隨著參數化模型擬合重建思路的提出,基于單幅圖像的人體模型擬合方式得到了巨大的發(fā)展空間。但是,現有的研究工作中常常忽略了相機參數誤差對結果產生的影響以及稀疏骨架不同于真實骨架的體形誤差。因此,本文通過圍繞相機位姿參數的求解優(yōu)化,并結合稀疏骨架的姿勢變換思路,進行基于單幅圖像的體形重建方法研究,獲取準確的裸體形狀外觀。全文主要包括以下兩部分:1.面向攝像機參數求精的人體重建技術該方法針對模型投影變化過程中的相機參數設置和骨架姿勢等不準確問題,結合了相機參數預測和模型關節(jié)數據定義,使用逐層反饋的結構性優(yōu)化框架,設計一種基于相機參數求精的人體模型重建方法。該框架通過深度卷積神經網絡學習預測模型的初始形狀姿勢數據,利用3D-2D特征點匹配關系構造最小二乘問題,估計相機的正確坐標位置。每一層的迭代使用原始圖像和鄰近一次的投影模型結果作為輸入,以此優(yōu)化投影相機位姿參數。同時引入關節(jié)骨架的變換牽引和圖像輪廓的區(qū)域限制,采用重投影誤差計算的形式對三維模型進行優(yōu)化,從而得到準確的人體模型結果。最終實驗證明,本方法因為求解了更加精準的攝像機參數,所以可以有效的提高人體模型重建的準確度。2.基于人體骨架姿勢變... 

【文章來源】：安徽大學安徽省 211工程院校

【文章頁數】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
        1.2.1 傳統(tǒng)模型優(yōu)化現狀
        1.2.2 深度模型優(yōu)化現狀
        1.2.3 混合模型優(yōu)化現狀
    1.3 本文主要內容和結構
第二章 相關研究工作
    2.1 人體模型簡介
        2.1.1 SMPL模型
        2.1.2 SMPL-X模型
    2.2 先驗方法重建
        2.2.1 圖像輪廓先驗
        2.2.2 姿勢概率先驗
    2.3 網絡模型
        2.3.1 姿態(tài)網絡模型
        2.3.2 對抗網絡模型
    2.4 目標分割與邊緣檢測
        2.4.1 人體目標分割
        2.4.2 人體邊緣線檢測
    2.5 本章小結
第三章 面向攝像機參數求精的人體重建技術
    3.1 引言
    3.2 方法概述
        3.2.1 系統(tǒng)結構流程圖
        3.2.2 總能量式
    3.3 相關數據處理
        3.3.1 相機標定
        3.3.2 姿勢數據
        3.3.3 關節(jié)定義
    3.4 網絡模型參數估計
    3.5 投影相機優(yōu)化
        3.5.1 相機模型
        3.5.2 位姿求解
    3.6 體形重建
        3.6.1 骨架姿勢項
        3.6.2 輪廓誤差項
    3.7 細節(jié)優(yōu)化
    3.8 實驗
        3.8.1 定性評估
        3.8.2 定量評估
        3.8.3 不足與分析
    3.9 本章小結
第四章 基于人體骨架姿勢變換的模型求精重建技術
    4.1 方法原理
    4.2 骨架姿勢處理
        4.2.1 骨架線定義
        4.2.2 運動變量分解
    4.3 3D模型估計
        4.3.1 頂點變形預測
        4.3.2 碰撞距離約束
    4.4 細節(jié)優(yōu)化
    4.5 實驗結果
        4.5.1 定性評估
        4.5.2 定量評估
    4.6 本章小結
總結與展望
參考文獻
攻讀碩士學位期間取得的學術成果
致謝



本文編號：3106894