通常较少(例如2个或3个)，日常使用率较高的人体体征数据的类型数量即M的数量也较少(例如10个以内)，因此，基于体征特征值确定典型人体参数的数量(即项数，例如2M或3M)的数量也较少，而为了实现精确的个性化定制，所选取的样本人体参数的数量通常较多(可达到100项以上)，基于体征特征值确定典型人体参数的数量明显少于所选取的样本人体参数的数量，因此相对于直接作用原始的样本人体参数的方式，本申请实施例中基于体征特征值确定典型人体参数的方案，可大幅度降低模型个性化定制阶段所参考的人体模型的数量。

可选地，根据多项样本人体参数中的人体体征数据，确定每类人体体征数据的至少一个体征特征值，包括：根据多项样本人体参数，构建多个实际人体模型；检测每类人体体征数据在各个实际人体模型中的变化信息；根据该变化信息，确定每类人体体征数据的至少一个体征特征值。

可选地，可通过如下方式检测每类人体体征数据在各个实际人体模型中的变化信息：在每个实际人体模型中设置多个参数标记点，该参数标记点与人体体征数据具有对应关系，不同实际人体模型中可在同样的位置(如实际人体模型中全部或同样部位的三维顶点处)设置相同的参数标记点；通过检测每个参数标记点在各个实际人体模型中的变化信息，可得到每类人体体征数据在各个实际人体模型中的变化信息。

可选地，根据每个体征特征值确定一项典型人体参数，包括：对于每个体征特征值，将该体征特征值作为典型人体参数中的一类人体体征数据；根据该体征特征值以及不同类型人体体征数据之间的映射关系确定典型人体参数中的其它类人体体征数据。

对于每个体征特征值，通过该方式(即上述基于不同类型人体体征数据之间的映射关系的参数确定方式)确定出的典型人体参数即为具备某一体征特征的典型人体参数。例如对于身高的最大值，通过该方式确定出体重、胸围、腰围等其它人体体征数据后，该身高的最大值、确定出的体重、胸围、腰围等即为身高最大的一项典型人体参数，同理对于身高的最小值可得到身高最小的一项典型人体参数，对于身高的平均值，可得到身高平均的一项典型人体参数等；若对于身高来说，其体征特征值为最大值和平均值之间的一个值，可得到身高偏高的一项典型人体参数，同理对于最小值和平均值之间的一个值，可得到身高偏低的一项典型人体参数。

对于身高以外的其它人体体征数据，也可依照同样的方式确定各种体型的至少一项典型人体参数。

不同类型人体体征数据之间的映射关系可预先建立并存储于参数映射库中以备调用，不同类型人体体征数据之间的映射关系可根据不同类型人体体征数据的变化规律来建立，例如身高的变化通常会带来其它体重、胸围、腰围等其它人体体征数据的变化，身高每增加固定的数值，体重、胸围、腰围等其它人体体征数据会增加或减小相应的数值，具体的变化规律可基于对实际人群中的各人体实际参数的统计确定，确定出的变化规律可存储于参数映射库中。

可选地，不同类型人体体征数据的变化规律，可以由不同类型人体体征数据之间的比例关系来表达，也可以由不同类型人体体征数据的变化值之间的比例关系来表达；存入参数映射库中的数据可以是上述比例关系，也可以是符合上述变化规律的多个人体体征数据的组合。

在一个示例中，在存储时，对于所存储的一个人体体征数据(如身高)，将该人体体征数据乘以对应的比例系数，得到的数值可作为体重、胸围、腰围等其它人体体征数据，与身高一起存入参数映射库中。

不同类型人体体征数据之间的映射关系的建立，考虑了不同类型人体体征数据之间的影响，可使典型人体参数的选取更加准确，更具参考性。

在另一个可选的实施方式中，从可变模型原始数据中提取出典型人体参数，包括：对于每一类人体体征数据，在多个真实人体的该类人体体征数据中，分别选取出在标准值范围内、较大值范围内和较小值范围内的该类人体体征数据；将不同范围内的各类人体体征数据作为不同体型的典型人体参数，具体地，将标准值范围内的各类人体体征数据作为标准体型的典型人体参数，将较大值范围内的各类人体体征数据作为偏胖体型的典型人体参数，将较小值范围内的各类人体体征数据作为偏瘦体型的典型人体参数。

该典型人体参数的提取方式，可对真实人群的各体型进行大致的划分，得到不同体型的典型人体参数，基于不同体型的典型人体参数，可得到不同体型的典型人体模型，以反映真实人群的体型特征，在模型的个性化定制阶段，可为不同的用户提供不同的定制基准，以实现个性化定制的目的，同时可减少计算量。

可选地，根据多项实际人体参数，构建多个实际人体模型，包括：根据每项样本人体参数，生成一个实际人体模型，得到多个实际人体模型；对多个实际人体模型进行归一化处理，使多个实际人体模型在同一个三维空间中的位置和角度一致。

通过上述归一化处理，将各实际人体模型在三维空间中的位置和角度统一后，可为后续步骤(例如体征特征值和形变特征值、参数标记点的检测)提供统一的基准，使检测和计算更加准确，得到的典型人体参数更具参考性。

可选地，对于每个用户，在根据人体实际参数，生成该用户的实际人体模型时，创建二进制文件，将实际人体模型及其人体实际参数转换为二进制格式后，写入该二进制文件。

可选地，将二进制格式的实际人体模型的模型名称、二进制格式的人体实际参数的顶点个数、以及二进制格式的人体实际参数的顶点三维位置，逐层写入二进制文件。

对于每个用户，在根据人体实际参数，生成该用户的实际人体模型时，可根据人体实际参数生成多个三维顶点信息，从而生成由该多个三维顶点信息形成的实际人体模型。

可选地，对多个实际人体模型进行归一化处理，使多个实际人体模型在同一个三维空间中的位置和角度一致，包括：选取任意一个实际人体模型作为初始模型；依次将其余的实际人体模型在同一三维空间中进行移动和旋转，直至进行移动和旋转的实际人体模型在三维空间中的位置和角度与初始模型在三维空间中的位置和角度一致。

对多个实际人体模型逐一参照初始模型进行移动和旋转的方式，可实现对每个实际人体模型的准确调整，有利于保持各实际人体模型的一致性。

通常采用的普氏分析法需要对不同个体进行位置、角度和大小三个维度进行处理，即分别进行移动、旋转和缩放，而在本申请实施例中考虑到身形大小为不同用户的重要的形态差异，若进行缩放实现尺度归一化会忽略这一重要形态差异，对个性化可变人体模型的构建不利，因此在本申请实施例中不进行缩放，仅进行移动和旋转。

可选地，在通过上述步骤对各实际人体模型进行移动和旋转后，计算每两个实际人体模型之间的位置和角度误差，对于位置和角度误差大于误差阈值的实际人体模型，重新执行上述归一化步骤，以保证各实际人体模型在位置和角度上高度的一致性，为后续步骤提供更统一的基准，提高后续检测和计算的准确性。

在一个可选的实施方式中，若将多个实际人体模型作为样本，对多个实际人体模型进行归一化处理，也即对多个样本形状作归一化处理。

在一个示例中，对于一个训练集中的多个样本，归一化处理过程如下：1)估计初始的平均形状(第一次迭代时任意选择训练集中一个形状)；2)采用普式分析的归一化方法将训练集中的形状对齐到该形状；3)重新计算对齐后样本的平均形状；4)重复到第2)步，直到满足收敛条件为止。

