一种基于深度学习和红点激光相结合的人体躯干测量方法技术

本发明专利技术提出了一种基于深度学习和红点激光相结合的人体躯干测量方法，利用深度学习从图像中检测出目标对象的人体躯干，将两个光源固定且平行的红点激光打在人体上，并通过红点检测算法从图像中检测出红点的位置，计算出红点的像素距离，并根据红点的实际距离得到图像的像素距离与实际距离的转换，进而根据人体躯干的像素长度可以计算出人体躯干的实际长度。本发明专利技术与现有的人体躯干测量相比，具有能够对现实场景下具体目标物进行基于识别的非接触测量的优点。

A human trunk measurement method based on deep learning and red dot laser

A method of measuring the body trunk based on deep learning and red point laser is proposed. The body trunk of the target object is detected from the image by depth learning. The red point laser which is fixed and parallel to the two light sources is hit on the human body, and the red point location is detected from the image by the red point detection algorithm. The pixel distance of the red point is calculated, and the transformation of the pixel distance from the actual distance is obtained according to the actual distance of the red point, and the actual length of the body's trunk can be calculated according to the length of the body's trunk. Compared with the existing human trunk measurement, the invention has the advantages of non-contact measurement based on recognition for specific objects in real scenes.

【技术实现步骤摘要】
一种基于深度学习和红点激光相结合的人体躯干测量方法
本专利技术提供了一种基于深度学习和红点激光相结合的人体躯干测量方法，涉及深度学习、计算机视觉

