本發(fā)明涉及光學(xué)技術(shù)及計算機
技術(shù)領(lǐng)域：
，特別是涉及一種人體模型自動創(chuàng)建方法與三維試衣系統(tǒng)。
背景技術(shù)：
：隨著網(wǎng)絡(luò)購物、私人定制時代的來臨，由傳統(tǒng)的實體店試穿-購買模式逐漸會向網(wǎng)絡(luò)試穿/私人定制-購買模式轉(zhuǎn)型。人體三維模型的創(chuàng)建是實現(xiàn)網(wǎng)絡(luò)試衣以及私人定制的前提，精確地獲取人體凈模型有助于實現(xiàn)衣服尺寸搭配的準(zhǔn)確性，同時利用人體凈模型可以一次性獲取人體數(shù)百項表征人體外觀的特征屬性，從而可被用來實現(xiàn)衣物的私人定制化服務(wù)。目前利用消費級的深度相機來獲取人體三維模型是一種較佳的選擇，一方面可以節(jié)約成本，另一方面消費級深度相機毫米級的測量精度也足夠滿足人體試衣模型的要求。盡管如此，目前基于人體三維模型的試衣仍面臨一些問題：能夠精確地獲取人體的凈模型是進行下一步試衣的基礎(chǔ)，然而在絕大多數(shù)情形下，被測量人員往往穿著寬松衣服，得到的三維人體模型不能準(zhǔn)確反映人體的真實情況，脫衣或穿緊身衣測量并非是解決這一問題的最佳方案，人體凈模型的精確獲取需要人體衣著緊湊型的衣服，因而在大部分衣著寬松衣物情形下實現(xiàn)實時且360度展示穿衣的效果的問題依然難以被解決。以上
背景技術(shù)：
內(nèi)容的公開僅用于輔助理解本發(fā)明的發(fā)明構(gòu)思及技術(shù)方案，其并不必然屬于本專利申請的現(xiàn)有技術(shù)，在沒有明確的證據(jù)表明上述內(nèi)容在本專利申請的申請日已經(jīng)公開的情況下，上述
背景技術(shù)：
不應(yīng)當(dāng)用于評價本申請的新穎性和創(chuàng)造性。技術(shù)實現(xiàn)要素：本發(fā)明目的在于提出一種人體模型自動創(chuàng)建方法及三維試衣系統(tǒng)，以解決上述現(xiàn)有技術(shù)存在的在構(gòu)建人體模型時因為人體衣著有寬松的衣服而導(dǎo)致構(gòu)建的人體模型準(zhǔn)確性不高的技術(shù)問題。為此，本發(fā)明提出一種人體模型自動創(chuàng)建方法，包括以下步驟：s1：獲取人體第一姿勢下的第一rgbd圖像；s2：識別所述第一rgbd圖像中人體衣著的寬松部位以及人體的緊湊部位；s3：指引人體做出能夠使得寬松部位變成緊湊部位的至少一個預(yù)定的第二姿勢，并獲取至少一幅第二rgbd圖像；s4：根據(jù)所述的第一rgbd圖像以及至少一幅第二rgbd圖像中提取人體凈模型的特征參數(shù)；s5：根據(jù)所述特征參數(shù)創(chuàng)建人體凈模型。優(yōu)選地，本發(fā)明還可以具有如下技術(shù)特征：進一步地，步驟s2中包括以下步驟：s21：根據(jù)所述第一rgbd圖像中的人體膚色rgb數(shù)據(jù)識別出人體的緊湊部位；s22：根據(jù)所述第一rgbd圖像的深度信息識別出人體衣著的寬松部位。進一步地，步驟s4中包括以下步驟：s41：獲取所述第一rgbd圖像以及第二rgbd圖像中人體的緊湊部位在第二姿勢下的特征數(shù)據(jù)；s42：根據(jù)所述特征數(shù)據(jù)通過變形的逆變換恢復(fù)出該緊湊部位的特征參數(shù)。