一种基于深度学习关键点检测的人体身型测量方法及装置制造方法及图纸

本发明专利技术提供一种基于深度学习关键点检测的人体身型测量方法及装置，通过基于深度学习的计算机视觉技术对人体身型的关键点进行检测识别，能够实现主要人体外形指标(例如身高，肩宽，袖长，裤长，胸围，腰围，臀围等)的快速实时计算与测量效果的直观展示。对各种复杂环境抗噪能力强，鲁棒性高，测量结果准确，有效满足了工装批量测量以及服装导购等场景的需求。本发明专利技术提供的测量装置通过深度学习训练能够实现自动测量与计算人体身型的关键指标，测量准确，操作简单。

A Body Shape Measurement Method and Device Based on Deep Learning Key Point Detection

The invention provides a human body shape measurement method and device based on the detection of key points of deep learning. The key points of human body shape can be detected and identified by computer vision technology based on deep learning, and the main human body shape indexes (such as height, shoulder width, sleeve length, trousers length, chest circumference, waist circumference, hip circumference, etc.) can be realized. Fast real-time calculation and visual display of measurement results. It has strong anti-noise ability, high robustness and accurate measurement results for various complex environments, and effectively meets the needs of batch measurement of tooling and apparel shopping guidance scenarios. The measuring device provided by the invention can automatically measure and calculate the key indicators of human body shape through in-depth learning training, with accurate measurement and simple operation.

【技术实现步骤摘要】
一种基于深度学习关键点检测的人体身型测量方法及装置
本专利技术涉及计算机视觉和深度学习领域，尤其涉及一种基于深度学习关键点检测的实时自动人体身型测量方法及装置。
技术介绍
在批量制作服装如工装、制服、军服等时，裁缝需要集中对大批量人员进行量体裁衣，这不但耗费大量时间，同时裁缝在进行高强度重复测量动作中不可避免地会产生错误测量数据，为以后成衣制作效果埋下隐患。另一方面，在日常生活中，很多人在购买服装时希望知道自己当时的身材尺寸，但难以保证有专业人员在场提供服务，导致在选购服装时缺少针对性。自动人体外形测量技术为这些场景提供了有效的解决方案。虽然近年来人体测量学研究通过影像拍照或者扫描来获得人体数据，例如，中国专利技术专利CN101228973“人体外形尺寸非接触式测量方法及测量系统”中，即为通过图像获取设备拍摄人体图像，再利用特定算法分析图像以自动获取人体外形尺寸的测量方法。但是，当前自动人体外形测量技术采用传统视觉和图像处理技术，对人体特征点的识别能力比较有限，容易出现误判断，无法做到全自动测量。此外，当前自动人体外形测量技术对光照等环境因素敏感，测量准确度无法得到保证，只能测平面距离，不支持胸围腰围臀围等3D指标，如中国专利申请CN201610397006.6。鉴于人工智能领域深度学习技术已被广泛应用，因此有必要借助于此，基于深度学习技术，尝试去提供一种在实际环境中快速实用的自动人体外形测量方法/装置解决上述问题。
技术实现思路
在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，该概述并不是关于本专利技术的穷举性概述，它并非意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为后文的具体实施方式部分的铺垫。鉴于以上提出的问题，本专利技术提出了一种基于深度学习关键点检测的人体身型测量方法及装置，能够在复杂环境下实时得到人体身型的关键指标，为大批量量体裁衣以及服装选购提供人体主要外形参数，测量结果准确。本专利技术首先提出了一种基于深度学习关键点检测的人体身型测量方法，包括以下步骤：采集图像：实时采集待测量人体的正面和侧面图像，获取正面、侧面身型图片各一张；检测关键点：基于预先训练得到的关键点检测模型，利用深度学习关键点检测技术对所获取的待测量人体的身型图片进行身体关键部位的关键点检测，得到身型关键点坐标；计算身型关键指标：根据获取的身型关键点坐标进行身型关键指标计算，得到身型关键指标。本专利技术通过基于深度学习的计算机视觉技术对人体身型的关键点进行检测识别，能够快速、实时、自动地计算主要人体外形指标，并能够实现测量效果的直观展示。本专利技术进一步提供一种基于深度学习关键点检测的人体身型测量装置，包括：关键点检测模型训练模块，被配置为预先收集人体身型正面、侧面图片，对图片进行身型关键点的手工标注，然后进行深度学习训练，得到关键点检测模型；采集模块，被配置为实时采集待测量人体的正面和侧面图像，获取正面、侧面身型图片各一张；关键点检测模块，与所述关键点检测模型训练模块和采集模块连接，被配置为基于所述关键点检测模型，利用深度学习关键点检测技术对所获取的待测量人体的身型图片进行身体关键部位的关键点检测，得到身型关键点坐标；关键指标计算模块，与所述关键点检测模块连接，被配置为根据获取的身型关键点坐标进行身型关键指标计算，得到身型关键指标。本专利技术提供的测量装置通过深度学习训练能够实现自动测量与计算人体身型的关键指标，测量准确，操作简单。本专利技术提供的技术方案可以包括以下有益效果：本专利技术通过基于深度学习的计算机视觉技术对人体身型的关键点进行检测识别，能够实现主要人体外形指标(例如身高，肩宽，袖长，裤长，胸围，腰围，臀围等)的快速实时计算与测量效果的直观展示。对各种复杂环境抗噪能力强，鲁棒性高，测量结果准确，有效满足了工装批量测量以及服装导购等场景的需求。本专利技术提供的测量装置通过深度学习训练能够实现自动测量与计算人体身型的关键指标，测量准确，操作简单。通过以下结合附图对本专利技术的最佳实施例的详细说明，本专利技术的这些以及其他优点将更加明显。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，用来提供对本专利技术的进一步理解，构成本申请的一部分，而不应将其视为是对本专利技术范围的限制。图1是根据本专利技术一种实施方式的测量方法流程图；图2是根据本专利技术一种实施方式的测量装置结构示意图；图3是采集模块结构示意图；图4是关键指标计算模块结构示意图；图5是关键点检测模型训练模块结构示意图；图6是信息存储查询模块结构示意图；图7是根据本专利技术一种实施方式的身型正面关键点布置图；图8是根据本专利技术一种实施方式的身型侧面关键点布置图。具体实施方式现参照附图对本专利技术的实施方式进行详细描述。应注意，以下描述仅仅是示例性的，而并不旨在限制本专利技术。在以下描述的不同实施方式中的不同特征，可彼此结合，以形成本专利技术范围内的其他实施方式。应当注意，在本专利技术中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。还应注意，术语“包括/包含”、“由……组成”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的产品、设备、过程或方法不仅包括那些要素，而且需要时还可以包括没有明确列出的其他要素，或者是还包括为这种产品、设备、过程或方法所固有的要素。在没有更多限制的情况下，由语句“包括/包含……”、“由……组成”限定的要素，并不排除在包括所述要素的产品、设备、过程或方法中还存在另外的相同要素。参见图1，本专利技术的一个具体实施例，首先提供一种基于深度学习关键点检测的人体身型测量方法，包括以下步骤：采集图像：实时采集待测量人体的正面和侧面图像，获取正面、侧面身型图片各一张；检测关键点：基于所述关键点检测模型，利用深度学习关键点检测技术对所获取的待测量人体的身型图片进行身体关键部位的关键点检测，得到身型关键点坐标；计算身型关键指标：根据获取的身型关键点坐标进行身型关键指标计算，得到身型关键指标。本实施例中，在执行人体身型测量之前，首先做好关键点检测模型训练，即事先训练好关键点检测模型，具体是预先采集人体身型正面、侧面图片，手工标注一部分图片供深度学习算法去学习，得到关键点检测模型，这样系统在使用的时候直接调用训练好的模型来预测新的图片的关键点，具体按照如下方法实施：(1)收集一定数量的人体身型图像，参见图7、图8，为计算人体身型关键指标，每人正面拍摄一张，侧面拍摄一张。(2)对采集得到的人体身型正面、侧面照片进行关键点标注，本专利技术中，为提高测量结果的准确度，标注人体身型正面、侧面图像共18个关键点，分别为正面：头顶，左肩尾，右肩尾，左胸点，右胸点，左腰点，右腰点，左髋点，右髋点，本文档来自技高网...

