專利名稱：計算人體形狀參數(shù)的裝置和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及人體形狀參數(shù)計算技術(shù)，更具體地，涉及一種基于視頻對象分析技術(shù)的自動測量和計算三維(3D)人體形狀參數(shù)的系統(tǒng)和方法。
背景技術(shù)：
在計算機視覺通信技術(shù)領(lǐng)域中，人體形狀參數(shù)是各種相關(guān)應(yīng)用的關(guān)鍵參數(shù)。例如在衣服、定制家具、個人圖像設(shè)計等的電子購物應(yīng)用中，需要通過視頻對象分析得到人體的各個部位的尺寸大小。與傳統(tǒng)的工業(yè)自動測量不同，人體是一種高度可變形的對象，人體的部位的形狀總是隨著姿態(tài)的改變而改變。為了測量人體形狀參數(shù)，首先必須定位人體的關(guān)鍵關(guān)節(jié)，然后基于這些關(guān)節(jié)點，利用輸入數(shù)據(jù)計算人體的每個部位(例如，手臂、腿部、頭部等)的形狀參數(shù)(例如，手臂的長度、腿部的長度等)。在現(xiàn)有技術(shù)中，為了測量3D的人體表面，提出了各種方法。例如，可將具有某些圖案的標記貼到人體上，并利用相機拍攝視頻，基于易于識別的標記來測量人體形狀并重構(gòu)人體形狀。還可先拍攝人體的正面和側(cè)面的兩張照片，并在圖像上手動標注關(guān)鍵點(例如， 頭、腳、手、肘部等)；在手動測量人體的真實高度或?qū)挾戎?，可基于像素和測量的實際高度之間的比率來計算人體形狀參數(shù)。在另一方法中，設(shè)計了一個具有簡單背景的工作場所， 在該工作場所中拍攝人體的正面和側(cè)面視圖，并從拍攝的圖像中移除背景以方便提取人體對象。在另一方法中，使用兩個投影儀、兩個相機以及控制投影儀的機械控制系統(tǒng)。投影儀用于在人體上投影光柵，機械控制系統(tǒng)控制投影儀的偏移來在人體上投影多個光柵，相機拍攝投影了光柵的人體并通過分析視頻數(shù)據(jù)來得到人體形狀及其相應(yīng)的參數(shù)。然而，在現(xiàn)有技術(shù)中，存在至少以下問題首先，不能完全自動測量和計算人體形狀參數(shù)，需要進行手動操作；其次，由于難以對高度可變形的人體的關(guān)節(jié)的對象定位，因此測量的形狀參數(shù)的精確率很低。

發(fā)明內(nèi)容
在本發(fā)明中，提供了一種能夠計算三維(3D)人體形狀參數(shù)的裝置和方法。根據(jù)本發(fā)明實施例的裝置可被嵌入到諸如高清電視(HDTV)、機頂盒、移動電話中來用于精確地測量和計算人體形狀參數(shù)。根據(jù)本發(fā)明實施例的人體形狀參數(shù)測量裝置可接收深度視頻作為輸入。測量裝置首先估計人體的姿態(tài)。在人體姿態(tài)估計處理中，首先測試多種類別的人體部件的特征指示位置，然后選擇若干特征作為當前人體目標的顯著特征，隨后獨立和并行地提取這些顯著特征，最后，使用數(shù)據(jù)驅(qū)動馬爾科夫鏈蒙特卡羅(DDMCMC，Data DrivenMarkov Chain Monte Carlo)方法來基于檢測到的不完整的顯著特征集合推算人體的姿態(tài)參數(shù)。在得到人體姿態(tài)參數(shù)之后，可通過將人體的每個部位分片來計算人體形狀參數(shù)，每個部位被表示為規(guī)則的形狀模型。為了實現(xiàn)以上的優(yōu)點，根據(jù)本發(fā)明的一方面，提供了一種人體形狀參數(shù)計算裝置， 包括輸入接口模塊，用于從人體形狀參數(shù)計算裝置的外部接收圖像數(shù)據(jù)；姿態(tài)估計模塊，檢測圖像數(shù)據(jù)中的人體的人體部件以估算人體姿態(tài)；噪聲抑制模塊，基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，形成人體部件的三維面并修正人體部件的三維面的點的空間坐標參數(shù)；形狀參數(shù)計算模塊，基于噪聲抑制模塊修正的三維面的點的空間坐標參數(shù)來計算人體形狀參數(shù)。