一种基于三维数据和神经网络识别性别特征的方法技术

本发明专利技术属于数据识别领域，提出一种基于三维数据和神经网络识别性别特征的方法，通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取对应的形体特征点，进而完成性别判断。本发明专利技术的方法在基于三维测体装置获得的人体三维点云数据，直接进行性别识别的同时，还可以获取多个形体特征点如腰围、胸围、臀部等，为后续进行量体裁衣或高级定制提供数据基础，裁衣或定制的结果更加准确，为彻底解放裁缝师的双手提供保障。

A Sex Recognition Method Based on Three-Dimensional Data and Neural Network

【技术实现步骤摘要】
一种基于三维数据和神经网络识别性别特征的方法
本专利技术涉及识别人的性别的方法，尤其涉及一种基于三维数据和神经网络识别性别特征的方法。
技术介绍
三维人体测量技术能够异地采集人体尺寸、体型和照片，误差小、稳定性高，被视为是取代成本较高的量体师、建立人体体型数据库、实现个性化定制的基本步骤和关键。而性别是客户的一个重要特征，在许多情况下，希望能够识别客户的性别，以便进行有针对性的商业推广、设定量体裁衣的设计方向等。一般而言，可以通过人脸识别来容易地确定客户性别，通过普通的人脸特征提取算法，提取人脸特征后进行特征匹配，例如adaboost，检测结果不是很准确，耗时也比较多，并且需要指定提取的特征，算法比较复杂，而且仅仅利用了人体的面目图像的部分信息，当其中的部分信息被干扰时，势必会影响其识别率，另外，在整个人体进行三维扫描或整体捕捉时，人体面部数据只是数据的一部分，这时候单独将面部数据截取进行分析存在着：一是数据不够精准，如果要数据精准，则人体的整体数据量会变大，处理要求高，二是单独截取出来还会存在数据处理的其他问题，不利于进行后续的量体裁衣或者高级定制。
技术实现思路
本专利技术提出了一种基于三维数据和神经网络识别性别特征的方法，解决了现有性别识别主要依靠面部特征进行识别，不利于进行后续的量体裁衣或者高级定制等问题。技术方案一种基于三维数据和神经网络识别性别特征的方法，通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取对应的形体特征点，进而完成性别判断。进一步，将所述二维轮廓数据进行归一化处理，再进行等间距选取多个样本点，利用第一神经网络对所有样本点进行分类识别，获取多个形体特征点，然后，利用第二神经网络对多个所述形体特征点进行分类识别，完成性别判断。进一步，所述形体特征包括对应人体正面的二维轮廓的颈部、肩部、手部和腰部特征点，对应人体侧面的二维轮廓的颈部、胸部、腰部和臀部特征点。进一步，获取多个形体特征的方法包括以下步骤：步骤一、记人体正面和侧面的二维轮廓数据分别表示为(x,y)和(y,z)，利用如下方程式，将所述二维轮廓数据中y坐标值转化到区间[0,1]上，对应的x坐标值和z坐标值也做相应的变化，转化后的人体正面和侧面的二维轮廓数据,分别标记为(xn,yn)和(zn,yn)；步骤二、分别计算转化后的人体正面和侧面的二维轮廓数据所在曲线的长度L1和L2,以距离Δd＝L/Nl在所述曲线上进行等间隔取点，共提取2Nl个样本点；步骤三、将2Nl个样本点制作成4Nl个坐标值构成的一维向量，以所述一维向量为输入，利用第一神经网络进行分类识别，获取多个形体特征点组成的一维向量输出。进一步，所述长度L1和L2设置为转化后的人体正面和侧面的二维轮廓数据中相邻两点的距离和，所述第一神经网络设置有十层，每层的隐藏层设置有12个神经元，输出层设置有20个神经元，所述第二神经网络也设置有十层，每层的隐藏层设置有20个神经元，输出层设置有10个神经元。进一步，获取人体正面和侧面的二维轮廓数据的方法包括以下步骤：步骤Ⅰ、将人体三维点云数据在XOY、ZOY平面进行投影，获取人体正面和侧面投影，计算直线y＝yi与人体正面和侧面投影的交点之间距离，以距离最大时对应的两个点标记为轮廓点，并进行轮廓提取，获得人体侧面的二维轮廓数据，标记为(z,y)，其中zmin≤z≤zmax,ymin≤y≤ymax，以及人体正面的外部二维轮廓数据，标记为XYout＝[(x1o,y1o),(x2o,y2o),(x3o,y3o)...(xno,yno)]，其中xmin≤xio≤xmax,ymin≤yio≤ymax；步骤Ⅱ、在人体正面的外部二维轮廓数据中，取手部最低点记为(xsl,ysl)和(xsr,ysr),以直线y＝y0+Nd对人体正面投影从初始值y0向ymax搜索，其中，N为自然数，d表示固定步长，y0＝min(ysl,ysr),并计算所述直线y＝y0+Nd与人体正面投影交点间断的相邻两点之间的距离D；步骤Ⅲ、若所述距离D小于距离阈值D0则停止搜索，并标记所有所述相邻的两点，标记为XYin＝[(x1i,y1i),(x2i,y2i),(x3i,y3i)...(xmi,ymi)],获取人体正面的内部二维轮廓数据，其中xii∈[xsl,xql]∪[xsr,xqr],yii∈[ysl,ybl]∪[ysr,ybr]，点(xql,ysl)和(xqr,ysr)表示过点(xsl,ysl)或者(xsr,ysr)的直线y＝y0+nd与人体正面的内部二维轮廓的躯干部分的交点，坐标值ybr和ybl分别表示人体右侧手臂、左侧手臂与躯干部分分离的起始点对应的坐标值。进一步，所述人体三维点云数据设置为测体对象手臂垂直于两侧，与人体躯干间隔一拳，且以标准站姿站于测体装置的指定位置进行测量获得。有益效果本专利技术提供的基于三维数据和神经网络识别性别特征的方法，在人体三维数据点云的基础上，通过对人体正面和侧面的二维轮廓数据进行归一化处理和样本点获取，利用第一神经网络完成个形体特征点的识别，再基于多个形体特征点完成性别判断，利用本专利技术的方法能够减少数据冗余，实现快速计算，更加直观准确，在基于三维测体装置获得的人体三维点云数据，直接进行性别识别的同时，还可以获取多个形体特征点如腰围、胸围、臀部等，为后续进行量体裁衣或高级定制提供数据基础，裁衣或定制的结果更加准确，为彻底解放裁缝师的双手提供保障。附图说明图1为本专利技术的总体流程示意图；图2为本专利技术的测试对象进行三维数据采集的站立示意图；图3为本专利技术的三维点云数据的侧面投影；图4为本专利技术的正面的外部二维轮廓的示意图；图5为本专利技术的正面的内部二维轮廓获取过程的示意图；图6为本专利技术的正面的二维轮廓对应的形体特征点示意图；图7为本专利技术的侧面的二维轮廓对应的形体特征点示意图；图8为本专利技术的第一神经网络的结构示意图；图9为本专利技术的第二神经网络的结构示意图；具体实施方式下面结合具体实施例和附图，对本专利技术进一步说明。现在针对人体的识别，主要是采用面部识别，基于人体的面部图像识别脸部的一些特征如眼距，轮廓特征等，其主要参考依据是不同性别的人士在面部特征上的一些细微差别，或者说大部分的男性和大部分的女性具有的面部的一些生理特性来进行性别的判断。因此，在获取的是人体的整体的三维数据时，我们提出通过对人体扫描或人体轮廓捕捉获得的人体三维点云的数据进行形体识别，或者通过人体三维点云的数据拼接重建完整的三维人体模型，获取人体正面和侧面的二维轮廓数据，计算得到不同形体特征点，进行形体识别。可以通过人体三维点云数据重建成的三维人体轮廓进行正面和侧面的投影，以投影后的二维数据的人体轮廓，如胸部特征，臀部特征点等明确的人体形体的体征数据进行人的性别判断。如图1所示，本专利技术提供了一种基于三维数据和神经网络识别性别特征的方法，通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据，然后对二维轮廓数据分别进行样本点选取，利用神经网络对样本点进行分类识别，获取对应的形体特征，进而完成性别判断。首先，在获取人体三维点云数据时，如图2所示，测体对象的手臂需垂直于两侧，与人体躯干间本文档来自技高网...

