亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法和裝置的制作方法

文檔序號(hào):913541閱讀:373來源:國(guó)知局
專利名稱:基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法和裝置的制作方法
技術(shù)領(lǐng)域
本發(fā)明涉及計(jì)算機(jī)視覺技術(shù),具體涉及基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法和裝置。
背景技術(shù)
隨著互聯(lián)網(wǎng)以及圖像處理技術(shù)發(fā)展,在游戲、人-機(jī)交互、安全、遠(yuǎn)程呈現(xiàn)和健康保健等諸多應(yīng)用中均需要獲取人體的體型參數(shù)。人體軀干圍度,例如胸圍、腰圍和臀圍等是人體的重要體型參數(shù)。傳統(tǒng)的軀干圍度測(cè)量方式,需要被測(cè)試人到體檢現(xiàn)場(chǎng)通過標(biāo)尺或光學(xué)設(shè)備測(cè)量。這種傳統(tǒng)的測(cè)量方式效率較低,需要測(cè)量人員進(jìn)行現(xiàn)場(chǎng)的操作和記錄,也不能進(jìn)行批量的人體軀干圍度測(cè)量。特別在進(jìn)行人體建模時(shí),需要批量測(cè)量人體體型參數(shù),利用、傳統(tǒng)方式難以滿足需求。同時(shí),計(jì)算機(jī)視覺技術(shù)是指用攝影機(jī)和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量等機(jī)器視覺,并進(jìn)一步做圖形處理,用電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。計(jì)算機(jī)視覺技術(shù)試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)?,F(xiàn)有的計(jì)算機(jī)視覺技術(shù)對(duì)于三維深度圖像的處理取得許多成果。例如,文獻(xiàn)I “Real-Time Human Pose Recognition in Parts from Single Depth Images” JamieShotton, Andrew Fitzgibbon, Mat Cook, Toby Sharp, Mark Finocchio, Richard Moore,Alex Kipman, and Andrew Blake. CVPR, 2011公開了一種深度圖像實(shí)時(shí)人體部分識(shí)別方法,通過對(duì)深度圖像進(jìn)行處理將困難的姿態(tài)估計(jì)問題轉(zhuǎn)化為簡(jiǎn)單的逐像素分類問題實(shí)現(xiàn)了從深度圖像中分離獲取人體不同部位點(diǎn)云(Point Cloud)數(shù)據(jù)的目的。而且,用于進(jìn)行點(diǎn)云數(shù)據(jù)拼接以從多個(gè)圖像中獲取物體整體立體數(shù)據(jù)的技術(shù)包括粗拼接技術(shù)和精確拼接技術(shù),其實(shí)質(zhì)是把不同坐標(biāo)系下測(cè)得的數(shù)據(jù)點(diǎn)云進(jìn)行坐標(biāo)變換,計(jì)算旋轉(zhuǎn)矩陣和平移矢量。粗拼接的常用方法有轉(zhuǎn)臺(tái)法、標(biāo)簽法和曲面特征法。精確拼接技術(shù)的代表是迭代近點(diǎn)算法(Iterative Closest Point, ICP),其重復(fù)進(jìn)行“確定對(duì)應(yīng)關(guān)系點(diǎn)集”以及“計(jì)算最優(yōu)坐標(biāo)變換矩陣”的過程,直到某個(gè)表示正確匹配的收斂準(zhǔn)則得到滿足。其中,文獻(xiàn) 2 “Efficient Variant of the ICP Algorithm”,Szymon Rusinkiewicz, MarcLevoy,3-DDigital Imaging and Modeling,2001. Proceedings. Third InternationalConference on.公開了一種優(yōu)化的ICP算法,其通過對(duì)常規(guī)空間統(tǒng)一采樣以獲得較快的收斂速度,適于進(jìn)行快速精確的點(diǎn)云數(shù)據(jù)拼接。在利用計(jì)算機(jī)視覺技術(shù)進(jìn)行人體測(cè)量方面,現(xiàn)有技術(shù)中,通過非接觸方式進(jìn)行人體體型參數(shù)測(cè)量的技術(shù)方案通?;谏倭咳梭w數(shù)據(jù)通過曲線擬合或經(jīng)驗(yàn)數(shù)據(jù)估算來估算人體體型信息。例如,中國(guó)專利申請(qǐng)CN101322589A公開了一種非接觸式人體測(cè)量方法,通過獲取人體正面或側(cè)面圖像,從圖像中獲取人體身高和肩寬,根據(jù)人體身高和肩寬來進(jìn)行BP神經(jīng)網(wǎng)絡(luò)仿真和回歸預(yù)測(cè)處理估算人體圍度。這類方法由于使用經(jīng)驗(yàn)估計(jì)的方式,其精確度較差。
由此,亟需一種非接觸的可以精確測(cè)量人體軀干圍度的,便于進(jìn)行批量處理的人體軀干圍度測(cè)量方法和裝置。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種非接觸的可以精確測(cè)量人體軀干圍度的,便于進(jìn)行批量處理的人體軀干圍度測(cè)量方法和裝置。本發(fā)明公開了一種基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,包括獲取立體軀干點(diǎn)云數(shù)據(jù),所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo);選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像;
