基于SMPL模型的人体三维测量方法及应用研究

基于SMPL模型的人体三维测量方法及应用研究

人体三维测量技术是现代服装设计、虚拟试衣等领域的重要支撑技术。本文介绍了一种基于SMPL模型和DoubleFusion算法的人体三维测量方法，该方法能够实现对人体关键尺寸的精准测量，并在服装定制、虚拟现实等领域具有广泛的应用前景。

1. 引言

传统的人体测量依赖测量师使用马丁尺、软尺等工具进行手工测量，这种方式效率低下且难以满足大规模生产需求。随着技术的发展，非接触式人体测量技术应运而生，它以光学为基础，结合传感器及计算机视觉技术，能够对人体进行三维重建。早期的非接触式测量技术主要围绕定制的三维扫描仪发展，如莫尔条纹、激光测量及白光相位法等，但这些技术成本高昂且操作复杂，难以普及。随着Kinect等红外传感器的出现，人体三维重建的成本大幅降低，推动了空间计算等技术的发展。

2. 研究内容与创新

2.1. SMPL模型

SMPL（Skinned Multi-Person Linear model）模型是由马普研究所提出的一种参数化3D人体模型，能够准确自然地呈现几乎任意的人体形态和姿态。SMPL模型定义了人体表面上6890个网格点和24个骨骼关节点，其标准模型结构如图1所示。通过形状混合形变和姿态混合形变，可以将标准模型变换为任意形态和姿态。

图1. SMPL人体模型表面及关节点

2.2. 三维人体建模

DoubleFusion算法是三维动态重建领域中针对人体动作的优秀算法，它以单个深度图摄像机采集的人体深度图作为输入，借助SMPL模型去拟合深度图点云曲面，实现对人体姿态和体型的实时重建和跟踪。算法的主要流程包括初始化、人体表面节点跟踪、几何表面融合和立体模型体型-姿态优化四个部分。

图3. 人体三维建模算法流程

3. 人体三维测量

3.1. 模型特征曲线

本文利用三维重建技术，通过SMPL模型对人体的身高、头围、颈围、肩宽、臂长、腿长、胸围、胸宽、臀围等部位进行测量。通过对标准SMPL模型的关键点进行标记，获取特征曲线上的顶点编号序列，进而计算特征曲线的总长度。

图4. SMPL人体关键尺寸特征曲线

3.2. 实验过程

实验采用固定摄像头位置，被测者以双脚中心为原点缓慢旋转一周的方式进行数据采集。实验邀请了50名志愿者参与，分别在贴身着装和宽松着装条件下进行测量。

3.3. 实验结果

实验结果显示，在贴身衣物着装下，相对误差在0.5%8%之间；在宽松着装情况下，身高、肩宽、臂长、腿长的绝对误差在1.2%3.8%，而围度信息的测量误差扩大到5.3%~14.2%。这表明，基于SMPL模型的三维人体测量方法在自动化服装设计及生产过程中具有重要应用价值。

4. 总结

本文提出了一种基于DoubleFusion建模算法和SMPL模型编码特点的人体三维测量方法。该方法能够实现单个深度摄像头的人体数字化重建工作，其计算的人体模型可以进行标准编码，满足人体尺寸的自动化测量需求。该技术可以应用于虚拟现实、增强现实、虚拟试衣、自动化量体裁衣、动画制作等领域。