S212：根据典型人体参数，生成典型可变人体模型。

可选地，创建典型可变人体模型的文件，将典型人体参数写入该文件。

可选地，将典型人体参数对应的三维顶点信息写入典型可变人体模型的文件。

根据典型人体参数的不同，典型可变人体模型可以是多种多样的，包括每个年龄、性别和地区等的典型可变人体模型。

在一个可选的实施方式中，根据前面确定出的身高最大的一项典型人体参数，可得到身高最大的一个典型可变人体模型，根据身高最小的一项典型人体参数，可得到身高最小的一个典型可变人体模型，根据身高平均的一项典型人体参数，可得到身高平均的一个典型可变人体模型，体重、胸围、腰围等其它人体体征数据同理。

在另一个可选的实施方式中，根据前面确定出的标准体型的典型人体参数，可得到标准体型的典型可变人体模型，根据偏胖体型的典型人体参数，可得到偏胖体型的典型可变人体模型，根据偏瘦体型的典型人体参数，可得到偏瘦体型的典型可变人体模型。

通过上述各方式得到的典型可变人体模型，可较好地反映真实人群的形变特征(例如身高最大、身高最小、体重最大等特征)或体型特征(例如标准体型、偏胖体型、偏瘦体型等特征)，可为人体模型的个性化定制提供较为可靠的模型基础，且相对于基于真实人群原始数据或实际人体模型的定制方式可减少模型数量或数据数量，减少计算量，提高计算效率。

本申请实施例中典型可变人体模型的另一种获得方法的流程示意图如图2b所示，包括如下步骤S221-S223：

S221：根据多项样本人体参数，构建多个实际人体模型。

每项所述样本人体参数包括一个实际人体(即真实人体)的至少一类人体体征数据。每项样本人体参数可构建出一个实际人体模型，每个实际人体模型均可反映一个实际人体的真实身体特征。

如前所述，多项样本人体参数可从大数据中根据统计算法计算得到，作为可变模型原始数据预先存储。

如前所述，各项样本人体参数包括的人体体征数据的类型数量可以相同也可以不同，不同时可基于类型最多的一项样本人体参数对类型较少的各项样本人体参数中所缺失类型的人体体征数据进行补充，使得各项样本人体参数包括的人体体征数据的类型相同，从而构建出统一的实际人体模型供后续处理。

S222：通过主成分分析法确定各个实际人体模型的主要形变分量以及主要形变分量对应的形变特征值。

S223：根据主要形变分量和形变特征值确定典型可变人体模型。

在一个可选的实施方式中，根据主要形变分量和形变特征值确定至少一项典型人体参数，根据确定出的每一项典型人体参数确定一个典型可变人体模型，作为反映形变特征的典型可变人体模型。其中，根据主要形变分量和形变特征值确定至少一项典型人体参数，可包括：根据主要形变分量和形变特征值对基础人体模型的人体参数进行调整，得到至少一项典型人体参数。

在另一个可选的实施方式中，可根据主要形变分量和形变特征值直接对基础人体模型的三维顶点信息进行调整，得到相应的典型可变人体模型。

在一些实施例中，由于人体模型的人体参数和三维顶点信息具有关联关系，典型人体参数的确定和典型可变人体模型的确定可以没有明确的先后顺序，典型可变人体模型的确定可不依赖于典型人体参数，也可通过直接调整三维顶点信息来确定典型可变人体模型，因此在一些实施例中可根据主要形变分量和形变特征值对基础人体模型中的人体参数和三维顶点信息同步调整，同时得到典型人体参数及其对应的典型可变人体模型。

主要形变分量为可引起三维模型部分形态变化的分量。基础人体模型可以是根据多个用户的人体实际参数的平均值生成的三维人体模型，也可以是根据其它根据需求设置的参数值生成的三维人体模型。

下面结合一个具体示例对上述过程的原理进行介绍：

假设共有m个实际人体模型作为主成分分析的样本，每个真实人体模型中含有n个曲面顶点作为参数标记点，在主成分分析过程中，首先将每个实际人体模型用n个曲面顶点的坐标集合的列向量表示如下：

在表达式(1)中，i代表样本编号，即本申请实施例中作为样本的真实人体模型的编号。

然后通过如下方式计算所有样本的平均形状向量(可作为基础人体模型的人体参数向量)：

进一步通过如下方式计算各个样本的协方差矩阵：

进而通过奇异值分解(Singular Value Decomposition，SVD)求出该协方差矩阵S的主要形变分量(特征向量)φ

将求出的所有形变特征值按从大到小的顺序排序，选择数值最大的前c个形变特征值λ

在表达式(4)中，b

通过调整形状系数b

在一个可选的实施方式中，形状系数b

事实上，本申请实施例中，典型人体种类较多，典型可变人体模型的种类较多，每一个典型可变人体模型都可以由上述步骤S211-S212或步骤S221-S223得到。

可选地，本申请实施例中典型可变人体模型的另一种获得方法，在上述步骤S2111至S212的基础上或在步骤S221-S223的基础上，还包括如下步骤：

将典型可变人体模型的文件转换为二进制文件进行存储，典型可变人体模型的二进制文件中包括二进制格式的典型人体参数。

可选地，创建二进制文件；将典型可变人体模型及其典型人体参数转换为二进制格式后，写入该二进制文件。

可选地，将二进制格式的典型可变人体模型的模型名称、二进制格式的典型人体参数的顶点个数、以及二进制格式的典型人体参数的顶点三维位置，逐层写入二进制文件。

可选地，利用Unity脚本存储二进制文件。Unity3D是由Unity Technologies开发的一个让用户轻松创建诸如三维视频游戏、建筑可视化、或实时三维动画等类型互动内容的多平台的综合型开发工具，是一个全面整合的专业引擎。部署简单，对用户友好；具有成规模的插件和中间件，可以加快开发速度；支持基于C#语言的脚本，可以在编程漂亮和运行效率之间取得比较合适的平衡。

利用本申请实施例，在存储大量可变人体模型时，固定信息是各可变人体模型通用的仅存一次即可，大量的可变人体模型仅需要存储顶点三维信息，节省了大量的可变人体模型的固定信息的提取和保持等处理步骤，也有利于节省后续步骤的计算量，并且可以节省存储大量可变人体模型所占用的存储空间。

可选地，本申请实施例中基于典型可变人体模型的可变人体模型的一种展开处理方法，该方法的流程示意图如图3a所示，包括下述步骤S301至S303：

S301：获取用户的人体实际参数。

人体实际参数的含义同前，此处不再赘述。

S302：根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

可选地，根据人体实际参数，确定用户的性别；对可变人体模型库中该性别的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

每个性别的典型可变人体模型的获得方法可参照前述的S210-S202的相关内容。由于不同性别的用户的身体特征差异可能较大，对不同的性别分别构建典型可变人体模型，可使模型的构建更具针对性，同一性别的典型可变人体模型可反映该性别的实际人群的真实差异，在同一性别的典型可变人体模型的基础上对目标用户的人体模型进行个性化定制，得到的个性化可变人体模型的质量较高，更能反映目标用户的身份特征。

不同性别的典型可变人体模型可分别存储于不同的文件夹，方便后续调用。

S303：将个性化可变人体模型的文件转换成二进制文件并输出；个性化可变人体模型的二进制文件中包括二进制格式的个性化的可变人体参数。

在一个可选的实施方式中，个性化的可变人体参数包括个性化的至少一类人体体征数据。在一个可选的实施方式中，在个性化的至少一类人体体征数据的基础上，个性化的可变人体参数还包括个性化的人体(即个性化的人体的三维顶点信息)以及个性化的人体中各部位的三维顶点信息。

个性化的人体中各部位的三维顶点信息包括：个性化人体中头颈部、胸部、上肢部、下肢部、盆部会阴、腹部和脊柱部等各局部部位的三维顶点信息，以及实际人体中运动系统、泌尿系统、呼吸系统、视觉系统、口腔系统、循环系统、血液系统和免疫系统等各人体系统的三维顶点信息。个性化人体中人体系统的三维顶点信息包括实际人体的人体组织和/或人体器官的三维顶点信息。例如，运动系统三维顶点信息包括骨骼、关节和肌肉等各组织的三维顶点信息。