計(jì)算軀干剖面圖像的最大的內(nèi)輪廓,得到所述最大內(nèi)輪廓按逆時(shí)針順序排列的像素序列;計(jì)算所述像素序列中每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo),所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo);根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值。優(yōu)選地,所述選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像包括計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸,并進(jìn)行空間坐標(biāo)變換,將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中,在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集;將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影,根據(jù)落入每個(gè)像素面積內(nèi)的點(diǎn)的數(shù)量確定對(duì)應(yīng)像素的灰度值,構(gòu)建軀干剖面圖像。優(yōu)選地,所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括對(duì)軀干剖面圖像進(jìn)行二值化,對(duì)二值化后的剖面圖像進(jìn)行連通域分析,獲得最大的內(nèi)輪廓。優(yōu)選地,所述獲取立體軀干點(diǎn)云數(shù)據(jù)包括深度攝像裝置圍繞人體軀干相對(duì)移動(dòng)一周,獲取包括人體軀干的深度圖像序列;對(duì)所述深度圖像序列的每一幀深度圖像進(jìn)行人體姿態(tài)識(shí)別,分別獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列;選取相互差異度大于預(yù)定閾值的多個(gè)幀的軀干像素點(diǎn)云數(shù)據(jù),進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接,獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)。優(yōu)選地,所述在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集包括在需要測(cè)量圍度的主軸位置建立垂直于主軸的平面,提取立體軀干點(diǎn)云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點(diǎn)作為構(gòu)成軀干剖面的點(diǎn)集。優(yōu)選地,所述計(jì)算所述像素序列中每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo)包括根據(jù)下式計(jì)算所述像素序列的每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo)
X — X ■V — V ■
r汽汽V _ VImaxmin -., _ -.,. -.. ^ max ^ minX1 - xmin + U1---— ,y,-少min + V1-—
cols — Irows — I
其中,(Ui, Vi)為像素坐標(biāo),(Xi, Yi)為像素序列中第i個(gè)像素對(duì)應(yīng)的剖面坐標(biāo),Xfflax和Xmin分別為所述構(gòu)成軀干剖面的點(diǎn)集中投影到剖面上的X坐標(biāo)的最大值和最小值,和Yfflin分別為所述構(gòu)成軀干剖面的點(diǎn)集中投影到剖面上的I坐標(biāo)的最大值和最小值,cols和rows為圖像的預(yù)定分辨率。優(yōu)選地,所述根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值包括通過下式計(jì)算人體軀干圍度測(cè)量值L =乞7(義+1 ~xi)2 +(兄.+I ~y,)2 + ^IixI ~xn)2 +(少I _>v)2
/=1其中,L為所述人體軀干圍度測(cè)量值,(Xi,Yi)為像素序列中第i個(gè)像素對(duì)應(yīng)的剖 面坐標(biāo),N為像素序列中像素的總數(shù)。優(yōu)選地,所述選取相互差異度大于預(yù)定閾值的多個(gè)幀的軀干像素點(diǎn)云數(shù)據(jù),進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接,獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度,從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列,基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接,獲得所述立體軀干點(diǎn)云數(shù)據(jù);其中,所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括通過主元分析分別獲得的進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸或第三主軸;判斷所述進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸之間或第三主軸之間的夾角是否大于夾角閾值。優(yōu)選地,所述選取相互差異度大于預(yù)定閾值的多個(gè)幀的軀干像素點(diǎn)云數(shù)據(jù),進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接,獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度,從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列,基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接,獲得所述立體軀干點(diǎn)云數(shù)據(jù);其中,所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括分別計(jì)算進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的重心坐標(biāo);根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值當(dāng)Covprev

> kj Covprev [2] [2]時(shí),|zprev_zk| > threshj當(dāng)Covprev