技术介绍
人体测量学发展至今，测量工具由最初的皮尺、卷尺，发展到了计算机、传感器以及激光等高精度测量工具，测量的方法经过不断完善，已经具有很高的精度和效率。从技术发展来看，人体测量技术可以分为普通测量技术和三维数字化人体测量技术。1、普通人体测量普通人体测量仪器可以采用一般的人体生理测量的有关仪器，包括人体测高仪、直角规、弯角规、三脚平行规、软尺、测齿规、立方定颅器、平行定点仪等，其数据处理采用人工处理或者人工输入与计算机处理相结合的方式。此种测量方式耗时耗力，数据处理容易出错，数据应用不灵活，但成本低廉，具有一定的适用性。2、三维数字化人体测量技术近年来，国内外纺织服装工业计算机辅助设计(CAD)技术日趋成熟，促进了三维人体测量技术的发展。美国、法国、加拿大、英国、德国和日本等服装业发达的国家在20世纪70年代中期开始提出了许多新的测量原理和方法。我国在这方面的研究起步较晚，但在近几年有一些研究机构先后开展了研究工作，并取得了一些研究成果和积累了一定的经验。从仪器本体的原理来讲，三维数字化人体测量分为手动接触式、手动非接触式、自动接触式、自动非接触式等。2.1三维人体手动测量技术手动三维测量技术又可分为接触式测量技术与非接触式测量技术。(1)手动接触式三维数字化测量美国佛罗里达Faro技术公司的FaroArm是典型的手动接触式数字化测量仪。测量时，操作者手持Faro手臂，其末端的探针接触被测人体的表面时按下按钮，测量人体表面点的空间位置。三维数据信息记录下探针所测点的X、Y、Z坐标和探针手柄方向，并采用DSP技术通过RS232串口线连接到各种应用软件包上。(2)手动非接触式三维数字化测量对于非接触式三维人体测量技术的研究，美国、英国、德国等发达国家开始得较早典型的是英国的LASS技术和美国TC2开发的白光相位测量技术。2.2三维人体自动测量技术三维人体自动测量是实现服装数字化设计、三维虚拟试衣和量身定做等应用的前提。它可分为接触式和非接触式测量两种。(1)接触式自动测量接触式自动测量主要用于标准人台表面人体型值点的测量。具体方法是：应用三坐标测量仪测量并记录人台不同部位的型值点，其中曲面曲率较大处的测量间隔密，型值点多；曲面较平坦处的测量间隔疏，型值点少。该方法不适合于真实人体的测量。(2)非接触式自动测量非接触式自动测量主要用于获取真实人体特征数据。非接触三维人体自动测量弥补了常规的接触式自动测量的不足，主要特点是快速、准确、效率高等。它是现代图像测量技术的一个分支，以现代光学为基础，融光电子学、计算机图像学、信息处理、计算机视觉等科学技术于一体的测量技术。它在测量被测对象时把图像当作检测和传递信息的手段或载体加以利用，其目的是从图像中提取有用的信息。本专利技术把红点激光测距技术与时下流行的深度学习技术相结合，提出了一种基于深度学习和红点激光相结合的测距方法。该方法是一种非接触式自动测量方法，通过与基于深度学习的人体躯干识别相结合，达到对人体躯干测量的能力，并且可以完成对识别的多个人体测量的要求。
技术实现思路
本专利技术解决的技术问题是：针对现有的非接触测量方法对人体躯干测量设备过于昂贵且计算量大的问题，提供一种人体躯干识别和红点激光相结合的测量方法，具有能够对现实场景下人体躯干进行基于识别的非接触测量的优点。本专利技术提供一种基于深度学习和红点激光相结合的人体躯干测量方法，包括以下步骤：步骤(1)、首先将两个红点激光发射器与摄像机固定，并保证两束光线平行，并且与摄像机的投影平面垂直，即与摄像机的光轴平行，使得摄像机能捕获到清晰的两个红点，记录两个红点激光发射器的实际距离；该步骤中，摄像机进行了标定，如标定摄像机的参数，包括内部参数和/或外部参数。步骤(1)中使用两束平行激光的好处是无论激光照在何处，由于摄像机的光轴始终与光线平行，摄像机采集到的画面里两个红点的实际距离始终不变。而当激光照在人身体上时，人体躯干和红点到摄像机的距离相同，在图像坐标系里他们的比例与世界坐标系里的比例也近似相等，因此可以方便的计算出人体躯干的长度。步骤(2)、由步骤(1)标定后的摄像机模块捕获现实场景下的图像。步骤(3)、将步骤(2)捕获的图像输入到基于opencv的红点检测模块，检测并识别出图像中的激光红点，如果输入图像包含能够识别到的红点，则输出两个红点在输入图像中的坐标位置，如果输入图像不包含可以识别到的红点，则返回到步骤(2)。步骤(4)、将步骤(2)中摄像机模块捕获的图像输入到基于深度学习的人体躯干检测模块，检测并识别出图像中的人体躯干，如果输入图像包含能够识别到的人体，则输出各个人体关键点在输入图像中的坐标位置，并且将人体关键点的位置连结，得到完整的人体躯干；如果输入图像不包含能够识别到的人体，则返回到步骤(2)。步骤(4)基于深度学习的人体躯干检测模块的输入图像来自于摄像机模块捕获的图像。提出了一种openpose的人体躯干检测与识别算法，首先回归出人体关键点的位置，然后连结各个关键点，得到完整的人体躯干。步骤(5)、根据步骤(3)得到的两个红点的位置和步骤(4)得到的人体关键点的位置，分别计算两个红点的像素距离和人体躯干的像素长度；根据红点激光的实际距离，得到像素距离与实际距离的映射；根据该映射以及人体躯干的像素长度计算出人体躯干的实际长度。上述方法中，摄像机为单目相机。标定后的单目相机模块捕获现实场景下的图像，此时人体应正对着相机并保持与激光方向垂直，以方便计算。上述方法中，摄像机的正前方需要有一定范围的空间，如被测量的人站在距离摄像机2～10米的范围内，这样能够保证摄像机能够采集到完整且清晰的人体。上述方法中，步骤(3)中红点检测模块检测并识别处图像中激光红点的步骤具体包括：首先将输入图像从RGB空间转换到HSV空间，对于H、S、V三个通道分别进行阈值分割，然后进行区域合并，得到红点的二值图像，最后进行轮廓提取，得到红点在输入图像中的坐标位置。本专利技术的原理在于：本专利技术提出了一种基于深度学习与红点激光相结合的人体躯干测量方法，克服了现有的非接触测量方法对人体躯干测量设备过于昂贵且计算量大的缺点。本方法适用于室内场景下适当距离内利用深度学习方法可以识别到的人体躯干的测量。本方法包含四个步骤：将两个红点激光发射器与摄像机固定，并保证两束光线平行，并且与摄像机的光轴平行，使得摄像机能捕获到清晰的两个红点，记录两个红点激光发射器的实际距离；利用标定后的摄像机捕获现实场景中的图像；然后把摄像机捕获的图像输入到基于opencv的红点检测模块，由该模块给出图像中两个红点的位置；把摄像机捕获的图像输入到基于深度学习的人体躯干识别模块，由该模块给出图像中包含的人体关键点在图像中的位置；最后根据得到的红点位置和人体关键点的位置，可以计算出两个红点的像素距离和人体躯干的像素长度，并根据红点激光的实际距离，可以得到像素距离与实际距离的映射，从而计算出人体躯干的实际长度。本专利技术的内容主要包括以下方面：采集系统的搭建。将两个红点激光发射器与摄像机固定，并保证两束光线平行，并且与摄本文档来自技高网...

