Ứng dụng kinect xây dựng ứng dụng thử quần áo ảo

BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH LÊ QUANG MINH ỨNG DỤNG KINECT XÂY DỰNG ỨNG DỤNG THỬ QUẦN ÁO ẢO Chuyên ngành: KHOA HỌC MÁY TÍNH Mã chuyên ngành: 60480101 LUẬN VĂN THẠC SĨ THÀNH PHỐ HỒ CHÍ MINH, NĂM 2019 Cơng trình hồn thành Trường Đại học Cơng nghiệp TP Hồ Chí Minh Người hướng dẫn khoa học: Người phản biện 1: Người phản biện 2: Luận văn thạc sĩ bảo vệ Hội đồng chấm bảo vệ Luận văn thạc sĩ Trường Đại học Công nghiệp thành phố Hồ Chí Minh ngày tháng năm Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS Huỳnh Trung Hiếu - Chủ tịch Hội đồng TS Lê Thành Sách - Phản biện TS Trần Anh Tuấn - Phản biện TS Phạm Văn Chung - Ủy viên TS Phạm Thị Thiết - Thư ký CHỦ TỊCH HỘI ĐỒNG TRƯỞNG KHOA CNTT BỘ CÔNG THƯƠNG TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH CỘNG HỊA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Lê Quang Minh MSHV: 15118201 Ngày, tháng, năm sinh: 19/08/1988 Nơi sinh: TP.HCM Chuyên ngành: Khoa học Máy tính Mã chuyên ngành: 60480101 I TÊN ĐỀ TÀI: Ứng dụng Kinect xây dựng ứng dụng thử quần áo ảo NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu ứng dụng cảm biến Kinect vào việc nhận dạng thể người điều khiển cử Xây dựng ứng dụng thử quần áo ảo phù hợp với cửa hàng quần áo, cho phép khách hàng thử trang phục ảo mợt cách nhanh chóng, tiết kiệm thời gian II NGÀY GIAO NHIỆM VỤ: Theo Quyết định số 3441/QĐ-ĐHCN 26/12/2017 III NGÀY HOÀN THÀNH NHIỆM VỤ: 26/06/2018 IV NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Phạm Thế Bảo Tp Hồ Chí Minh, ngày … tháng … năm 20 … NGƯỜI HƯỚNG DẪN CHỦ NHIỆM BỘ MÔN ĐÀO TẠO TRƯỞNG KHOA CÔNG NGHỆ THƠNG TIN LỜI CẢM ƠN Trước hết tơi xin gửi lời cảm ơn chân thành tới tập thể thầy cô giáo Khoa Công nghệ Thông tin, Trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh giúp đỡ tận tình chu tơi có mơi trường tốt học tập nghiên cứu Đặc biệt, xin bày tỏ lòng biết ơn sâu sắc tới thầy PGS.TS Phạm Thế Bảo, người trực tiếp hướng dẫn, bảo tơi tận tình suốt q trình nghiên cứu hồn thiện luận văn Mợt lần xin gửi lời cảm ơn đến tất cả thầy giáo, bạn bè, gia đình quan giúp đỡ thời gian vừa qua i TÓM TẮT LUẬN VĂN THẠC SĨ “Ứng dụng Kinect xây dựng ứng dụng thử quần áo ảo” một đề tài nghiên cứu hỗ trợ khách hàng cửa hàng thời trang thay đổi loại áo khác thời gian thực, mà khách hàng không cần phải thực việc thay quần áo phòng thử quần áo Mục tiêu nghiên cứu phát triển mợt mơ hình hỗ trợ việc theo vết ước lượng kích thước áo người dùng, giúp cho việc hiển thị kích thước áo “ảo” xác Hình ảnh khách hàng phân đoạn đo đạc kích thước, sau thực ước lượng số đo kích thước áo mà người dùng mặc Người dùng trực tiếp thấy hình ảnh mặc loại áo khác đứng trước mợt hình hiển thị đóng vai trị mợt tấm gương phản chiếu Hình ảnh người dùng mặc áo “ảo” hiển thị tương ứng với chuyển động thời gian thực mợt cách mượt mà Phương pháp đề