< k2 Covprev [2] [2]時(shí),|xprev_xk| > thresh2其它情況時(shí),IZprev-Zk I +1 Xprev-Xk I > thresh3其中,Covpmv為上一個(gè)被確定為需要進(jìn)行拼接的深度圖像的協(xié)方差矩陣,(xpMV,Yprev^ Zprev)為上一個(gè)被確定為需要進(jìn)行拼接的深度圖像的重心坐標(biāo),Uk,Yk, Zk)為軀干像素點(diǎn)云數(shù)據(jù)序列中當(dāng)前待選深度圖像的重心坐標(biāo),k:和k2為預(yù)定權(quán)值,k2 < k1; thresh^thresh2、thresh3為預(yù)定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。優(yōu)選地,通過如下方式確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的結(jié)束幀確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的起始幀;計(jì)算所有軀干像素點(diǎn)云數(shù)據(jù)與所述起始幀的軀干像素點(diǎn)云數(shù)據(jù)的相似度,并按照所對(duì)應(yīng)的深度圖像的排列順序記錄所述相似度的變化趨勢(shì);選取與所述起始幀相似度高且排列于相似度經(jīng)歷了兩次下降上升過程的位置的幀對(duì)應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)作為所述結(jié)束幀。本發(fā)明還公開了一種基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量裝置,包括軀干點(diǎn)云獲取模塊,用于獲取立體軀干點(diǎn)云數(shù)據(jù),所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo);剖面圖像計(jì)算模塊,用于選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像;內(nèi)輪廓計(jì)算模塊,用于計(jì)算軀干剖面圖像的最大的內(nèi)輪廓,得到所述最大內(nèi)輪廓按逆時(shí)針順序排列的像素序列;剖面坐標(biāo)計(jì)算模塊,用于計(jì)算所述像素序列中每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo),所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo);軀干圍度計(jì)算模塊,用于根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值。優(yōu)選地,所述剖面圖像計(jì)算模塊包括剖面構(gòu)建模塊,用于計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸,并進(jìn)行空間坐標(biāo)變換,將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中,在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集;剖面圖像構(gòu)建模塊,用于將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影,根據(jù)落入每個(gè)像素面積內(nèi)的點(diǎn)的數(shù)量確定對(duì)應(yīng)像素的灰度值,構(gòu)建軀干剖面圖像。優(yōu)選地,所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括對(duì)軀干剖面圖像進(jìn)行二值化,對(duì)二值化后的剖面圖像進(jìn)行連通域分析,獲得最大 的內(nèi)輪廓。優(yōu)選地,所述軀干點(diǎn)云獲取模塊包括深度圖像序列獲取單元,用于通過深度攝像機(jī)圍繞人體軀干相對(duì)移動(dòng)拍攝一周獲取包括人體軀干的深度圖像序列;圖像分割單元,用于對(duì)所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識(shí)另IJ,分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列;立體數(shù)據(jù)拼接單元,用于對(duì)需要進(jìn)行拼接的多個(gè)幀的深度圖像進(jìn)行拼接,獲得包括人體軀干表面立體信息的軀干立體點(diǎn)云數(shù)據(jù)。本發(fā)明通過人體軀干三維數(shù)據(jù)建模獲取人體軀干立體點(diǎn)云數(shù)據(jù),通過投影獲得軀干剖面圖像,并根據(jù)剖面圖像計(jì)算人體軀干圍度,獲得的測(cè)量值精度高,便于測(cè)量人員批量處理數(shù)據(jù),大大提高了人體體型數(shù)據(jù)測(cè)量的自動(dòng)化程度和效率。


圖I是本發(fā)明實(shí)施例的人體軀干圍度測(cè)量方法的方法流程圖;圖2是本發(fā)明實(shí)施例的人體軀干圍度測(cè)量方法的獲取立體軀干點(diǎn)云數(shù)據(jù)的流程圖;圖3是本發(fā)明一實(shí)施例提供的對(duì)軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行選取的方法流程圖;圖4是本發(fā)明實(shí)施例的人體軀干圍度測(cè)量方法計(jì)算獲得的人體軀干剖面圖;圖5是本發(fā)明實(shí)施例的人體軀干圍度測(cè)量裝置的系統(tǒng)框圖。
具體實(shí)施例方式下面結(jié)合附圖并通過具體實(shí)施方式
來進(jìn)一步說明本發(fā)明的技術(shù)方案。 本發(fā)明實(shí)施例的總體方式是人體面對(duì)深度攝像裝置轉(zhuǎn)一圈,采集包含軀干的深度圖像序列。對(duì)深度圖像序列進(jìn)行拼接,形成軀干一周的點(diǎn)云數(shù)據(jù),根據(jù)點(diǎn)云數(shù)據(jù)測(cè)量人體三圍。圖I是本發(fā)明實(shí)施例的人體軀干圍度測(cè)量方法的方法流程圖。如圖I所示,所述方法包括如下步驟。步驟100、獲取立體軀干點(diǎn)云數(shù)據(jù),所述立體軀干點(diǎn)云數(shù)據(jù)反映人體軀干表面的所有采樣點(diǎn)的空間坐標(biāo)。其中,點(diǎn)云數(shù)據(jù)(point colud)是指透過3D掃瞄儀所取得之?dāng)?shù)據(jù)型式。掃描數(shù)據(jù)以點(diǎn)的型式記錄,每一個(gè)點(diǎn)包含有三維座標(biāo),有些可能含有色彩資訊(R,G,B)或物體反射面強(qiáng)度。步驟200、通過主元分析(PCA)求取立體軀干點(diǎn)云數(shù)據(jù)的主軸,并進(jìn)行空間坐標(biāo)變換,以使得立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中,在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集。