【技术保护点】
一种基于深度学习和红点激光相结合的人体躯干测量方法，其特征在于：包括以下步骤：步骤(1)：首先将两个红点激光发射器与摄像机固定，两束激光平行并且与摄像机的投影平面垂直，使得摄像机能捕获到清晰的两个红点，记录两个红点激光发射器的实际距离；该步骤中，摄像机进行了标定；步骤(2)：由步骤(1)标定后的摄像机捕获现实场景下的图像；步骤(3)：将步骤(2)捕获的图像输入到基于opencv的红点检测模块，检测并识别出图像中的激光红点，如果输入图像包含能够识别到的红点，则输出两个红点在输入图像中的坐标位置，如果输入图像不包含可以识别到的红点，则返回到步骤(2)；步骤(4)：将步骤(2)中摄像机模块捕获的图像输入到基于深度学习的人体躯干检测模块，检测并识别出图像中的人体躯干，如果输入图像包含能够识别到的人体，则输出各个人体关键点在输入图像中的坐标位置，并且将人体关键点的位置连结，得到完整的人体躯干；如果输入图像不包含能够识别到的人体，则返回到步骤(2)；步骤(5)：根据步骤(3)得到的两个红点的位置和步骤(4)得到的人体关键点的位置，分别计算两个红点的像素距离和人体躯干的像素长度；根据红点激光的实际距离，得到像素距离与实际距离的映射；根据该映射以及人体躯干的像素长度计算出人体躯干的实际长度。...

【技术特征摘要】
1.一种基于深度学习和红点激光相结合的人体躯干测量方法，其特征在于：包括以下步骤：步骤(1)：首先将两个红点激光发射器与摄像机固定，两束激光平行并且与摄像机的投影平面垂直，使得摄像机能捕获到清晰的两个红点，记录两个红点激光发射器的实际距离；该步骤中，摄像机进行了标定；步骤(2)：由步骤(1)标定后的摄像机捕获现实场景下的图像；步骤(3)：将步骤(2)捕获的图像输入到基于opencv的红点检测模块，检测并识别出图像中的激光红点，如果输入图像包含能够识别到的红点，则输出两个红点在输入图像中的坐标位置，如果输入图像不包含可以识别到的红点，则返回到步骤(2)；步骤(4)：将步骤(2)中摄像机模块捕获的图像输入到基于深度学习的人体躯干检测模块，检测并识别出图像中的人体躯干，如果输入图像包含能够识别到的人体，则输出各个人体关键点在输入图像中的坐标位置，并且将人体关键点的位置连结，得到完整的...

【专利技术属性】
技术研发人员：王华锋，杜俊逸，冯毅夫，付明霞，高皓琪，马晨南，齐一凡，潘海侠，
申请(专利权)人：王华锋，
类型：发明
国别省市：北京,11