xuất kiểm thử chứng minh tính hiệu quả tập liệu thực Hơn nữa, hệ thống xây dựng thiết bị thông dụng tương đối rẻ, khả áp dụng rợng rãi cửa hàng thời trang rất cao ii ABSTRACT I present a “Virtual fitting rooms application using Kinect” system which allows shoppers virtually try on different cloths in the real-time without changing their real clothes in fitting rooms The aim of research is to develop a novel method for tracking and estimation of clothes size for improving of display “virtual” upper cloth The shoppers’s body is segmented out from the image Then the system will extract the user’s body size After that, a user’s size cloth will be achieved by using my estimation method of clothes size The users can see themselves on the display dressed in the clothes’s chosen when they stands in front of the system’s display, which is like a mirror The “virtual” garment is overlay on user and smothly according to user’s motions in the real-time The proposed methods have been tested and proven the efficiency on real databases Moreover, it utilized cheap hardware and therfore is affordable for and highly recommand for clothing shop iii LỜI CAM ĐOAN Tôi xin cam đoan nội dung luận văn “Ứng dụng Kinect xây dựng ứng dụng thử quần áo ảo” thực hướng dẫn thầy PGS.TS Phạm Thế Bảo Những nội dung trình bày luận văn cá nhân tổng hợp từ nhiều nguồn tài liệu khác Tất cả tài liệu tham khảo có x́t xứ rõ ràng trích dẫn đầy đủ Tơi xin chịu hồn tồn trách nhiệm chịu hình thức kỷ luật theo quy định cho lời cam đoan Học viên Lê Quang Minh iv MỤC LỤC MỤC LỤC v DANH MỤC HÌNH ẢNH viii DANH MỤC BẢNG BIỂU x DANH MỤC TỪ VIẾT TẮT xii MỞ ĐẦU 1 Đặt vấn đề .1 Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Cách tiếp cận phương pháp nghiên cứu .2 Ý nghĩa thực tiễn đề tài TỔNG QUAN 1.1 Bài toán 1.2 Các hướng tiếp cận 1.2.1 Tạo nhân vật ảo 1.2.2 Thực ảo 1.2.3 Kỹ thuật theo vết người dùng thời gian thật 1.2.4 Ước lượng kích thước thể người 12 1.3 Khó khăn thách thức .14 1.4 Đề xuất hướng giải 16 CHƯƠNG CƠ SỞ LÝ THUYẾT 17 2.1 Ảnh chiều sâu 17 2.1.1 Kỹ thuật Ánh sáng có cấu trúc 17 2.1.2 Kỹ thuật Time of Flight – TOF 18 2.1.3 Ánh xạ điểm từ không gian chiều sâu qua không gian vật lý 19 2.2 Phân đoạn bộ phận thể 19 2.2.1 Giải thuật rừng ngẫu nhiên 19 2.2.2 Thuật toán Mean Shift 21 2.3 Phương pháp xác suất – thống kê 21 v 2.3.1 Mơ hình hồi quy tuyến tính đơn 22 2.3.2 Mô hình hồi quy tuyến tính nhiều chiều 22 2.4 Phương pháp máy học 23 2.5 Phương pháp kết hợp 26 2.6 Phương pháp thu thập liệu .27 2.6.1 Nguyên tắc chọn mẫu 28 2.6.2 Ước tính số lượng cỡ mẫu 31 2.6.3 Phương pháp nghiên cứu 32 2.7 Phương pháp xử lý số liệu 33 CHƯƠNG XÂY DỰNG THUẬT TOÁN 36 3.1 Bài toán phát người dựa video .36 3.1.1 Phân đoạn bộ phận thể người 36 3.1.2 Tính tốn vị trí điểm kết nối 37 3.2 Bài tốn đo kích thước người dùng .43 3.2.1 Bài tốn tính chu vi ngực 43 3.2.2 Bài tốn tính chiều