所述構(gòu)成軀干剖面的點(diǎn)集是立體軀干點(diǎn)云數(shù)據(jù)中指在圍度測(cè)量位置附近的點(diǎn)的集合,其構(gòu)成人體軀干在測(cè)量位置的圍度。主元分析(PCA,Principal Component Analysis)是一種對(duì)數(shù)據(jù)進(jìn)行分析的技術(shù),最重要的應(yīng)用是對(duì)原有數(shù)據(jù)進(jìn)行簡(jiǎn)化,其可以有效的找出數(shù)據(jù)中最“主要”的元素和結(jié)構(gòu),去除噪音和冗余,將原有的復(fù)雜數(shù)據(jù)降維,揭示隱藏在復(fù)雜數(shù)據(jù)背后的簡(jiǎn)單結(jié)構(gòu)。主元分析廣泛應(yīng)用于計(jì)算機(jī)視覺技術(shù)中,可用于求取模型所在的各個(gè)自然軸。當(dāng)然,在計(jì)算機(jī)圖形學(xué)的技術(shù)中,通過計(jì)算最小外接矩形或最小外接長(zhǎng)方體,或者通過計(jì)算圖形慣量矩陣的特征向量也均可以計(jì)算獲得立體軀干點(diǎn)云數(shù)據(jù)的主軸。在本發(fā)明的一個(gè)實(shí)施例中,在所述步驟200中,優(yōu)選通過下述方式選取構(gòu)成軀干剖面的點(diǎn)集在需要測(cè)量圍度的主軸位置建立垂直于主軸的平面,提取立體軀干點(diǎn)云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點(diǎn)作為構(gòu)成軀干剖面的點(diǎn)集。其中,可以根據(jù)現(xiàn)有的統(tǒng)計(jì)知識(shí)確定需要測(cè)量的主軸位置,以腰圍為例,在手工測(cè)量腰圍時(shí),皮尺水平放在髖骨上、肋骨下最窄的部位(腰最細(xì)的部位),根據(jù)該特點(diǎn),可確定剖面的位置。首先根據(jù)先驗(yàn)知識(shí)確定腰部剖面在軀干主軸上的大致區(qū)間,例如腰位于軀干中下部,1/2到4/5之間,在區(qū)間內(nèi),構(gòu)建一系列剖面,求剖面的周長(zhǎng),確定周長(zhǎng)最小剖面的周長(zhǎng)為腰圍。步驟300、將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影,根據(jù)落入每個(gè)像素面積內(nèi)的點(diǎn)的數(shù)量確定對(duì)應(yīng)像素的灰度值,構(gòu)建軀干剖面圖像。在本發(fā)明的另一個(gè)實(shí)施例中,步驟300中進(jìn)行投影,計(jì)算落入像素中的投影點(diǎn)的數(shù)量可以通過統(tǒng)計(jì)坐標(biāo)滿足如下 公式的點(diǎn)的數(shù)量來確定
(Ui, Vi)為像素坐標(biāo),(Xi, Yi)為像素對(duì)應(yīng)的剖面坐標(biāo),Xfflax和Xmin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的X坐標(biāo)的最大值和最小值,Yfflax和ymin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的y坐標(biāo)的最大值和最小值,cols和rows為圖像的預(yù)定分辨率,即所述圖像為cols列*rows行像素構(gòu)成的數(shù)字圖像。步驟400、對(duì)剖面圖像進(jìn)行二值化(如果灰度值大于等于灰度閾值設(shè)置該像素灰度為1,反之設(shè)置為0),對(duì)二值化后的剖面圖像進(jìn)行連通域分析,求取最大的內(nèi)輪廓,得到內(nèi)輪廓按逆時(shí)針順序排列的像素序列。步驟500、根據(jù)投影到所述軀干剖面圖像中的構(gòu)成軀干剖面的點(diǎn)集的最大、最小剖面坐標(biāo)以及所述軀干剖面圖像的分辨率計(jì)算所述像素序列的每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo)。所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo)在一個(gè)優(yōu)選實(shí)施例中,所述步驟500中,根據(jù)下式計(jì)算所述像素序列的每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo)
其中,(UijVi)為像素坐標(biāo),(Xij7i)為像素對(duì)應(yīng)的剖面坐標(biāo),Xmax和Xmin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的X坐標(biāo)的最大值和最小值,yfflax和ymin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的I坐標(biāo)的最大值和最小值,cols和rows為圖像的預(yù)定分辨率,即所述圖像為cols列*rows行像素構(gòu)成的數(shù)字圖像。實(shí)際上,上述實(shí)施例中利用像素對(duì)應(yīng)區(qū)域的最小坐標(biāo)作為像素對(duì)應(yīng)坐標(biāo),在其它實(shí)施方式中,也可以采用像素對(duì)應(yīng)的最大坐標(biāo)或最大最小坐標(biāo)的均值作為像素對(duì)應(yīng)坐標(biāo)。步驟600、基于剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值。其中,空間實(shí)際距離指的是圖片中像素所對(duì)應(yīng)的成像物體所在位置之間的實(shí)際距離。在本發(fā)明實(shí)施例中,所述步驟600可以通過下式計(jì)算人體軀干圍度測(cè)量值
其中,L為所述人體軀干圍度測(cè)量值,(Xi,Yi)為像素序列中第i個(gè)像素對(duì)應(yīng)的空間坐標(biāo),N為像素序列中像素的總數(shù)。其中,由于圍度的是閉合的圖形,因此像素序列中第一個(gè)像素和第N個(gè)像素(最后一個(gè)像素)是相鄰的。
在本發(fā)明實(shí)施例中,采用深度攝像裝置圍繞人體軀干拍攝,并進(jìn)行人體姿態(tài)識(shí)別和點(diǎn)云數(shù)據(jù)拼接的操作來獲取所述的立體軀干點(diǎn)云數(shù)據(jù)。圖2是本發(fā)明實(shí)施例的人體軀干圍度測(cè)量方法獲取立體軀干點(diǎn)云數(shù)據(jù)的流程圖。如圖2所示,所述獲取立體軀干點(diǎn)云數(shù)據(jù)的步驟包括步驟101、通過深度攝像機(jī)圍繞人體軀干相對(duì)移動(dòng)拍攝一周獲取包括人體軀干的深度圖像序列。步驟102、對(duì)所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識(shí)別,分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列。
