一种基于机器学习的身体数据获取方法和装置制造方法及图纸

本发明专利技术公开了一种基于机器学习的身体数据获取方法和装置，其中方法包括：获取测量者图像和体重；将测量者图像和体重与人体3D模型结合，输出带有贴图的测量者人体3D模型以及身体数据信息。本发明专利技术还提供了一种基于机器学习的身体数据获取装置，包括主机和体重称；所述主机包括显示器、摄像头和操作台；所述操作台包括身份识别装置、控制器和打印机，所述显示器、摄像头、身份识别装置和打印机分别与所述控制器电连接，所述体重秤与所述控制器通信连接。本发明专利技术对人的衣着不做特定要求，获得的身体数据不受衣服的影响，可以保证人在穿着日常衣物的情况下，精准推测人体体态和姿势，极大提升了量体的便利性。

A Method and Device for Body Data Acquisition Based on Machine Learning

【技术实现步骤摘要】
一种基于机器学习的身体数据获取方法和装置
本专利技术属于人体数据测量
，具体涉及一种基于机器学习的身体数据获取方法和装置。
技术介绍
传统通过人工测量的方式获取人体体型数据，要求测量人必须能够接触被测量人，无法实现远程测量，并且这种传统的测量方式存在多种误差可能。随着3D技术的不断发展，人体3D扫描仪也完成开发，但是使用全身扫描技术，要求人体充分裸露，得到人的身体模型，并且设备造价高、体积大，依然无法实现远程测量，并且由于其高昂的售价也很难广泛普及到日常生活中。现有人体测量的仪器依赖深度设备，功能检测不完善，由于衣服等的遮挡也会存在一定偏差。在当前领域，主要有两类人体三维建模的方法：第一类是着眼一组关节，比如颈部，比如肘部，得到人体的一个简单的骨骼模型图，这部分数据不包含分析对象的身体尺度信息，分析的信息非常有限。第二类是借助3D扫描技术，使用多组摄像头，以拍摄多张的方式，拼合出一个3D模型，这种方法得到的模型不能排除衣服，发型对身体的影响。目前关于人体三维建模的方法分析的信息非常有限，不能排除衣服、发型对身体模型的影响，得到的模型应用领域非常有限。深度摄像头多角度拍照方法拿到的贴图然后拼合得到的模型，没有身体尺度数据，不能为3D感知提供基础。
技术实现思路
本专利技术提供了一种基于机器学习的身体数据获取方法和装置，克服现有技术中身体数据检测的结果不精确，装置结构复杂，使用不便等问题。为实现上述专利技术目的，本专利技术采用以下技术方案予以实现：一种基于机器学习的身体数据获取方法，包括以下步骤：获取测量者图像和体重；将测量者图像和体重与人体3D模型结合，输出带有贴图的测量者人体3D模型以及身体数据信息。进一步的，所述人体3D模型的生成方法为：随机选定训练人群，拍摄获得训练图片；将训练图片上人体的关键部位划分语意区域；对关键部位上的关键点进行人工标注，同时人工确定关键部位的自然方向，得到训练数据；将训练数据和标准人体模型模板相结合，训练得到人体3D模型。进一步的，所述人体的关键部位为：左侧头部、右侧头部、颈部、左上臂、左下臂、右下臂、右上臂、躯干、左手、右手、左大腿、右大腿、左小腿、右小腿、左脚、右脚，其中，上臂、下臂、大腿、小腿都是由正反两面两部分构成。进一步的，所述人工标注的关键点为身体的边缘和人体的关键部位上的关键点。进一步的，所述标准人体模型模版为：其中，每一个都对应一个3维空间人体模型的顶点，m为标准人体模型模版顶点的总数，X代表了标准人体模型模版顶点的集合，所述标准人体模型模板是一个由三角形组成的标准的3D网格，三角形数量是5500～6500个。进一步的，所述测量者图像是人体3D模型的拓扑变化和向量映射，双向映射ψ，从3D坐标到2D空间从而ψ：代表映射关系，uj：2D空间坐标，xj：人体3D模型坐标，代表3Dmesh中的一个顶点，得到测量者人体3D模型以及贴图的UV坐标。进一步的，所述测量者图像作为贴图，根据贴图的UV坐标，为测量者人体3D模型着色贴图，输出带有贴图的测量者人体3D模型。一种基于机器学习的身体数据获取装置，它包括主机和体重称；所述主机包括显示器、摄像头和操作台；所述操作台包括身份识别装置、控制器和打印机，所述显示器、摄像头、身份识别装置和打印机分别与所述控制器电连接，所述体重秤与所述控制器通信连接。进一步的，所述主机上部设置有所述显示器，所述摄像头设置于所述主机的中部，所述操作台设置于所述主机的下部；所述身份识别模块包括读卡器和扫描仪。进一步的，所述显示器为触摸式显示屏或投影仪。本专利技术的优点和有益效果是：本专利技术提供的基于机器学习的身体数据获取方法和装置，可以排除宽松衣物、发型的影响，做到最大程度上逼近人体不穿衣服的情况下的身体形态，将人体在复杂的背景下进行精准轮廓分离，同时本专利技术通过使用多个深度神经网络，实现了人体检测，进行人体部位语义分割，从2D图片到人体3D模型的映射重建，得到带有贴图的测量者人体3D模型以及身体数据信息。本专利技术不需要景深摄像头或者多组摄像头，就能得到的人体3D模型对应人体的真实形态，为各个行业，比如服装、健康等提供了广阔的应用场景。本专利技术提供了通过深度神经网络来分析人体全身照片得到精准人体三维模型的方法，本专利技术可以使用普通照片，迅速为人体建模，使用深度神经网络，能够在各种复杂的场景中，以很高的精度还原人体。该方法的原理可以普遍应用于其他2D到3D转化的领域，在更细的坐标切分的场下，进行人脸建模、人耳建模、人脚建模。本专利技术的装置提供了两种身份验证的方式，既方便采集数据，同时也利于保护隐私；装置通过使用基于机器学习的身体数据获取方法，功能检测更加完善，结合体重等数据，提供人体身高、肩宽、臂长和腿长等身体数据的精确信息，可以提供测量者合适的衣服型号；获取的数据可以进行实时打印，方便快捷。该装置结构简单，易于操作，成本比较低，便于大规模的推广使用，可广泛适用于健身人群、健身机构、服装定制机构等。附图说明图1为基于机器学习的身体数据获取方法的流程图；图2为人体主要部位标记的示意图；其中，a为原始图片，b为人工标注头部和躯干的图片；图3为将人的图像作为输入，输出带有贴图的测量者人体3D模型的示意图。图4为基于机器学习的身体数据获取装置的结构示意图；图5为基于机器学习的身体数据获取装置主机的侧视图；其中，1为主机，11为显示器，12为摄像头，13为操作台，131为打印机，132为读卡器，133为扫描仪，2为体重称。具体实施方式下面结合具体实施方式对本专利技术的技术方案进一步详细说明。实施例1本实施例提供了一种基于机器学习的身体数据获取方法，本专利技术利用训练数据的标记方法快速标记，进行人体语意划分，能够在复杂背景、不同距离的场景下，精准重建的身体的算法模型，提供身体数据信息。图1是基于机器学习的身体数据获取方法的流程图，该方法包括如下步骤：(1)、获取测量者图像和体重。具体而言，使用单目摄像头拍摄测量者的图像，并获取测量者体重。(2)、将测量者图像和体重与人体3D模型结合，输出带有贴图的测量者人体3D模型以及身体数据信息。其中，人体3D模型的生成方法如下：a、随机选定训练人群，拍摄获得训练图片。具体而言，随机选定训练人群，对其进行各种场景下的拍照，将拍摄得到的图像作为训练图片。b、将训练图片上人体的关键部位划分语意区域。具体而言，将训练图片上人体的关键部位划分为24个语意区域，关键部位包括左侧头部、右侧头部、颈部、左上臂、右上臂、左下臂、右下臂、躯干、左手、右手、左大腿、右大腿、左小腿、右小腿、左脚、右脚；其中，上臂、下臂、大腿、小腿都是由正反两面两部分构成。c、对关键部位上的关键点进行人工标注，同时人工确定关键部位的自然方向，得到训练数据。具体而言，如图2所示，在训练图片上，对人工标注身体的边缘(不是衣服的边缘)和人体的关键部位上选择关键点进行标注，同时根据关键部位中的关节位置，确定部位的自然方向，比如左上臂和人体分开角度，积累得到大量的训练数据。d、将训练数据和标准人体模型模板相结合，训练得到人体3D模型。其中，标准人体模型模版为：其中，每一个都对应一个3维空间人体模型的顶点，m为标准人体模型模版顶点的总数，X代表了标准人体模型模版顶点的集合；所述标准人体模型模板是一个由三本文档来自技高网...

