一种人体模型的重建方法、装置、计算机设备及存储介质与流程

1.本公开涉及计算机技术领域，具体而言，涉及一种人体模型的重建方法、装置、计算机设备及存储介质。


背景技术：

2.三维人体建模，是指通过人体图像重建出该人体的三维数字化人体模型，已广泛应用于人体动作迁移、人体动作识别、以及对游戏等场景中的虚拟人物的控制。为了使三维人体模型可以细化显示出人脸表情变化和手势，可以选用更富有表现力的参数化人体模型(skinned multi-person linear model-expressive，smpl-x)进行三维人体建模。但smpl-x的参数较多，直接进行参数估计得到的人体模型参数可能会存在误差，这就会出现在利用人体模型参数进行三维人体建模后得到的人体模型出现不能较好拟合真实人体的情况。


技术实现要素：

3.本公开实施例至少提供一种人体模型的重建方法、装置、计算机设备及存储介质。
4.第一方面，本公开实施例提供了一种人体模型的重建方法，包括：获取目标人体的人体模型参数；所述人体模型参数包括：动作参数以及形状参数；基于所述人体模型参数对所述目标人体进行第一人体建模处理，得到表征所述目标人体的人体姿态特征的第一人体模型、并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型；基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型。
5.这样，利用人体模型参数，对目标人体进行第一人体建模处理，得到能够表征目标人体姿态特征的第一人体模型，并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型，由于第一人体模型包含的人体特征更少，因此利用人体模型参数得到的第一人体模型可以更好的拟合出目标人体的人体姿态特征，因此可以利用第一人体模型作为第二人体模型的参照，以对第二人体模型进行调整，使得基于对第二人体模型的模型参数进行调整后得到的目标人体模型，能够在更加准确地拟合出目标人体的人体姿态特征的同时，可以进一步细化表示人脸表情和手势动作的形状特征，从而能够实现更好地对真实人体进行拟合。
6.一种可选的实施方式中，所述基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型，包括：基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失；基于所述距离损失，对所述人体模型参数进行调整，得到所述目标人体模型参数；基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型。
7.这样，可以利用距离损失作为衡量第二人体模型的人体姿态特征是否与第一人体
模型的人体姿态特征相近的具体数值，为判断第二人体模型是否还需要继续调整提供了具体的衡量标准。
8.一种可选的实施方式中，所述距离损失包括：关键点距离损失，所述基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失，包括：基于多个所述第一顶点分别对应的第一位置信息进行关键点回归处理，得到所述第一人体模型中的多个第一关键点分别对应的第三位置信息；以及，基于多个所述第二顶点分别对应的第二位置信息进行关键点回归处理，得到所述第二人体模型中的多个第二关键点分别对应的第四位置信息；基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失。
9.一种可选的实施方式中，基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失，包括：针对多个所述第一关键点中的每个第一关键点，基于该第一关键点对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定该第一关键点对应的第一距离信息；基于多个第一关键点分别对应的第一距离信息，确定所述关键点距离损失。
10.这样，相较于数量较多的第一顶点和第二顶点，通过关键点回归处理得到的第一关键点和第二关键点的数量较少，在确定关键点距离损失时的计算量较少，因此可以有效地提升处理效率。另外，由于通过关键点回归处理得到的第一关键点和第二关键点还可以相应的反映出第一人体模型和第二人体模型中各个部位分别对应的特征，因此利用确定的关键点距离损失也可以使第二人体模型在各个部位上的特征与第一人体模型更接近。
11.一种可选的实施方式中，所述距离损失还包括：顶点距离损失；所述基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失，包括：针对多个所述第一顶点中的每个第一顶点，基于该第一顶点对应的第一位置信息、以及多个所述第二顶点分别对应的第二位置信息，确定该第一顶点对应的第二距离信息；基于多个第一顶点分别对应的第二距离信息，确定所述顶点距离损失。
12.这样，可以利用顶点距离损失在顶点上直观地对第二人体模型进行调整，使调整后得到的目标人体模型与第一人体模型更相似，这种人体模型上表现出的相似性也就是使目标人体模型能够具有与第一人体模型相似的人体姿态特征。
13.一种可选的实施方式中，所述基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型，包括：响应于所述距离损失大于预设的损失阈值，调整所述人体模型参数，得到目标人体模型参数；利用所述目标人体模型参数重新进行第二人体建模处理，得到对所述第二人体模型进行调整后的目标人体模型。
