一种量体特征点提取方法及装置制造方法及图纸

本发明专利技术实施例提供的量体特征点提取方法及装置，通过建立带形状估计的非闭合Snake模型来提取量体特征点所在的图像特征区域的局部轮廓，与传统的Snake模型相比，其提取结果鲁棒性更强，效率更高，而且能够较好的克服背景环境及人体着装对提取结果的影响，使提取出的局部轮廓更加连续平滑，满足最终量体特征点的提取要求。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，具体而言，涉及一种量体特征点提取方法及装置。
技术介绍
在基于图像的非接触式人体参数测量中，人体轮廓提取对测量精度有重要影响。但是，目前传统的Snake模型进行人体完整轮廓的提取时，效率较低，提取的结果鲁棒性较差，且易受背景环境及着装的影响。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种量体特征点提取方法及装置，以改善上述问题。本专利技术较佳实施例提供一种量体特征点提取方法，应用于基于图像的非接触式人体参数测量中，该方法包括：获取图像特征区域内的初始轮廓线；构建所述初始轮廓线的能量函数，通过偏微分方程对该能量函数进行求解，并对求解得到的方程进行离散化得到离散方程；将所述离散方程的五对角带状矩阵中对应所述初始轮廓线的第一图像点、第二图像点、倒数第一图像点及倒数第二图像点的系数进行重新设置得到非闭合的Snake模型；及对所述非闭合的Snake模型进行迭代求解得到所述图像特征区域的目标轮廓线，再根据该目标轮廓线提取出相应的量体特征点。本专利技术另一较佳实施例提供一种量体特征点提取装置，应用于基于图像的非接触式人体参数测量中，该装置包括：轮廓线获取模块，用于获取图像特征区域内的初始轮廓线；函数构建模块，用于构建所述初始轮廓线的能量函数，通过偏微分方程对该能量函数进行求解，并对求解得到的方程进行离散化得到离散方程；系数重置模块，用于将所述离散方程的五对角带状矩阵中对应所述初始轮廓线的第一图像点、第二图像点、倒数第一图像点及倒数第二图像点的系数进行重新设置得到非闭合的Snake模型；及提取模块，用于对所述非闭合的Snake模型进行迭代求解得到所述图像特征区域的目标轮廓线，再根据该目标轮廓线提取出相应的量体特征点。本专利技术实施例提供的量体特征点提取方法及装置，通过建立非闭合Snake模型提取量体特征点所在的图像特征区域的局部轮廓，与传统的Snake模型相比，其提取结果鲁棒性更强，效率更高。此外，本专利技术实施例还提供了一种带形状估计的非闭合Snake模型，以克服背景环境及人体着装对提取结果的影响，使提取出的局部轮廓更加连续平滑，满足量体特征点的提取要求。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，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。图1为本专利技术实施例提供的一种图像处理设备的示意性结构框图；图2为本专利技术实施例提供的一种应用图1所示的图像处理设备实现的量体特征点提取方法的流程图；图3为本专利技术实施例提供的一种预定人体站姿示意图；图4为本专利技术实施例提供的对人体左手腕的特征区域进行自动设置初始轮廓线后得到的结果示意图；图5为本专利技术实施例提供的另一种量体特征点提取方法的流程图；图6为本专利技术实施例提供的对图3所示的预定站姿中人体左手腕对应的特征区域进行形状估计的示意图；图7为本专利技术实施例提供的量体特征点提取装置的功能模块框图；图8为本专利技术实施例提供的基于简单背景实验条件下传统Snake模型与非闭合Snake模型对人体左手腕特征点的提取结果对比示意图；图9为本专利技术实施例提供的基于复杂背景实验条件下传统Snake模型与非闭合Snake模型对人体左手腕特征点的提取结果对比示意图。主要元件符号汇总：具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。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。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，是本专利技术较佳实施例提供的一种图像处理设备100的示意性结构框图。该图像处理设备100包括存储器110、处理器120以及量体特征点提取装置130。所述图像处理设备100可以是计算机或其他任意具有图像数据处理能力的计算设备。所述存储器110与处理器120之间直接或间接地电性连接，以实现数据的传输或交互。例如，可通过一条或多条通讯总线或信号线实现电性连接。所述量体特征点提取装置130包括至少一个可以软件或固件(firmware)的形式存储于所述存储器110中或固化在所述图像处理设备100的操作系统(operatingsystem，OS)中的软件功能模块。所述处理器120用于执行存储器110中存储的可执行模块，例如所述量体特征点提取装置130包括的软件功能模块或计算机程序。所述处理器120在接收到执行指令后，执行所述功能模块或程序，下述本专利技术任一实施例揭示的流过程定义的图像处理设备100所执行的方法可以应用于处理器120中，或者由处理器120实现。请参阅图2，是本专利技术较佳实施例提供的使用所述图像处理设备100实现的量体特征点提取方法的流程图。所应说明的是，本专利技术提供的方法并不以图2及以下所述的具体顺序为限制。下面将对图2所示的具体步骤及流程进行详细阐述。步骤S101，获取图像特征区域内的初始轮廓线。在基于图像的人体参数测量中，精准提取量体特征点的前提是准确划分出待测人体的特征区域。本专利技术的设计者在进行大量实验并总结规律后发现，对于各种体型的待测者，在图像中，其量体特征点所在位置总与待测者的身高、头全高占身高的比值、头部位置以及站姿存在一定关系。由此，本实施例中，在预先设定一种二维图像中的人体站姿后，由与所述图像处理设备100连接的图像获取设备(如摄像机或设置于图像处理设备100上的摄像头)获取待测人体的正、侧面图像，再通过人脸检测方法确定正、侧面图像中人脸矩形位置，并结合人体比例及所设定的站姿等先验知识划分出待提取的量体特征点所在的特征区域。可选地，如图3所示，本实施例中提供一种适用于各种体型的待测人体并且便于划分特征区域的预定站姿：正面双手张开与竖直方向呈45°角，掌心向外，大拇指与四指分开，双脚后跟并拢，脚掌呈90°；侧面成立正站姿。图中矩形框内所包括的区域即为待测人体的各特征区域，每个特征区域内的黑色标记点即为该特征区域内待提取的量体特征点。在划分出量体特征点所应在的特征区域后，还需要设置该特征区域的初始轮廓线，以便根据该初始轮廓线建立求解模型。本实施例中，可以采用两种设置所述初始轮廓线的方式：其一，传统的手动设置方式；其二，通过对比相邻图像点的梯度值进行自动设置的方式。传统的手动设置方式在连续进行轮廓提取时较为费时，与之相比，自动设置初始轮廓线更为方便。本实施中，自动设置初始轮廓线的实现方式为，对图像特征区域内相同间隔的列，从上至下依次计算该列上每一点的梯度值，并将梯度值变化首次超过阈值的图像点标记为Snake点，然后将获得的所有Snake点依次连接起来形成所述初始轮廓线。其中，图像的梯度值可按下式计算：其中，I(x,y)表示图像灰度值。图4是本实施例提供的采用自动本文档来自技高网...