進一步地，步驟s5中包括以下步驟：s51：建立標(biāo)準(zhǔn)參數(shù)化人體模型；s52：根據(jù)所述特征參數(shù)將標(biāo)準(zhǔn)參數(shù)化人體模型經(jīng)變形后獲取人體凈模型。進一步地，還包括以下步驟：a1：提取所述第一rgbd圖像中的rgb信息；a2：利用該rgb信息的服裝rgb數(shù)據(jù)，運用機器學(xué)習(xí)分類識別出所衣著的衣服的種類，獲取當(dāng)前人體衣著的衣服的厚度數(shù)據(jù)；a3：根據(jù)所述厚度數(shù)據(jù)對創(chuàng)建的人體凈模型做進一步優(yōu)化?；蚩砂ǎ篵1：提取所述第一rgbd圖像中的rgb信息和深度信息；b2：根據(jù)rgb信息中的膚色rgb數(shù)據(jù)和服裝rgb數(shù)據(jù)識別出人體的穿衣部位和未穿衣部位；b3：根據(jù)所述穿衣部位和所述未穿衣部位的深度信息之差確定人體衣著的衣服的厚度數(shù)據(jù)；b4：根據(jù)所述厚度數(shù)據(jù)對創(chuàng)建的人體凈模型做進一步優(yōu)化。進一步地，步驟s22中包括以下步驟：s221：根據(jù)所述第一rgbd圖像的深度信息獲取人體深度圖像的平滑數(shù)據(jù)；s222：將該平滑數(shù)據(jù)與預(yù)設(shè)的平滑閾值進行對比，若該平滑數(shù)據(jù)超過平滑閾值，則判定為寬松部位，反則不是。進一步地，所述變形的逆變換包括：s421：獲取第二姿勢下的緊湊部位的點云數(shù)據(jù)，根據(jù)點云數(shù)據(jù)獲取網(wǎng)格模型m＝(v,e)；其中，v＝(v1,v2,…,vn)t表示由模型中各個頂點的三維坐標(biāo)構(gòu)成的矩陣，e表示模型中所有的邊；s422：計算用于描述網(wǎng)格模型中各個點云之間相對關(guān)系的標(biāo)準(zhǔn)矩陣s＝cv；其中，c＝(i-d-1b)為變換矩陣，i為單位矩陣，d為對角矩陣，對角線上的元素dii＝di，di為與點vi相鄰的頂點數(shù)目，b矩陣可由下式表示：s423：獲取多個約束點，構(gòu)建新的變換矩陣c′，利用v′＝c′-1s求解變形后的坐標(biāo)，修正得到變換后第一姿勢下的網(wǎng)格模型m′＝(v′，e)。進一步地，所述變形逆變換為利用機器學(xué)習(xí)中的回歸算法擬合變形前后的關(guān)系，得到經(jīng)驗公式用于進行變形逆變換處理。另外，本發(fā)明還提供了一種三維試衣系統(tǒng)，包括存儲器，用于存放程序；處理器，運行所述程序，以用于控制所述三維試衣系統(tǒng)執(zhí)行三維試衣方法，所述三維試衣方法包括：t1：根據(jù)任一所述的人體模型自動創(chuàng)建方法創(chuàng)建人體凈模型；t2：創(chuàng)建衣物模型；t3：將衣物模型與人體凈模型合成后展示試衣效果。再次，本發(fā)明還提供了一種包含計算機程序的計算機可讀存儲介質(zhì)，所述計算機程序可操作來使計算機執(zhí)行任一所述的人體模型自動創(chuàng)建方法。