步驟103、對(duì)需要進(jìn)行拼接的多個(gè)幀的深度圖像的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行拼接,獲得包括人體軀干所有表面信息的軀干立體點(diǎn)云數(shù)據(jù)。在本實(shí)施例中,優(yōu)選使用現(xiàn)有的ICP算法來進(jìn)行深度圖像拼接。當(dāng)兩幀軀干點(diǎn)云存在公共區(qū)域時(shí),可以根據(jù)公共區(qū)域信息,對(duì)兩幀軀干點(diǎn)云進(jìn)行拼接。拼接方法可采用剛體配準(zhǔn)方法,求出兩幀之間的平移向量T和旋轉(zhuǎn)矩陣R?;贗CP算法配準(zhǔn)方法,先求對(duì)應(yīng)點(diǎn)對(duì),然后求平移向量T和旋轉(zhuǎn)矩陣R,進(jìn)行迭代,直至收斂。步驟103對(duì)所有需要參與拼接的圖像按時(shí)間順序相鄰幀之間兩兩配準(zhǔn),計(jì)算后一幀相對(duì)于前一幀的旋轉(zhuǎn)矩陣和平移向量,找一個(gè)基準(zhǔn)幀,例如第一幀,計(jì)算后續(xù)幀相對(duì)于第一幀的平移和旋轉(zhuǎn),并旋轉(zhuǎn)后續(xù)幀軀干點(diǎn)云,即可形成拼接后的點(diǎn)云。在點(diǎn)云拼接過程,由于配準(zhǔn)誤差積累,對(duì)深度圖像序列的全部幀進(jìn)行兩兩配準(zhǔn)有可能達(dá)不到預(yù)期結(jié)果,即人轉(zhuǎn)一圈后,軀干點(diǎn)云不能封閉,參與配準(zhǔn)的幀數(shù)越多,該問題就越嚴(yán)重。為處理該問題,在本發(fā)明的一個(gè)實(shí)施例中,僅在兩幀間差異度較大時(shí)才進(jìn)行配準(zhǔn),即,從所述的深度圖像序列中選取差異度較大的幀構(gòu)成具有較少數(shù)量深度圖像點(diǎn)云數(shù)據(jù)的拼接數(shù)據(jù)序列,對(duì)拼接數(shù)據(jù)序列中的點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接,從而避免軀干點(diǎn)云不能封閉的問題。圖3是本發(fā)明一實(shí)施例提供的對(duì)軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行選取的方法流程圖。如圖3所示,本實(shí)施例對(duì)軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行拼接的步驟包括步驟103A、從所述軀干像素點(diǎn)云數(shù)據(jù)序列中確定第一幅需要進(jìn)行拼接的深度圖像的軀干像素點(diǎn)云數(shù)據(jù);在本實(shí)施例中,確定所述深度圖像序列的第一幀的軀干像素點(diǎn)云數(shù)據(jù)作為所述第一幅需要進(jìn)行拼接的深度圖像。步驟103B、比較上一個(gè)被確定為需要進(jìn)行拼接的軀干像素點(diǎn)云數(shù)據(jù)與軀干像素點(diǎn)云數(shù)據(jù)序列中當(dāng)前待選軀干像素點(diǎn)云數(shù)據(jù)之間的差異度是否大于差異閾值,如果大于,則執(zhí)行步驟103C,否則執(zhí)行步驟103D。步驟103C、將所述當(dāng)前待選的軀干像素點(diǎn)云數(shù)據(jù)確定為需要進(jìn)行拼接的軀干像素點(diǎn)云數(shù)據(jù)放入拼接數(shù)據(jù)序列。步驟103D、判斷軀干像素點(diǎn)云數(shù)據(jù)序列是否結(jié)束,如果否,執(zhí)行步驟103E,如果是,執(zhí)行步驟103F。步驟103E、將所述軀干像素點(diǎn)云數(shù)據(jù)序列中的下一幀軀干像素點(diǎn)云數(shù)據(jù)作為當(dāng)前待選軀干像素點(diǎn)云數(shù)據(jù),轉(zhuǎn)而執(zhí)行步驟103B進(jìn)行新的差異度比較。步驟103F、輸出選取得到的待拼接點(diǎn)云數(shù)據(jù)序列。對(duì)于差異度是否大于閾值的判斷,本發(fā)明實(shí)施例提供以下兩種方式
方法A、對(duì)需要進(jìn)行比較的兩幀深度圖像對(duì)應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)分別進(jìn)行主元分析,分別得到兩幀深度圖像對(duì)應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)的第一主軸、第二主軸、第三主軸。所述第一主軸、第二主軸和第三主軸為所述人體軀干像素點(diǎn)云數(shù)據(jù)的主要分布方向,由于人體軀干沿人體高度方向分布,因此計(jì)算得到的第一主軸為人體高度方向,第二和第三主軸代表人體轉(zhuǎn)動(dòng)的角度。在求得需要進(jìn)行比較的點(diǎn)云數(shù)據(jù)的第二主軸和第三主軸后,比較兩幀需要進(jìn)行比較的軀干像素點(diǎn)云數(shù)據(jù)的第二主軸或第三主軸之間的夾角是否大于夾角閾值。如果夾角大于某閾值,則認(rèn)為差異度大于閾值。方法B、方法A的PCA分析過程需要先計(jì)算協(xié)方差矩陣,然后求協(xié)方差矩陣特征值,求矩陣特征值過程計(jì)算量較大,會(huì)影響進(jìn)行點(diǎn)云數(shù)據(jù)選取和拼接的計(jì)算速度。由此,提出簡(jiǎn)化的差異度計(jì)算方法。在方法B中,通過比較兩幀深度圖像對(duì)應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)之間的相對(duì)重心變化,根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值 當(dāng)Covprev

> kj Covprev [2] [2]時(shí),|zprev_zk| > threshj當(dāng)Covprev