根據(jù)本發(fā)明的一方面，所述圖像數(shù)據(jù)包括深度圖像數(shù)據(jù)。根據(jù)本發(fā)明的一方面，形狀參數(shù)計算模塊將人體部件的三維面劃分為多個分片并計算每個分片的形狀參數(shù)。根據(jù)本發(fā)明的一方面，噪聲抑制模塊使用隨機抽樣一致RANSAC算法來構(gòu)建人體部件的三維面。根據(jù)本發(fā)明的一方面，姿態(tài)估計模塊基于剛體特征數(shù)據(jù)庫和非剛體特征數(shù)據(jù)庫來分別檢測人體的剛體部件和非剛體部件，其中，所述剛體部件包括人的頭部、人的上半身和人的軀干，所述非剛體部件包括人的胳膊和腿。根據(jù)本發(fā)明的一方面，剛體特征數(shù)據(jù)庫的特征類別包括部件檢測特征、顏色特征、前景提取特征和形狀提取特征，非剛體特征數(shù)據(jù)庫的特征類別包括凹凸度特征CDF和 U形深度特征UDF。根據(jù)本發(fā)明的另一方面，還提供了一種人體形狀參數(shù)計算方法，包括以下步驟接收圖像數(shù)據(jù)；檢測接收的圖像數(shù)據(jù)中的人體的人體部件以估算人體姿態(tài)；基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，并形成人體部件的三維面以修正人體部件的三維面的點的空間坐標參數(shù)；基于修正的空間坐標參數(shù)來計算人體形狀參數(shù)。根據(jù)本發(fā)明的另一方面，還提供了一種用于自動測量人體形狀參數(shù)的系統(tǒng)，包括 圖像獲取裝置，捕捉將被測量的人體的視頻或圖像，并將捕捉的視頻或圖像轉(zhuǎn)換為圖像數(shù)據(jù)；人體形狀參數(shù)計算裝置，從圖像獲取裝置接收圖像數(shù)據(jù)，檢測圖像數(shù)據(jù)中的人體的人體部件以估算人體姿態(tài)，基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，形成人體部件的三維面并修正人體部件的三維面的點的空間坐標參數(shù)，并基于噪聲抑制模塊修正的三維面的點的空間坐標參數(shù)來計算人體形狀參數(shù)。根據(jù)本發(fā)明的另一方面，用于自動測量人體形狀參數(shù)的系統(tǒng)還包括顯示裝置，用于顯示圖像獲取裝置捕捉的圖像數(shù)據(jù)或人體形狀參數(shù)計算裝置計算的人體形狀參數(shù)；通信模塊，將圖像獲取裝置捕捉的圖像數(shù)據(jù)或人體形狀參數(shù)計算裝置計算的人體形狀參數(shù)傳輸?shù)酵獠康倪h程裝置。根據(jù)本發(fā)明的人體形狀參數(shù)計算裝置可以與圖像獲取裝置合作來自動地測量人體形狀參數(shù)，不需要手動操作。根據(jù)本發(fā)明的人體形狀參數(shù)計算裝置可以集成到諸如高清電視、機頂盒、移動電話的電子設(shè)備中或者作為單獨的芯片在需要測量人體形狀參數(shù)的設(shè)備中使用。由于不需要人的手動操作，因此可以提高工作效率，并且可以與互聯(lián)網(wǎng)協(xié)同實現(xiàn)在線的遠程人體形狀參數(shù)測量。