14.一种可选的实施方式中，还包括：响应于所述距离损失小于或者等于预设的损失阈值，将所述人体模型参数，确定为所述目标人体模型参数。
15.一种可选的实施方式中，所述响应于所述距离损失大于所述损失阈值，调整所述人体模型参数，得到所述目标人体模型参数，包括：基于所述距离损失，调整所述人体模型参数，得到新的人体模型参数，并基于所述新的人体模型参数，返回至利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型的步骤；直至所述距离损失小于或者等于所述损失阈值；将最后一次确定的新的人体模型参数，确定为所述目标人体模型参数。
16.这样，在距离损失大于损失阈值的情况下，可以通过迭代的方式不断地对人体模型参数进行调整，并利用距离损失确定调整后的人体模型参数是否可以对第二人体模型进行调整得到目标人体模型。由于迭代的方式效率较高，因此在对第二人体模型进行调整时效率也较高；并且由于损失阈值可以人为设定，因此在完成迭代后得到的目标人体模型参数也更符合目标人体模型对目标人体拟合精度的需求。
17.第二方面，本公开实施例还提供一种人体模型的重建装置，包括：获取模块，用于获取目标人体的人体模型参数；所述人体模型参数包括：动作参数以及形状参数；第一处理模块，用于基于所述人体模型参数对所述目标人体进行第一人体建模处理，得到表征所述目标人体的人体姿态特征的第一人体模型、并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型；第二处理模块，用于基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型。
18.一种可选的实施方式中，所述第二处理模块在基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型时，用于：基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失；基于所述距离损失，对所述人体模型参数进行调整，得到所述目标人体模型参数；基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型。
19.一种可选的实施方式中，所述距离损失包括：关键点距离损失，所述第二处理模块在基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失时，用于：基于多个所述第一顶点分别对应的第一位置信息进行关键点回归处理，得到所述第一人体模型中的多个第一关键点分别对应的第三位置信息；以及，基于多个所述第二顶点分别对应的第二位置信息进行关键点回归处理，得到所述第二人体模型中的多个第二关键点分别对应的第四位置信息；基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失。
20.一种可选的实施方式中，所述第二处理模块在基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失时，用于：针对多个所述第一关键点中的每个第一关键点，基于该第一关键点对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定该第一关键点对应的第一距离信息；基于多个第一关键点分别对应的第一距离信息，确定所述关键点距离损失。
21.一种可选的实施方式中，所述距离损失还包括：顶点距离损失；所述第二处理模块在基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失时，用于：针对多个所述第一顶点中的每个第一顶点，基于该第一顶点对应的第一位置信息、以及多个所述第二顶点分别对应的第二位置信息，确定该第一顶点对应的第二距离信息；基于多个第一顶点分别对应的第二距离信息，确定所述顶点距离损失。
22.一种可选的实施方式中，所述第二处理模块在基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型时，用于：响应于所述距离损失大于预设的损失阈值，调整所述人体模型参数，得到目标人体模型参数；利用所述目标人体模型参数
重新进行第二人体建模处理，得到对所述第二人体模型进行调整后的目标人体模型。
23.一种可选的实施方式中，所述第二处理模块还用于：响应于所述距离损失小于或者等于预设的损失阈值，将所述人体模型参数，确定为所述目标人体模型参数。
24.一种可选的实施方式中，所述第二处理模块在响应于所述距离损失大于所述损失阈值，调整所述人体模型参数，得到所述目标人体模型参数时，用于：基于所述距离损失，调整所述人体模型参数，得到新的人体模型参数，并基于所述新的人体模型参数，返回至利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型的步骤；直至所述距离损失小于或者等于所述损失阈值；将最后一次确定的新的人体模型参数，确定为所述目标人体模型参数。
25.第三方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
26.第四方面，本公开可选实现方式还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。
27.关于上述人体模型的重建装置、计算机设备、及计算机可读存储介质的效果描述参见上述人体模型的重建方法的说明，这里不再赘述。
28.为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
29.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