cao người dùng 50 3.3 Bài toán ước lượng số đo kích thước áo ngắn tay .52 3.3.1 Giới thiệu số đo áo 52 3.3.2 Mơ hình số đo áo dựa phương pháp xác suất – thống kê 54 3.3.3 Mơ hình số đo áo dựa phương pháp máy học 62 3.3.4 Mơ hình số đo áo dựa phương pháp kết hợp 65 3.4 Bài tốn ảo hóa thay áo .68 3.4.1 Xác định vị trí áo 70 3.4.2 Co dãn áo 72 3.4.3 Hiển thị áo ảo hình 73 CHƯƠNG KẾT QUẢ VÀ ĐÁNH GIÁ 76 4.1 Môi trường thực nghiệm .76 4.1.1 Tổng quan hệ thống 77 4.1.2 Kiến trúc hệ thống 79 4.1.3 Thực đo kích thước người dùng 81 vi 4.2 Xây dựng liệu 82 4.2.1 Đối tượng nghiên cứu 83 4.2.2 Tổ chức đo 84 4.2.3 Đặc điểm chiều cao 87 4.2.4 Đặc điểm vai 89 4.2.5 Đặc điểm phần ngực 90 4.2.6 Đặc điểm số đo áo 91 4.3 Kết quả 100 4.3.1 Phát phân đoạn người dùng dựa video 100 4.3.2 Đo kích thước người dùng 103 4.3.3 Ước lượng số đo áo ngắn tay 107 4.3.4 Ảo hóa thay áo 117 KẾT LUẬN VÀ KIẾN NGHỊ 119 Kết luận .119 1.1 Ưu điểm 119 1.2 Khuyết điểm 119 Kiến nghị .120 2.1 Phát triển phương pháp cho phép người dùng nữ thay đổi áo ảo 120 2.2 Phát triển phương pháp mô hiệu ứng quần áo 120 2.3 Phát triển phương pháp mơ hình quần áo 3D từ ảnh 2D 120 TÀI LIỆU THAM KHẢO 121 PHỤ LỤC 123 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN 124 vii Dự đoán số đo áo sử dụng hàm hồi quy đa biến tập liệu đo tay Hàm hồi quy (𝑆) nhiều tham số (Vai, Ngực, Cao, Dài lưng) tập liệu đo tay Bảng 4.22 Thống kê hồi quy số đo với kích thước áo tập liệu đo tay R R Bình phương R Bình phương hiệu chỉnh Sai số chuẩn Số lượng mẫu 0.88 0.78 0.77 0.47 72 Bảng 4.23 Bảng phân tích phương sai (ANOVA) số đo với kích thước áo tập liệu đo tay df SS MS F Significance F Regression 53.64 13.40 59.84 2.08E-21 Residual 67 15.01 0.22 Tổng cộng 71 68.65 Bảng 4.24 Bảng tương quan số đo với kích thước áo tập liệu đo tay Intercept Vai Ngực Cao Dài lưng Coefficients -17.33 0.14 0.02 0.06 0.05 Standard Error 1.73 0.02 0.01 0.01 0.03 t Stat -10.02 6.30 1.72 4.46 1.60 P-value 5.99E-15 2.61E-08 0.09 3.21E-05 0.11 < 95% -20.78 0.09 -0.01 0.03 -0.01 > 95% -13.87 0.18 0.03 0.08 0.12 110 Hàm hồi quy tìm (4-4) 𝑆 = −17.3261 + 0.1376 ∗ 𝑉 + 0.01571 ∗ 𝑁 + 0.055 ∗ 𝐶 + 0.0526 ∗ 𝐷 (4-4) Dự đoán số đo áo sử dụng hàm hồi quy đa biến tập liệu nhà sản xuất Hàm hồi quy (𝑆) nhiều tham số (Vai, Ngực, Cao, Dài lưng) nhà sản xuất Bảng 4.25 Thống kê hồi quy số đo với kích thước áo nhà sản xuất R R Bình phương R Bình phương hiệu chỉnh Sai số chuẩn Số lượng mẫu 1 2.94E-16 Bảng 4.26 Bảng phân tích phương sai (ANOVA) số đo với kích thước áo nhà sản xuất df SS MS F Significance F Regression 10 2.5 1.16E+32 - Residual 2.58E-31 8.62E-32 Tổng cộng 10 111 Bảng 4.27 Bảng tương quan số đo với kích thước áo nhà sản xuất Intercept Cao Coefficients -25.5 0.17 Standard Error 2.65E-15 1.55E-17 t Stat -9.62E+15 1.08E+16 P-value 2.48E-48 - < 95% -25.5 0.17 > 95% -25.5 0.17 Hàm hồi quy tìm (4-5) 𝑆 = −25.5 + 0.16667 ∗ 𝐶 (4-5) Ở đây, ta