【技术保护点】
1.一种基于三维数据和神经网络识别性别特征的方法，其特征在于：通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取对应的形体特征点，进而完成性别判断。

【技术特征摘要】
2018.10.30 CN 20181127658881.一种基于三维数据和神经网络识别性别特征的方法，其特征在于：通过对人体三维点云数据进行投影和计算，获取人体正面和侧面的二维轮廓数据；对所述二维轮廓数据分别进行样本点选取，利用神经网络对所述样本点进行分类识别，获取对应的形体特征点，进而完成性别判断。2.根据权利要求1所述的基于三维数据和神经网络识别性别特征的方法，其特征在于：将所述二维轮廓数据进行归一化处理，再进行等间距选取多个样本点，利用第一神经网络对所有样本点进行分类识别，获取多个形体特征点，然后，利用第二神经网络对多个所述形体特征点进行分类识别，完成性别判断。3.根据权利要求2所述的基于三维数据和神经网络识别性别特征的方法，其特征在于：所述形体特征点包括对应人体正面的二维轮廓的颈部、肩部、手部和腰部特征点，对应人体侧面的二维轮廓的颈部、胸部、腰部和臀部特征点。4.根据权利要求2所述的基于三维数据和神经网络识别性别特征的方法，其特征在于获取多个形体特征的方法包括以下步骤：步骤一、记人体正面和侧面的二维轮廓数据分别表示为(x,y)和(z,y)，利用如下方程式，将所述二维轮廓数据中y坐标值转化到区间[0,1]上，对应的x坐标值和z坐标值也做相应的变化，转化后的人体正面和侧面的二维轮廓数据,分别标记为(xn,yn)和(zn,yn)；步骤二、分别计算转化后的人体正面和侧面的二维轮廓数据所在曲线的长度L1和L2,以距离Δd＝L/Nl在所述曲线上进行等间隔取点，共提取2Nl个样本点；步骤三、将2Nl个样本点制作成4Nl个坐标值构成的一维向量，以所述一维向量为输入，利用第一神经网络进行分类识别，获取多个形体特征点组成的一维向量输出。5.根据权利要求4所述的基于三维数据和神经网络识别性别特征的方法，其特征在于：所述长度L1和L2设置为转化后的人体正面和侧面的二维轮廓数据中相邻两点的距离和，所述第一神经网络设置有十层，每层的隐藏层设置有12个神经元，输出层设置有20个神...

【专利技术属性】
技术研发人员：袁蓉，童继生，朱晋陆，奚桐，
申请(专利权)人：上海市服装研究所有限公司，上海工程技术大学，
类型：发明
国别省市：上海,31