(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211067547.4 (22)申请日 2022.09.01 (71)申请人 浙江理工大 学 地址 310018 浙江省杭州市江干经济开发 区2号大街9 28号 申请人 杭州晶图科技有限公司 (72)发明人 金耀　张栋栋　吴学龙　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 刘静 (51)Int.Cl. G06T 17/00(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于尺寸约束优化的三维人体精确建 模方法 (57)摘要 本发明公开了一种基于尺寸约束优化的三 维人体精确建模方法。 首先采集包括身高、 三围 等目标模型测量尺寸； 利用模型测量尺寸值， 通 过多元插补方法MICE预测用户未输入的缺失尺 寸值； 构造一个与输出参数接近的人体模型作为 初始化模型； 使用测量尺寸及预测尺寸， 结合初 始化人体模 型构建带约束的变形优化方程， 将尺 寸约束进行凸化并运用增广拉格朗日乘子法求 解该优化方程， 最终生成符合尺 寸要求的人体模 型。 该方法将复杂非线性非凸的尺 寸约束进行凸 化处理， 求解结果精度高， 方法简单高效且鲁棒。 权利要求书2页 说明书7页 附图2页 CN 115393522 A 2022.11.25 CN 115393522 A 1.一种基于尺寸约束优化的三维人体精确建模方法， 其特征在于， 所述方法包括以下 步骤： 步骤一， 采集n个的目标模型测量尺寸Ω＝{ω1， ω2， ...， ωn}， 其中Ω为人体尺寸参数 集合， 用于重建符合尺寸约束的三维人体模型； 步骤二， 通过步骤一中获取的测量尺寸集， 利用多元插补方法(MICE)补齐缺失尺寸参 数， 生成完整尺寸 参数集； 步骤三， 根据步骤二得到的完整尺寸参数， 构造初始人体模型； 初始人体模型的构造方 式有两种： 一种直接在 模型库中搜索与输入尺寸最接近人体模 型， 其中， 数据库中的模型从 开源的人体数据集中获得； 另一种利用机器学习 方法构建尺寸到人体参数 的映射函数， 预 测给定尺寸下的人体模型， 其中， 人体参数表示如下： 针对开源的人体数据集， 将每个人体 的顶点坐标按序拉长一个向量， 将所有向量进 行主成分分析(P CA方法)， 并取前K个基， 人体 参数表示 为基对应的系数， 并通过基的线性组合重构人体模型； 步骤四， 构建带尺寸约束的人体 变形数值优化方程， 表达式如下： minEs(X， X′)     (1) s.t.F(X)＝0 其中， Es是度量两个模型之间的几何相似度， X ′与X分别表示初始人体模型与目标人体 模型的顶点坐标矩阵， 维数为3 ×|V|， 其中|V|为人体网格模型顶点个数； 等式人体尺寸的 约束F(X)＝{fi(X)}表示人体尺寸约束函数集， fi(X)＝l(wi)， i＝1， 2， ...， n， l(wi)为第i个 尺寸值； 步骤五， 对非线性非凸的尺寸约束F(X)＝0进行凸化处理并运用增广拉格朗日乘子法 求解步骤四的优化方程； 人体尺寸的约束F(X)＝0分为三类： 欧氏长度、 测地长度以及两项 的组合； 其中前两者 的尺寸约束分别表示 为： 欧氏长度尺寸： | |Xi‑Xj||＝l(d)， d∈ ε； 测地长度尺寸： 其中l(d)为该项尺寸测量值， Xi， Xj为尺寸测量点的两个端点坐标， ε为欧氏长度尺寸 集； pi， pi+1为测地线长度上相邻两个顶点的坐标且顶点均落在网格模型的边上或顶点上， δ 为测地长度尺寸集； N为测地线包含线段个数， 当测地线线不封闭时N＝m ‑1； 否则当曲线是 封闭围长时N ＝m， m为测地线顶点个数； 运用增广拉格朗日乘子法将带尺寸约束的人体 变形数值优化方程 转化为如下公式： 其中， n为尺寸约束的项数， λ为拉格朗日乘子， 其迭代更新公式为： λ＝ λ + μF(X)        (3) μ＝min{10 μ， 1016}     (4) 步骤六， 迭代求 解上述增广拉格朗日方程， 最终生成目标模型 X； 具体如下： 1)计算拉普拉斯矩阵与尺寸约束所构成的系数矩阵A； 2)固定 λ与 μ， 求 解线性系统AX＝B， 获得新的人体模型 X； 3)固定X， 根据公式(3)与(4)更新 λ与 μ；权　利　要　求　书 1/2 页 2 CN 115393522 A 24)重复上述 步骤1)‑3)， 直至相邻两次迭代得到的人体模型矩阵X的L2距离小于阈值 ε； 5)返回优化后的模型坐标矩阵X， 即为 最终得到的三维人体精确建模。 2.根据权利要求1所述的一种基于尺寸约束优化的三维人体精确建模方法， 其特征在 于， 步骤四中， 表示几何相似性度量的目标函数ES的表达式如下： 其中， V为模型点的数量， ΔXi即为原始模型中i点的位置， ΔX ′i为考虑了周围点的余切 权值后重新计算的i点位置。 Δ为离散余切拉普拉斯算子， 用于表示模型表面的局部细节， 目的为使目标模型 X尽可能不偏离X ′， 其表达式为： 其中， Ni表示顶点 i的1‑环邻域顶点序号， ωij为余切权重： 其中， aij与βij表示网格边(i， j)所关联的两个三角形的对角。 3.根据权利要求1所述的一种基于尺寸约束优化的三维人体精确建模方法， 其特征在 于， 步骤五中， 将F(X)中的欧式长度约束采用如下公式进行局部凸化： 其中lt为第t个欧式尺寸的目标长度。 4.根据权利要求3所述的一种基于尺寸约束优化的三维人体精确建模方法， 其特征在 于， 步骤五中， 对于F(X)中的测地线尺寸约束以及混合尺寸约束， 将其N段线段独立构造约 束， 则一个测地线约束转 化为如下N个子约束： 其中 第i条线段的目标长度， 其计算方法如下： 在模型库的均值模型上计算 除去欧式 尺寸外的所有其它尺 寸对应的路径(折线 段)； 对于每一条路径， 计算每条线 段的长度， 设为 li， 则该线段的目标长度为： 其中ls与lt分别为该路径在均值模型上的总长度以及 目标尺寸长度； 至此， F(X)所有的约束均变为线性函数， 因此将其统一表 示为矩阵形式： CX ‑ b＝0， 其中C为公式(6)与公式(7)所对应的尺寸约束矩阵， b为目标尺寸 参数集。 5.根据权利要求4所述的一种基于尺寸约束优化的三维人体精确建模方法， 其特征在 于， 步骤五中， 根据凸化的约束运用增广拉格朗日乘子法， 将带尺寸约束的变形优化方程 (公式2)转 化为如下关于X的二次函数： 将该公式的一阶偏导置为0， 将其 转化为线性方程组AX＝B进行求 解。权　利　要　求　书 2/2 页 3 CN 115393522 A 3