可选地，将个性化可变人体模型转换成二进制文件，包括：创建二进制文件；将个性化可变人体模型中的模型名称、顶点个数和顶点三维位置，逐层写入二进制文件。

可选地，将个性化可变人体模型及其个性化人体参数转换成二进制格式，将二进制格式的个性化可变人体模型的模型名称、顶点个数和顶点三维位置，逐层写入二进制文件。二进制文件相比于其他格式的文件，占用存储空间小，支持流式解析，无需多余转码等。

可选地，将个性化可变人体模型转换成二进制文件之后、且在输出个性化可变人体模型的二进制文件之前，还包括：在个性化可变人体模型的二进制文件中，添加校验位和文件大小信息。添加的校验位和文件大小信息，能够在后续传输二进制文件的过程中，及时发现错误或者被篡改的二进制文件，可以提升可靠性。

可选地，本申请实施例中，基于典型可变人体模型的可变人体模型的另一种展开处理方法，该方法的流程示意图如图3b所示，除了包括上述步骤S301-S303之外，还包括下述步骤S304：

S304：根据个性化可变人体模型的二进制文件，确定出个性化可变人体模型的关键帧信息；根据个性化可变人体模型的关键帧信息，生成个性化可变人体模型的关键帧的二进制文件并输出。

可选地，从个性化可变人体模型的二进制文件中解析出个性化人体参数。可选地，从个性化可变人体模型的二进制文件中，逐层解析出二进制格式的个性化可变人体模型的名称、二进制格式的个性化人体参数中顶点个数和顶点位置信息。二进制文件中数据层次分明，配合逐层输入和逐层读取，保证数据交互的可靠性和高效性。

可选地，个性化人体参数包括个性化人体体征数据、个性化人体的三维顶点信息、以及个性化人体中各部位的三维顶点信息。

可选地，个性化人体体征数据可以包括个性化人体的性别、年龄、身高、体重、胸围、腰围、臀围、臂围和腿围等数据。

可选地，个性化人体中各部位的三维顶点信息可以包括：个性化人体中头颈部、胸部、上肢部、下肢部、盆部会阴、腹部和脊柱部等各局部部位的三维顶点信息，以及个性化人体中运动系统、泌尿系统、呼吸系统、视觉系统、口腔系统、循环系统、血液系统和免疫系统等各人体系统的三维顶点信息。每个个性化人体中人体系统的三维顶点信息包括个性化人体的人体组织和人体器官的三维顶点信息。例如，运动系统三维顶点信息包括骨骼、关节和肌肉等各组织的三维顶点信息。

可选地，本申请实施例中，可变人体模型中的可变，不仅仅指人体参数中各三维顶点信息可基于个性化改变，还指个性化人体的局部部位、人体组织和人体器官的三维形态可以改变，以模拟真实人体。例如，心脏的跳动和肺部呼吸的形态变化。因此，个性化可变人体模型还包括了个性化人体参数中个性化人体的局部部位、人体组织和人体器官的多个关键三维形态的三维顶点信息。各关键三维形态的三维顶点信息之间在时间维度上是非线性变化的，具体地，对于每个关键三维形态，随时间的变化，该关键三维形态的三维顶点信息呈现非线性变化。

可选地，根据预先存储的可变人体模型的顶点连接关系、UV坐标、以及顶点与顶点的对应关系等固定信息，与解析出的个性化人体参数，确定出完整可显示的个性化可变人体模型。

从完整可显示的个性化可变人体模型中，提取出包含各关键三维形态的三维顶点信息；将包含各关键三维形态的三维顶点信息，与上述可变人体模型的顶点连接关系、UV坐标、以及顶点与顶点的对应关系等固定信息，作为个性化可变人体模型的关键帧信息。个性化可变人体模型的每一帧(包括关键帧)可看作是某个场景摄像机在某一时刻所拍摄的模型画面。

根据个性化可变人体模型的关键帧信息，生成个性化可变人体模型的关键帧的二进制文件并输出。

本申请实施例中，利用关键帧既能够表达人体局部部位、人体组织和人体器官的三维形态的变化，又通过剔除非关键帧减少需传输的数据量。

在步骤302在一个可选的实施方式中，根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型，包括：根据人体实际参数，对可变人体模型库中的典型可变人体模型进行插值处理，得到人体实际参数对应的个性化可变人体模型。

在一个可选实施方式中，根据人体实际参数，对可变人体模型库中的典型可变人体模型进行插值处理，得到人体实际参数对应的个性化可变人体模型，包括：

根据人体实际参数，在可变人体模型库中的典型可变人体模型中确定出候选可变人体模型；对候选可变人体模型进行插值处理，得到个性化可变人体模型。

可选地，如图4a所示，根据人体实际参数，在可变人体模型库中的典型可变人体模型中确定出候选可变人体模型，如下步骤S411-S412：

S411：确定出人体实际参数所属的人体实际参数档位。

可选地，人体实际参数档位包括至少一类人体体征数据的数据档位，每个数据档位与至少一项典型人体参数具有映射关系。

可选地，人体体征数据的各数据档位可根据如下方式确定：对每类人体体征数据设置相应的阈值，设置相应的数据档位。在一个示例中，可以实际人群中该类人体体征数据的平均值为阈值，划分出两个数据档位；在其它示例中，可对数据档位做更细的划分，例如根据以该类人体体征数据的体征特征值作为阈值，数值相邻的两个体征特征值之间为一个数据档位；还可以某一固定的数据间隔为基础划分数据档位，例如以10为间隔，可确定出1-10、11-20等数据档位。

在一个示例中，若身高的几个体征特征值分别为最大值200cm、最小140cm、平均值170cm以及最大值和平均值之间的一个数值185cm、平均值和最小值之间的一个数值155cm，则可得到如下几个数据档位：140-155、155-170、170-185、185-200，其中，档位140-155所映射的两项典型人体参数分别为身高140cm的典型人体参数和身高155cm的典型人体参数，即该档位两个端点值的典型人体参数，其它档位同理。

可选地，对于同一类人体体征数据，针对不同的性别，可设置不同的数据档位，以使得数据档位的设置更符合性别特征。

通过人体实际参数档位(例如各类人体体征数据的数据档位)，可将人体实际参数与典型人体参数建立联系，进而将人体实际参数与典型可变人体模型建立联系，例如将人体实际参数与不同体征特征、不同形变特征或不同体型的典型可变人体模型建立联系，以便于根据已知的人体实际参数确定较为匹配的典型可变人体模型作为候选可变人体模型。

S412：根据人体实际参数档位与典型人体参数之间的映射关系，确定出人体实际参数档位所映射的典型人体参数所属的典型可变人体模型，作为候选可变人体模型。

可选地，根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数档位中每类人体体征数据所映射的典型人体参数所属的典型可变人体模型，作为该类人体体征数据的候选可变人体模型。

在一个示例中，若使用的典型可变人体模型为不同体征特征(例如身高最大、身高最小、体重最大等特征)或不同形变特征(例如基于主成分分析确定出的主要形变分量和形变特征值所反映的形变特征)的典型可变人体模型，假设获取的人体实际参数中的身高为160cm，所属的身高档位为155-170，则根据身高档位与典型人体参数的映射关系，可确定出155-170所映射的两项典型人体参数分别为身高155cm的典型人体参数和身高170cm的典型人体参数，将该两项典型人体参数所属的典型可变人体模型作为身高的两个候选可变人体模型；基于类似的方式，在获取到用户的体重、胸围、腰围等其它人体体征数据时，可确定出体重、胸围、腰围等每一类人体体征数据的两个候选可变人体模型。

