【技術實現步驟摘要】
本專利技術涉及圖像數據處理，尤其涉及采用計算機制圖的3d建模，具體涉及基于配準數字人的隱式組織模型構建方法、模型及應用。
技術介紹
1、三維數字人生成技術是指利用計算機技術和算法創建出虛擬的人類形象（即三維數字人或虛擬人）的過程。這一技術通常涉及以下幾個步驟：
2、數據采集：通過各種方式獲取人類形象的數據，包括2d圖像、視頻、深度圖像、激光掃描等。利用計算機圖形學和機器學習算法，將采集到的數據轉化為三維模型。這個過程可能包括面部特征、身體結構、紋理貼圖等的生成。在得到三維模型后，通過動畫技術賦予其動態表現，使其能夠展示各種表情、動作和交互。結合不同模態的數據，優化生成的三維數字人，使其在視覺上更加真實和自然。
3、三維數字人生成技術的應用范圍廣泛，可以在多個領域發揮重要作用：例如虛擬角色：在視頻游戲、動畫電影和虛擬現實體驗中，生成高質量的虛擬角色，提升用戶體驗。用戶可以根據自己的喜好創建個性化的虛擬形象。用戶能夠在社交平臺上使用虛擬人形象作為自己的代表，與他人互動，同時，在社交應用中使用虛擬人形象進行面部替換和特效增強。在醫療與教育方面可以利用三維數字人模型進行解剖學教學和模擬手術練習等等。
4、現有技術中，已經可以通過單張或多張2d圖像生成3d模型，常用的方法包括深度學習、卷積神經網絡（cnn）等，當然，亦有采用視頻序列提取運動信息和表情變化，生成更為動態的3d模型，這主要應用于動畫制作、虛擬現實（vr）和增強現實（ar）。雖然現有技術中能夠通過2d圖像和視頻生成3d數字人模型，但是基于不同
技術實現思路
1、為了解決3d數字人對內部組織的分類問題，本申請提供基于配準數字人的隱式組織模型構建方法、模型及應用，至少可以解決下列技術問題之一：
2、1、解決了隱式組織模型的構建問題，相較于顯式組織模型構建而言具有模型精密度更高，定位更精準的優點。
3、2、解決了3d數字人模型的組織分類問題，能夠將模型內的某一點作為研究對象，并對任一點進行組織定性，定位，從而更好的模擬人體的不同狀態。
4、3、本專利技術建立的隱式組織模型能夠通過更改smpl模型參數改變3d數字人的姿態，形態，模擬真實人體的不同狀態，使得其在醫療領域，為體內組織在人體不同姿態下的位置、形態表現研究提供模型基礎，解決現有技術中采用人體反復通過諸如ct等影像學技術確定病灶組織位置，形態的方式會帶來累計輻射劑量超標，影響健康等問題。
5、為了達到上述目的，本申請所采用的技術方案為：
6、基于配準數字人的隱式組織模型構建方法，包括基于ct、dr在內的圖像數據通過smpl建立的配準數字人模型進行去形變映射、去姿態映射和去形態映射的步驟；
7、步驟stp100，去形變映射，將帶形變的smpl模板上體表網格或骨骼網格上的任一點采用偽逆矩陣去形變映射，獲得去形變后的對應點，
8、
9、其中，為帶形變的smpl模板上體表網格或骨骼網格上的任一點，為smpl標準模板上的點到帶形變的smpl模板對應點的仿射變換矩陣；
10、步驟stp200，去姿態映射，通過線性混合蒙皮函數建立步驟stp100獲得的帶姿態的smpl模板體內點映射到帶形態的smpl模板體內點的映射關系，表示為，再通過迭代優化算法通過帶形態的smpl模板體內點獲得帶姿態的smpl模板體內點，迭代優化過程如下：
11、步驟stp210，將初始化為離最近的帶姿態的smpl模板體表點在帶形態的smpl模板上的對應點——即序號相同的點，初始化為的蒙皮權重；
12、步驟stp220，對每次迭代得到的和，更新；
13、步驟stp230，預測，則，，更新；
14、步驟stp240，重復步驟stp220-步驟stp230，直到與的差異足夠小，即時，完成迭代；
15、其中，網絡是預測形態空間中同一點位于不同smpl模版中的位移網絡，網絡是預測smpl標準模板空間一點的蒙皮權重；
16、步驟stp300，去形態映射，通過網絡預測步驟stp200獲得的帶形態的smpl空間中的體內點與smpl標準模板的體內點的位移，表示為，則獲得smpl標準模板體內點表示為
17、
18、其中，為當前配準數字人模型的形態參數；為當前配準數字人模型的姿態參數；為權重參數；
19、步驟stp400，組織分類，將經過步驟stp100-步驟stp300完成去形變映射、去姿態映射和去形態映射后獲得的smpl標準模板進行組織分類，采用網絡預測的組織類別，即：