本發(fā)明與現(xiàn)有技術(shù)對比的有益效果包括：本發(fā)明公開的人體模型創(chuàng)建方法，針對現(xiàn)有的人體模型構(gòu)建的過程中無法克服由于人體穿著寬松衣服導(dǎo)致構(gòu)建模型不夠準(zhǔn)確的問題，本發(fā)明采用在根據(jù)包含深度信息的rgbd圖像創(chuàng)建人體模型的過程中，先對人體衣著的寬松部位以及人體的緊湊部位進行識別，再根據(jù)預(yù)定的第二姿勢指引人體對應(yīng)動作，使得寬松部位變成緊湊部位，并獲取該第二姿勢下的rgbd圖像，然后通過rgbd圖像提取人體凈模型的特征參數(shù)，通過獲得特征參數(shù)進行人體凈模型的創(chuàng)建；本發(fā)明的人體模型創(chuàng)建方法可實現(xiàn)較為準(zhǔn)確的模型，可以構(gòu)建出360度的人體凈模型，更重要的，本發(fā)明可以通過預(yù)定的多個特定姿勢(第二姿勢)來準(zhǔn)確地獲取人體特征參數(shù)，因而可以避免寬松衣物帶來的人體模型誤差，克服了現(xiàn)有的三維人體模型構(gòu)建時穿衣問題的困擾，進而可滿足正常的消費級需求，同時，一般按照預(yù)定的全部特定姿勢，也可以完成對人體凈模型的創(chuàng)建，但由于人體的某些部位存在未覆蓋衣服的可能，所以無需采用全套特定姿勢來對人體凈模型進行創(chuàng)建，本發(fā)明因為在獲取特征參數(shù)之前存在一個人體寬松部位和緊湊部位識別的步驟，所以無需人體做出全部預(yù)定特定姿勢(第二姿勢)，只需做一部分即可，提高方法處理的效率，減低運算量，可避免人體某些部位已經(jīng)是緊湊部位。優(yōu)選方案中，采用人體膚色rgb數(shù)據(jù)來對人體的緊湊部位進行識別，通過深度信息識別人體衣著的寬松部位，這樣可以準(zhǔn)確的識別出緊湊部位與寬松部位進行識別，提高運算速度。進一步地，因為特定姿勢下與正常姿勢(第一姿勢)下的緊湊部位存在變形，利用變形的逆變換可以獲取該特征參數(shù)。附圖說明圖1是本發(fā)明具體實施方式一的流程圖一；圖2是本發(fā)明具體實施方式一的流程圖二。圖3是本發(fā)明具體實施方式一的流程圖三。圖4是本發(fā)明具體實施方式一的流程圖四。圖5是本發(fā)明具體實施方式一的流程圖五。圖6是本發(fā)明具體實施方式一的流程圖六。圖7是本發(fā)明具體實施方式一的流程圖七。具體實施方式下面結(jié)合具體實施方式并對照附圖對本發(fā)明作進一步詳細(xì)說明。應(yīng)該強調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。參照以下附圖，將描述非限制性和非排他性的實施例，其中相同的附圖標(biāo)記表示相同的部件，除非另外特別說明。實施例一：本實施例提出一種人體模型自動創(chuàng)建方法，如圖1所示，包括以下步驟：s1：獲取人體第一姿勢下的第一rgbd圖像；s2：識別所述第一rgbd圖像中人體衣著的寬松部位以及人體的緊湊部位；s3：指引人體做出能夠使得寬松部位變成緊湊部位的至少一個預(yù)定的第二姿勢，并獲取至少一幅第二rgbd圖像；s4：根據(jù)所述的第一rgbd圖像以及至少一幅第二rgbd圖像中提取人體凈模型的特征參數(shù)；s5：根據(jù)所述特征參數(shù)創(chuàng)建人體凈模型。本實施例中，人體rgbd圖像是包括深度信息的深度圖像，該深度圖像可以通過深度相機進行獲取，深度相機可以是基于結(jié)構(gòu)光三角法、時間飛行法或者雙目視覺原理的深度相機。