通過下面結(jié)合附圖對實施例的詳細描述，本發(fā)明的上述和/或其他方面將會變得清楚和更容易理解，其中圖1是根據(jù)本發(fā)明實施例的自動測量人體形狀參數(shù)的系統(tǒng)的構(gòu)成示圖2是示出根據(jù)本發(fā)明實施例的計算人體形狀參數(shù)的裝置的詳細配置示圖；圖3示出了根據(jù)本發(fā)明實施例的姿態(tài)估計中用于剛體部位檢測的特征數(shù)據(jù)庫中包含的特征類別；圖4示出了根據(jù)本發(fā)明實施例的姿態(tài)估計中用于非剛體部位檢測的特征數(shù)據(jù)庫中包含的特征類別；圖5是示出根據(jù)本發(fā)明實施例的姿態(tài)估計過程的流程圖；圖6是示出根據(jù)本發(fā)明實施例的噪聲抑制過程的流程圖；圖7示出的是根據(jù)本發(fā)明實施例的計算人體形狀參數(shù)的過程的流程圖；圖8示出的是應(yīng)用了根據(jù)本發(fā)明實施例的人體形狀參數(shù)測量系統(tǒng)的示例；圖9示出的是應(yīng)用了根據(jù)本發(fā)明實施例的人體形狀參數(shù)測量系統(tǒng)的另一示例。
具體實施例方式下面將參照附圖來詳細說明根據(jù)本發(fā)明實施例的自動測量人體形狀參數(shù)的裝置和方法。應(yīng)理解，在此參照附圖描述的實施例僅是示意性的，不應(yīng)將本發(fā)明理解為限制于在此描述的實施例。圖1是示出根據(jù)本發(fā)明實施例的自動測量人體形狀參數(shù)的系統(tǒng)的構(gòu)成示圖。如圖 1所示，根據(jù)本發(fā)明實施例的人體形狀參數(shù)的自動測量系統(tǒng)包括圖像獲取裝置100和人體形狀參數(shù)計算裝置200。優(yōu)選地，該系統(tǒng)還可包括顯示裝置300和通信裝置400。圖像獲取裝置100用于捕捉將被測量的人體的視頻或圖像并將捕捉的視頻或圖像轉(zhuǎn)換為圖像數(shù)據(jù)。圖像獲取裝置100可以是相機、攝像機、攝像頭等可以捕捉或拍攝視頻或圖像的裝置。優(yōu)選地，在根據(jù)本發(fā)明的實施例中，可采用深度相機作為輸入裝置，使用深度相機拍攝的深度圖像數(shù)據(jù)作為用于測量人體形狀參數(shù)的輸入數(shù)據(jù)。當然，也可采用深度相機與普通相機的組合來作為輸入裝置。人體形狀參數(shù)測量裝置200從圖像獲取裝置100接收輸入數(shù)據(jù)，并基于接收的輸入數(shù)據(jù)來測量人體形狀參數(shù)。具體地，人體形狀參數(shù)測量裝置200首先測試多種類別的目標部件的特征指示位置，然后選擇若干特征作為當前目標的顯著特征，隨后獨立并行地提取這些顯著特征，最后，基于檢測到的顯著特征集合推算目標的姿態(tài)參數(shù)。在獲得目標的姿態(tài)參數(shù)之后，人體形狀參數(shù)測量裝置200基于關(guān)鍵關(guān)節(jié)點將人體的每個部位分片來計算人體形狀參數(shù)，每個部位被表示為規(guī)則的形狀模型(例如，圓柱形)。優(yōu)選地，在計算人體形狀參數(shù)之前，人體形狀參數(shù)測量裝置200還可進行相機/深度噪聲抑制處理。顯示裝置300用于顯示測量結(jié)果?？梢砸砸阎娜我夥绞絹韺嵤╋@示裝置300。 通信裝置400用于與外部設(shè)備進行通信。根據(jù)本發(fā)明的應(yīng)用場合，可采用各種方式來實施通信裝置400。例如，在手機上應(yīng)用根據(jù)本發(fā)明實施例的人體形狀參數(shù)測量裝置時，通信裝置400可包括射頻通信模塊。應(yīng)理解，根據(jù)本發(fā)明實施例的人體形狀參數(shù)測量裝置200可以被實施為嵌入到圖像獲取裝置100中從而輸入裝置也可集成本發(fā)明的人體形狀參數(shù)測量功能，或者可作為單獨的部件實施為專用的芯片安裝在另一專用的測量裝置中，或者在通用計算機上以軟件的形式實施，但本發(fā)明不限于此。圖2是示出根據(jù)本發(fā)明實施例的人體形狀參數(shù)測量裝置200的詳細配置示圖。如圖2所示，人體形狀參數(shù)測量裝置200包括輸入接口模塊210、姿態(tài)分析模塊220、噪聲抑制模塊230和形狀參數(shù)計算模塊M0。輸入接口模塊210用于從圖像獲取裝置100接收輸入數(shù)據(jù)。在本實施例中，采用深度相機拍攝的深度圖像數(shù)據(jù)作為輸入數(shù)據(jù)。輸入數(shù)據(jù)包括3個組成向量，所述3個組成向量分別表示目標對象的三個空間坐標，表示為(x，y，z)。