随着互联网技术的发展和020电商模式的推行,越来越多的消费者不再满足于通过浏览模特的试衣效果图来网购衣服,虚拟试衣和辅助制衣的概念应运而生。虚拟试衣技术可以在用户不脱去身上衣服的情况下实现试穿效果,而辅助制衣技术能为用户完成个性化裁衣。这两项技术的实现,一般都需要用户身体的几何信息作为基础,这些信息包括反映人体姿态信息的特征点位置和反映人体形态信息的身体尺寸。通过提取这些信息,可以将人体参数化,进而实现对人体的三维重建。根据数据采集设备的不同,本文将分别对两种基于计算机视觉的人体几何信息提取算法作出研究。基于RGB彩色图像的人体几何信息提取算法的数据来源是人体的正面和侧面RGB图像。为了从图像中划分出更精确的人体,本文算法限定图像为单色背景且人体无自遮挡。对于正面图像,算法首先利用人脸检测技术快速定位人体的大致范围,再通过边缘检测获取准确的人体轮廓,最后设计并使用高效的十字链表存储和检索方法,完成轮廓上的关键点查找,进而得到特征点位置和正面尺寸信息。对于侧面图像,算法采用了同样的轮廓存储方式,并根据人体的侧面形态特征完成了对胸、腰和臀相关尺寸的测量。最后,本文将算法得到的特征点位置和身体尺寸应用到人体的模型重建中,实验表明该算法具有较好的实时性和准确率。虽然采集RGB图像比较廉价便捷,但是基于RGB图像的算法一般会限定人体的姿势,而且不能很好地去除复杂背景,因而不适用于需要人体模型的实时交互式应用。针对这个问题,本文又提出一种基于RGBD深度图像的人体几何信息提取算法,它通过单个固定的Kinect来采集数据。该算法首先结合特征点检测算法和校错处理,对深度视频帧中人体上的特征点进行定位;然后对身体尺寸进行测算或估算,并在对视频流的处理中渐进式地补充与完善。最后,本文根据以上参数对人体进行分块建模和合成,得到人体模型。实验结果表明,在尺寸不完整的情况下,该算法即可重建包含肢体结构语义的完整人体,易于实现局部模型或姿势的修改,并在虚拟试衣应用中体现出良好的实时性和交互性。