[发明专利]一种基于编码译码器网络重建人体模型的方法

权利要求书

1.一种基于编码译码器网络重建人体模型的方法，其特征在于，包含如下步骤：

S1、利用人体参数化模型SMPL的随机组合和模拟深度相机，生成一组人体点云数据，随机选择SMPL参数得到不同人体姿势的人体点云数据；

将人体点云数据导入仿真软件，调整软件参数模拟人体数据采集过程中出现异常情况，生成一组包含人体模型的不同姿势及离群值、孔洞、点云错位和姿势问题的人体点云数据集；

S2、设计编码译码器网络；

S2.1、编码器网络将人体模型以点的形式记录，每一个点包含人体的三维向量坐标，将这种三维向量坐标的向量集合即输入的人体点云数据，先进行不断卷积捕获局部特征，然后局部特征经聚合，转化为全局特征向量；

S2.2、译码器网络先由全局特征向量预测粗略的T型姿势，再将粗略的T型姿势作为输入，由训练好的译码器估计人体模型的形状向量参数和姿势向量参数；

S3、将形状向量参数和姿势向量参数输入到SMPL中，得到重建的人体模型。

2.根据权利要求1所述的一种基于编码译码器网络重建人体模型的方法，其特征在于，S2.1中所述编码器网络由两个堆叠的神经网络架构PN层组成，第一个PN层通过两个感知器将输入的人体点云数据进行处理，并获得逐点特征；

所述感知器由使用ReLU激活函数的神经元组成，将得到的逐点特征与输入点云进行点云拼接构成一组特征点云；

第二个PN层使用逐点最大池化算法，将特征点云转化为全局特征向量。

3.根据权利要求2所述的一种基于编码译码器网络重建人体模型的方法，其特征在于，S2.2中所述译码器网络采取一种由粗到细策略的译码器c2f-D组成，c2f-D译码器包含全局形状重建GSR模块和表面重建SR模块；

SR模块是一个子编码译码器网络，用于实现粗糙的T型姿势到精细标准的T型姿势的重建，SR的架构与上述编码器网络结构相同，即将粗略的T型姿势的数据，与全局特征向量结合作为新的特征向量，以预测重建SMPL的形状向量参数和姿势向量参数。

4.根据权利要求3所述的一种基于编码译码器网络重建人体模型的方法，其特征在于，S2.2中还包括，随机组合形成的人体点云数据和精细标准的T型姿势训练译码器，人体姿势由SMPL的形状向量参数和姿态向量参数决定，随机组合SMPL参数模拟各种人体姿势，并将精细标准的T型姿势的人体网格作为训练的基础真实值，形成对任意人体姿势转化为精细标准的T型姿势的训练数据。