30.图1示出了本公开实施例所提供的一种人体模型的重建方法的流程图；
31.图2示出了本公开实施例所提供的一种标准人体模型的示意图；
32.图3示出了本公开实施例所提供的一种包含目标人体的图像的示意图；
33.图4示出了本公开实施例所提供的一种第一人体模型和第二人体模型的示意图；
34.图5示出了本公开实施例所提供的一种确定目标人体模型的具体流程图；
35.图6示出了本公开实施例所提供的一种确定目标人体模型的具体实施例的流程图；
36.图7示出了本公开实施例所提供的一种人体模型的重建装置的示意图；
37.图8示出了本公开实施例所提供的一种计算机设备的示意图。
具体实施方式
38.为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例
中附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。通常在此处描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
39.经研究发现，在利用smpl-x进行三维人体建模时，可以更细化人脸表情，手部动作等特征，但同时也会由于特征细化而使得人体模型参数的数量增加。由于smpl-x中的人体模型参数的数量较多，因此直接对smpl-x的人体模型参数进行估计会比较困难。在这种情况下，直接进行参数估计后得到的人体模型参数存在较大的偏差，这就会导致利用人体模型参数进行人体建模后得到的人体模型与真实人体之间的特征差异较大，并不能较好的拟合真实人体的问题。
40.基于上述研究，本公开提供了一种人体模型的重建方法，利用人体模型参数，对目标人体进行第一人体建模处理，得到能够表征目标人体姿态特征的第一人体模型，并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型，由于第一人体模型包含的人体特征更少，因此利用人体模型参数得到的第一人体模型可以更好的拟合出目标人体的人体姿态特征，因此可以利用第一人体模型作为第二人体模型的参照，以对第二人体模型进行调整，使得基于对第二人体模型的模型参数进行调整后得到的目标人体模型，能够在更加准确地拟合出目标人体的人体姿态特征的同时，可以进一步细化表示人脸表情和手势动作的形状特征，从而能够实现更好地对真实人体进行拟合。
41.针对以上方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案，都应该是发明人在本公开过程中对本公开做出的贡献。
42.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
43.为便于对本实施例进行理解，首先对本公开实施例所公开的一种人体模型的重建方法进行详细介绍，本公开实施例所提供的人体模型的重建方法的执行主体一般为具有一定计算能力的计算机设备，该计算机设备例如包括：终端设备或服务器或其它处理设备，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该人体模型的重建方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
44.下面对本公开实施例提供的人体模型的重建方法加以说明。
45.参见图1所示，为本公开实施例提供的一种人体模型的重建方法的流程图，所述方法包括步骤s101～s103，其中：
46.s101：获取目标人体的人体模型参数；所述人体模型参数包括：动作参数以及形状参数；
47.s102：基于所述人体模型参数对所述目标人体进行第一人体建模处理，得到表征
所述目标人体的人体姿态特征的第一人体模型、并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型；
48.s103：基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型。
49.下面对上述s101～s103加以详细说明。
50.针对上述s101，首先对目标人体进行说明。由于本公开实施例提供的人体模型的重建方法可以应用于不同的场景中，因此在不同的应用场景中可以确定的目标人体也有所不同。
51.示例性的，在本公开实施例提供的重建方法应用于元宇宙场景中时，对于在现实场景中的用户，其在元宇宙场景中例如可以有该用户对应的虚拟角色。在一种可能的情况下，若选择将虚拟角色设置为与该用户在体型、姿态、面部表情、手部动作上与该用户同步的虚拟角色，则可以将利用该用户的人体或者人体特征确定目标人体。或者，在其他可能的应用场景中，例如游戏场景，也可以相似的根据实际的人体建模需求，确定选取的目标人体。
52.目标人体的人体模型参数，具体用于确定参数化人体模型，例如参数化人体模型(skinned multi-person linear model，smpl)或者更富有表现力的smpl-x人体模型。人体模型参数具体可以通过各个维度下数值的大小调整，影响建立的人体模型的人体姿态特征，比如人体模型的高矮、不同部位的胖瘦等特征。
53.其中，目标人体的人体模型参数具体可以包括动作参数以及形状参数。动作参数以及形状参数用于表征目标人体的人体姿态特征。其中，人体姿态特征具有包括由动作参数影响的表达人体模型执行动作的动作特征、以及由形状参数影响的表达人体模型不同部位胖瘦、以及人体高矮程度等的人体形状特征。
54.具体地，动作参数以及形状参数例如可以以向量的形式表示，具体包括m维形状向量以及n维动作向量，m和n为正整数，m和n的取值越高对应的动作参数及形状参数所表达的特征越精细。以形状向量为例进行说明，在对其中形状向量中任一维度下的形状维度进行调整时，标准人体模型反映出的高矮、胖瘦等体态特征均会发生改变；另外，不同维度的形状向量在变化时，标准人体模型发生的变化也有所不同。