nhận thấy có mợt khác biệt, việc mất ba tham số Vai - 𝑉 Dài lưng - 𝐷 Ngực - N việc định số đo áo so sánh với hàm hồi quy nhiều tham số tập liệu đo tay 4.3.3.2 Phương pháp máy học Thông tin chi tiết mô hình ANN đề cập Bảng 4.28 Tập liệu h́n luyện cho mơ hình tập liệu đo tay Số lượng mẫu 72 mẫu 70% liệu huấn luyện cho việc học, 15% cho việc kiểm tra, 15% cho việc đánh giá kết quả 112 Bảng 4.28 Bảng chi tiết tham số mơ hình ANN đề xuất Tham số Giá trị Số lượng nút lớp nhập (Vai, Ngực, Cao, Dài lưng) Số lượng lớp ẩn Số lượng nút lớp ẩn 30 Số lượng nút lớp xuất (Số đo áo) Giải thuật huấn luyện Scaled conjugate gradient backpropagation (trainscg) Hàm chuyển đổi Logarithmic sigmoid (logsig) S Kết quả xuất M L XL XXL S M L XL XXL Kết quả mong đợi Hình 4.27 Kết quả confusion matrix phương pháp máy học 113 4.3.3.3 Phương pháp kết hợp Phương pháp kết hợp mơ hình ANN mơ hình hồi quy tuyến tính nhiều chiều sau: Lấy kết quả mơ hình ANN mục 4.3.3.2 làm tập liệu h́n luyện cho mơ hình hồi quy tuyến tính nhiều chiều Hàm hồi quy (𝑆) nhiều tham số (Vai, Ngực, Cao, Dài lưng) tập liệu đo tay Bảng 4.29 Thống kê hồi quy số đo với kích thước áo tập liệu đo tay R R Bình phương R Bình phương hiệu chỉnh Sai số chuẩn Số lượng mẫu 0.92 0.85 0.84 0.39 72 Bảng 4.30 Bảng phân tích phương sai (ANOVA) số đo với kích thước áo tập liệu đo tay df SS MS F Significance F Regression 55.22 13.81 91.61 2.01E-26 Residual 67 10.10 0.15 Tổng cộng 71 65.32 114 Bảng 4.31 Bảng tương quan số đo với kích thước áo tập liệu đo tay Intercept Vai Ngực Cao Dài lưng Coefficients -17.94 0.14 0.02 0.08 0.01 Standard Error 1.42 0.02 0.01 0.01 0.03 t Stat -12.64 7.60 2.50 7.72 0.01 P-value 2.07E-19 1.26E-10 0.01 7.59E-11 0.99 < 95% -20.77 0.10 0.01 0.06 -0.05 > 95% -15.10 0.17 0.03 0.10 0.05 Hàm hồi quy tìm (4-6) 𝑆 = −17.9359 + 0.136 ∗ 𝑉 + 0.018 ∗ 𝑁 + 0.078 ∗ 𝐶 + 0.0004 ∗ 𝐷 (4-6) 4.3.3.4 Kết ước lượng số đo áo ngắn tay Chúng thực đánh giá kết quả ước lượng số đo áo (Hình 4.28, Hình 4.29) Trong phương pháp Euclidean phương pháp ước lượng kích thước áo dựa khoảng cách chúng tơi đề x́t (mục 3.3.2.2), cịn phương pháp Euclidean phương pháp ước lượng kích thước áo dựa khoảng cách nhóm tác giả Reizo, Masaki Shosiro [13] Phương pháp hồi quy tuyến tính đơn phương pháp tìm hồi quy thông qua tập liệu nhà sản xuất tập liệu thu qua trình đo trực tiếp tình nguyện viên Hai phương pháp hồi quy nhiều chiều tiếp phương pháp tìm hồi quy với nhiều tham số khác (tham số số đo vai, ngực, chiều cao, dài lưng) với tập liệu thu qua trình đo trực tiếp nhà sản xuất Phương pháp máy học (ANN) sử dụng mạng neural huấn luyện với tập liệu thu tình nguyện viên phương pháp cuối phương pháp kết hợp mạng nerual hồi quy tuyến tính nhiều chiều 115 Hình 4.28 Kết quả ước lượng số đo áo Hình 4.29 Đợ xác phương pháp dự đốn kích thước áo Kết quả ước lượng số đo áo bao gồm tiêu chí số lượng số đo áo dự đốn nhỏ mợt số/bằng