我们没有必要使用全部图像进行重建，因此需要对视频进行处理分析，剔除冗余信息，抽取视频中对重建有正效应的关键帧，用这些关键帧重建人体三维模型。关键帧的选取应当满足两个约束条件:第一个是匹配点个数约束，即相邻两个关键帧之间有足够多的匹配，以便有足够多的数据对几何模型进行估计；第二个是基线宽度约束，即相邻两个关键帧的基线尽可能宽，以保证重建结果具有较高的精度。图3描述了本发明一实施例中关键帧选取的过程。
[0066](3.1)在关键帧选取算法开始时，清空关键帧队列，并将视频序列的第一帧作为初始关键帧加入关键帧队列；
[0067](3.2)设置搜索起始帧为关键帧队列的最后一帧，然后将当前帧初始化为搜索起始帧；
[0068](3.3)判断当前帧是否是视频序列的最后一帧。如果是，则执行步骤(3.7)，如果不是，则当前帧沿视频序列向后移动一帧；
[0069](3.4)根据搜索起始帧和当前帧之间的匹配计算基础矩阵，统计满足极线几何约束的匹配点的数量n，并将不满足该约束的匹配剔除；
[0070](3.5)根据搜索起始帧和当前帧之间的匹配计算单应变换矩阵，统计满足单应变换矩阵约束的匹配点数量占所有匹配点数量的比例r ;
[0071](3.6)判断搜索起始帧和当前帧之间满足极线几何约束的匹配点数量η是否小于预先设定的阈值N，判断搜索起始帧和当前帧之间满足单应变换的匹配点比例r是否小于一个阈值R。如果二者满足其一，即终止当前向后搜索过程，把当前帧作为新的关键帧加入关键帧队列的尾部，并执行步骤(3.2);如果二者皆不满足，则执行步骤(3.3)。
[0072](3.7)关键帧选取算法结束。
[0073]优选地，在本发明的一个实施例中，所述步骤(3.4)和(3.5)中估计基础矩阵和单应变换矩阵所沿用的方法为随机抽样一致性算法(RANdom SAmple Consensus，RANSAC)。
[0074](4)根据特征点轨迹估计相机参数并利用点云扩展算法得到稠密三维点云模型。
[0075]根据步骤(3)选取的视频序列中的关键帧进行重建，大大减少了数据处理的规模并提高了算法的鲁棒性。该步骤包含相机参数估计和稠密三维点云生成两个主要模块，在本发明的一个实施例中，相机参数的估计采用增量式的SFM策略，稠密三维点云的生成采用基于面片的多视图立体匹配算法(Patch-based Mult1-View Stereo, PMVS)。图4描述了该步骤的详细流程。
[0076](4.1)从关键帧队列中取出前两个关键帧，根据特征点的轨迹计算其对应的相机参数的初始值和三维点云的初始坐标；
[0077](4.2)对起始两个关键帧的相机参数和重建得到的点云坐标进行调整，得到优化后的相机参数和点云坐标；
[0078](4.3)判断关键帧队列是否为空。如果关键帧队列不为空，继续从关键帧队列的队首取出一个关键帧。如果为空，执行步骤(4.7);
[0079](4.4)根据特征点的轨迹估计新添加的关键帧对应的相机参数初始值，并添加新的三维点云的初始位置；
[0080](4.5)对当前所有已重建的所有的相机参数和点云坐标进行调整，得到优化后的相机参数和点云坐标，跳转至步骤(4.3);
[0081](4.6)根据估计的相机参数，利用PMVS算法生成稠密的人体三维点云模型。
[0082]优选地，在本发明的一个实施例中，所述步骤(4.2)和(4.5)中调整相机参数和点云坐标的算法采用稀疏集束调整算法(Sparse Bundle Adjustment, SBA)。
[0083](5)将预先制备的标准人体模型向重建得到的点云模型映射，最终得到完整光滑的人体表面模型。
[0084]由于人体缺乏丰富的纹理信息和人体自身的相互遮挡，按照步骤(4)得到的稠密人体三维点云模型会不可避免地包含噪声点和空洞。为了得到精确的、完整的人体表面模型，本发明采用将预先制备的标准人体模型向重建得到的点云模型映射的方式来修复重建的点云模型。标准人体模型是一个网格模型，包含三维顶点和顶点之间的边的信息。该模型既可以通过激光扫描仪扫描获得，也可以通过三维建模软件建模获得。标准人体模型上的每一个点通过一个空间仿射变换向重建得到的点云模型映射，其过程实质上是一个点集配准过程。如图5展示了具体的施步骤。
[0085](5.1)对重建得到的点云模型进行降采样。
[0086]重建得到的点云模型所包含的三维点和标准人体模型包含的三维点在数量上可能有较大差异，一般来说，重建得到的点云模型包含的三维点数量多于标准人体模型包含的三维点数量。因此，需要对重建得到的点云模型进行降采样。优选地，在本发明的一个实施例中，降采样后的点云数量应该是标准人体模型点云数量的2至3倍。
[0087](5.2)在标准人体模型和重建得到的点云模型之间标记若干对控制点对，这些控制点将用于控制两个点集的初始对齐。图6从不同角度展示了控制点在人体的分布情况，共需标记37个控制点。
[0088](5.3)标准人体模型和重建得到的点云模型进行初始配准。
[0089]初始配准的目的是通过约束控制点的映射，使标准人体模型和重建得到的点云模型能够在拓扑结构上保持对齐。首先计算控制点拟合数据项和变换平滑项，并给它们分配权值a和b，然后最小化包含这两项的能量函数。控制点拟合数据项计算所有控制点经过仿射变换以后和对应控制点的弗罗贝尼乌斯(Frobeniu)距离的和，以约束经映射后控制点应该尽可能地靠近。变换平滑项计算所有邻接点的仿射变换的弗罗贝尼乌斯(Frobeniu)距离之和，以约束相邻的三维点映射到空间相近的位置。
[0090]优选地，在本发明的一个实施例中，a = 15, b = 1(Γ2。
[0091](5.4)标准人体模型和重建得到的点云模型进行精确配准。
[0092]初始配准仅能保证点云模型在拓扑结构上保持对齐，因此还需要进一步进行精确的配准来保持局部的细节信息。在计算控制点拟合数据项、变换平滑项的基础上，还需引入所有点拟合数据项。首先寻找标准人体模型上的每个三维点在重建得到的三维点云中的最近邻，然后计算所有三维点经过仿射变换以后和其在重建得到的三维点云中最近邻点的弗罗贝尼乌斯(Frobeniu)距离的和。最后最小化包含这三项的能量函数，每一项的权重分别是a，b和c。
[0093]优选地，在本发明的一个实施例中，a = 15, b = 1(T2，c = 5。
[0094](5.5)为了获得更精确的映射结果，采用迭代执行精确配准的策略。首先判断迭代次数是否达到上限阈值，如果是，则执行步骤(5.6)，如果不是，则保持a不变，减小b和c的值，执行步骤(5.4) ο
[0095](5.6)结束当前过程，返回映射后的结果。
[0096](6)根据关键帧和对应的相机参数，对生成的人体表面模型进行纹理映射，输出最终重建结果。优选地，在本发明的一个实施例中，纹理映射方法使用两步纹理映射法。
[0097]本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种面向个性化虚拟试衣的真实人体三维建模方法，其特征在于，所述方法包括如下步骤: (1)环绕人体采集视频，获取人体真实尺寸数据； (2)对视频中相邻的两帧图像进行特征提取与匹配，根据匹配构建特征点的轨迹； (3)对视频进行处理分析，剔除冗余信