< k2 Covprev [2] [2]時(shí),|xprev_xk| > thresh2其它情況時(shí),IZprev-Zk I +1 Xprev-Xk I > thresh3其中,CoVev為上一個(gè)被確定為需要進(jìn)行拼接的深度圖像的協(xié)方差矩陣,(Vev,Yprev Zprev)為上一個(gè)被確定為需要進(jìn)行拼接的深度圖像的重心坐標(biāo),(Xk,yk, Zk)為深度圖像序列中當(dāng)前待選深度圖像的重心坐標(biāo),kj和k2為預(yù)定權(quán)值,k2 < k1; thresh^ thresh2、thresh3為預(yù)定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。在本發(fā)明的一個(gè)優(yōu)選實(shí)施例中,k: = 4、k2 = 2、thresh: = 13mm、thresh2 = 10mm. thresh3 = 20mm。同時(shí),在實(shí)時(shí)測(cè)量中,需要確定所述深度圖像的軀干像素點(diǎn)云數(shù)據(jù)序列的起始幀和結(jié)束幀。在本發(fā)明的實(shí)施例中,起始幀的確定可采用手動(dòng)設(shè)定的方式,也可以采用自動(dòng)設(shè)定的方式,可以優(yōu)選人正對(duì)深度圖像設(shè)備時(shí)開始。 以人正對(duì)深度圖像設(shè)備時(shí)開始為例,在人體轉(zhuǎn)一周過程中,要經(jīng)過正面-側(cè)面-背面-側(cè)面-正面一個(gè)過程。在該過程中,對(duì)軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行PCA分析,則點(diǎn)云數(shù)據(jù)第二個(gè)主軸的方向變化、軀干點(diǎn)云數(shù)據(jù)與開始幀的軀干點(diǎn)云數(shù)據(jù)相似度變化會(huì)呈現(xiàn)一定的規(guī)律,通過判斷該規(guī)律,即可確定結(jié)束幀。以軀干點(diǎn)云與開始幀的軀干點(diǎn)云相似度為例,在該過程中,軀干點(diǎn)云與開始幀的軀干點(diǎn)云相似度變化過程為從I減少至第一相似度值,從第一相似度值增加到第二相似度值,從第二相似度值減少至第三相似度值,從第三相似度值增加至接近1,這里第一相似度值為人體第一側(cè)面與人體正面的相似度,第二相似度值為人體背面與正面的相似度,第三相似度值為人體第二側(cè)面與人體正面的相似度。當(dāng)某一幀軀干像素點(diǎn)云數(shù)據(jù)與第一幀軀干像素點(diǎn)云數(shù)據(jù)的相似度接近于1,并且經(jīng)歷了從I減少至第一相似度值,從第一相似度值增加到第二相似度值,從第二相似度值減少至第三相似度值,從第三相似度值增加至接近I的過程,則可確定該幀為結(jié)束幀。在步驟400進(jìn)行二值化后得到的圖像如圖4所示。步驟500基于該剖面圖像進(jìn)行人體軀干圍度的計(jì)算。圖5是本發(fā)明實(shí)施例的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量裝置的框圖。如圖5所示,所述裝置包括
軀干點(diǎn)云獲取模塊,用于獲取立體軀干點(diǎn)云數(shù)據(jù),所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo);剖面圖像計(jì)算模塊,用于選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像;內(nèi)輪廓計(jì)算模塊,用于對(duì)剖面圖像進(jìn)行二值化,對(duì)二值化后的剖面圖像進(jìn)行連通域分析,求取最大的內(nèi)輪廓,得到內(nèi)輪廓按逆時(shí)針順序排列的像素序列;剖面坐標(biāo)計(jì)算模塊,用于根據(jù)投影到所述軀干剖面圖像中的構(gòu)成軀干剖面的點(diǎn)集的最大、最小剖面坐標(biāo)以及所述軀干剖面圖像的分辨率計(jì)算所述像素序列的每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo);軀干圍度計(jì)算模塊,用于計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值。其中,所述軀干點(diǎn)云獲取模塊包括 深度圖像序列獲取單元,用于通過深度攝像機(jī)圍繞人體軀干相對(duì)移動(dòng)拍攝一周獲取包括人體軀干的深度圖像序列;圖像分割單元,用于對(duì)所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識(shí)另IJ,分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列;立體數(shù)據(jù)拼接單元,用于對(duì)需要進(jìn)行拼接的多個(gè)幀的深度圖像進(jìn)行拼接,獲得包括人體軀干所有表面信息的軀干立體點(diǎn)云數(shù)據(jù)。其中,所述剖面圖像計(jì)算模塊包括剖面構(gòu)建模塊,用于計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸,并進(jìn)行空間坐標(biāo)變換,將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中,在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集;剖面圖像構(gòu)建模塊,用于將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影,根據(jù)落入每個(gè)像素面積內(nèi)的點(diǎn)的數(shù)量確定對(duì)應(yīng)像素的灰度值,構(gòu)建軀干剖面圖像。本發(fā)明通過人體軀干三維數(shù)據(jù)建模獲取人體軀干立體點(diǎn)云數(shù)據(jù),通過投影獲得軀干剖面圖像,并根據(jù)剖面圖像計(jì)算人體軀干圍度,獲得的測(cè)量值精度高,便于測(cè)量人員批量處理數(shù)據(jù),大大提高了人體體型數(shù)據(jù)測(cè)量的自動(dòng)化程度和效率。顯然,本領(lǐng)域技術(shù)人員應(yīng)該明白,上述的本發(fā)明的各模塊或各步驟可以用通用的計(jì)算裝置來實(shí)現(xiàn),它們可以集中在單個(gè)計(jì)算裝置上,或者分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上,可選地,他們可以用計(jì)算機(jī)裝置可執(zhí)行的程序代碼來實(shí)現(xiàn),從而可以將它們存儲(chǔ)在存儲(chǔ)裝置中由計(jì)算裝置來執(zhí)行,或者將它們分別制作成各個(gè)集成電路模塊,或者將它們中的多個(gè)模塊或步驟制作成單個(gè)集成電路模塊來實(shí)現(xiàn)。這樣,本發(fā)明不限制于任何特定的硬件和軟件的結(jié)合。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例,并不用于限制本發(fā)明,對(duì)于本領(lǐng)域技術(shù)人員而言,本發(fā)明可以有各種改動(dòng)和變化。凡在本發(fā)明的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,包括 獲取立體軀干點(diǎn)云數(shù)據(jù),所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo); 選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像; 計(jì)算軀干剖面圖像的最大的內(nèi)輪廓,得到所述最大內(nèi)輪廓按逆時(shí)針順序排列的像素序列; 計(jì)算所述像素序列中每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo),所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo); 根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值。