在另一个示例中，若所使用的典型可变人体模型为不同体型(例如标准体型、偏胖体型、偏瘦体型)的典型可变人体模型，假设对于某一个标准体型的典型可变人体模型，其中典型腰围的最大值为80cm、最小值为60cm、中位数为70cm，所映射的实际腰围档位为65-74cm；某一个偏胖体型的典型可变人体模型，其中典型腰围的最大值为90cm、最小值为70cm、中位数为80cm，所映射的实际腰围档位为75-84cm，当获取到的人体实际参数中的实际腰围为81cm时，可确定出该实际腰围属于75-84cm的实际腰围档位，确定出所映射的典型腰围是中位数为80cm的典型腰围，该典型腰围所属的典型可变人体模型是上述偏胖体型的典型可变人体模型，作为一个候选可变人体模型。

通过上述方式，在获取到用户的人体实际参数后，可根据人体实际参数档位(例如人体实际参数中各数据档位)所建立的人体实际参数与典型可变人体模型之间的联系，快速确定出适合该用户的典型可变人体模型(例如某个形变特征的典型可变人体模型或某个体型的典型可变人体模型)即候选可变人体模型，以确定出的该候选可变人体模型为个性化定制的模型基础，可提高个性化定制的精确性。

可选地，如图4a所示，对候选可变人体模型进行插值处理，得到个性化可变人体模型，包括如下步骤S413-S414：

S413：根据人体实际参数档位与典型人体参数之间的映射关系，确定出人体实际参数与所映射的典型人体参数之间的比例系数，作为模型权重系数。

可选地，根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数中每类人体体征数据与所映射的典型人体参数中该类人体体征数据的比例系数，作为该类人体体征数据的候选可变人体模型的模型权重系数。在每项典型人体参数中，每类人体体征数据的数量可以是一个或多个。

可选地，在一个方案中，根据所述人体体征数据的数据档位与典型人体参数的映射关系，确定出所述人体实际参数中每类所述人体体征数据与所映射的典型人体参数中该类所述人体体征数据的比例系数，作为该类所述人体体征数据的所述候选可变人体模型的模型权重系数，包括：

根据人体体征数据的数据档位与典型人体参数的映射关系，确定出每类人体体征数据与所映射的第一项典型人体参数中该类人体体征数据(此时该类人体体征数据的数量为一个)的差值，作为第一体征差值；确定出每类人体体征数据所映射的两项典型人体参数中该类人体体征数据的差值，作为典型体征差值；确定出第一体征差值与典型体征差值的比例系数，作为第二项典型人体参数所属的一个候选可变人体模型的模型权重系数；根据第二项典型人体参数所属的一个候选可变人体模型的模型权重系数，确定出第一项典型人体参数所属的一个候选可变人体模型的模型权重系数。

在一个示例中，若使用的典型可变人体模型为不同体征特征或不同形变特征的典型可变人体模型，设获取的用户的某一类人体体征数据为h

在表达式(5)和表达式(6)中，h

用户输入的每一类人体体征数据的候选可变人体模型的模型权重系数均可参照表达式(5)和表达式(6)来确定。

例如，若获取的用户的体重为50kg，所属的体重档位为40-90kg，则体重40kg对应的候选可变人体模型的模型权重系数为：(90-50)/(90-40)＝0.8，体重90kg对应的候选可变人体模型的模型权重系数为：1-0.8＝0.2。

可选地，在另一个方案中，根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数中每类人体体征数据与所映射的典型人体参数中该类人体体征数据的比例系数，作为该类人体体征数据的候选可变人体模型的模型权重系数，包括：

对于k类所述人体体征数据，通过以下方式确定每类人体体征数据(此时每类人体体征数据的数量为一个)的候选可变人体模型的模型权重系数：

在表达式(7)中，

转换矩阵A可根据k类人体体征数据所映射的典型人体参数预先确定出。

在转换矩阵A已知的情况下，根据获取到的[f

方式一，将k类人体体征数据所映射的典型人体参数对应代入转换矩阵A；

方式二，在表达式(7)中输入大量的人体实际参数的样本数据和模型权重系数的样本数据，通过求解线性方程组得到转换矩阵A中的各元素的值。

对于方式一，假设身高对应的一个候选可变人体模型为H＝[170cm,70kg,90cm,65cm,95cm]，则可将H代入转换矩阵A的一行元素，例如第一行元素，得到第一行元素a

可选地，在另一个方案中，根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数中每类人体体征数据与所映射的典型人体参数中该类人体体征数据的比例系数，作为该类人体体征数据的候选可变人体模型的模型权重系数，包括：

根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数中每类这人体体征数据与所映射的典型人体参数中该类人体体征数据(此时该类人体体征数据的数量为多个)的中位数的比例系数，作为该类人体体征数据的候选可变人体模型的模型权重系数。

在另一个示例中，若所使用的典型可变人体模型为不同体型的典型可变人体模型，人体实际参数中的实际腰围为81cm，其候选可变人体模型为偏胖体型的典型可变人体模型(候选可变人体模型的确定可参照前面的示例)，则可确定出实际腰围81cm与所映射的典型腰围中位数(即偏胖体型的典型可变人体模型的腰围中位数)80cm之间的比例系数为1.0125，作为模型权重系数。

S414：根据模型权重系数，对候选可变人体模型进行修正，得到个性化可变人体模型。

可选地，根据各类人体体征数据的候选可变人体模型的模型权重系数，对各类人体体征数据的候选可变人体模型进行修正，得到基于各类人体体征数据的个性化可变人体模型。

可选地，若所使用的典型可变人体模型为不同体征特征或不同形变特征的典型可变人体模型，对于获取到的用户的k类人体体征数据，在确定出该k类人体体征数据的候选可变人体模型及其模型权重系数后，可通过如下方式得到个性化可变人体模型：

在表达式(8)中，X

表达式(8)中对候选可变人体模型X

在另一个示例中，若所使用的典型可变人体模型为不同体型的典型可变人体模型，且候选可变人体模型为偏胖体型的典型可变人体模型，在基于某类人体体征数据(例如腰围)确定出模型权重系数(例如前面示例中确定出的1.0125)后，可根据该模型权重系数对上述偏胖体型的典型可变人体模型中的其它的人体体征数据进行加权计算(即将其它的人体体征数据均乘以该模型权重系数)，各人体体征数据、各部位、各系统、各组织和各器官等的三维尺寸都进行加权计算，得到个性化可变人体模型和对应的个性化人体参数。

在另一个可选地实施方式中，根据人体实际参数，对可变人体模型库中的典型可变人体模型进行插值处理，得到人体实际参数对应的个性化可变人体模型，具体包括：根据人体实际参数中的至少两类人体体征数据的优先级顺序，参照图4b，执行如下步骤S421-S424：

S421：对于第一类人体体征数据，在可变人体模型库中的典型可变人体模型中确定出第一类人体体征数据的候选可变人体模型。

可选地，对于第一类人体体征数据，根据人体体征数据的数据档位与典型人体参数的映射关系，确定出第一类人体体征数据所映射的两项典型人体参数分别所属的典型可变人体模型，作为该类人体体征数据的两个候选可变人体模型。

人体体征数据的优先级顺序可根据实际情况设置，例如根据人体体征数据对身体特征的影响程度的大小来设置，例如影响全身特征的人体体征数据(如身高或体征)优先级较高，影响局部特征的人体体征数据(如胸围、腰围、臀围)优先级较低。