số/lớn một số so với số đo áo thực mà người dùng mặc “Tổng bao gồm sai số cho phép” tức kết quả số lượng áo dự đốn có số đo áo số đo áo mà người dùng mặc, cộng với số lượng áo dự đốn có số đo áo lớn số đo áo mà người dùng mặc Sai số chấp nhận: Là áo có số đo đánh giá lớn số đo người dùng mợt số Ví dụ, người dùng mặc áo có số đo L, kết quả dự đoán XL gọi sai số chấp nhận 116 Sai số không chấp nhận: Là áo có số đo đánh giá nhỏ số đo người dùng lớn số đo người dùng số trở lên Ví dụ, người dùng mặc áo có số đo L, kết quả dự đoán M XXL gọi sai số, kết quả khơng chấp nhận Đợ xác phương pháp dự đốn kích thước áo chúng tơi thể Hình 4.29 Chúng tơi so sánh đợ xác phương pháp dự đốn kích thước áo bao gồm sai số chấp nhận đợ xác phương pháp dự đốn kích thước áo khơng bao gồm sai số số chấp nhận Ta nhận thấy với phương pháp ước lượng Max, ta có đợ xác tổng cợng cao nhất Tuy nhiên, đợ xác khơng bao gồm sai số chấp nhận phương pháp đề xuất kết hợp máy học hồi quy cho đợ xác cao nhất Hiển nhiên, ta thấy phương pháp Min cho kết quả xác nhất, kết quả kích thước áo dựa vào yếu tố nhỏ nhất số đo thể 4.3.4 Ảo hóa thay áo Kết quả phương pháp ảo hóa thay áo chúng tơi đề x́t thể Hình 4.30 117 Hình 4.30 Kết quả ảo hóa thay áo 118 KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Hệ thống đạt nhiều kết quả nhất định cho phép người dùng trải nghiệm thử áo ảo với khả dự đốn kích thước áo, biến đổi áo ảo cho phù hợp với chuyển động người dùng 1.1 Ưu điểm Ứng dụng thử áo ảo sử dụng thiết bị Kinect cho phép người dùng tự thử áo ảo mà không cần sử dụng điểm trọng yếu, người sử dụng nhanh chóng thử áo với thao tác đơn giản đứng trước máy quay, hệ thống tự động nhận dạng theo vết người dùng thời gian thật Ứng dụng thử nghiệm môi trường khác nhau, phịng có khơng gian mở, nguồn sáng sử dụng ánh sáng mặt trời Mơi trường phịng có khơng gian kín sử dụng bóng đèn nguồn sáng Chúng đề phương pháp giúp đo chu vi ngực người dùng sử dụng ảnh chiều sâu Ngồi ra, chúng tơi cịn phát triển mơ hình tốn học giúp dự đốn kích thước áo người dùng Hệ thống thử nghiệm liệu thật bạn tình nguyện viên, giúp kiểm chứng cho tính hiệu quả mơ hình đề 1.2 Khuyết điểm Hiện hệ thống cho phép người dùng nam thay đổi áo dự đoán số đo người dùng Nguyên nhân phức tạp bộ áo nữ, so với người dùng nam cần mợt vài số đo thể (vai, chu vi ngực, dài lưng hay chiều cao) dự đốn kích thước bợ áo nam Các bợ áo ảo 3D hiển thị chương trình thiết kế thủ cơng Chương trình chưa hỗ trợ phương pháp tự đợng hóa chuyển bợ áo cửa hàng thời trang thành mơ hình áo ảo 3D Đây một công đoạn gây mất nhiều thời gian cửa hàng họ phải tự vẽ thiết kế mơ hình 3D chương trình 119 thiết kế chuyên dụng (3Ds Max, Autocad, Blender…), việc thiết kế đòi hỏi kỹ thiết kế 3D chuyên nghiệp, điều gây phiền toái cho cửa hàng tạo kiểu áo ảo Kiến nghị Các hướng phát triển đề xuất để cải tiến chương trình tốt tương lai Đem lại