2.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像包括 計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸,并進(jìn)行空間坐標(biāo)變換,將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中,在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集; 將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影,根據(jù)落入每個(gè)像素面積內(nèi)的點(diǎn)的數(shù)量確定對(duì)應(yīng)像素的灰度值,構(gòu)建軀干剖面圖像。
3.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括 對(duì)軀干剖面圖像進(jìn)行二值化,對(duì)二值化后的剖面圖像進(jìn)行連通域分析,獲得最大的內(nèi)輪廓。
4.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述獲取立體軀干點(diǎn)云數(shù)據(jù)包括 深度攝像裝置圍繞人體軀干相對(duì)移動(dòng)一周,獲取包括人體軀干的深度圖像序列; 對(duì)所述深度圖像序列的每一幀深度圖像進(jìn)行人體姿態(tài)識(shí)別,分別獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列; 選取相互差異度大于預(yù)定閾值的多個(gè)幀的軀干像素點(diǎn)云數(shù)據(jù),進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接,獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)。
5.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集包括 在需要測(cè)量圍度的主軸位置建立垂直于主軸的平面,提取立體軀干點(diǎn)云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點(diǎn)作為構(gòu)成軀干剖面的點(diǎn)集。
6.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述計(jì)算所述像素序列中每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo)包括 根據(jù)下式計(jì)算所述像素序列的每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo)
7.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值包括通過下式計(jì)算人體軀干圍度測(cè)量值
8.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述選取相互差異度大于預(yù)定閾值的多個(gè)幀的軀干像素點(diǎn)云數(shù)據(jù),進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接,獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括 按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度,從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列,基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接,獲得所述立體軀干點(diǎn)云數(shù)據(jù); 其中,所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括 通過主元分析分別獲得的進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸或第三主軸; 判斷所述進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸之間或第三主軸之間的夾角是否大于夾角閾值。
9.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,所述選取相互差異度大于預(yù)定閾值的多個(gè)幀的軀干像素點(diǎn)云數(shù)據(jù),進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接,獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括 按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度,從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列,基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接,獲得所述立體軀干點(diǎn)云數(shù)據(jù); 其中,所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括 分別計(jì)算進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的重心坐標(biāo); 根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值當(dāng) Covprev