當然，如果采用深度相機與普通相機的組合作為輸入裝置，則輸入的圖像數(shù)據(jù)可包括6個組成向量，所述6個組成向量分別表示目標對象的三個空間坐標以及紅綠藍三種顏色元素。姿態(tài)分析模塊220通過內(nèi)置的存儲裝置中的特征數(shù)據(jù)庫(DB)對輸入數(shù)據(jù)進行并行測試，選擇適用于輸入的圖像數(shù)據(jù)的有效的顯著特征集合，并基于選擇的有效的顯著特征集合來檢測輸入的圖像數(shù)據(jù)的顯著特征，并根據(jù)檢測到的顯著特征來估計目標姿態(tài)。將參照圖2至圖5來詳細描述姿態(tài)分析模塊220進行姿態(tài)估計的處理過程。首先，如圖5的步驟510所示，姿態(tài)分析模塊220將從輸入接口模塊210接收到的數(shù)據(jù)的特征與存儲在特征數(shù)據(jù)庫中的特征進行并行測試。這里，特征數(shù)據(jù)庫可包含至少一個特征類別，并且特征類別可根據(jù)用戶需要而更新，或設(shè)置為自動更新。例如，可通過與外部資源(主機、互聯(lián)網(wǎng)等)的連接來自動更新特征數(shù)據(jù)庫的特征類別。圖3示出了根據(jù)本發(fā)明實施例的用于剛體部位檢測的特征數(shù)據(jù)庫所包含的特征類別。人體的剛體部件通常包括人的頭部、人的上半身和人的軀干。在本實施例中，用于剛體部位檢測的特征數(shù)據(jù)庫包括四個類別部件檢測特征A、顏色特征B、前景(re)提取特征 C和形狀提取特征D。具體地，由于目標的某些部件具有固有的特征，因此可通過特定的方法發(fā)現(xiàn)這些特征，從而可確定部件。以人作為例子，人的頭部、臉部、上身/下身、手和軀干都具有固定的模式。因此，部件檢測特征A可具有頭部模式、臉部模式、上身/下身模式、手模式、軀干模式。顏色特征B可包括皮膚顏色、手套顏色、長襪顏色、目標主體上的顯著顏色補丁。re提取特征C可包括幀差、背景(BG)消減、目標輪廓、邊緣特征。形狀提取特征D可包括棍形、圓形、四方形、柱形。對于本領(lǐng)域技術(shù)人員很明顯的是，可以具有更多或較少的特征類別。另外，可根據(jù)需要更新特征類別。圖4示出示出了根據(jù)本發(fā)明實施例的姿態(tài)估計中用于非剛體部位檢測的特征數(shù)據(jù)庫中包含的特征類別。人體的非剛體部件通常包括人的胳膊和腿。在本實施例中，用于非剛體部位檢測的特征數(shù)據(jù)庫可包括凹凸度特征(CDF)和U類型深度特征(UDF)兩種深度特征類別以及顏色特征類別。由于顏色特征能適應(yīng)人體的非剛體部件(例如，胳膊、腿)的變形，對于非剛體部件來說同樣適用。因此，顏色特征類別與用于非剛體部件檢測中使用的顏色特征類別相同。深度特征類別中的CDF特征描述區(qū)域的深度梯度。非剛體部件(例如， 上臂和手)通常具有較高的凹凸度，這是因為在手和上臂周圍的凹凸度更強。因此，可將凹凸度特征作為檢測手和手臂的可靠特征。同樣，由于手臂與周圍區(qū)域的深度波動沿著手臂的垂直方向呈現(xiàn)U形，因此，也可將UDF特征作為檢測非剛體部件的特征。繼續(xù)參照回到圖5。接下來，在步驟520，根據(jù)所述至少一個特征組的有效性指示參數(shù)對所述至少一個特征組進行評估，以選擇顯著特征集合。有效性指示參數(shù)的示例例如為檢測率、誤檢率、虛警率。當特征組的有效性指示參數(shù)大于預(yù)設(shè)的閾值時，該特征組被選定作為顯著特征集合。例如，在形狀特征評估的過程中，可以用橢圓形狀來逼近人體的頭部，可以用梯形圓臺來逼近人體的軀干，用梯形逼近胳膊、腿部，從而可以用一定的輪廓曲線來逼近人體。假設(shè)待檢測目標(或目標部件)區(qū)域的像素個數(shù)為X，實際檢測到的正確的像素個數(shù)為M，不正確的像素個數(shù)為K，則檢測率為M/X，誤檢率為K/(M+K)。如果檢測率或誤檢率的值大于預(yù)定閾值，則確定該組形狀特征屬于顯著特征集合。