本實施例中獲取rgbd圖像可以通過單獨的深度相機來獲取也可以通過多個深度相機進行獲取。采用單獨的深度相機為了獲取目標(biāo)物體沒有時差的rgbd圖像，主要采用以下兩種方式：一是分別利用深度相機和rgb相機獨立獲取深度圖像以及rgb圖像，其次根據(jù)深度相機以及rgb相機的位置關(guān)系以及各自的內(nèi)部參數(shù)，如焦距、分辨率、圖像傳感器尺寸等，來進行配準(zhǔn)以消除兩個相機之間的視差，從而獲取目標(biāo)物體的rgbd圖像。二是利用rgb-ir的圖像傳感器，該圖像傳感器采用四種不同的濾光單元組成，分別可以通過r、g、b以及ir光分量，優(yōu)選的，四個光分量的比例為r(25％):g(25％):b(25％):ir(25％)，相機中圖像傳感器獲取了各個分量(如r、g、b、ir)的信息之后，由于每一信息都只占有部分的像素，因而需要通過插值的方式恢復(fù)每個像素上的其他三種分量的強度信息，從而最終實現(xiàn)同步獲取rgb圖像以及ir圖像。插值的方法有多種，比如加權(quán)平均等，獲取的ir圖像用來計算出深度圖像，從而可以獲取沒有視差的rgbd圖像。采用第一種方式需要校準(zhǔn)，采用第二中方式不需要校準(zhǔn)，本實施例中，不對rgb圖像的獲取方法加以限定，視實際情況而定，在下文的說明中以“rgbd相機”的表述來代表可以用來獲取rgbd圖像的采集裝置。本實施例中，是為了獲取人體360度的模型，通過單個rgbd相機實現(xiàn)360度的模型可以采用下述方法：被測人體通過轉(zhuǎn)動一周的方式讓單個rgbd相機獲取包含人體360度信息的多幅rgbd圖像。利用圖像注冊算法根據(jù)多幅rgbd圖像可以提取出人體的整體三維點云和/或彩色數(shù)據(jù)。這種方法難以實現(xiàn)實時的人體整體三維數(shù)據(jù)獲取，優(yōu)點在于成本較低。通過多個rgbd相機進行數(shù)據(jù)的獲取包括通過不同角度的多個rgbd相機同步地獲取反映人體所有三維信息的多幅rgbd圖像，最后利用多幅rgbd圖像進行注冊后得到人體的整體三維點云和/或彩色數(shù)據(jù)。這種方法實質(zhì)上是利用相機數(shù)量上的優(yōu)勢來解決無法實時性提取的問題。另外，rgbd圖像的注冊需要耗費較多的計算資源，數(shù)據(jù)要求越精確，系統(tǒng)的實時性就會越差。為了解決實時性且測量精度的問題，本實施例可以采取從rgbd相機獲取的人體rgbd圖像中提取能夠準(zhǔn)確反映人體部位的特征信息，根據(jù)特征信息創(chuàng)建出虛擬的能反映人體三維特征的人體凈模型。一旦建立人體凈模型之后，后續(xù)在試衣過程中的實時顯示則無須逐幀進行計算，只需逐幀提取人體骨架，由骨架驅(qū)動人體凈模型的姿勢以達到實時性的要求。本實施例中，如圖2所示，步驟s2中包括以下步驟：s21：根據(jù)所述第一rgbd圖像中的人體膚色rgb數(shù)據(jù)識別出人體的緊湊部位；s22：根據(jù)所述第一rgbd圖像的深度信息識別出人體衣著的寬松部位。在獲取人體特征時，由于不同的測量對象會穿著不同寬松程度的衣服，有針對性地根據(jù)當(dāng)前測量對象的衣著來執(zhí)行相應(yīng)的姿勢將會提升人體特征獲取的效率。在本實施例中，主要依靠以下方式進行寬松部位進行識別。首先利用rgb圖像進行膚色識別，對于人體膚色的部位被認(rèn)定為緊湊部位。