55.示例性的，在图2中包括多个由于形状向量的不同而对标准人体模型产生不同影响的示意图。其中，图2中(a)以及(b)为对人体模型对应的形状向量中的一维数据β1进行调整后标准人体模型的体态；图2中(c)以及(d)为对人体模型对应的形状向量中的另一维数据β2进行调整后标准人体模型的体态。其中，图2中(a)对应的β1与图2中(c)对应的β2数值上相同；图2中(b)对应的β1与图2中(d)对应的β2数值上相同。但无论是在(a)和(b)中仅对一维数据的数值进行调整，还是在(a)和(c)中数值相同但对不同的维度进行数值调整，根据图示可以知道标准人体模型的体态特征均会发生变化。
56.在一种可能的情况下，在获取目标人体的人体模型参数时，例如可以先获取包含目标人体的图像，并对图像进行模型参数估计，以得到人体模型参数。其中，目标人体的图像可以预先获取，或者通过对目标人体进行拍摄获取，其尺寸大小等均不做出限定。参见图3所示，为本公开实施例提供的一种包含目标人体的图像的示意图。
57.其中，在对图像进行模型参数估计时，具体可以利用人体参数恢复模型(human mesh recovery，hmr)对图像进行处理，以得到人体模型参数。由于hmr模型对输入数据具有一定的标准要求，比如输入数据的尺寸大小为固定尺寸，因此对于获取到的包含目标人体的图像，在利用hmr模型确定人体模型参数之前，例如还可以根据选用的hmr模型对输入数据的要求，对图像进行像素值归一化、尺寸调整等处理。这样，利用hmr模型可以得到目标人体的人体模型参数。
58.针对上述s102，在根据上述s101得到目标人体的人体模型参数后，利用人体模型参数可以对目标人体进行人体建模处理。具体地，在本公开实施例中利用人体模型参数进行第一人体建模处理，得到表征目标人体的人体姿态特征的第一人体模型，以及利用人体模型参数进行第二人体检测处理，得到在表征人体姿态特征外还表征形状特征的第二人体模型。
59.对于得到的第一人体模型和第二人体模型，第一人体模型可以表达出目标人体的人体姿态特征，具体包括表达目标人体执行动作的动作特征，以及表达目标人体不同部位胖瘦的人体形状特征。第二人体模型还可以表达出目标人体的形状特征，具体包括目标人体在面部的五官特征、根据五官的形状表达出的表情特征、以及手部的手势特征。
60.由于在进行第一人体建模处理时，使用人体模型参数得到的第一人体模型可以较好的拟合出目标人体的人体姿态特征，因此对于参数较为复杂的第二人体模型而言，第一人体模型可以作为第二人体模型在拟合人体姿态特征时的参照，也即先验数据。
61.示例性的，参见图4所示，为本公开实施例提供的一种对目标人体分别进行第一人体建模得到的第一人体模型和第二人体建模得到的第二人体模型的示意图。其中，图4中(a)示出了第一人体模型，第一人体模型在面部表情和手部动作上并没有细化出目标人体的特征；图4中(b)示出了第二人体模型，相较于第一人体模型而言，可以在面部表情上体现出微笑的面部表情，并在手部表现出手势特征。
62.下面，在步骤s103中对利用第一人体模型对第二人体模型进行调整的具体方式进行说明。
63.针对上述s103，在对第二人体模型进行调整，得到目标人体模型时，可以基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对第二人体模型进行调整。
64.在具体实施中，参见图5所示，为本公开实施例提供的一种对第二人体模型进行调整，得到目标人体模型的具体流程图；其中，
65.s501：基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失。
66.其中，利用第一位置信息和第二位置信息，可以得到的第一人体模型和第二人体模型之间的距离损失，例如包括关键点距离损失以及顶点距离损失。距离损失用于表示在第一人体模型和第二人体模型中表达语义信息相似的关键点或者顶点的位置差异。由于第二人体模型中的关键点或者顶点与第一人体模型的关键点或者顶点位置相近时，可以说明第二人体模型与第一人体模型的人体姿态特征相近，因此距离损失可以作为衡量第二人体模型的人体姿态特征是否与第一人体模型的人体姿态特征相近的具体数值，为判断第二人体模型是否还需要继续调整提供了具体的衡量标准。
67.其中，用于确定关键点距离损失的关键点，是根据第一顶点和第二顶点确定的，在下文中进行具体说明，在此不再赘述。
68.在该步骤中，由于第一人体模型可以较好的拟合出目标人体的人体姿态特征，而计算出的第一人体模型和第二人体模型的距离损失可以表达当前第二人体模型在表达人体姿态特征时与第一人体模型之间的差异，因此通过距离损失对第二人体模型进行调整，可以使第二人体模型在人体姿态特征的表达上与第一人体模型的人体姿态特征趋于一致，从而使调整后的第二人体模型能够更好地对目标人体进行拟合。
69.下面，分别对确定关键点距离损失和顶点距离损失的两种不同方式进行说明。
70.(a)：确定关键点距离损失。
71.此处，关键点距离损失表示在第一人体模型和第二人体模型中表达语义信息相似的第一关键点和第二关键点之间的位置差异。在一种可能的情况下，针对第一人体模型中的每个第一关键点，若第二人体模型中与该第一关键点表达语义信息相似的第二关键点和该第一关键点之间的距离较近，关键点距离损失较小，说明第二人体模型在人体姿态特征上与第一人体模型接近。