然后，在步驟530，基于顯著特征集合對輸入的圖像執(zhí)行特征檢測，確定輸入的圖像中是否存在顯著特征集合中的特征，以獲得輸入圖像的顯著特征檢測結(jié)果。因此，需要姿態(tài)分析模塊220基于獲得的用于姿態(tài)推算的顯著特征檢測結(jié)果來執(zhí)行推算處理。另外，對于不同的場景圖像或視頻中的不同的目標，通常具有不同的顯著特征集合。因此，每當目標改變時，需要重新測試和選擇對于不同的目標的顯著特征集合。最后，在步驟M0，根據(jù)顯著特征檢測結(jié)果執(zhí)行姿態(tài)估計。具體地，姿態(tài)分析模塊 220通過組合對于每個目標部分/部件的顯著特征檢測結(jié)果來產(chǎn)生姿態(tài)假設(shè)。姿態(tài)分析模塊220對每種姿態(tài)假設(shè)組合進行評估，從而驗證其作為可能的目標姿態(tài)的概率。在評估完每個姿態(tài)假設(shè)組合之后，姿態(tài)分析模塊220最后決定哪種姿態(tài)假設(shè)組合具有成為期望的目標姿態(tài)的最高的概率。對于本領(lǐng)域的技術(shù)人員來說，可以采用各種方法來推算目標姿態(tài)。例如，推算方法可以是在[Hu Z L，ICIP2010]、[Z. W. Tu, PAMI2002]的論文中描述的方法，但本發(fā)明不限于此。通過以上處理得到了姿態(tài)估計結(jié)果，從而可以得到給定的關(guān)鍵關(guān)節(jié)點的坐標位置。由于在感測到的深度圖像數(shù)據(jù)中存在很強的噪聲，因此人體的部件的形狀會出現(xiàn)失真。 因此，有必要對輸入的深度數(shù)據(jù)進行噪聲抑制。接下來，參照圖2和圖6來說明噪聲抑制模塊230對輸入的深度圖像數(shù)據(jù)進行噪聲抑制處理。圖6示出根據(jù)本發(fā)明實施例的噪聲抑制過程的流程圖。首先，在步驟610，噪聲抑制模塊230基于姿態(tài)估計的結(jié)果，按照給定的關(guān)節(jié)點將人體劃分成若干部件并對劃分的部件進行三維(3D)面擬合。例如，根據(jù)肩部關(guān)節(jié)和肘部關(guān)節(jié)的位置將手臂劃分為前臂部件和后臂部件，并用預(yù)定數(shù)量的點在平面上擬合前臂和后臂部件的模型。通?？梢杂脠A柱體或橢球體來作為手臂部分的模型，用于擬合的點分布于部件的表面上，從而形成一個3D面。 常用的關(guān)節(jié)點的位置包括頭部中心、手腕和手指、肘部、肩部、鎖骨、脊柱、骨盆、腳部、腳踝、膝蓋等。這里，可以使用標準的隨機抽樣一致(RANSAC)算法來構(gòu)建一個最優(yōu)的擬合3D 面。該擬合的3D面可被表示為以下的等式(1)Ax+By+Cz = D (1)接下來，在得到表示部件的表面的擬合3D面之后，在步驟620，噪聲抑制模塊230 可基于該擬合的3D面來修正圖像中的點相對于拍攝相機的空間坐標參數(shù)，從而修正了深度圖像中的失真，抑制了圖像數(shù)據(jù)的噪聲。在本發(fā)明的實施例中，利用以下的等式(2)來執(zhí)行修正t = D/(Ax，+By，+Cz，)χ” = χ，· ty” = y，· t (2)ζ ” = ζ，· t其中，其中，x’、y’、z’表示輸入圖像中的點的原有的三維空間坐標，x”、y”、ζ”表示修正后的點的三維空間坐標。下面參照圖7來說明根據(jù)本發(fā)明實施例的計算人體形狀參數(shù)的過程。通常，對于人體形狀參數(shù)的計算有兩種不同的需求。一種是計算密集的人體形狀參數(shù)，另一種是計算稀疏的人體形狀參數(shù)。密集的人體形狀參數(shù)計算要求密集地測量每個人體部件的分片，其中，人體部件被表示為圓柱體或橢球體。而稀疏的人體形狀參數(shù)計算只要求粗略的尺寸參數(shù)，例如，每個部件的半徑和長度。稀疏的人體形狀參數(shù)計算比較簡單，僅需要計算特定的點的坐標就可以得到。