本開(kāi)發(fā)方案屬于圖像處理和虛擬現實(shí)技術(shù)領(lǐng)域，具體涉及一種虛擬試衣鏡的實(shí)現方法。

　　背景技術(shù)：

　　隨著(zhù)物聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò )虛擬購物已經(jīng)成了時(shí)代潮流。國內商家對于虛擬試衣技術(shù)不斷嘗試創(chuàng )新，以積極的態(tài)度迎接虛擬顯示技術(shù)時(shí)代的到來(lái)，但是現有的在線(xiàn)的試衣系統，或是基于移動(dòng)終端的試衣軟件，其顯示效果仍然無(wú)法與實(shí)物相提并論，也因此影響了虛擬試衣鏡的發(fā)展與推廣。
 

 

　　技術(shù)實(shí)現要素：

　　本發(fā)明的目的在于克服現有技術(shù)存在的問(wèn)題，提供一種虛擬試衣鏡的實(shí)現方法。

　　為實(shí)現上述技術(shù)目的，本發(fā)明采用如下技術(shù)方案：

　　一種虛擬試衣鏡的實(shí)現方法，包括如下步驟：

　　S1服裝建模，并對服裝根據身材類(lèi)型分類(lèi)，包括Y型、A型、H型和X型;

　　S2用戶(hù)人體圖像數據采集;所述用戶(hù)人體圖像數據為二維數據或三維數據;

　　所述二維數據獲取方式包括：采用LibSVM訓練進(jìn)行數據訓練，獲取訓練模型;LibSVM訓練的訓練集數據包括用戶(hù)身高體重、四圍信息和身材類(lèi)型信息;所述四維信息包括胸圍、腰圍、臀圍、肩圍;

　　用戶(hù)上傳標準全身照片和身高體重數據，對用戶(hù)上傳標準全身照片進(jìn)行圖像處理，提取四圍信息，將身高體重數據和四維信息導入訓練模型，獲取身材類(lèi)型分類(lèi);

　　S3將人體圖像數據和服裝建模數據關(guān)聯(lián)并顯示。

　　用戶(hù)不在現場(chǎng)的時(shí)候，可以由用戶(hù)提供影像采集二維數據，在軟件上顯示試衣效果;用戶(hù)在現場(chǎng)時(shí)，可以采集三維數據。所述三維數據基于kinect體感機通過(guò)骨骼識別定位獲取。

　　本發(fā)明的方法，所述S2中，LibSVM訓練方法如下：

　　將單個(gè)用戶(hù)的數據作為一個(gè)樣本，表示為Di(xi,yi)，其中yi為樣本標簽，xi為六維的數據點(diǎn)xi(x身高+x體重+x肩圍+x臀圍+x胸圍+x腰圍)，設所求SVM空間的超平面方程為g(x)=+b，w由樣本決定，將w寫(xiě)成a1y1x1+a2y2x2+...+anynxn，式中a為拉格朗日乘子，式中對最終所求的結果產(chǎn)生影響的樣本點(diǎn)即所需樣本點(diǎn)，即支持向量：

　　設核函數形式為K(xi,x)，則所求的超平面形式變化為：

　　LibSVM訓練選擇的svm類(lèi)型為c_svm類(lèi)型，核函數為多項式核，迭代次數選擇3，gamma選擇0.166667，分類(lèi)類(lèi)別數為60，獲取訓練模型。

　　用戶(hù)上傳圖像數據的處理步驟包括：

　　S2.1用戶(hù)上傳標準全身照片，包括正面標準照，背面標準照和側面標準照;

　　S2.2對標準照片進(jìn)行圖像分割，將圖劃分為背景和前景兩部分，前景即為用戶(hù)人體圖像數據;

　　S2.3對用戶(hù)三圍進(jìn)行定位，包括胸部、腰部、臀部定位，從用戶(hù)人體圖像數據中提取三圍信息;并對用戶(hù)肩部進(jìn)行定位。

　　所述S2.2中，采用GrabCut算法對標準照片進(jìn)行圖像分割。

　　所述S2.3中，基于分割后的用戶(hù)背面標準照獲取胸部定位，識別出手臂后，對手臂下方位置，占人體高度5%長(cháng)度的位置處取得人體寬度信息取均值，計算得到胸部位置寬度Bo：

　　其中Bo為胸部位置寬度，Ho為人體高度，Bp為檢測到胸部位置的水平高度，Bwi為所在行人體寬度;

　　識別出手臂后，通過(guò)寬度檢測，檢測到第一個(gè)寬度最小值時(shí)將其作為腰部中點(diǎn)，對上下取人體高度5%長(cháng)度取平均值：

　　其中Wo為腰部位置寬度，Wp為檢測到腰部位置的水平高度，Wwi為所在行人體寬度;