72.在具体实施中，确定关键点距离损失时，例如可以采用下述方式：基于多个所述第一顶点分别对应的第一位置信息进行关键点回归处理，得到所述第一人体模型中的多个第一关键点分别对应的第三位置信息；以及，基于多个所述第二顶点分别对应的第二位置信息进行关键点回归处理，得到所述第二人体模型中的多个第二关键点分别对应的第四位置信息；基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失。
73.其中，以对多个第一顶点进行关键点回归处理得到第一关键点为例进行说明。在一种可能的情况下，多个第一顶点的数量例如为6890个。在确定多个第一顶点后，例如可以采用主成分分析方法(principal component analysis，pca)对多个第一顶点进行数据降维，以从多个第一顶点中回归得到第一关键点。相较于表达构成人体模型表面的第一顶点而言，第一关键点的数量更少，并且也能够表达出人体各个部位的特征，因此利用第一关键点计算距离损失时，计算量较少，效率较高，得到的关键点距离损失也更适合对第一人体模型进行快速有效地调整。
74.此处，对多个第二顶点进行关键点回归处理得到第二关键点的方式，与上述对多个第一顶点进行关键点回归处理得到的第二关键点的方式相似，在此不再重复赘述。在一种可能的情况下，对多个第一顶点进行关键点回归处理后，例如可以得到25个第一关键点；相似的，对多个第二顶点进行关键点回归处理后，也可以得到25个第二关键点。
75.在通过回归处理的方式得到第一关键点和第二关键点的情况下，由于回归处理具体是通过对多个第一顶点分别对应的第一位置信息和多个第二顶点分别对应的第二位置信息进行处理得到的，因此在确定第一关键点时可以得到多个第一关键点分别对应的第三位置信息、以及多个第二关键点分别对应的第四位置信息。
76.因此，在利用多个第一关键点分别对应的第三位置信息、以及多个第二关键点分别对应的第四位置信息确定关键点距离损失时，具体可以采用下述方式：针对多个所述第一关键点中的每个第一关键点，基于该第一关键点对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定该第一关键点对应的第一距离信息；基于多个第
一关键点分别对应的第一距离信息，确定所述关键点距离损失。
77.具体地，由于多个第一关键点和多个第二关键点均是采用了关键点回归处理的方式获得的，这种方式下得到的第一关键点和第二关键点在表达人体各个部位时可能会具有位置上的误差，并不能直接为任一第一关键点直接匹配对应的第二关键点。在这种情况下，针对多个第一关键点中的任一第一关键点，可以根据该第一关键点的第三位置信息、以及多个第二关键点分别对应的第四位置信息，从多个第二关键点中确定与第一关键点距离最近的第二关键点，作为与第一关键点匹配的第二关键点，以确定出表达人体部位特征一致的第一关键点和第二关键点。
78.这样，利用与第一关键点匹配的第二关键点对应的第四位置信息、以及第一关键点对应的第三位置信息，可以确定出第一关键点和第二关键点之间的距离信息，作为该第一关键点的第一距离信息。针对关键点回归处理得到的多个第一关键点，根据每个第一关键点分别对应的第一距离信息，可以确定关键点距离损失。示例性的，针对上述示例中具体包括25个第一关键点的情况，确定出的关键点距离损失例如可以利用25维向量表示。
79.针对得到的关键点距离损失，若第二人体模型在表达人体姿态特征上与第一人体模型表达的人体姿态特征相似，则匹配的第一关键点和第二关键点会较为接近，因此得到的关键点距离损失中的每一维距离向量的数值均会较小。相反的，若第二人体模型在表达人体姿态特征上与第一人体模型表达的人体姿态特征上差异较大，则匹配的第一关键点和第二关键点之间距离会较远，因此得到的关键点距离损失中的每一维距离向量的数值均会较大。
80.(b)：确定顶点距离损失。
81.此处，顶点距离损失用于衡量第一人体模型和第二人体模型中表达语音信息相似的第一顶点和第二顶点之间的位置差异。在一种可能的情况下，由于第一人体模型和第二人体模型具体可以表达出的目标人体模型的特征不完全相同，因此第一人体模型中多个第一顶点的数量和多个第二顶点的数量也并不相同。因此，在确定顶点距离损失时，可以将多个第一顶点中每个第一顶点和每个第二顶点分别之间的距离，作为该第一顶点对应的第二距离信息，并将多个第一顶点分别对应的第二距离信息作为顶点距离损失。
82.在具体实施中，确定顶点距离损失时，具体可以采用下述方式：针对多个所述第一顶点中的每个第一顶点，基于该第一顶点对应的第一位置信息、以及多个所述第二顶点分别对应的第二位置信息，确定该第一顶点对应的第二距离信息；基于多个第一顶点分别对应的第二距离信息，确定所述顶点距离损失。
83.示例性的，顶点距离损失也可以相似的采用向量表示，具有的维度数量与第一顶点的数量相同；每一维向量中还具有多个子维度，子维度的数量与第二顶点的数量相同。或者，也可以将每个子维度下第一顶点与多个第二顶点分别对应的距离求和，每一维向量中均只包括距离之和的信息，以减少后续处理的数据量。
84.另外，由于第一顶点和第二顶点的数量均较多，因此若对每一个第一顶点均确定与多个第二顶点分别对应的第二距离信息，会导致得到的顶点距离损失维度过大，难以表达。因此，在一种可能的情况下，还可以从第一顶点和第二顶点中确定出一些具有代表性的顶点，再确定顶点距离损失。其中，具有代表性的顶点具体例如可以包括眼睛、鼻子、眼角、嘴角、手腕等部位对应的顶点。在从多个第一顶点和多个第二顶点中分别筛选顶点时，具体
可以采用手工标注的方式进行筛选，或者也可以使用预先训练的神经网络从多个第一顶点和多个第二顶点中筛选出的这部分顶点。