通过对优先级进行设置，并根据优先级顺序依次执行插值处理，可对插值处理的顺序进行优化，提高整体计算的精确度。例如，对于对身体特征影响程度不同的人体体征数据，若首先基于影响局部特征的人体体征数据进行插值处理，则在后面基于影响全身特征的人体体征数据的插值处理过程中，会不可避免地带入影响局部特征的人体体征数据的影响，可能将影响局部特征的人体体征数据的影响放大，导致较大的误差，若根据对身体特征的影响程度，先基于影响全身特征的人体体征数据进行插值处理，然后对影响局部特征的人体体征数据进行插值处理，则可有效地减少或消除上述误差。

对于设置有优先级顺序的各类人体体征数据，本申请实施例中的“第一类人体体征数据”为优先级最高的一类人体体征数据。

S422：对第一类人体体征数据的候选可变人体模型进行插值处理，得到第一类人体体征数据对应的个性化可变人体模型。

可选地，根据人体体征数据与典型人体参数的映射关系，确定出人体实际参数中该类人体体征数据与两个候选可变人体模型的该类人体体征数据之间的比例系数，作为该类人体体征数据的两个候选可变人体模型的模型权重系数；根据该类人体体征数据的两个候选可变人体模型的模型权重系数，对该类人体体征数据的两个候选可变人体模型进行插值计算，得到该类人体体征数据对应的个性化可变人体模型。

S423：对于第一类人体体征数据之后的每一类人体体征数据，根据可变人体模型库中的典型可变人体模型和上一类人体体征数据对应的个性化可变人体模型，确定出该类人体体征数据的候选可变人体模型。

可选地，对于第一类人体体征数据之后的每一类人体体征数据，根据人体体征数据的数据档位与典型人体参数的映射关系，确定出该类人体体征数据所映射的一项典型人体参数所属的典型可变人体模型，将该类人体体征数据对应的典型可变人体模型和上一类人体体征数据对应的个性化可变人体模型，作为该类人体体征数据的两个候选可变人体模型。

S424：确定出该类人体体征数据的候选可变人体模型，对该类人体体征数据的候选可变人体模型进行插值处理，得到该类人体体征数据对应的个性化可变人体模型。

可选地，根据人体体征数据与典型人体参数的映射关系，确定出人体实际参数中该类人体体征数据与两个候选可变人体模型的该类人体体征数据之间的比例系数，作为该类人体体征数据的两个候选可变人体模型的模型权重系数；根据该类人体体征数据的两个候选可变人体模型的模型权重系数，对该类人体体征数据的两个候选可变人体模型进行插值计算，得到该类人体体征数据对应的个性化可变人体模型。

对于设置有优先级顺序的各类人体体征数据，本申请实施例中“第一类人体体征数据之后的每一类人体体征数据”为优先级在第一类人体体征数据之后的第二类至第n类人体体征数据，其中，第二类人体体征数据的优先级于仅次于第一类人体体征数据，第三类人体体征数据仅次于第二类人体体征数据，后续各类人体体征数据依次类推。本申请实施例中的“上一类人体体征数据”指优先级顺序在当前类人体体征数据(即当前所处理的一类人体体征数据)之前并紧邻当前类人体体征数据的一类人体体征数据。

可选地，人体实际参数对应的个性化可变人体模型，包括：每一类人体体征数据对应的个性化可变人体模型，或最后一类人体体征数据对应的个性化可变人体模型。即在根据人体实际参数中的至少两类人体体征数据的优先级顺序完成每一类人体体征数据对应的个性化可变人体模型的构建后，可将得到的每个个性化可变人体模型共同作为该人体实际参数对应的个性化可变人体模型，也可将最后一个构建的个性化可变人体模型(即最后一类人体体征数据对应的个性化可变人体模型)作为该人体实际参数的个性化可变人体模型。

可选地，在上述有优先级顺序的实施方式中，对于人体实际参数中的每一类人体体征数据，在根据该类人体体征数据的两个候选可变人体模型的模型权重系数，对该类人体体征数据的两个候选可变人体模型进行修正时，可参照表达式(8)进行修正。

可选地，在上述有优先级顺序的实施方式中，每一类人体体征数据的两个候选可变人体模型权重系数的确定，包括：

根据人体体征数据的数据档位与典型人体参数的映射关系，确定出该类人体体征数据与所映射的第一项典型人体参数中该类人体体征数据的差值，作为第一体征差值；确定出该类人体体征数据所映射的两项典型人体参数中该类人体体征数据的差值，作为典型体征差值；确定出第一体征差值与典型体征差值的比例系数，作为第二项典型人体参数所属的一个候选可变人体模型的模型权重系数；根据第二项典型人体参数所属的一个候选可变人体模型的模型权重系数，确定出第一项典型人体参数所属的一个候选可变人体模型的模型权重系数。

具体可参照表达式(5)和(6)的示例。

可选地，在上述有优先级顺序的实施方式中，每一类人体体征数据的两个候选可变人体模型权重系数的确定，也可参照表达式(7)的原理，根据各类人体体征数据f

方式三，将每类人体体征数据所映射的两项典型人体参数中的人体体征数据对应相减得到的各差值代入转换矩阵A。

在一个具体示例中，若人体实际参数包括优先级依次降低的身高、体重、胸围、腰围和臀围五类人体体征数据，在针对优先级最高的身高进行模型权重系数的计算时，转换矩阵A中的k为1，即转换矩阵A转化为单个数据a

假设身高的对应的两个候选可变人体模型的典型人体参数也包括该五类人人体征数据，例如分别为I＝[150cm,60kg,85cm,60cm,90cm]和H＝[170cm,70kg,90cm,65cm,95cm]，将H中的身高数据(170cm)和I中的身高数据(150cm)相减，将得到的数据20cm代入a

在该示例中，在针对优先级第二的体重进行模型权重的计算时，转换矩阵A中的k为2，即此时转换矩阵A为一个二维矩阵，该二维矩阵A可通过如下方式确定：

假设身高的对应的两个候选可变人体模型和体重对应的两个候选可变人体模型的典型人体参数均包括该五类人人体征数据，例如身高的两个候选可变人体模型分别为上述I和H，体重对应的两个候选可变人体模型分别为M＝[160cm,60kg,85cm,60cm,90cm]和N＝[160cm,100kg,85cm,70cm,85cm]；将H中的身高数据(170cm)、体重数据(70kg)和I中的身高数据(150cm)、体重数据(60kg)对应相减，将得到的身高差值(20cm)和体重差值(10kg)分别代入二维矩阵中的第一行元素a

基于该示例，在针对优先级更低的胸围、腰围、臀围以及其它更多的人体体征数据进行模型权重系数的计算时，转换矩阵A确定方式根据所处的优先级顺序依次类推，对于第k个优先级的人体体征数据，转换矩阵A为一个k维矩阵，将第1至k个人体体体征数据对应的候选可变人体模型的k类人体体征数据分别相减，对应的差值代入转换矩阵A中。

下面以优先级依次降低的身高、体重、胸围和腰围四个人体体征数据为例，对上述插值计算的原理进行介绍：

首先，根据人体实际参数判断用户的性别，确定需要在哪个文件夹中调用需要进行插值的典型可变人体模型，若是男性，则后续在男性对应的文件夹中调用，若是女性，则后续在女性对应的文件夹中调用。

根据优先级顺序，根据身高档位与典型人体参数的映射关系，确定人体实际参数中身高(下称目标身高)候选可变人体模型及其模型权重系数，其中两个候选可变人体模型分别为所属档位端点值对应的典型可变人体模型，参照表达式(8)进行候选可变人体模型的修正，得到目标身高的个性化可变人体模型。

根据体重档位与典型人体参数的映射关系，确定人体实际参数中体重(下称目标体重)的一个候选可变人体模型(可以是所属档位任意一个端点值对应的典型可变人体模型)及其模型权重系数，将目标身高的个性化可变人体模型作为另一个候选可变人体模型并确定出其模型权重参数，参照表达式(8)进行候选可变人体模型的修正，得到目标体重的个性化可变人体模型。