　　在識別出腰部所在位置后，向下檢測至第一個(gè)寬度峰值，將其定位為臀部中心點(diǎn);根據人體高度5%長(cháng)度的位置取得人體寬度信息取均值，計算出臀部寬度信息Co：

　　其中Co為臀部位置寬度，Cp為檢測到臀部位置的水平高度，Cwi為所在行人體寬度。

　　所述S2.3中，基于人體輪廓信息定位肩部：

　　S2.2.1基于人體輪廓線(xiàn)檢測人體寬度，從上至下掃描前景圖，掃描線(xiàn)寬度大小第二個(gè)峰值處為肩部，掃描線(xiàn)寬度大小第一個(gè)谷值處為脖頸;

　　S2.2.2對人體輪廓線(xiàn)計算斜率，取如下輪廓線(xiàn)：

　　斜率絕對值接近于零;

　　向肩部定位下方檢測到手臂，斜率開(kāi)始增加直到接近于正無(wú)窮;

　　向肩部定位上方檢測到脖頸，斜率開(kāi)始增加直到接近于正無(wú)窮;

　　取滿(mǎn)足上述要求的輪廓線(xiàn)，限制肩部定位點(diǎn)范圍，確定肩部定位。

　　所述S3中，根據模型訓練后確認的身材類(lèi)型，選擇對應身材類(lèi)型的服裝;服裝模型的長(cháng)度與寬度確定方法為：

　　服裝長(cháng)度cL=(sH-Cp)/(ho/Ho);服裝寬度bW=(fB+Co)/2;

　　其中cL為合成圖中服裝長(cháng)度，sH為合成圖中肩部高度，Cp為圖中臀部高度，ho為用戶(hù)真實(shí)身高，Ho為圖中人體身高;bW為圖中服裝寬度，fB為圖中正面胸部寬度，Co為圖中胸部位置寬度。

　　所述S2中，所述三維數據基于kinect體感機通過(guò)骨骼識別定位獲取。

　　所述S3中，還包括手勢控制，所述人體圖像數據采集過(guò)程中，利用LibSVM進(jìn)行特征訓練，實(shí)現手勢識別;或通過(guò)kinect體感機進(jìn)行指尖判定，實(shí)現手勢識別。

　　本發(fā)明的方法可以方便實(shí)現虛擬試衣，并在用戶(hù)到場(chǎng)或不到場(chǎng)兩種情況下均可以實(shí)現，并且操作方便，尺寸匹配效果好，顯示效果好。

　　具體實(shí)施方式

　　實(shí)施例1

　　本實(shí)施例用于說(shuō)明本發(fā)明方法的具體技術(shù)方案。

　　本發(fā)明的方法包括如下步驟：

　　1)服裝建模;

　　采用已有建模軟件，如3DMAX對服裝進(jìn)行建模;并對服裝根據身材類(lèi)型分類(lèi)，包括Y型、A型、H型和X型;

　　2)人體圖像數據采集;

　　采集二維數據或三維數據的人體圖像數據;

　　用戶(hù)不在現場(chǎng)的時(shí)候，可以由用戶(hù)提供影像采集二維數據，用戶(hù)在現場(chǎng)時(shí)，可以采集三維數據。其中，所述二維數據基于SVM分類(lèi)和圖像處理獲取。所述三維數據基于kinect體感機通過(guò)骨骼識別定位獲取;

　　所述二維數據獲取方式包括：采用LibSVM訓練進(jìn)行數據訓練，獲取訓練模型;LibSVM訓練的訓練集數據包括用戶(hù)身高體重、四圍信息和身材類(lèi)型信息;所述四維信息包括胸圍、腰圍、臀圍、肩圍;

　　用戶(hù)上傳標準全身照片和身高體重數據，對用戶(hù)上傳標準全身照片進(jìn)行圖像處理，提取四圍信息，將身高體重數據和四維信息導入訓練模型，獲取身材類(lèi)型分類(lèi);

　　LibSVM訓練方法如下：

　　將單個(gè)用戶(hù)的數據作為一個(gè)樣本，表示為Di(xi,yi)，其中yi為樣本標簽，xi為六維的數據點(diǎn)xi(x身高+x體重+x肩圍+x臀圍+x胸圍+x腰圍)，設所求SVM空間的超平面方程為g(x)=+b，w由樣本決定，將w寫(xiě)成a1y1x1+a2y2x2+...+anynxn，式中a為拉格朗日乘子，式中對最終所求的結果產(chǎn)生影響的樣本點(diǎn)即所需樣本點(diǎn)，即支持向量：

　　設核函數形式為K(xi,x)，則所求的超平面形式變化為：

　　LibSVM訓練選擇的svm類(lèi)型為c_svm類(lèi)型，核函數為多項式核，迭代次數選擇3，gamma選擇0.166667，分類(lèi)類(lèi)別數為60，獲取訓練模型。