85.此处，从多个第一顶点中挑选出的顶点表示为第一目标顶点，从多个第二顶点中挑选出的顶点表示为第二目标顶点。在利用第一目标顶点和第二目标顶点确定距离损失阈值时，也可以相似的采用上述根据第一顶点和第二顶点确定顶点距离损失的方式进行。由于筛选出的第一目标顶点的数量相较于第一顶点而言数量较少，第二目标顶点的数量相较于第二顶点的数量也较少，因此得到的顶点距离损失构成的向量维度较低，后续需要处理的数据量也较少，有助于提高人体模型重建的效率。
86.针对得到的顶点距离损失，若第二人体模型在表达人体姿态特征上与第一人体模型表达的人体姿态特征相似，相较于未能较好的表达出第一人体模型的人体姿态特征的第二人体模型而言，每个第一顶点与多个第二顶点之间分别对应的距离之和会较小。因此利用顶点距离损失，也可以判断第二人体模型是否在人体姿态特征上与第一人体模型相似。
87.s502：基于所述距离损失，对所述人体模型参数进行调整，得到所述目标人体模型参数。
88.在根据上述s501确定距离损失后，在一种可能的情况下，可以联合关键点距离损失和顶点距离损失，共同对人体模型参数进行调整，得到目标人体模型参数。具体地，在联合关键点距离损失和顶点距离损失时，可以利用关键点距离损失和顶点距离损失确定均方误差，这里得到的均方误差可以表达第二人体模型与第一人体模型之间的差异程度。
89.此处，除均方误差以外，还可以具有其他联合关键点距离损失和顶点距离损失的方式，均在本公开实施例的保护范围内，在此不再逐一列举。
90.s503：基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型。
91.在具体实施中，具体例如可以响应于所述距离损失大于预设的损失阈值，调整所述人体模型参数，得到目标人体模型参数；利用所述目标人体模型参数重新进行第二人体建模处理，得到对所述第二人体模型进行调整后的目标人体模型。此处，预设的损失阈值表示可允许的第一人体模型与第二人体模型之间的差异程度。
92.在一种可能的情况下，若确定的距离损失大于预设的损失阈值，则说明第一人体模型和第二人体模型之间在人体姿态特征上的差异仍较大，因此还需要对人体模型参数进行调整。在对人体模型参数进行调整后，可以得到新的人体模型参数。为了验证新的人体模型参数是否可以作为建立目标人体模型的目标人体模型参数，可以利用新的人体模型参数重新进行第二人体建模处理，得到表征目标人体的人体姿态特征和形状特征的第二人体模型，然后再利用新的第二人体模型重新确定与第一人体模型之间的距离损失，以判断新的第二人体模型是否能够较好的拟合出第一人体模型的人体姿态特征。若确定的距离损失仍旧大于预设的损失阈值，则继续对人体模型参数进行调整，直至调整后的人体模型参数相应确定的距离损失小于预设的损失阈值。
93.在另一种可能的情况下，若确定的距离损失小于或者等于预设的损失阈值，例如在多次迭代的最后一次迭代中确定的距离损失小于或者等于预设的损失阈值的情况下，可以将最后一次确定的人体模型参数，确定为目标人体模型参数。由于确定的目标人体模型参数在确定第二人体模型后，相应计算出与第一人体模型之间的距离损失表示第一人体模
型和第二人体模型之间的差异较小，因此可以表明第二人体模型在人体姿态特征上与第一人体模型表达出的人体姿态特征相似，也即此时的第二人体模型能够较好的拟合出目标人体的人体姿态特征。
94.这样，利用目标人体模型参数重新进行的第二人体建模处理，可以得到目标人体模型。得到的目标人体模型在能够较好地拟合出目标人体的人体姿态特征的同时，相较于第一人体模型而言还可以细化出人脸表情、手部动作等的形状特征，与目标人体的特征匹配度更高，提高了三维人体模型中对人体姿态特征和表情、手势等细节上的形状特征的建模效果。
95.在本公开另一实施例中，还提供了一种利用本公开实施例提供的人体模型的重建方法确定目标人体模型的具体实施例。示例性的，参见图6所示，为本公开实施例提供的一种确定目标人体模型的具体实施例的流程图；其中，
96.s601：对包含目标人体的原始图像进行处理，得到用于确定人体模型参数的目标图像。
97.在该实施例中，用于确定人体模型参数的神经网络模型包括上述说明的hmr模型，具体可以对尺寸为224像素
×
224像素的图像进行处理。因此对于原始图像而言，可以通过设置图像大小为224像素
×
224像素、以及像素值归一化等处理操作，将原始图像处理为本实施例中神经网络可处理的目标图像。
98.s602：利用目标图像，对目标人体进行第一人体建模处理得到第一人体模型。
99.在该步骤中，具体包括下述两个步骤：利用目标图像得到用于确定第一人体建模处理时的人体模型参数的步骤、以及利用人体模型参数对目标人体进行第一人体建模处理，得到第一人体模型的步骤。
100.具体地，可以将目标图像作为上述步骤s601中hmr模型的输入数据，并由hmr模型对目标图像处理后，输出人体模型参数。人体模型参数具体可以包括动作参数、形状参数。具体可以参照上述步骤s101的说明，在此不再重复赘述。
101.在获取到人体模型参数后，可以将人体模型参数作为输入数据，对目标人体进行第一人体建模处理。示例性的，利用人体模型参数对目标人体进行第一人体建模处理得到第一人体模型，例如包括利用人体模型参数确定目标人体的smpl人体模型。在一种可能的情况下，由smpl人体模型中的多个第一顶点、以及由多个第一顶点构成smpl人体模型的多个三角面片来表达smpl人体模型。具体地，根据上述说明的人体模型参数中的动作参数以及形状参数可以调整第一人体模型中第一顶点的位置，并通过第一顶点位置的调整使三角面片发生改变，以重建出第一人体模型。利用人体模型参数可以使第一人体模型能够具有目标人体的人体姿态特征，具体可以参见上述s102中的说明，在此不再重复赘述。
102.s603：利用基于目标图像确定的人体模型参数，对目标人体进行第二人体建模处理得到第二人体模型。