如果是要求計算密集形狀參數(shù)，則形狀參數(shù)計算模塊240首先將經(jīng)過噪聲抑制處理后而形成的人體部件均勻地劃分為預(yù)定數(shù)量的分片(步驟710)。接下來， 在步驟720，形狀參數(shù)計算模塊240基于每個分片上的點的坐標來計算每個分片以及整個部件的形狀參數(shù)。例如，如果以橢球體來表示某一人體部件，則可以計算橢球體的每個分片的長短軸的長度、橢球體的整個長度等參數(shù)。最后，在步驟730，可以將計算的形狀參數(shù)生成為參數(shù)列表，從而方便用戶在與人體形狀參數(shù)計算裝置連接的顯示裝置上顯示，或者在相應(yīng)的應(yīng)用中使用。圖8到圖9示出的是應(yīng)用了根據(jù)本發(fā)明的人體形狀參數(shù)測量系統(tǒng)的示例。圖8示出的是本發(fā)明應(yīng)用于個人圖像設(shè)計的示例裝置。該示例裝置例如可以是帶有攝像頭的手機。手機通過攝像頭捕捉人體的圖像數(shù)據(jù)，并利用人體形狀參數(shù)測量裝置分析人體的姿態(tài)， 計算密集的人體形狀參數(shù)，并在顯示屏幕上顯示捕捉的圖像以及測量的結(jié)果。測量的結(jié)果例如可用于人體的雕塑等具有精確的人體形狀的場合。手機還可以將測量的結(jié)果發(fā)送到遠程裝置以進行進一步的應(yīng)用或處理。圖9示出的是本發(fā)明應(yīng)用于服裝定制和家具定制的示例。根據(jù)本發(fā)明的人體形狀參數(shù)測量系統(tǒng)可以是具有攝像頭的機頂盒或高清電視。機頂盒或高清電視從內(nèi)嵌或者外置的攝像頭接收圖像數(shù)據(jù)，計算稀疏的人體形狀參數(shù)，例如，身高、腰圍、手臂和腿的長度等，并在顯示設(shè)備上顯示拍攝的圖像數(shù)據(jù)以及測量的結(jié)果。還可以通過諸如有線網(wǎng)絡(luò)或無線網(wǎng)絡(luò)將圖像數(shù)據(jù)和測量的參數(shù)發(fā)送到遠程裝置，從而可以對方可以根據(jù)測量的參數(shù)定制合適的服裝以及適合人體的家具。本申請說明書以人作為實例來說明人體形狀參數(shù)的測量方案。然而，本發(fā)明的方法不局限于人的形狀參數(shù)的測量。本領(lǐng)域的技術(shù)人員可以理解，以上描述的形狀參數(shù)測量方法和系統(tǒng)可以應(yīng)用于其它剛體目標、非剛體目標、由剛體部件和非剛體部件混合組成的目標的測量。雖然已經(jīng)參照本發(fā)明的若干示例性實施例示出和描述了本發(fā)明，但是本領(lǐng)域的技術(shù)人員將理解，在不脫離權(quán)利要求及其等同物限定的本發(fā)明的精神和范圍的情況下，可以在形式和細節(jié)上做出各種改變。
權(quán)利要求
1.一種人體形狀參數(shù)計算裝置，包括輸入接口模塊，用于從人體形狀參數(shù)計算裝置的外部接收圖像數(shù)據(jù)；姿態(tài)估計模塊，檢測圖像數(shù)據(jù)中的人體的人體部件以估算人體姿態(tài)；噪聲抑制模塊，基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，形成人體部件的三維面并修正人體部件的三維面的點的空間坐標參數(shù)；形狀參數(shù)計算模塊，基于噪聲抑制模塊修正的三維面的點的空間坐標參數(shù)來計算人體形狀參數(shù)。
2.如權(quán)利要求1所述的人體形狀參數(shù)計算裝置，其中，所述圖像數(shù)據(jù)包括深度圖像數(shù)據(jù)。
3.如權(quán)利要求1所述的人體形狀參數(shù)計算裝置，其中，形狀參數(shù)計算模塊將人體部件的三維面劃分為多個分片并計算每個分片的形狀參數(shù)。
4.如權(quán)利要求1所述的人體形狀參數(shù)計算裝置，其中，噪聲抑制模塊使用隨機抽樣一致RANSAC算法來構(gòu)建人體部件的三維面。