根据胸围档位与典型人体参数的映射关系，确定人体实际参数中胸围(下称目标胸围)的一个候选可变人体模型(可以是所属档位任意一个端点值对应的典型可变人体模型)及其模型权重系数，将目标体重的个性化可变人体模型作为另一个候选可变人体模型并确定出其模型权重参数，参照表达式(8)进行候选可变人体模型的修正，得到目标胸围的个性化可变人体模型。

根据腰围档位与典型人体参数的映射关系，确定人体实际参数中腰围(下称目标腰围)的一个候选可变人体模型(可以是所属档位任意一个端点值对应的典型可变人体模型)及其模型权重系数，将目标体重的个性化可变人体模型作为另一个候选可变人体模型并确定出其模型权重参数，参照表达式(8)进行候选可变人体模型的修正，得到目标腰围的个性化可变人体模型，该目标腰围的个性化可变人体模型可作为用户输入的人体实际参数对应的个性化可变人体模型，即可以反映目标用户身体特征的模型。

基于人体体征数据的优先级顺序的插值处理，考虑了实际人群中人体体征数据的复杂情况，得到的个性化可变人体模型更加精确，与用户的匹配度更高。

在步骤S302的另一个可选的实施方式中，根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型，包括：

根据人体实际参数，对与人体参数具有关联关系的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

人体参数与典型可变人体模型之间的关联关系是通过下述方式预先确定的：

根据多个用户的实际人体参数，构建多个用户的实际人体模型；根据多个用户的人体实际参数和对应的多个实际人体模型之间的对应关系，确定出人体参数和可变人体模型之间的关系。

在一个示例中，人体参数与典型可变人体模型之间的关联关系可表示为：

M[f

在表达式(9)中，[f

转换矩阵M的确定方式可参照前面所述的确定转换矩阵A的确定方式二，输入大量的人体实际参数的样本数据和形状系数的样本数据，通过求解线性方程组得到转换矩阵M中的各元素的值；转换矩阵M确定后，可确定人体参数[f

在上述关联关系已确定的情况下，将用户的人体实际参数代入表达式(9)，可确定形状系数向量b，将形状系数向量b中的各形状系数代入表达式(4)，即可实现对典型可变人体模型的修正，得到人体实际参数对应的个性化可变人体模型。

可见，本申请实施例中，通过选择与人体实际参数最匹配的典型可变人体模型，并对所选的典型可变人体模型进行加权修正，得到个性化可变人体模型，相比于传统的利用传统统计方法计算得到个性化可变人体模型，在保证个性化可变人体模型具有高精度高逼真度的情况下，可以避免大量繁琐的统计计算，可以大大节省计算量，降低开销，提升效率。

可选地，本申请实施例中，基于典型可变人体模型的可变人体模型的还一种展开处理方法，该方法的流程示意图如图3c所示，除了包括上述步骤S301-S304之外，还包括下述步骤S305至S306：

S305：从个性化可变人体模型的关键帧的二进制文件中，读取出个性化可变人体模型的关键帧信息。

可选地，从个性化可变人体模型的关键帧的二进制文件中，读取出二进制格式的个性化可变人体模型的关键帧信息。该关键帧信息中包含个性化人体参数中个性化人体的局部部位、人体组织和人体器官的多个关键三维形态的三维顶点信息。

可选地，对从每一类人体体征数据对应的个性化可变人体模型(该模型的获取方式可参照前述步骤S421-S424相关内容)的关键帧的二进制文件中，读取出该类人体体征数据对应的个性化可变人体模型的关键帧信息。

S306：根据个性化可变人体模型的关键帧信息，进行补间操作，得到个性化可变人体模型的动画并进行播放。

可选地，根据个性化可变人体模型中属于任意两个相邻关键帧的关键帧信息，利用补间操作，确定出该两个相邻关键帧之间的至少一个过渡帧；根据个性化可变人体模型的各关键帧和各过渡帧，生成个性化可变人体模型的动画，并播放该动画。

本申请实施例中，利用关键帧既能够表达人体局部部位、人体组织和人体器官的三维形态的变化，又通过剔除非关键帧减少需传输的数据量。

可选地，根据每一类人体体征数据对应的个性化可变人体模型的关键帧信息，进行补间操作，得到该类人体体征数据对应的个性化可变人体模型的动画；根据各类人体体征数据的优先级顺序，依次播放各类人体体征数据对应的个性化可变人体模型的动画。

对于按优先级顺序依次进行插值处理后得到的各类人体体征数据对应的个性化可变人体模型的动画，按各类人体体征数据优先级顺序的依次进行播放，可实现对各个性化可变人体模型的连续展示，使用户直观地观察自身各类人体体征数据对三维模型的影响。

可选地，如图5所示，本申请实施例提供的可变人体模型的处理方法，还包括下述步骤S501-504：

S501，根据候选可变人体模型的二进制文件，确定出候选可变人体模型的关键帧信息；根据候选可变人体模型的关键帧信息，生成候选可变人体模型的关键帧的二进制文件并输出。

可选地，从候选可变人体模型的二进制文件中解析出候选可变人体模型的典型人体参数。可选地，从候选可变人体模型的二进制文件中，逐层解析出二进制格式的候选可变人体模型的名称、二进制格式的典型人体参数中顶点个数和顶点位置信息。

可选地，根据预先存储的可变人体模型的顶点连接关系、UV坐标、以及顶点与顶点的对应关系等固定信息，与解析出的典型人体参数，确定出完整可显示的候选可变人体模型。

从完整可显示的候选可变人体模型中，提取出包含各关键三维形态的三维顶点信息；将包含各关键三维形态的三维顶点信息，与上述可变人体模型的顶点连接关系、UV坐标、以及顶点与顶点的对应关系等固定信息，作为候选可变人体模型的关键帧信息。

根据候选可变人体模型的关键帧信息，生成候选可变人体模型的关键帧的二进制文件并输出。

S502，从候选可变人体模型的关键帧的二进制文件中，读取出候选可变人体模型的关键帧信息。

可选地，从候选可变人体模型的关键帧的二进制文件中，读取出二进制格式的候选可变人体模型的关键帧信息。该关键帧信息中包含候选可变人体模型的典型人体参数中典型人体的局部部位、人体组织和人体器官的多个关键三维形态的三维顶点信息。

S503，根据候选可变人体模型的关键帧信息，进行补间操作，得到候选可变人体模型的动画并进行播放。

根据候选可变人体模型的各关键帧和各过渡帧，生成候选可变人体模型的动画，并播放该动画。

本申请实施例可将候选可变人体模型以动画的形式播放，使用户可以直观地观察基于自身的人体实际参数确定出的各候选可变人体模型的情况，在后续基于候选可变人体模型生成个性化可变人体模型并以动画形式播放时，用户可直观地观察到由候选可变人体模型到个性化可变人体模型的变化过程，直观地了解自身的个性化可变人体模型与基于真实人群的候选可变人体模型的差异。

基于同一发明构思，本申请实施例提供的一种可变人体模型的处理装置，可用于执行本申请实施例提供的可变人体模型的处理方法。

如图6a所示，本申请实施例提供的处理装置包括：参数获取模块601和模型个性化模块602。

参数获取模块601用于获取用户的人体实际参数。

模型个性化模块602用于根据人体实际参数，对可变人体模型库中的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

可选地，模型个性化模块602具体用于：根据人体实际参数，确定用户的性别；对可变人体模型库中性别的典型可变人体模型进行处理，得到人体实际参数对应的个性化可变人体模型。

可选地，模型个性化模块602具体用于：根据人体实际参数，对可变人体模型库中的典型可变人体模型进行插值处理，得到人体实际参数对应的个性化可变人体模型。

可选地，模型个性化模块602具体用于：根据人体实际参数，在可变人体模型库中的典型可变人体模型中确定出候选可变人体模型；对候选可变人体模型进行插值处理，得到个性化可变人体模型。