103.具体地，利用人体模型参数对目标人体进行第二人体建模处理得到第二人体模型，例如包括利用人体模型参数确定目标人体的smpl-x人体模型。与上述s602中对目标人体进行第一人体建模处理得到第一人体模型相似的，人体模型参数可以通过对smpl-x人体模型中的多个第二顶点的位置改变、以及对由多个第二顶点确定构成smpl-x人体模型的三角面片的调整，重建出第二人体模型。相较于第一人体模型，第二人体模型可以在表达人体
姿态特征的同时，表达出目标人体的形状特征，具体也可以参见上述s102中的说明，在此同样不再赘述。
104.s604：利用第一人体模型和第二人体模型，对人体模型参数进行优化，得到目标人体模型参数。
105.在该步骤中，具体包括下述两个步骤：对第一人体模型和第二人体模型的关键点和顶点进行对齐约束的步骤、以及利用对齐约束步骤中产生的距离损失对人体模型参数进行迭代优化的步骤。
106.其中，对第一人体模型和第二人体模型的关键点和顶点进行对齐约束的步骤，具体包括上述说明的确定距离损失的步骤；在利用距离损失进行对齐约束时，将距离损失作为损失函数，当距离损失越小时，确定第一人体模型和第二人体模型的关键点和顶点越接近对齐。其中，由于在对齐约束时具体包括对关键点和顶点的对齐约束，因此距离损失具体包括关键点距离损失以及顶点距离损失，具体可以参见上述s103中的说明，在此不再重复赘述。
107.对于利用距离损失对人体模型参数进行迭代优化的步骤，具体可以采用迭代优化器adam对人体模型参数进行优化，优化的目标是使确定的距离损失变小，具体可以设置一个预设的损失阈值，并在距离损失小于预设损失阈值时确定停止迭代，并将最后一个迭代周期中对应的人体模型参数作为目标人体模型参数。或者，也可以设置迭代的次数，比如设置进行q次迭代，并将第q次迭代周期中确定的人体模型参数，作为目标人体模型参数。
108.s605：利用目标人体模型参数对目标人体进行第二人体建模处理，得到目标人体模型。
109.在该步骤中，利用上述过程中优化得到的目标人体模型参数，可以对目标人体进行第二人体建模处理，得到构成目标人体模型的各个目标顶点对应的顶点坐标信息，以确定目标人体模型。
110.通过上述过程，即实现了对第二人体模型中相关参数的优化处理，得到目标人体模型，且该目标人体模型能够更准确的拟合真实人体的情况。
111.在本公开另一实施例中，还提供了另一种利用本公开实施例提供的人体模型的重建方法确定目标人体模型的具体实施例。在该实施例中，本公开实施例提供的重建方法具体应用于为目标对象生成一段具有舞蹈动作的舞蹈视频。其中，舞蹈动作有参考动作视频确定，参考动作视频例如可以是对某舞蹈演员在进行舞蹈时拍摄得到的，或者也可以是通过舞蹈动作相关的控制信息生成的，比如，控制信息可以用于使在舞蹈视频中显示出的舞蹈演员进行芭蕾舞表演。
112.在该种场景中，可以将希望在舞蹈视频中显示出的人物作为目标对象，利用目标对象的人体照片，可以将舞蹈视频中显示出的舞蹈演员替换成目标对象，并相应的在显示出的舞蹈演员的姿态特征上表现出目标对象的姿态特征，另外目标对象的面部表情以及手部姿态也可以由舞蹈演员相应的显示出。
113.在具体实施中，可以获取目标对象的目标图像，并利用本公开实施例提供的人体模型的重建方法，确定与目标人脸对应的目标人体模型。此处得到目标人体模型，可以用于替换在参考动作视频中的舞蹈演员，或者利用上述说明的与舞蹈动作相关的控制信息渲染生成舞蹈画面，以在生成的舞蹈画面中展示出目标对象正在进行舞蹈表演的效果。而由于
目标人体模型可以在人体姿态特征和形状特征上都具备有目标对象的体态和表情特征，使得目标人体模型在人体动作、姿态、表情等方面均与目标对象之间的相似度较高，因此在舞蹈视频上能够更加真实的展示出目标对象的舞蹈表演效果，实用性更强。
114.另外，本公开实施例提供的人体模型的重建方法还可以应用于智能视频监控等其他领域，以对获取到的目标图像中的人体动作、面部表情、手势动作等特征进行还原，并达到不同的使用目的。
115.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
116.基于同一发明构思，本公开实施例中还提供了与人体模型的重建方法对应的人体模型的重建装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述人体模型的重建方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
117.参照图7所示，为本公开实施例提供的一种人体模型的重建装置的示意图，所述装置包括：获取模块71、第一处理模块72、第二处理模块73；其中，
118.获取模块71，用于获取目标人体的人体模型参数；所述人体模型参数包括：动作参数以及形状参数；
119.第一处理模块72，用于基于所述人体模型参数对所述目标人体进行第一人体建模处理，得到表征所述目标人体的人体姿态特征的第一人体模型、并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型；
120.第二处理模块73，用于基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型。
121.一种可选的实施方式中，所述第二处理模块73在基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型时，用于：基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失；基于所述距离损失，对所述人体模型参数进行调整，得到所述目标人体模型参数；基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型。
