论文部分内容阅读
随着计算机和互联网技术在服装行业的发展,基于图像的非接触式人体测量技术以其快速、精准提取人体尺寸数据的优势,逐渐成为人体测量技术的研究趋势,被广泛应用于服装定制、人体建模、虚拟试衣等领域。人体尺寸测量的准确度取决于人体轮廓提取、特征点提取以及围度拟合的精度。本文针对现有人体测量算法在轮廓提取时对环境要求严格、特征点提取准确度不高的问题,进行了改进,并总结了现有围度拟合方法的优缺点,提出了基于人体正交图像的尺寸测量方法及个性化人体模型自动生成系统的构建。主要研究内容如下:(1)针对传统轮廓提取方法在复杂背景下精确度不高的问题,提出了一种改进的自适应人体轮廓提取方法。主要对人体轮廓分区域提取,将肤色区域和服装区域作为目标区域,首先采用高斯模型提取肤色区域,再利用HSV颜色空间中H分量独立于光线变化的特点提取服装区域,最后线性融合两区域实现人体轮廓的提取。该方法有效降低了复杂背景环境、光照等条件的限制,可以得到比较准确且完整的人体轮廓。(2)提出基于人体特征区域定位与像素扫描的人体尺寸测量算法及参数化模型的构建。首先扫描图像像素,提取头顶点和脚底点,获得图像的像素身高,再结合人体比例关系推断其余特征点的大致区域,并在此区域内进行局部像素扫描,提取剩余特征点。然后通过尺寸定标与围度拟合计算出人体真实尺寸。最后以标准三维人体模型为基础模型,建立人体尺寸数据与模型坐标之间的变化规则,实现模型的参数化。(3)为了满足用户个性化的需求,本文设计与实现了基于图像的个性化人体模型自动生成系统。系统根据输入的用户图像自动测量用户尺寸数据,并利用数据驱动标准人体模型形变,生成与用户体型相似的人体模型。该系统以Unity3D为开发平台、C#为编写语言,可以通过上传照片或实时拍照的方式读取人体正、侧面图像,并进行特征点和特征尺寸的提取,以及最终个性化人体模型的显示。论文中,图38幅,表10个,参考文献63篇。