可选地，在确定候选可变人体模型时，模型个性化模块602具体用于：确定出人体实际参数所属的人体实际参数档位；根据人体实际参数档位与典型人体参数之间的映射关系，确定出人体实际参数档位所映射的典型人体参数所属的典型可变人体模型，作为候选可变人体模型。

可选地，在确定候选可变人体模型时，模型个性化模块602具体用于：根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数档位中每类人体体征数据所映射的典型人体参数所属的典型可变人体模型，作为该类人体体征数据的候选可变人体模型。

可选地，在进行插值处理时，模型个性化模块602具体用于：根据映射关系，确定出人体实际参数与所映射的典型人体参数之间的比例系数，作为模型权重系数；根据模型权重系数，对候选可变人体模型进行修正，得到个性化可变人体模型。

可选地，在进行插值处理时，模型个性化模块602具体用于：根据各类人体体征数据的候选可变人体模型的模型权重系数，对各类人体体征数据的候选可变人体模型进行修正(如表达式(8)的修正方式)，得到基于各类人体体征数据的个性化可变人体模型。

可选地，在确定模型权重系数时，模型个性化模块602具体用于：根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数中每类人体体征数据与所映射的典型人体参数中该类人体体征数据的比例系数，作为该类人体体征数据的候选可变人体模型的模型权重系数。

在一个可选的实施方式中，在确定模型权重系数时，模型个性化模块602具体用于：根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体实际参数中每类人体体征数据与所映射的典型人体参数中该类人体体征数据的中位数的比例系数，作为该类人体体征数据的候选可变人体模型的模型权重系数。

在另一个可选的实施方式中，在确定模型权重系数时，模型个性化模块602具体用于：根据人体体征数据的数据档位与典型人体参数的映射关系，确定出该类人体体征数据与所映射的第一项典型人体参数中该类人体体征数据的差值，作为第一体征差值；确定出该类人体体征数据所映射的两项典型人体参数中该类人体体征数据的差值，作为典型体征差值；确定出第一体征差值与典型体征差值的比例系数，作为第二项典型人体参数所属的一个候选可变人体模型的模型权重系数；根据第二项典型人体参数所属的一个候选可变人体模型的模型权重系数，确定出第一项典型人体参数所属的一个候选可变人体模型的模型权重系数。

在又一个可选的实施方式中，在确定模型权重系数时，模型个性化模块602具体用于：通过表达式(7)的方式确定模型权重系数。

可选地，模型个性化模块602具体用于：根据人体实际参数中的至少两类人体体征数据的优先级顺序，对于第一类人体体征数据，在可变人体模型库中的典型可变人体模型中确定出第一类人体体征数据的候选可变人体模型，对第一类人体体征数据的候选可变人体模型进行插值处理，得到第一类人体体征数据对应的个性化可变人体模型；对于第一类人体体征数据之后的每一类人体体征数据，根据可变人体模型库中的典型可变人体模型和上一类人体体征数据对应的个性化可变人体模型，确定出该类人体体征数据的候选可变人体模型，对该类人体体征数据的候选可变人体模型进行插值处理，得到该类人体体征数据对应的个性化可变人体模型。

可选地，对于第一类人体体征数据，模型个性化模块602具体用于：根据人体体征数据的数据档位与典型人体参数的映射关系，确定出人体体征数据所映射的两项典型人体参数分别所属的典型可变人体模型，作为该类人体体征数据的两个候选可变人体模型；根据人体体征数据与典型人体参数的映射关系，确定出人体实际参数中该类人体体征数据与两个候选可变人体模型的该类人体体征数据之间的比例系数，作为该类人体体征数据的两个候选可变人体模型的模型权重系数；根据该类人体体征数据的两个候选可变人体模型的模型权重系数，对该类人体体征数据的两个候选可变人体模型进行插值计算，得到该类人体体征数据对应的个性化可变人体模型。

可选地，对于第一类人体体征数据之后的每一类人体体征数据，模型个性化模块602具体用于：根据人体体征数据的数据档位与典型人体参数的映射关系，确定出该类人体体征数据所映射的一项典型人体参数所属的典型可变人体模型，将该类人体体征数据对应的典型可变人体模型和上一类人体体征数据对应的个性化可变人体模型，作为该类人体体征数据的两个候选可变人体模型；根据人体体征数据与典型人体参数的映射关系，确定出人体实际参数中该类人体体征数据与两个候选可变人体模型的该类人体体征数据之间的比例系数，作为该类人体体征数据的两个候选可变人体模型的模型权重系数；根据该类人体体征数据的两个候选可变人体模型的模型权重系数，对该类人体体征数据的两个候选可变人体模型进行插值计算，得到该类人体体征数据对应的个性化可变人体模型。

可选地，本申请实施例提供的另一种可变人体模型的处理装置，该装置的结构框架示意图如图6b所示，除了包括参数获取模块601和模型个性化模块602之外，还包括：模型生成模块603。

在一个可选的实施方式中，模型生成模块603用于：根据多项样本人体参数，构建多个实际人体模型；通过主成分分析法确定各个实际人体模型的主要形变分量以及主要形变分量对应的形变特征值；根据主要形变分量和形变特征值确定典型可变人体模型。

在另一个可选的实施方式中，模型生成模块603用于：从可变模型原始数据中提取出典型人体参数；根据典型人体参数，生成典型可变人体模型。

可选地，模型生成模块603具体用于：根据多项样本人体参数中的人体体征数据，确定每类人体体征数据的至少一个体征特征值，根据每个体征特征值确定一项典型人体参数。

可选地，模型生成模块603具体用于：根据多项样本人体参数，构建多个实际人体模型；检测每类人体体征数据在各个实际人体模型中的变化信息；根据变化信息，确定每类人体体征数据的至少一个体征特征值。

可选地，模型生成模块603具体用于：根据每项样本人体参数，生成一个实际人体模型，得到多个实际人体模型；对多个实际人体模型进行归一化处理，使多个实际人体模型在同一个三维空间中的位置和角度一致。

可选地，模型生成模块603具体用于：选取任意一个实际人体模型作为初始模型；依次将其余的实际人体模型在同一三维空间中进行移动和旋转，直至进行移动和旋转的实际人体模型在三维空间中的位置和角度与初始模型在三维空间中的位置和角度一致。

可选地，模型生成模块603还用于：根据典型人体参数，生成典型可变人体模型之后，将典型可变人体模型的文件转换为二进制文件进行存储，典型可变人体模型的二进制文件中包括二进制格式的典型人体参数。

可选地，模型个性化模块602还用于：将个性化可变人体模型的文件转换成二进制文件并输出；个性化可变人体模型的二进制文件中包括二进制格式的个性化的可变人体参数。

可选地，模型个性化模块602具体用于：创建二进制文件；将个性化可变人体模型中的模型名称、顶点个数和顶点三维位置，逐层写入二进制文件。

可选地，模型个性化模块602还用于将个性化可变人体模型转换成二进制文件之后且在输出个性化可变人体模型的二进制文件之前，在个性化可变人体模型的二进制文件中，添加校验位和文件大小信息。

可选地，如图6b所示，本申请实施例提供的另一种可变人体模型的处理装置，还包括：关键帧确定模块604。

关键帧确定模块604用于：根据个性化可变人体模型的二进制文件，确定出个性化可变人体模型的关键帧信息；根据个性化可变人体模型的关键帧信息，生成个性化可变人体模型的关键帧的二进制文件并输出。

可选地，关键帧确定模块604还可用于：根据候选可变人体模型的二进制文件，确定出候选可变人体模型的关键帧信息；根据候选可变人体模型的关键帧信息，生成候选可变人体模型的关键帧的二进制文件并输出。