20、
21、其中代表非實體組織，如肺部空洞、腔體空洞；代表骨骼；代表皮下脂肪組織；代表瘦組織，完成隱式組織模型構建。
22、本專利技術還包括對步驟stp200中的網絡、和步驟stp400中的網絡進行損失訓練的步驟，具體訓練步驟如下：
23、步驟x100，訓練網絡，設是帶形態的smpl模板上的一個頂點，是smpl標準模板上的對應頂點，網絡的訓練損失函數定義為：
24、
25、設是smpl標準模板的一個頂點，網絡的訓練損失函數定義為：
26、
27、網絡的損失函數定義為預測的組織分類與訓練數據表標簽之間的交叉熵：
28、
29、其中，表示體內點預測的類型，以概率形式表示，取值在0-1之間，表示體內點的實際類型；
30、步驟x200，將步驟x100中的網絡替換為進行訓練；
31、步驟x300，將步驟x100中的網絡替換為進行訓練；
32、其中，訓練數據采用hit數據集。
33、優選地，所述hit數據集的建立方法包括
34、步驟j100，采集對象人體全身mri掃描數據中采樣；
35、步驟j200，利用分割算法將mri斷層圖像分為空洞、骨骼、皮下脂肪組織、瘦組織；
36、步驟j300，提取體表外輪廓，將提取的外輪廓生成點云并用smpl模型擬合獲得的點云，由此生成了smpl體表與體內組織的對應hit數據集。
37、本專利技術還提供一種隱式組織模型，具體采用上述的基于配準數字人的隱式組織模型構建方法構建而得。
38、本專利技術還提供一種隱式組織模型在靜態感興趣區域定位中的應用，其中，定位感興趣區域中任意一點的空間坐標方法如下：
39、步驟y100，定義目標點，定義拍攝次，在第個拍攝角度下感興趣區域中在影像數據上找到目標點，在影像數據上目標點的空間坐標，有<本文檔來自技高網...
【技術保護點】
1.基于配準數字人的隱式組織模型構建方法，其特征在于，包括基于CT、DR在內的圖像數據通過SMPL建立的配準數字人模型進行去形變映射、去姿態映射和去形態映射的步驟；
2.根據權利要求1所述的基于配準數字人的隱式組織模型構建方法，其特征在于，還包括對步驟STP200中的網絡、和步驟STP400中的網絡進行損失訓練的步驟，具體訓練步驟如下：
3.根據權利要求2所述的基于配準數字人的隱式組織模型構建方法，其特征在于，所述HIT數據集的建立方法包括
4.一種隱式組織模型，其特征在于，采用權利要求1-3任一項所述的基于配準數字人的隱式組織模型構建方法構建而得。
5.一種隱式組織模型在靜態感興趣區域定位中的應用，其特征在于：定位感興趣區域中任意一點的空間坐標方法如下：
6.一種隱式組織模型在動態感興趣區域定位中的應用，其特征在于：采用基于權利要求5所述的隱式組織模型在靜態感興趣區域定位中的應用的定位原理通過將目標點映射到SMPL標準模板體內，設是在SMPL標準模板體內的對應點，則并保存，當對象人體發生變化時，通過相機參數模塊重新獲取
7.一種隱式組織模型在體脂率估計方面的應用，其特征在于：包括通過以下步驟實現：通過等間隔均勻采樣遍歷當前人體網格內部的每個目標點，利用體內映射關系獲得目標點在SMPL標準模板的體內對應點，并對點進行組織分類，統計點被分類為SAT的次數，則體脂率為：
...【技術特征摘要】
1.基于配準數字人的隱式組織模型構建方法，其特征在于，包括基于ct、dr在內的圖像數據通過smpl建立的配準數字人模型進行去形變映射、去姿態映射和去形態映射的步驟；
2.根據權利要求1所述的基于配準數字人的隱式組織模型構建方法，其特征在于，還包括對步驟stp200中的網絡、和步驟stp400中的網絡進行損失訓練的步驟，具體訓練步驟如下：
3.根據權利要求2所述的基于配準數字人的隱式組織模型構建方法，其特征在于，所述hit數據集的建立方法包括
4.一種隱式組織模型，其特征在于，采用權利要求1-3任一項所述的基于配準數字人的隱式組織模型構建方法構建而得。
5.一種隱式組織模型在靜態感興趣區域定位中的應用，其特征在于：定位感興趣...
【專利技術屬性】
技術研發人員：侯雨舟，馬川，李少青，
申請(專利權)人：曉智未來成都科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。