5.如權(quán)利要求1所述的人體形狀參數(shù)計算裝置，其中，姿態(tài)估計模塊基于剛體特征數(shù)據(jù)庫和非剛體特征數(shù)據(jù)庫來分別檢測人體的剛體部件和非剛體部件。
6.如權(quán)利要求5所述的人體形狀參數(shù)計算裝置，其中，剛體特征數(shù)據(jù)庫的特征類別包括部件檢測特征、顏色特征、前景提取特征和形狀提取特征，非剛體特征數(shù)據(jù)庫的特征類別包括凹凸度特征⑶F和U型深度特征UDF0
7.一種人體形狀參數(shù)計算方法，包括以下步驟(a)接收圖像數(shù)據(jù)；(b)檢測接收的圖像數(shù)據(jù)中的人體的人體部件并估算人體姿態(tài)；(c)基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，并形成人體部件的三維面以修正人體部件的三維面的點的空間坐標參數(shù)；(d)基于修正的空間坐標參數(shù)來計算人體形狀參數(shù)。
8.如權(quán)利要求7所述的人體形狀參數(shù)計算方法，其中，所述步驟(d)包括將人體部件的三維面劃分為多個分片并計算每個分片的形狀參數(shù)。
9.如權(quán)利要求7所述的人體形狀參數(shù)計算方法，其中，在步驟(c)中，使用隨機抽樣一致RANSAC算法來構(gòu)建人體部件的三維面。
10.如權(quán)利要求7所述的人體形狀參數(shù)計算方法，其中，在步驟(C)中，基于剛體特征數(shù)據(jù)庫和非剛體特征數(shù)據(jù)庫來分別檢測人體的剛體部件和非剛體部件。
11.如權(quán)利要求10所述的人體形狀參數(shù)計算方法，其中，剛體特征數(shù)據(jù)庫的特征類別包括部件檢測特征、顏色特征、前景提取特征和形狀提取特征，非剛體特征數(shù)據(jù)庫的特征類別包括凹凸度特征⑶F和U形深度特征UDFo
12.一種用于自動測量人體形狀參數(shù)的系統(tǒng)，包括圖像獲取裝置，捕捉將被測量的人體的視頻或圖像，并將捕捉的視頻或圖像轉(zhuǎn)換為圖像數(shù)據(jù)；人體形狀參數(shù)計算裝置，從圖像獲取裝置接收圖像數(shù)據(jù)，檢測圖像數(shù)據(jù)中的人體的人體部件并估算人體姿態(tài)，基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，形成人體部件的三維面并修正人體部件的三維面的點的空間坐標參數(shù)，并基于噪聲抑制模塊修正的三維面的點的空間坐標參數(shù)來計算人體形狀參數(shù)。
13.如權(quán)利要求12所述的系統(tǒng)，還包括顯示裝置，用于顯示圖像獲取裝置捕捉的圖像數(shù)據(jù)或人體形狀參數(shù)計算裝置計算的人體形狀參數(shù)；通信模塊，將圖像獲取裝置捕捉的圖像數(shù)據(jù)或人體形狀參數(shù)計算裝置計算的人體形狀參數(shù)傳輸?shù)酵獠康倪h程裝置。
全文摘要
提供了一種計算人體形狀參數(shù)的裝置和方法，其中，計算人體形狀參數(shù)的裝置包括輸入接口模塊，用于從人體形狀參數(shù)計算裝置的外部接收圖像數(shù)據(jù)；姿態(tài)估計模塊，檢測圖像數(shù)據(jù)中的人體的人體部件以估算人體姿態(tài)；噪聲抑制模塊，基于估算的人體姿態(tài)的關(guān)節(jié)點劃分人體部件，形成人體部件的三維面并修正人體部件的三維面的點的空間坐標參數(shù)；形狀參數(shù)計算模塊，基于噪聲抑制模塊修正的三維面的空間坐標參數(shù)來計算人體形狀參數(shù)。
文檔編號G06F19/00GK102486816SQ20101058959
公開日2012年6月6日 申請日期2010年12月2日 優(yōu)先權(quán)日2010年12月2日
發(fā)明者林和燮, 楚汝峰, 胡芝蘭, 陳茂林 申請人:三星電子株式會社, 北京三星通信技術(shù)研究有限公司