可选地，模型个性化模块602具体用于利用Unity脚本存储二进制文件。

可选地，如图6b所示，本申请实施例提供的另一种可变人体模型的处理装置，还包括：动画生成模块605。

动画生成模块605用于从个性化可变人体模型的关键帧的二进制文件中，读取出个性化可变人体模型的关键帧信息；根据个性化可变人体模型的关键帧信息，进行补间操作，得到个性化可变人体模型的动画并进行播放。

可选地，动画生成模块605还可用于：从候选可变人体模型的关键帧的二进制文件中，读取出候选可变人体模型的关键帧信息；根据候选可变人体模型的关键帧信息，进行补间操作，得到候选可变人体模型的动画并进行播放。

可选地，人体实际参数对应的个性化可变人体模型，包括：人体实际参数中每一类人体体征数据对应的个性化可变人体模型，动画生成模块605具体用于：从每一类人体体征数据对应的个性化可变人体模型的关键帧的二进制文件中，读取出该类人体体征数据对应的个性化可变人体模型的关键帧信息；根据每一类人体体征数据对应的个性化可变人体模型的关键帧信息，进行补间操作，得到该类人体体征数据对应的个性化可变人体模型的动画；根据各类人体体征数据的优先级顺序，依次播放各类人体体征数据对应的个性化可变人体模型的动画。

本实施例的另一种可变人体模型的处理装置可执行本申请实施例所提供的任一种可变人体模型的处理方法，其实现原理相类似，此处不再赘述。

基于同一发明构思，本申请实施例提供了一种可变人体模型的处理系统，该处理系统的架构示意图如图7所示，包括：输入单元、处理器和显示单元。

输入单元用于接收用户的人体实际参数。

处理器与输入单元电连接，用于利用本申请中任一种可变人体模型的处理方法，生成人体实际参数对应的个性化可变人体模型。

显示单元与处理器电连接，用于展示个性化可变人体模型。

可选地，本申请实施例的可变人体模型的处理系统具体为单独的终端设备，终端设备可以是台式电脑、笔记本电脑或二合一电脑等具有较强算力的电子设备。

可选地，本申请实施例的可变人体模型的处理系统包括通信连接的云端设备和终端设备。云端设备可以是单台服务器、服务器集群或分布式服务器等具有较强算力的电子设备，具有处理器，用于执行上述可变人体模型的处理方法中的步骤S101至S102、典型可变人体模型的各获得方法、各基于典型可变人体模型的可变人体模型的展开处理方法中的步骤S301-S304。终端设备可以是智能手机或平板电脑等算力较弱的电子设备，具有输入单元、处理器和显示单位，用于执行各基于典型可变人体模型的可变人体模型的展开处理方法中的步骤S305-S306。

可选地，本申请实施例可变人体模型的处理系统的一种展开架构示意图如图8所示，包括终端设备810和云端设备820。图8所示的终端设备810包括：处理器811和存储器813。其中，处理器811和存储器813相电连接，如通过总线812相连。可选的，该终端设备810的结构并不构成对本申请实施例的限定。

处理器811可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field－Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器811也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线812可包括一通路，在上述组件之间传送信息。总线502可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线812可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器813可以是ROM(Read-Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(random access memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead-Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

输入单元814可用于接收输入的数字或字符信息，以及产生与终端设备的用户设置以及功能控制有关的键信号输入。具体地，输入单元504可包括触控面板以及其他输入设备。触控面板，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器811，并能接收处理器811发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。除了触控面板，输入单元814还可以包括其他输入设备。具体地，其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

通讯单元815可用于信号的接收和发送，特别地，将云端设备的下行信息接收后，给处理器811处理；另外，将设计上行的数据发送给云端设备。

显示单元816可用于显示由用户输入的信息或提供给用户的信息以及终端设备的各种菜单。显示单元816可包括显示面板，可选的，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板。可选地的，触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器811以确定触摸事件的类型，随后处理器811根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在附图中，触控面板与显示面板是作为两个独立的部件来实现终端设备的输入和输入功能，但是在某些实施例中，可以将触控面板与显示面板集成而实现终端设备的输入和输出功能。

可选的，存储器813用于存储至少一个程序，并由处理器811来控制执行。处理器811用于执行存储器813中存储的至少一个程序代码，实现通过输入单元814接收用户输入的人体实际参数，将接收的用户的人体实际参数通过通讯单元815向云端设备发送；并在接收到云端设备返回的人体实际参数对应的个性化可变人体模型时，利用显示单元816展示个性化可变人体模型。

图8所示的云端设备820包括：处理器821、总线822、存储器823和通讯单元824。处理器821比终端设备810中的处理器811的算力更强。总线822、存储器823和通讯单元824，分别与终端设备810中的总线812、存储器813和通讯单元815相同或类似，不再赘述。

可选的，存储器823用于存储至少一个程序，并由处理器821来控制执行。处理器821用于执行存储器823中存储的至少一个程序代码，实现通过通讯单元824接收到终端设备810的用户的人体实际参数时，利用本申请上述任一可变人体模型的处理方法，生成人体实际参数对应的个性化可变人体模型，再通过通讯单元824向终端设备810返回。

基于同一的发明构思，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例所提供的任一可变人体模型的处理方法。

该计算机存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM、RAM、EPROM(Erasable Programmable Read-Only Memory，可擦写可编程只读存储器)、EEPROM、闪存、磁性卡片或光线卡片。也就是，可读介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。

本申请实施例提供的计算机存储介质，与前面所述的各实施例的实现原理相类似，该计算机存储介质中未详细示出的内容可参照前面所述的各实施例，在此不再赘述。

应用本申请实施例，至少能够实现如下有益效果：

1)本申请实施例中，可变人体模型库中的典型可变人体模型，是基于大量的真实样本人体数据，经过大数据计算得到的，样本的多样性和真实性能够保证典型可变人体模型具有较高的精度，从而使得基于典型可变人体模型处理得到的个性化可变人体模型具有较高的精度；并且，与传统的统计计算方法相比，可以大大降低计算量，减低开销，缩短处理时间，使得处理能力一般的硬件设备也可以使用本申请实施例个性化可变人体模型的处理方法，从而提升适用范围；

2)本申请实施例可通过主成分分析法确定反映各实际人体模型形变规律的主要形变分量和形变特征值，基于主要形变分量和形变特征值可确定典型可变人体模型；对于形变特征值，本申请实施例可选取最大的一部分形变特征值来进行计算，剔除了一些无效或低效的数据，在提取了主要影响因素仍然可以保持较高的模型真实性的前提下减少了计算量，提高构建典型可变人体模型以及个性化可变人体模型的效率。

3)本申请实施例可通过确定人体体征数据的体征特征值来确定典型人体参数，并构建相应的典型可变人体模型，以使典型可变人体模型能够反映人体的形变特征；在确定典型人体参数时，可考虑不同人体体征数据之间的影响，基于不同人体体征数据之间的映射关系来确定典型人体参数中的人体体征数据，以使得到的典型人体参数更加准确地反映人体特征。

4)本申请实施例在建立基于人体实际参数建立个性化人体模型时，可根据人体实际参数所属的参数档位精确匹配典型可变人体模型，并确定其模型权重系数，在精确匹配的典型可变人体模型的基础上，进行适当地修正即可得到符合用户身体特征的个性化可变人体模型，即使目标用户的体形异常，也可实现高度还原的个性化定制，提供真实可靠的个性化可变人体模型。

5)本申请实施例的技术方案可实现与用户的实时交互，且适用范围广，既可适用于终端设备，也可适用于终端设备和云端设备的整体架构。

本技术领域技术人员可以理解，本申请中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本申请中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本申请中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。

术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。