　　本發(fā)明中在核函數的選擇中，分別試驗了線(xiàn)性核，多項式核，RBF核，sigmoid核，參數gamma均為0.166667，在用測試樣本進(jìn)行檢驗時(shí)，發(fā)現平均召回率分別為82.121%，80.7%，8.65%，8.575%。同時(shí)發(fā)現，在使用原始樣本代回測試時(shí)，召回率分別為99.1%，100%，100%，8.4%。因此選擇使用多項式核作為核函數。本發(fā)明的SVM分類(lèi)平均準確率可達82。

　　所述S2中，用戶(hù)上傳圖像數據的處理步驟包括：

　　S2.1用戶(hù)上傳標準全身照片，包括正面標準照，背面標準照和側面標準照;

　　標準照基于如下標準：

　　正面標準照：用戶(hù)身體直立，手臂自然下垂;

　　背面標準照：用戶(hù)身體直立，手臂水平伸展;

　　側面標準照：用戶(hù)身體直立，手臂自然下垂。

　　S2.2采用GrabCut算法對標準照片進(jìn)行圖像分割，將圖劃分為背景和前景兩部分，前景即為用戶(hù)人體圖像數據;

　　S2.3對用戶(hù)三圍進(jìn)行定位，包括胸部、腰部、臀部定位，從用戶(hù)人體圖像數據中提取三圍信息;并對用戶(hù)肩部進(jìn)行定位。

　　首先，基于分割后的用戶(hù)背面標準照獲取胸部定位，識別出手臂后，對手臂下方位置，占人體高度5%長(cháng)度的位置處取得人體寬度信息取均值，計算得到胸部位置寬度Bo：

　　其中Bo為胸部位置寬度，Ho為人體高度，Bp為檢測到胸部位置的水平高度，Bwi為所在行人體寬度;

　　識別出手臂后，通過(guò)寬度檢測，檢測到第一個(gè)寬度最小值時(shí)將其作為腰部中點(diǎn)，對上下取人體高度5%長(cháng)度取平均值：

　　其中Wo為腰部位置寬度，Wp為檢測到腰部位置的水平高度，Wwi為所在行人體寬度;

　　在識別出腰部所在位置后，向下檢測至第一個(gè)寬度峰值，將其定位為臀部中心點(diǎn);根據人體高度5%長(cháng)度的位置取得人體寬度信息取均值，計算出臀部寬度信息Co：

　　其中Co為臀部位置寬度，Cp為檢測到臀部位置的水平高度，Cwi為所在行人體寬度。

　　基于人體輪廓信息定位肩部：

　　S2.2.1基于人體輪廓線(xiàn)檢測人體寬度，從上至下掃描前景圖，掃描線(xiàn)寬度大小第二個(gè)峰值處為肩部，掃描線(xiàn)寬度大小第一個(gè)谷值處為脖頸;

　　S2.2.2對人體輪廓線(xiàn)計算斜率，取如下輪廓線(xiàn)：

　　斜率絕對值接近于零;

　　向肩部定位下方檢測到手臂，斜率開(kāi)始增加直到接近于正無(wú)窮;

　　向肩部定位上方檢測到脖頸，斜率開(kāi)始增加直到接近于正無(wú)窮;

　　取滿(mǎn)足上述要求的輪廓線(xiàn)，限制肩部定位點(diǎn)范圍，確定肩部定位。

　　為實(shí)現通過(guò)手勢控制進(jìn)行衣服的篩選，在人體圖像數據采集過(guò)程中可，利用SVM進(jìn)行特征訓練，實(shí)現手勢識別;或通過(guò)kinect體感機進(jìn)行指尖判定，實(shí)現手勢識別;

　　S3將人體圖像數據和服裝建模數據關(guān)聯(lián)，在顯示器上顯示;

　　根據模型訓練后確認的身材類(lèi)型，選擇對應身材類(lèi)型的服裝;服裝模型的長(cháng)度與寬度確定方法為：

　　服裝長(cháng)度cL=(sH-Cp)/(ho/Ho);服裝寬度bW=(fB+Co)/2;

　　其中cL為圖中服裝長(cháng)度，sH為圖中肩部高度，Cp為圖中臀部高度，ho為用戶(hù)真實(shí)身高，Ho為圖中人體身高;bW為圖中服裝寬度，fB為圖中正面胸部寬度，Co為圖中胸部位置寬度。

　　當服裝的匹配效果出現誤差或者不符合用戶(hù)的意圖時(shí)，可以手動(dòng)微調服裝位置與大小。

　　服裝與人體的肩部定位點(diǎn)的區域大小不一致的，因此本發(fā)明中對用戶(hù)調整的范圍進(jìn)行了限制，以防止用戶(hù)的誤操作。限定方法是：用戶(hù)對服裝的位置進(jìn)行調節時(shí)兩者的匹配區域必須有重合區域，否則不能調整。對于服裝的大小可以通過(guò)手指對屏幕的觸控調整。