其次利用rgbd圖像中的深度數(shù)據(jù)的表面輪廓來判斷。比如，一般衣服寬松部位的褶皺比較多，而緊湊部位的表面輪廓則比較平滑且呈一定的柱形及球形形狀。根據(jù)這一特征，創(chuàng)建一個表面輪廓衡量模型，然后將人體需要測量特征的部位進行匹配識別，從而識別出寬松部位以及緊湊部位。本實施例中，如圖3所示，步驟s4中包括以下步驟：s41：獲取所述第一rgbd圖像以及第二rgbd圖像中人體的緊湊部位在第二姿勢下的特征數(shù)據(jù)；s42：根據(jù)所述特征數(shù)據(jù)通過變形的逆變換恢復(fù)出該緊湊部位的特征參數(shù)。假如最終要得到的某一預(yù)設(shè)姿勢下的人體凈模型，預(yù)設(shè)姿勢一般選取人體正常直立時的姿勢。所述的第一姿勢與第二姿勢可以為任意姿勢，在這些姿勢下獲取的特征數(shù)據(jù)都可以通過變形的逆變換恢復(fù)出在預(yù)設(shè)姿勢下該緊湊部位的特征參數(shù)，最后再通過這些特征參數(shù)得到所述預(yù)設(shè)姿勢下的人體凈模型。優(yōu)選地，在本實施例中，第一姿勢即為預(yù)設(shè)姿勢。容易想到的是，步驟s42中則無需對第一rgbd圖像中的緊湊部位的特征數(shù)據(jù)進行變形的逆變換，換句話說，對第一姿勢下的變形逆變換為0。人體穿著寬松衣服時，身體中有許多部位會被衣服所遮蓋，被遮蓋的部位分兩種，一種為貼身遮蓋，一種為非貼身遮蓋。在這里默認(rèn)貼身遮蓋(緊湊)部位的模型為實際的人體凈模型，而非貼身遮蓋(寬松)部位的模型則與人體凈模型相差甚遠。值得注意的是，可以通過不同的姿勢動作讓非貼身遮蓋變成貼身遮蓋，比如雙手叉腰則可以讓腰部變成貼身遮蓋、抬起小腿可以讓小腿肚變成貼身遮蓋、抬起一只手向側(cè)面彎腰則可以讓胸部側(cè)邊變成貼身遮蓋等等。因而，事先設(shè)定好能夠反映所有人體特征的姿勢或動作，讓被測人體逐個做姿勢就可以獲取所有人體凈模型需要的人體特征數(shù)據(jù)了。下表列舉了部分可能的第二姿勢，包括：序號姿勢貼身部位1直立肩膀2雙手叉腰腰部橫向尺寸3抬起大腿大腿4抬起小腿小腿5舉手、向側(cè)面彎腰胳膊、胸部及腰部側(cè)面6向前面彎腰背部、屁股7挺胸胸部、腹部……人體的特征數(shù)據(jù)一般包括：身高、肩高、肩寬、腰圍、胸圍、大小腿輪廓、手臂輪廓等等。另外還包括各個部位的特征點，即關(guān)節(jié)點。關(guān)節(jié)點的提取可以基于類似kinectsdk中骨架提取的算法，即先通過定位頭部以及人體主干，然后利用深度學(xué)習(xí)(k-tree)算法定位出其他骨骼關(guān)節(jié)點位置。本實施例中，如圖5所示，步驟s5中包括以下步驟：s51：建立標(biāo)準(zhǔn)參數(shù)化人體模型；s52：根據(jù)所述特征參數(shù)將標(biāo)準(zhǔn)參數(shù)化人體模型經(jīng)變形后獲取人體凈模型。根據(jù)提取的人體特征的特征參數(shù)獲取人體凈模型可以看成是人體的參數(shù)化建模。本實施例中，是根據(jù)一個標(biāo)準(zhǔn)人體模型，然后根據(jù)得到的實際人體特征的特征參數(shù)修改該標(biāo)準(zhǔn)人體模型從而得到能反映實際人體的人體凈模型。