Salle d’essai virtuelle utilisant OpenCV [Research Project]

  • Project Sam Colours: Adaptive Runs
    Project Sam Colours: Adaptive Runs, Plugin d'orchestre virtuel - Téléchargement, Bibliothèque de pistes orchestrales, Banque audio avec des pistes allant du 4e intervalle à la 4e octave, Enregistré dans une salle de concert, Quatre microphones stéréo individuels sont disponibles, ainsi qu'un cinquième jeu de microphones prémixés au son cinématographique, Pistes orchestrales enregistrées en six sections : Violons I + II (ensemble), altos + violoncelles (ensemble), 3 flûtes + 1 piccolo (ensemble), piccolo solo, 3 hautbois + 3 clarinettes + 3 bassons (ensemble), et 3 trompettes (ensemble), Propose des sections sous forme de préréglages individuels ainsi qu'un certain nombre de combinaisons différentes, Donne accès à des séries de 4 octaves qui couvrent toute la gamme des cordes, ainsi qu'à des orchestrations courantes telles que des violons et des flûtes jouant ensemble, Le moteur Adaptive Sync synchronise l'audio au BPM, 28 Go de contenu audio, Qualité audio : 24 bits / 48 kHz
  • Project Sam Symphobia 4: Pandora
    Project Sam Symphobia 4: Pandora, Plugin d'orchestre virtuel - Téléchargement, Transitions et effets orchestraux personnalisables, bibliothèque orchestrale enregistrée dans une salle de concert avec une sélection d'articulations d'ensembles non conventionnels et d'effets orchestrés jouables, Particulièrement adapté aux musiques d'action, de science-fiction et d'horreur ainsi qu'aux bandes son de films, de télévision et de jeux, Création facile et flexible de contremarches, de chutes et de crescendos, Moteur de synchronisation adaptatif permettant de faire correspondre les articulations et les effets à n'importe quelle séquence, Avec des outils de conception sonore et des effets entièrement personnalisables tels que le bégaiement, la hauteur, le retard, le filtre, l'égalisation, la réverbération, etc., 140GB de contenu audio, Qualité audio : 24 Bit / 48 kHz

Un projet de dernière année sur «Virtual Trial Room using OpenCV» soumis par Siddthanth Chopra à extrudesign.com. Ce projet est réalisé par les étudiants en informatique Siddthanth Chopra et Ashish Mishra de SRM IST, CHENNAI, INDE.

Salle d'essai virtuelle utilisant OpenCV

Abstrait

Alors que la plupart des choses sont passées au mode virtuel et que les concurrents tentent de devancer l’un, d’autres industries textiles ont été touchées en ces temps difficiles. Avec une salle d’essai virtuelle, tous les petits magasins de textile peuvent aider leurs clients à accéder à une salle d’essai en ligne sans avoir peur de contracter la maladie. L’avantage d’utiliser cette méthode serait la réduction du temps et des efforts consacrés à l’essai physique des vêtements.

introduction

Les magasins ont pour la plupart des choix énormes et différents pour les vêtements. Il est vraiment étrange pour un client d’évaluer chacun de ces vêtements sans passer des heures dessus. De plus, dans un magasin physique, pour essayer certains vêtements choisis, une pratique typique consiste à s’aligner et à alterner pour utiliser les cabines d’essayage. En raison du nombre prédéterminé de cabines d’essayage en magasin, les clients doivent normalement investir la majorité de leur énergie d’achat dans la file d’attente (ce qui sera nettement plus pendant les heures de pointe). Un temps d’attente trop long influencera la compréhension du client, ce qui entraînera une plus faible fidélité des consommateurs.

Travaux proposés pour

L’utilisation de gluoncv avec mxnet nous aiderait à superposer des vêtements et des ornements sur l’homme car il s’agit d’un kit d’outils de vision par ordinateur qui implémente l’état de l’art (SOTA).

Salle d'essai virtuelle utilisant OpenCV

Enquête documentaire sur les technologies des salles d’essai virtuelles

Dans «Base d’habillage virtuel 3D en temps réel sur le squelette de l’utilisateur (2017)», il présente une base d’habillage virtuel 3D en temps réel sur le squelette de l’utilisateur extrait et suivi en temps réel pour conduire la transformation et l’ajustement des modèles de vêtements. Les avantages de ce travail sont des mesures humaines générées en fonction du corps de l’utilisateur se tenant devant le Kinect et les inconvénients que l’utilisateur doit être éloigné de la machine pour maintenir une distance particulière. Dans «Reconnaissance de l’action humaine basée sur le squelette à l’aide de Kinect», il fournit une application qui utilise des gestes pour interagir avec un objet virtuel dans l’application de réalité augmentée. Il fournit un moyen d’utiliser l’interaction de base de gestes pour gérer les opérations dans un environnement virtuel et l’avantage de ce travail est qu’il prend en charge le suivi du squelette, mais l’inconvénient est qu’il peut donner une mesure incorrecte de la hauteur. Dans «Application de vestiaire virtuel Microsoft Kinect sensor (2019)», leur approche proposée est principalement basée sur l’extraction de l’utilisateur de l’alignement du flux vidéo des modèles et de la détection de la couleur de la peau et l’inconvénient de celle-ci est flexible et ressemble à un véritable modèle de vêtements pour l’utilisateur. l’usure et l’utilisateur peuvent être détectés en moins de temps, mais l’inconvénient est dû à un problème de réseau, les copies électroniques des robes ne s’imposeront pas correctement à l’image cible

Stephen Karungaru et Kenji Terada [6], dans ce projet, ils proposent une méthode pour acquérir facilement la longueur / le périmètre du corps humain à l’aide de Kinect. Les résultats expérimentaux ont confirmé que les données humaines peuvent être acquises à partir du capteur Kinect. Nous avons également confirmé des problèmes en cas d’erreur dans les données acquises. Les problèmes futurs incluent l’amélioration de la précision de l’acquisition des données personnelles et du CG.