> kj Covprev [2] [2]時(shí),|zprev_zk| > threshj當(dāng) Covprev

< k2 Covprev [2] [2]時(shí),|xprev_xk| > thresh2其它情況時(shí),I Zprev-Zk I +1 Xprev-Xk I > thresh3 其中,Covprev為上一個(gè)被確定為需要進(jìn)行拼接的深度圖像的協(xié)方差矩陣,(xpMV,yprev,Zprev)為上一個(gè)被確定為需要進(jìn)行拼接的深度圖像的重心坐標(biāo),(xk,yk,zk)為軀干像素點(diǎn)云數(shù)據(jù)序列中當(dāng)前待選深度圖像的重心坐標(biāo),kj和k2為預(yù)定權(quán)值,k2 < k1; thresh^ thresh2>thresh3為預(yù)定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。
10.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法,其特征在于,通過如下方式確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的結(jié)束幀 確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的起始幀; 計(jì)算所有軀干像素點(diǎn)云數(shù)據(jù)與所述起始幀的軀干像素點(diǎn)云數(shù)據(jù)的相似度,并按照所對(duì)應(yīng)的深度圖像的排列順序記錄所述相似度的變化趨勢(shì); 選取與所述起始幀相似度高且排列于相似度經(jīng)歷了兩次下降上升過程的位置的幀對(duì)應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)作為所述結(jié)束幀。
11.一種基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量裝置,包括 軀干點(diǎn)云獲取模塊,用于獲取立體軀干點(diǎn)云數(shù)據(jù),所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo); 剖面圖像計(jì)算模塊,用于選取圍度測(cè)量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像; 內(nèi)輪廓計(jì)算模塊,用于計(jì)算軀干剖面圖像的最大的內(nèi)輪廓,得到所述最大內(nèi)輪廓按逆時(shí)針順序排列的像素序列; 剖面坐標(biāo)計(jì)算模塊,用于計(jì)算所述像素序列中每個(gè)像素對(duì)應(yīng)的剖面坐標(biāo),所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo); 軀干圍度計(jì)算模塊,用于根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離,對(duì)所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測(cè)量值。
12.如權(quán)利要求11所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量裝置,其特征在于,所述剖面圖像計(jì)算模塊包括 剖面構(gòu)建模塊,用于計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸,并進(jìn)行空間坐標(biāo)變換,將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中,在需要測(cè)量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集; 剖面圖像構(gòu)建模塊,用于將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影,根據(jù)落入每個(gè)像素面積內(nèi)的點(diǎn)的數(shù)量確定對(duì)應(yīng)像素的灰度值,構(gòu)建軀干剖面圖像。
13.如權(quán)利要求11所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量裝置,其特征在于,所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括 對(duì)軀干剖面圖像進(jìn)行二值化,對(duì)二值化后的剖面圖像進(jìn)行連通域分析,獲得最大的內(nèi)輪廓。
14.如權(quán)利要求11所述的基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量裝置,其特征在于,所述軀干點(diǎn)云獲取模塊包括 深度圖像序列獲取單元,用于通過深度攝像機(jī)圍繞人體軀干相對(duì)移動(dòng)拍攝一周獲取包括人體軀干的深度圖像序列; 圖像分割單元,用于對(duì)所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識(shí)別,分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列; 立體數(shù)據(jù)拼接單元,用于對(duì)需要進(jìn)行拼接的多個(gè)幀的深度圖像進(jìn)行拼接,獲得包括人體軀干表面立體信息的軀干立體點(diǎn)云數(shù)據(jù)。
全文摘要
本發(fā)明公開了一種基于計(jì)算機(jī)視覺的人體軀干圍度測(cè)量方法和裝置,本發(fā)明通過深度攝像裝置圍繞人體拍攝獲得人體軀干深度圖像序列,通過人體姿態(tài)識(shí)別分割和點(diǎn)云配準(zhǔn)拼接獲取人體軀干立體點(diǎn)云數(shù)據(jù),通過立體軀干點(diǎn)云數(shù)據(jù)的重投影獲得軀干剖面圖像,并根據(jù)剖面圖像計(jì)算人體軀干圍度。依據(jù)本發(fā)明獲得的圍度測(cè)量值精度高,便于測(cè)量人員批量處理數(shù)據(jù),大大提高了人體體型數(shù)據(jù)測(cè)量的自動(dòng)化程度和效率。
文檔編號(hào)A61B5/107GK102657531SQ201210132769
公開日2012年9月12日 申請(qǐng)日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者柳林祥 申請(qǐng)人:深圳泰山在線科技有限公司
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1