本實施例中，一種簡單的標(biāo)準(zhǔn)人體模型可以按照先驗知識具有一定比例的形狀規(guī)則的網(wǎng)格化人體模型，對該標(biāo)準(zhǔn)人體模型進行變換主要有三種情形：長度變形、寬度變形以及周長變形。當(dāng)獲取的人體特征與標(biāo)準(zhǔn)模型對應(yīng)的特征不一致時，就需要進行長度、寬度或周長變形。具體的變形原理為軸變形原理，這里所謂的軸變形原理即是將模型上待變形的點與長度、寬度或周長對應(yīng)的軸建立一一映射關(guān)系，當(dāng)軸變化時，對應(yīng)的變形點的坐標(biāo)也發(fā)生變化，計算出新的坐標(biāo)后重新創(chuàng)建模型。本實施例中可以利用目前一些精度更加高的人體模型，比如scape模型等。由scape模型獲取人體凈模型的過程可以看成是對scape模型的一次次迭代，即建立用于衡量人體特征差距的性能函數(shù)，通過將scape模型的一次次修改迭代直到性能函數(shù)取值達到一定的閾值范圍。前一種人體凈模型算法簡單，系統(tǒng)的實時性較高，缺點是精度較差；后一種算法較復(fù)雜，精度高，缺點是實時性較差，往往需要gpu的并行處理來解決實時性的問題。本實施例中對人體凈模型的獲取方法不加以限制。本實施例中，盡管上述方法可以構(gòu)建較為準(zhǔn)確的凈模型，但是盡管如此，還是不能完全克服因為衣服遮蓋的問題，可以采用獲取人體衣著的厚度數(shù)據(jù)進行估計的方式，來優(yōu)化人體凈模型，如圖5所示，所以還可包括以下步驟：a1：提取所述第一rgbd圖像中的rgb信息；a2：利用該rgb信息的服裝rgb數(shù)據(jù)，運用機器學(xué)習(xí)分類識別出所衣著的衣服的種類，獲取當(dāng)前人體衣著的衣服的厚度數(shù)據(jù)；a3：根據(jù)所述厚度數(shù)據(jù)對創(chuàng)建的人體凈模型做進一步優(yōu)化。其他實施例中也可以為如圖6所示的步驟：b1：提取所述第一rgbd圖像中的rgb信息和深度信息；b2：根據(jù)rgb信息中的膚色rgb數(shù)據(jù)和服裝rgb數(shù)據(jù)識別出人體的穿衣部位和未穿衣部位；b3：根據(jù)所述穿衣部位和所述未穿衣部位的深度信息之差確定人體衣著的衣服的厚度數(shù)據(jù)；b4：根據(jù)所述厚度數(shù)據(jù)對創(chuàng)建的人體凈模型做進一步優(yōu)化。通過上述厚度估計可以利用獲取的厚度數(shù)據(jù)對凈模型進行進一步優(yōu)化，以更加接近人體真實體型的情況，采用機器學(xué)習(xí)的方法可以通過多次訓(xùn)練得到的分類庫對衣服進行分類識別。本實施例中，如圖7所示，步驟s22中包括以下步驟：s221：根據(jù)所述第一rgbd圖像的深度信息獲取人體深度圖像的平滑數(shù)據(jù)；s222：將該平滑數(shù)據(jù)與預(yù)設(shè)的平滑閾值進行對比，若該平滑數(shù)據(jù)超過平滑閾值，則判定為寬松部位，反則不是。