【技术保护点】
一种量体特征点提取方法，应用于基于图像处理的非接触式人体参数测量中，其特征在于，该方法包括：获取图像特征区域内的初始轮廓线；构建所述初始轮廓线的能量函数，通过偏微分方程对该能量函数进行求解，并对求解得到的方程进行离散化得到离散方程；将所述离散方程的五对角带状矩阵中对应所述初始轮廓线的第一图像点、第二图像点、倒数第一图像点及倒数第二图像点的系数进行重新设置得到非闭合的Snake模型；及对所述非闭合的Snake模型进行迭代求解得到所述图像特征区域的目标轮廓线，再根据该目标轮廓线提取出相应的量体特征点。

【技术特征摘要】
1.一种量体特征点提取方法，应用于基于图像处理的非接触式人体参数测量中，其特征在于，该方法包括：获取图像特征区域内的初始轮廓线；构建所述初始轮廓线的能量函数，通过偏微分方程对该能量函数进行求解，并对求解得到的方程进行离散化得到离散方程；将所述离散方程的五对角带状矩阵中对应所述初始轮廓线的第一图像点、第二图像点、倒数第一图像点及倒数第二图像点的系数进行重新设置得到非闭合的Snake模型；及对所述非闭合的Snake模型进行迭代求解得到所述图像特征区域的目标轮廓线，再根据该目标轮廓线提取出相应的量体特征点。2.根据权利要求1所述的量体特征点提取方法，其特征在于，获取图像特征区域内的初始轮廓线的步骤包括：对所述图像特征区域内相同间隔的列，从上至下依次计算每一列上各图像点的梯度值，并将梯度值变化首次超过阈值的图像点进行标记；将各个列上被标记的图像点依次连接得到所述初始轮廓线。3.根据权利要求2所述的量体特征点提取方法，其特征在于，构建所述初始轮廓线的能量函数的步骤包括：根据公式：构建所述能量函数，其中，v(s)＝(x(s),y(s))表示所述初始轮廓线，s∈[0,1]表示数字图像中的一组离散控制点，Eint(v(s))＝(α(s)|v′(s)|2+β(s)|v″(s)2)/2表示曲线的内部能量，α(s)和β(s)值分别表示曲线在各点的连续程度与弯曲程度，表示曲线的外部能量，Gσ(x,y)表示方差为σ的高斯函数，I(x,y)表示图像灰度值，γ(s)表示图像能量的控制参数。4.根据权利要求3所述的量体特征点提取方法，其特征在于，将所述离散方程的五对角带状矩阵中对应所述初始轮廓线的第一图像点、第二图像点、倒数第一图像点及倒数第二图像点的系数进行重新设置得到非闭合的Snake模型的步骤包括：对所述第一图像点和倒数第一图像点的系数进行重新设置使两者不存在一阶导数；对所述第二图像点和倒数第二图像点的系数进行重新设置使两者存在一阶导数的同时不存在二阶导数。5.根据权利要求3所述的量体特征点提取方法，其特征在于，该方法还包括：对所述特征区域进行形状估计，得到形状估计线c(s)＝(xc(s),yc(s))；通过该形状估计线的形状约束能量对所述初始轮廓线的原能量函数进行约束，得到带有形状估计的新的能量函数：Esnake*(v(s))=∫01[Eint(v(s))+Eext(v(s))+Econ(v(s))]ds]]>其中，表示所述形状约束能量，n为初始轮廓线上的点数，为初始轮廓线到所述形状估计线的平均距离，λ(s)表示形状约束能量的控制参数，为曲线上任意极小段与形状估计线的垂直距离。6.一种量体特征点提取装置，应用于基于图像处理的非接触式人体参数测量中，其特征...

【专利技术属性】
技术研发人员：邹昆，马黎，李蓉，
申请(专利权)人：电子科技大学中山学院，
类型：发明
国别省市：广东;44