trải nghiệm tốt nhất cho người dùng sử dụng hệ thống thử quần áo ảo 2.1 Phát triển phương pháp cho phép người dùng nữ thay đổi áo ảo Để cho hỗ trợ người dùng nữ thử áo ảo ta cần biết thêm số đo chu vi hông, chu vi eo, số đo tiêu chuẩn giống người dùng nam số đo cổ, chu vi ngực, ngang vai Hệ thống cần mở rộng tương lai với khả cho phép người dùng nữ thay đổi áo dự đoán số đo họ 2.2 Phát triển phương pháp mô hiệu ứng quần áo Mặc dù áo ảo chúng tơi xây dựng thay đổi hình dạng cho phù hợp với chuyển động người dùng phương pháp “mesh deformation” nhiên bộ áo ảo chưa có hiệu ứng chuyển đợng bợ áo thật Ví dụ bợ áo thật có cảm giác mềm mại, xuất vết nhăn/vết gấp chuyển động, giơ tay, ống tay áo có xu hướng rũ xuống trọng lực trái đất,… 2.3 Phát triển phương pháp mơ hình quần áo 3D từ ảnh 2D Đề tài nghiên cứu thực giới hạn phạm vi sử dụng bộ áo 3D thiết kế sẵn theo một quy trình đề trước mà chưa cho phép người dùng (người cung cấp trường thử quần áo ảo cho khách) tự tạo bộ áo 3D từ ảnh chụp Các ảnh chụp 2D ảnh chụp bộ quần áo thật, chụp lại từ nhiều góc đợ khác nhằm mục đích tái lại thành mơ hình 3D để sử dụng chương trình Hơn nữa, theo cách này, ta cung cấp thêm thơng tin chiều sâu vật thể để việc tái tập mô hình 3D trở nên xác 120 TÀI LIỆU THAM KHẢO [1] C Frédéric et al "From 2D Photos of Yourself to Virtual Try-On Dress on the Web," People and Computers XV—Interaction without Frontiers Conference Vol 2001, pp 31-46 Springer, 2001 [2] C Frédéric et al "Made-to-measure technologies for online clothing store," IEEE Computer Graphics and Applications Vol 23, no 1, pp 38-48, 2003 [3] A Divivier et al "Virtual Try-On Topics in Realistic, Individualized Dressing in Virtual Reality," International Conference on Computer Science and Software Engineering Vol 2014, pp 451, 2004 [4] N Thalmann et al "3D Web-Based Virtual Try On of Physically Simulated Clothes," Computer-Aided Design and Applications Vol 8, pp 163-174, January 2011 [5] S Hauswiesner et al "Free viewpoint virtual try-on with commodity depth cameras," Proceedings of the 10th International Conference on Virtual Reality Continuum and Its Applications in Industry Vol 11, pp 23-30, 2011 [6] P Presle "A Virtual Dressing Room based on Depth Data," M.S thesis Dept Faculty of Informatics Vienna University of Technology Vienna, 2012 [7] L Ziquan "Augmented Reality: Virtual fitting room using Kinect," B.Comp dissertation Dept Computer Science National University of Singapore Singapore, 2012 [8] Bansidhar et al "A Real Time Virtual Dressing Room Application using Kinect and HD camera," International Journal of Science Technology Management and Research Vol 1, no 9, December 2016 [9] T Andres et al "A New Retexturing Method for Virtual Fitting Room Using Kinect Camera," IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW) Vol 2015, pp 75-79, 7-12 June 2015 121 [10] K Kjærside et al "ARDressCode: Augmented Dressing Room with Tagbased Motion Tracking and Real-Time Clothes Simulation," Proceedings of the Central European Multimedia and Virtual Reality Conference, 2005 [11] N Araki and Y Muraoka "Follow-the-Trial-Fitter: Real-time dressing without undressing," Third IEEE International Conference on Digital Information Management (ICDIM), 2008 [12] C Charbonnier and C Lo "VIRTUAL MIRROR: A real-time motion capture application for virtual-try-on," M.S thesis Dept Centre Universitaire Informatique (CUI) University of Geneva Switzerland, 2006 [13] R NAKAMURA et al "Estimation Method of Clothes Size for Virtual Fitting Room with Kinect Sensor," IEEE International Conference on Systems, Man, and Cybernetics Vol 2013, pp 3733-3738, 13-16 Oct 2013 [14] O Kainz et al "Kinect as a Tool in Estimation of Selected Human Body Dimensions," International Conference on Emerging eLearning Technologies and Applications (ICETA) Vol 2016, pp 157-163, Nov 2016 [15] J Shotton et al "Real-Time Human Pose Recognition in Parts from Single Depth Images," CVPR Vol 2011, pp 1297-1304, 2011 [16] T Delarmente et al "Kinect Controlled Size Tracker for Men’s Clothing," M.S thesis Dept Computer Engineering Mapua Institute of Technology University Philippines, Dec 2012 [17] Z Cai et al "RGB-D datasets using microsoft kinect or similar sensors: a survey," Multimedia Tools and Applications Vol 76, no 3, pp 4313–4355, 2016 [18] A Sasadara et al "Non-Contact Human Body Parameter Measurement Based on Kinect Sensor," IOSR Journal of Computer Engineering Vol 19, no 3, pp 80-85, 2017 122 PHỤ LỤC Phiếu đo dùng để ghi thông tin người đo 123 LÝ LỊCH TRÍCH NGANG CỦA HỌC VIÊN I LÝ LỊCH SƠ LƯỢC: Họ tên: Lê Quang Minh Giới tính: Nam Ngày, tháng, năm sinh: 19/08/1988 Nơi sinh: TP - Hồ Chí Minh Email: lqm231@gmail.com Điện thoại: 0979700962 II QUÁ TRÌNH ĐÀO TẠO: - Từ năm 2007 – 2008: Học trung cấp chuyên nghiệp trường Đại học Tôn Đức Thắng - Từ năm 2009 – 2012: Học đại học trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh - Từ năm 2015 – 2017: Học cao học trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh III Q TRÌNH CƠNG TÁC CHUN MƠN: Thời gian 2013 - 2019 Nơi công tác Công việc đảm nhiệm Lập trình viên Cơng Ty TMA Tp HCM, ngày tháng Năm 20 Người khai 124 ... ĐỀ TÀI: Ứng dụng Kinect xây dựng ứng dụng thử quần áo ảo NHIỆM VỤ VÀ NỘI DUNG: Nghiên cứu ứng dụng cảm biến Kinect vào việc nhận dạng thể người điều khiển cử Xây dựng ứng dụng thử quần áo ảo... nên ? ?Ứng dụng thử quần áo ảo? ?? Mục tiêu nghiên cứu Nghiên cứu ứng dụng cảm biến Kinect vào việc nhận dạng thể người điều khiển cử Xây dựng ứng dụng thử quần áo ảo phù hợp với cửa hàng quần áo, ... nhất, cửa hàng quần áo, để thử quần áo lựa chọn, mợt thực tế phổ biến khách hàng phải ? ?ứng xếp hàng vào phòng thử quần áo để thử quần áo Do cửa hàng bị hạn chế số lượng phòng thử quần áo, khách