所述變形的逆變換包括：s421：獲取第二姿勢下的緊湊部位的點云數(shù)據(jù)，根據(jù)點云數(shù)據(jù)獲取網(wǎng)格模型m＝(v,e)；其中，v＝(v1,v2,…,vn)t表示由模型中各個頂點的三維坐標(biāo)構(gòu)成的矩陣，e表示模型中所有的邊；s422：計算用于描述網(wǎng)格模型中各個點云之間相對關(guān)系的標(biāo)準(zhǔn)矩陣s＝cv；其中，c＝(i-d-1b)為變換矩陣，i為單位矩陣，d為對角矩陣，對角線上的元素dii＝di，di為與點vi相鄰的頂點數(shù)目，b矩陣可由下式表示：s423：獲取多個約束點，構(gòu)建新的變換矩陣c′，利用v′＝c′-1s求解變形后的坐標(biāo)，修正得到變換后第一姿勢下的網(wǎng)格模型m′＝(v′，e)。還可以為，所述變形逆變換為利用機器學(xué)習(xí)中的回歸算法擬合變形前后的關(guān)系，得到經(jīng)驗公式用于進行變形逆變換處理。例如以大腿而言，該經(jīng)驗公式可以是下蹲后大腿多個橫截面周長與正常站立姿勢下周長之間的關(guān)系。由于不同人群的腿部輪廓不同，變形也會不同，因而要想準(zhǔn)確地獲取所要的關(guān)系，還需要對不同身高、體重、性別的人群進行采樣，記錄變形前后周長的變化情況，利用機器學(xué)習(xí)中的回歸算法比如最小二乘回歸算法、邏輯回歸算法等擬合出變形前后的關(guān)系，將此關(guān)系作為經(jīng)驗公式。一般地，首先對標(biāo)準(zhǔn)站立姿勢的人體模型進行試衣，這一步可以看成是靜態(tài)試衣；其次當(dāng)實際人體姿勢變化時的實時試衣，可以看成是動態(tài)試衣。其中動態(tài)試衣實際上是靜態(tài)試衣在時間上的延伸。因而接下來主要說明靜態(tài)試衣。根據(jù)建立的人體凈模型，進行三維試衣，目前比較成熟的衣物仿真模型為質(zhì)點-彈簧模型，建立衣物仿真模型后需要將衣物與人體凈模型進行注冊。一般認(rèn)為衣物背面的最高點與人體后頸部的中心，據(jù)此可以實現(xiàn)衣物與人體模型的初步配準(zhǔn)；然后根據(jù)人體當(dāng)前的骨架信息實現(xiàn)各個部分的局部配準(zhǔn)。在注冊配準(zhǔn)之后，還可以進行質(zhì)點的力的計算、衣物碰撞檢測等，以模擬出更加真實的衣物顯示效果。在后續(xù)的實時性顯示過程中，只要通過識別出人體的骨架信息，然后根據(jù)該骨架信息進行局部的配準(zhǔn)即可以實現(xiàn)實時的3d試衣。本實施例還提出了一種三維試衣系統(tǒng)，包括存儲器，用于存放程序；處理器，運行所述程序，以用于控制所述三維試衣系統(tǒng)執(zhí)行三維試衣方法，所述三維試衣方法包括：t1：根據(jù)上述的人體模型自動創(chuàng)建方法創(chuàng)建人體凈模型；t2：創(chuàng)建衣物模型；t3：將衣物模型與人體凈模型合成后展示試衣效果。同時，本實施例還提出了一種包含計算機程序的計算機可讀存儲介質(zhì)，所述計算機程序可操作來使計算機執(zhí)行所述三維試衣方法。本領(lǐng)域技術(shù)人員將認(rèn)識到，對以上描述做出眾多變通是可能的，所以實施例僅是用來描述一個或多個特定實施方式。盡管已經(jīng)描述和敘述了被看作本發(fā)明的示范實施例，本領(lǐng)域技術(shù)人員將會明白，可以對其做出各種改變和替換，而不會脫離本發(fā)明的精神。另外，可以做出許多修改以將特定情況適配到本發(fā)明的教義，而不會脫離在此描述的本發(fā)明中心概念。所以，本發(fā)明不受限于在此披露的特定實施例，但本發(fā)明可能還包括屬于本發(fā)明范圍的所有實施例及其等同物。當(dāng)前第1頁12