(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210143547.1 (22)申请日 2022.02.17 (65)同一申请的已公布的文献号 申请公布号 CN 114202654 A (43)申请公布日 2022.03.18 (73)专利权人 广东皓行 科技有限公司 地址 518000 广东省深圳市宝安区西乡街 道共乐社区铁仔路50号凤凰智谷A栋 2907 (72)发明人 曾庆彬　潘凯　李彦晖　吴秶菘　 邹小飞　 (74)专利代理 机构 广州骏思知识产权代理有限 公司 44425 代理人 潘桂生 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01) G06V 10/774(2022.01)G06V 10/75(2022.01) G06V 20/64(2022.01) G06K 9/62(2022.01) G06T 7/80(2017.01) G06T 17/00(2006.01) (56)对比文件 CN 113160257 A,2021.07.23 CN 112652071 A,2021.04.13 CN 112465840 A,2021.0 3.09 CN 113628159 A,2021.1 1.09 CN 111242217 A,2020.0 6.05 CN 114037802 A,202 2.02.11 CN 111627101 A,2020.09.04 CN 109285215 A,2019.01.2 9 CN 113870420 A,2021.12.31 CN 112884820 A,2021.0 6.01 CN 1812048 A,20 06.08.02 US 201734 4808 A1,2017.1 1.30 US 2021158549 A1,2021.0 5.27 (续) 审查员 万盼盼 (54)发明名称 一种实体目标的模型构建方法、 存储介质和 计算机设备 (57)摘要 本发明提供一种实体目标的模 型构建方法、 存储介质和计算机设备， 其中， 所述实体目标的 模型构建方法包括： 对包含实体目标的图像进行 语义分割， 得到实体目标的目标外轮廓； 将目标 外轮廓输入到训练后的外轮廓语 法分类网络， 得 到目标外轮廓对应的目标外轮廓类别； 获取与目 标外轮廓类别对应的训练后的目标体模型参数 回归网络； 将目标外轮廓输入到目标体模型参数 回归网络， 得到目标外轮廓对应的相机外参矩阵 和体模型参数； 根据相机外参矩阵和体模型参数 构建实体目标的三维模型。 本发 明的实体目标的 模型构建方法、 存储介质和计算机设备可以精准构建出实体目标的模型， 且运 算简单， 耗时短。 [转续页] 权利要求书2页 说明书9页 附图5页 CN 114202654 B 2022.04.19 CN 114202654 B (56)对比文件 WO 20210 36616 A1,2021.0 3.04 WO 2021190729 A1,2021.09.3 0 US 20170916 37 A1,2017.0 3.30 JP 2010186479 A,2010.08.26 US 2021110557 A1,2021.04.15 WO 20202 27434 A1,2020.1 1.12 WO 2020042720 A1,2020.0 3.05US 10205929 B1,2019.02.12 王龙珂.基 于单目视频的着装人体 重建. 《中 国优秀硕士学位 论文全文数据库 信息科技 辑》 .2022,(第1期),第I138-15 05页. Kolotouros N 等.Learn ing to Reconstruct 3D Human Pose and Shape via Model-Fit ting in the Loop. 《2019 IE EE/CVF Internati onal》 .2019,第2 252-2261页.2/2 页 2[接上页] CN 114202654 B1.一种实体目标的模型构建方法， 其特 征在于， 包括： 对包含实体目标的图像进行语义分割， 得到所述实体目标的目标外轮廓； 将所述目标外轮廓输入到训练后的外轮廓语法分类网络， 得到所述目标外轮廓对应的 目标外轮廓类别； 所述 目标外轮廓类别为预设的多个外轮廓类别中的一种， 各个所述外轮 廓类别用于区分参数类型或参数量 不同的外轮廓； 获取与所述目标外轮廓类别对应的训练后的目标体模型参数回归 网络， 所述目标体模 型参数回归网络是训练后的多个体模型参数回归网络中的一个， 其中， 各个所述体模型参 数回归网络与各个所述外轮廓类别一 一对应； 将所述目标外轮廓输入到所述目标体模型参数回归 网络， 得到所述目标外轮廓对应的 相机外参矩阵和体模型参数； 根据所述相机 外参矩阵和体模型参数构建所述实体目标的三维模型。 2.根据权利要求1所述的实体目标的模型构建方法， 其特征在于， 所述外轮廓语法分类 网络的训练过程包括： 获取各个合成体模型投影到各个视角下的图片的外轮廓， 得到多个第一外轮廓样本； 获取各个所述第 一外轮廓样本的参数类型和参数量， 根据 所述第一外轮廓样本的参数 类型和参数量对所述第一外轮廓样本进行类别划分， 得到多个外轮廓类别； 利用对应各个外轮廓类别的所述第 一外轮廓样本训练初始的外轮廓语法分类网络， 得 到训练后的外轮廓语法分类网络 。 3.根据权利要求2所述的实体目标的模型构建方法， 其特征在于， 所述体模型参数回归 网络的训练过程包括： 在多个拍摄距离， 通过各个所述视角的相机外参矩阵， 获取同一个外轮廓类别的各个 不同参数值的合成体模型投影到对应视角下 的图片的外轮廓， 得到多个第二外轮廓样本； 其中， 所述拍摄距离为对应的相 机到所述合成体模型 的距离； 所述第二外轮廓样本包括多 个外轮廓类别训练样本； 根据多个所述外轮廓类别训练样本， 以及与各个所述外轮廓类别训练样本对应的拍摄 距离、 相机外参矩阵， 训练初始的体模 型参数回归网络， 得到与各个所述外轮廓类别对应的 训练后的体模型参数回归网络 。 4.根据权利要求3所述的实体目标的模型构建方法， 其特征在于， 所述第 二外轮廓样本 还包括外轮廓优化样本； 所述得到训练后的体模型参数回归网络的步骤后， 还 包括： 将所述外轮廓优化样本输入到对应的训练后的体模型参数回归 网络， 得到所述外轮廓 优化样本的相机 外参矩阵和体模型参数； 根据所述外轮廓优化样本的相机 外参矩阵和体模型参数构建优化样品的三维模型； 根据所述相机 外参矩阵获取 所述优化样品的三维模型的二维图像； 对所述二维图像进行语义分割， 得到所述 二维图像上的优化样品的外轮廓； 将所述优化样品的外轮廓和所述外轮廓优化样本进行比对， 根据比对结果优化所述训 练后的体模型参数回归网络 。 5.根据权利要求4所述的实体目标的模型构建方法， 其特征在于， 所述将所述优化样品 的外轮廓和所述外轮廓优化样本进行比对， 根据比对结果优化所述训练后的体模型参数回 归网络的步骤之前， 还 包括：权　利　要　求　书 1/2 页 2 CN 114202654 B 3