Algorithme pour créer une salle d’essai virtuelle

Étape1: Utilisation d’OpenCv

Étape2: Capturer la vidéo à l’aide des packages openCv (cv2)

Étape3: Normalisation RVB – OpenCV utilise la différenciation des objets basée sur le contraste des couleurs en détectant les pixels qui résident sur les limites où les couleurs changent considérablement les valeurs

Étape4: SOTA – GluonCV contient une fonction variée qui, ensemble, aide à détecter les contours de différents objets dans un cadre

Étape5: Augmentation des couleurs et des logos -. Ici, dans notre cas, nous voulons le contour contenant le plus extérieur qui se rapportera au T-shirt que porte l’utilisateur ou l’objet de test

Étape6: Avec l’algorithme d’apprentissage en profondeur mxnet, nous imposons les vêtements et les ornements au corps humain

Étape7: Il permet au processus d’interactions avec l’utilisateur à l’aide de packages Numpy / OpenCV pour la détection des contours et l’incorporation de contexte

Conclusion

Dans cet article, nous décrivons une méthode de superposition de texture dynamique à partir d’images monoculaires pour la visualisation en temps réel de vêtements dans un environnement de miroir virtuel. Semblable à regarder dans un miroir en essayant des vêtements, nous créons la même impression mais pour des vêtements pratiquement texturés. Le miroir est remplacé par un grand écran qui montre l’image en miroir d’une caméra capturant par exemple la partie supérieure du corps d’une personne. Un système de miroir virtuel est conçu pour un vestiaire en tissu. Notre motivation ici est d’augmenter l’efficacité du temps et d’améliorer l’accessibilité des vêtements d’essayage en créant un environnement de vestiaire virtuel. Le système échange la couleur et la texture d’une chemise tandis que la personne qui porte la chemise peut se déplacer librement devant le miroir et même effectuer des déformations élastiques de l’étirement et de la flexion de type tissu ou se rapprocher ou s’éloigner de la caméra.

RÉFÉRENCE

  • Naoyuki Yoshino, Stephen Karungaru «Mesure physique corporelle à l’aide de Kinect pour le vestiaire vitual» 2017 6thIIAI
  • 1]. Amit Thakur, Suraj Virkar, Prof. Jyoti Gaikwad, «Mise en œuvre d’une salle d’essai virtuelle en ligne à l’aide d’OpenCV Python», International Journal of Advanced Computer Technology (IJACT), Vol. 7, mai. 2020.
  • [2]. F. Isikdogan et G. Kara, «A Real Time Virtual Dressing Room Application using Kinect», Cmpe537 Computer Vision Course Project, Bogazici University, janvier 2012
  • [3]. Cecilia Garcia Martin, Erdal Oruklu, «Conception d’interface conviviale pour les applications de salle d’essayage virtuelle sur les appareils mobiles Android», Journal of Signal and Information Processing, Vol. 3/4, 2012, pp. 481-490.
  • [4]. Nikki Singh, Sagar Murade, Prem Lone, Vikas Mulaje «Virtual Trial Room» Vishwakarma Journal of Engineering Research, Volume 1 Numéro 4, décembre 2017
  • [5]. Saurabh Botre, Sushant Chaudhari, Shamla Mantri, «Virtual Trial Room», International Journal of Computer Science Trends and Technology (IJCST), Volume 2 Issue 2, Mar-Apr 2014
  • [6] Ahmad al-Qerem, «Virtual Dressing Room Implementation Using Body Image –Clothe Mapping», Revue internationale d’ingénierie et d’informatique ISSN: 2319-7242 Volume – 5 Numéro -02 février 2016
  • [7] 1 Vipin Paul, 2 Sanju Abel J., 3 Sudharsan S., 4 Praveen M, «VIRTUAL TRAIL ROOM», South Asian Journal of Engineering and Technology Vol.3, n ° 5 (2017) 87–96
  • [8] Akshay Shirsat1, Samruddhi Sonimindia2, Sushmita Patil3, Nikita Kotecha4, Prof Shweta Koparde5, «Virtual Trial Room», International Journal of Research in Advent Technology, Vol.7, No.5, mai 2019
  • [9] Han Yang1,2 Ruimao Zhang2 Xiaobao Guo2 Wei Liu3 Wangmeng Zuo1 Ping Luo4, «Towards Photo-Realistic Virtual Try-On by Adaptively Generating↔Preserving Image Content», IEEE International Conference on Computer Vision
  • [10] Anagaha Ramesh, Ankit Raj Kushal, Brinda D, Vaishnavi, «3D Virtual Trial Room», International Journal of Engineering Research & Technology (IJERT) ISSN: 2278-0181, Numéro spécial – 2018

Articles similaires

Commencez à saisir votre recherche ci-dessus et pressez Entrée pour rechercher. ESC pour annuler.

Retour en haut