122.一种可选的实施方式中，所述距离损失包括：关键点距离损失，所述第二处理模块73在基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失时，用于：基于多个所述第一顶点分别对应的第一位置信息进行关键点回归处理，得到所述第一人体模型中的多个第一关键点分别对应的第三位置信息；以及，基于多个所述第二顶点分别对应的第二位置信息进行关键点回归处理，得到所述第二人体模型中的多个第二关键点分别对应的第四位置信息；基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失。
123.一种可选的实施方式中，所述第二处理模块73在基于多个第一关键点分别对应的第三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定所述关键点距离损失时，用于：针对多个所述第一关键点中的每个第一关键点，基于该第一关键点对应的第
三位置信息、以及多个所述第二关键点分别对应的第四位置信息，确定该第一关键点对应的第一距离信息；基于多个第一关键点分别对应的第一距离信息，确定所述关键点距离损失。
124.一种可选的实施方式中，所述距离损失还包括：顶点距离损失；所述第二处理模块73在基于所述第一位置信息和所述第二位置信息，确定所述第一人体模型和所述第二人体模型之间的距离损失时，用于：针对多个所述第一顶点中的每个第一顶点，基于该第一顶点对应的第一位置信息、以及多个所述第二顶点分别对应的第二位置信息，确定该第一顶点对应的第二距离信息；基于多个第一顶点分别对应的第二距离信息，确定所述顶点距离损失。
125.一种可选的实施方式中，所述第二处理模块73在基于所述目标人体模型参数，对所述第二人体模型进行调整，得到所述目标人体模型时，用于：响应于所述距离损失大于预设的损失阈值，调整所述人体模型参数，得到目标人体模型参数；利用所述目标人体模型参数重新进行第二人体建模处理，得到对所述第二人体模型进行调整后的目标人体模型。
126.一种可选的实施方式中，所述第二处理模块73还用于：响应于所述距离损失小于或者等于预设的损失阈值，将所述人体模型参数，确定为所述目标人体模型参数。
127.一种可选的实施方式中，所述第二处理模块73在响应于所述距离损失大于所述损失阈值，调整所述人体模型参数，得到所述目标人体模型参数时，用于：基于所述距离损失，调整所述人体模型参数，得到新的人体模型参数，并基于所述新的人体模型参数，返回至利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型的步骤；直至所述距离损失小于或者等于所述损失阈值；将最后一次确定的新的人体模型参数，确定为所述目标人体模型参数。
128.关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
129.本公开实施例还提供了一种计算机设备，如图8所示，为本公开实施例提供的计算机设备结构示意图，包括：
130.处理器10和存储器20；所述存储器20存储有处理器10可执行的机器可读指令，处理器10用于执行存储器20中存储的机器可读指令，所述机器可读指令被处理器10执行时，处理器10执行下述步骤：
131.获取目标人体的人体模型参数；所述人体模型参数包括：动作参数以及形状参数；基于所述人体模型参数对所述目标人体进行第一人体建模处理，得到表征所述目标人体的人体姿态特征的第一人体模型、并利用所述人体模型参数进行第二人体建模处理，得到表征所述目标人体的人体姿态特征和形状特征的第二人体模型；基于所述第一人体模型中多个第一顶点分别对应的第一位置信息、以及所述第二人体模型中多个第二顶点分别对应的第二位置信息，对所述第二人体模型进行调整，得到目标人体模型。
132.上述存储器20包括内存210和外部存储器220；这里的内存210也称内存储器，用于暂时存放处理器10中的运算数据，以及与硬盘等外部存储器220交换的数据，处理器10通过内存210与外部存储器220进行数据交换。
133.上述指令的具体执行过程可以参考本公开实施例中所述的人体模型的重建方法的步骤，此处不再赘述。
134.本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中所述的人体模型的重建方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
135.本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中所述的人体模型的重建方法的步骤，具体可参见上述方法实施例，在此不再赘述。
136.其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
137.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
138.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
139.另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
140.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
141.最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。