【技术保护点】
1.一种基于机器学习的身体数据获取方法，其特征在于：包括以下步骤：获取测量者图像和体重；将测量者图像和体重与人体3D模型结合，输出带有贴图的测量者人体3D模型以及身体数据信息。

【技术特征摘要】
1.一种基于机器学习的身体数据获取方法，其特征在于：包括以下步骤：获取测量者图像和体重；将测量者图像和体重与人体3D模型结合，输出带有贴图的测量者人体3D模型以及身体数据信息。2.根据权利要求1所述的基于机器学习的身体数据获取方法，其特征在于：所述人体3D模型的生成方法为：随机选定训练人群，拍摄获得训练图片；将训练图片上人体的关键部位划分语意区域；对关键部位上的关键点进行人工标注，同时人工确定关键部位的自然方向，得到训练数据；将训练数据和标准人体模型模板相结合，训练得到人体3D模型。3.根据权利要求2所述的基于机器学习的身体数据获取方法，其特征在于：所述人体的关键部位为：左侧头部、右侧头部、颈部、左上臂、左下臂、右下臂、右上臂、躯干、左手、右手、左大腿、右大腿、左小腿、右小腿、左脚、右脚，其中，上臂、下臂、大腿、小腿都是由正反两面两部分构成。4.根据权利要求2所述的基于机器学习的身体数据获取方法，其特征在于：所述人工标注的关键点为身体的边缘和人体的关键部位上的关键点。5.根据权利要求2所述的基于机器学习的身体数据获取方法，其特征在于：所述标准人体模型模版为：其中，每一个都对应一个3维空间人体模型的顶点，m为标准人体模型模版顶点的总数，X代表了标准人体模型模版顶点的集合，所述标准...

【专利技术属性】
技术研发人员：王广，张格堃，
申请(专利权)人：梦多科技有限公司，
类型：发明
国别省市：山东,37