【技术保护点】
1.一种基于深度学习关键点检测的人体身型测量方法，其特征在于包括以下步骤：采集图像：实时采集待测量人体的正面和侧面图像，获取正面、侧面身型图片各一张；检测关键点：基于预先训练得到的关键点检测模型，利用深度学习关键点检测技术对所获取的待测量人体的身型图片进行身体关键部位的关键点检测，得到身型关键点坐标；计算身型关键指标：根据获取的身型关键点坐标进行身型关键指标计算，得到身型关键指标。

【技术特征摘要】
1.一种基于深度学习关键点检测的人体身型测量方法，其特征在于包括以下步骤：采集图像：实时采集待测量人体的正面和侧面图像，获取正面、侧面身型图片各一张；检测关键点：基于预先训练得到的关键点检测模型，利用深度学习关键点检测技术对所获取的待测量人体的身型图片进行身体关键部位的关键点检测，得到身型关键点坐标；计算身型关键指标：根据获取的身型关键点坐标进行身型关键指标计算，得到身型关键指标。2.根据权利要求1所述的方法，其特征在于，所述预先训练关键点检测模型为：预先收集人体身型正面、侧面图片，对图片进行身型关键点的手工标注，然后进行深度学习训练，得到关键点检测模型。3.根据权利要求2所述的方法，其特征在于，所述训练关键点检测模型具体为：(1)收集一定数量的人体身型正面、侧面图像；(2)标注人体身型图像正面、侧面共18个关键点，分别为正面：头顶，左肩尾，右肩尾，左胸点，右胸点，左腰点，右腰点，左髋点，右髋点，左手点，右手点，双脚中心点；侧面：前胸点，后胸点，前腰点，后腰点，前髋点，后髋点；(3)训练及调优关键点检测模型；(4)部署关键点检测模型。4.根据权利要求1所述的方法，其特征在于，采集图像时，对于首次测量或者改变拍摄参数后再次测量，先执行初始化校准环节，即拍摄一张人体身型图片，同时记录人体身型的至少一个实际参数S，根据该实际参数S与对应检测出的像素距离D计算出指标比率：pixel_ratio＝S/D。5.根据权利要求4所述的方法，其特征在于，所述初始化校准环节还包括记录相关拍摄信息，包括：焦距、摄像头高度、拍摄距离、像素、像素比率以及照片的实际尺寸，在随后实时采集待测量人体的图像中，执行相同的焦距、摄像头高度、拍摄距离批量进行人体拍摄。6.根据权利要求1所述的方法，其特征在于，所述检测关键点步骤中，检测18个身型关键点，分别为正面：头顶，左肩尾，右肩尾，左胸点，右胸点，左腰点，右腰点，左髋点，右...

【专利技术属性】
技术研发人员：刘鑫，庄浩，张继勇，
申请(专利权)人：苏州博慧智能科技有限公司，
类型：发明
国别省市：江苏,32