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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。