本发明专利技术公开了一种基于计算机视觉的人体躯干围度测量方法和装置，本发明专利技术通过深度摄像装置围绕人体拍摄获得人体躯干深度图像序列，通过人体姿态识别分割和点云配准拼接获取人体躯干立体点云数据，通过立体躯干点云数据的重投影获得躯干剖面图像，并根据剖面图像计算人体躯干围度。依据本发明专利技术获得的围度测量值精度高，便于测量人员批量处理数据，大大提高了人体体型数据测量的自动化程度和效率。
【技术实现步骤摘要】
本专利技术涉及计算机视觉技术，具体涉及基于计算机视觉的人体躯干围度测量方法和装置。
技术介绍
随着互联网以及图像处理技术发展，在游戏、人-机交互、安全、远程呈现和健康保健等诸多应用中均需要获取人体的体型参数。人体躯干围度，例如胸围、腰围和臀围等是人体的重要体型参数。传统的躯干围度测量方式，需要被测试人到体检现场通过标尺或光学设备测量。这种传统的测量方式效率较低，需要测量人员进行现场的操作和记录，也不能进行批量的人体躯干围度测量。特别在进行人体建模时，需要批量测量人体体型参数，利用、传统方式难以满足需求。同时，计算机视觉技术是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，用电脑处理成为更适合人眼观察或传送给仪器检测的图像。计算机视觉技术试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。现有的计算机视觉技术对于三维深度图像的处理取得许多成果。例如，文献I “Real-Time Human Pose Recognition in Parts from Single Depth Images” JamieShotton, Andrew Fitzgibbon, Mat Cook, Toby Sharp, Mark Finocchio, Richard Moore,Alex Kipman, and Andrew Blake. CVPR, 2011公开了一种深度图像实时人体部分识别方法，通过对深度图像进行处理将困难的姿态估计问题转化为简单的逐像素分类问题实现了从深度图像中分离获取人体不同部位点云(Point Cloud)数据的目的。而且，用于进行点云数据拼接以从多个图像中获取物体整体立体数据的技术包括粗拼接技术和精确拼接技术，其实质是把不同坐标系下测得的数据点云进行坐标变换，计算旋转矩阵和平移矢量。粗拼接的常用方法有转台法、标签法和曲面特征法。精确拼接技术的代表是迭代近点算法(Iterative Closest Point, ICP),其重复进行“确定对应关系点集”以及“计算最优坐标变换矩阵”的过程，直到某个表示正确匹配的收敛准则得到满足。其中，文献 2 “Efficient Variant of the ICP Algorithm”，Szymon Rusinkiewicz, MarcLevoy,3-DDigital Imaging and Modeling,2001. Proceedings. Third InternationalConference on.公开了一种优化的ICP算法，其通过对常规空间统一采样以获得较快的收敛速度，适于进行快速精确的点云数据拼接。在利用计算机视觉技术进行人体测量方面，现有技术中，通过非接触方式进行人体体型参数测量的技术方案通常基于少量人体数据通过曲线拟合或经验数据估算来估算人体体型信息。例如，中国专利申请CN101322589A公开了一种非接触式人体测量方法，通过获取人体正面或侧面图像，从图像中获取人体身高和肩宽，根据人体身高和肩宽来进行BP神经网络仿真和回归预测处理估算人体围度。这类方法由于使用经验估计的方式，其精确度较差。由此，亟需一种非接触的可以精确测量人体躯干围度的，便于进行批量处理的人体躯干围度测量方法和装置。
技术实现思路
本专利技术的目的在于提供一种非接触的可以精确测量人体躯干围度的，便于进行批量处理的人体躯干围度测量方法和装置。本专利技术公开了一种基于计算机视觉的人体躯干围度测量方法，包括获取立体躯干点云数据，所述立体躯干点云数据包括躯干表面的所有采样点的空间坐标；选取围度测量位置的采样点进行投影构建躯干剖面图像； 计算躯干剖面图像的最大的内轮廓，得到所述最大内轮廓按逆时针顺序排列的像素序列；计算所述像素序列中每个像素对应的剖面坐标，所述剖面坐标为空间坐标在所述剖面的投影坐标；根据所述剖面坐标计算所述像素序列中所有相邻像素间空间实际距离，对所述相邻像素间空间实际距离求和获得人体躯干围度测量值。优选地，所述选取围度测量位置的采样点进行投影构建躯干剖面图像包括计算立体躯干点云数据的主轴，并进行空间坐标变换,将立体躯干点云数据的空间坐标转换到以所述主轴为坐标轴的新坐标系中，在需要测量围度的主轴位置按预定条件提取立体躯干点云数据作为构成躯干剖面的点集；将所述构成躯干剖面的点集沿与躯干围度垂直的主轴按预定分辨率进行平面图像投影，根据落入每个像素面积内的点的数量确定对应像素的灰度值，构建躯干剖面图像。优选地，所述计算躯干剖面图像的最大的内轮廓包括对躯干剖面图像进行二值化，对二值化后的剖面图像进行连通域分析，获得最大的内轮廓。优选地，所述获取立体躯干点云数据包括深度摄像装置围绕人体躯干相对移动一周，获取包括人体躯干的深度图像序列；对所述深度图像序列的每一帧深度图像进行人体姿态识别，分别获得每一帧深度图像的躯干像素点云数据形成躯干像素点云数据序列；选取相互差异度大于预定阈值的多个帧的躯干像素点云数据，进行躯干像素点云数据拼接，获得包括人体躯干采样点空间坐标的立体躯干点云数据。优选地，所述在需要测量围度的主轴位置按预定条件提取立体躯干点云数据作为构成躯干剖面的点集包括在需要测量围度的主轴位置建立垂直于主轴的平面，提取立体躯干点云数据中到所述垂直于主轴的平面的距离小于第一阈值的点作为构成躯干剖面的点集。优选地，所述计算所述像素序列中每个像素对应的剖面坐标包括根据下式计算所述像素序列的每个像素对应的剖面坐标 X — X ■V — V ■r汽汽V _ VImaxmin -., _ -.,. -.. ^ max ^ minX1 - xmin + U1---— ,y,-少min + V1-—cols — Irows — I其中，(Ui, Vi)为像素坐标，(Xi, Yi)为像素序列中第i个像素对应的剖面坐标，Xfflax和Xmin分别为所述构成躯干剖面的点集中投影到剖面上的X坐标的最大值和最小值，和Yfflin分别为所述构成躯干剖面的点集中投影到剖面上的I坐标的最大值和最小值，cols和rows为图像的预定分辨率。优选地，所述根据所述剖面坐标计算所述像素序列中所有相邻像素间空间实际距离，对所述相邻像素间空间实际距离求和获得人体躯干围度测量值包括通过下式计算人体躯干围度测量值L =乞7(义+1 ~xi)2 +(兄.+I ~y,)2 + ^IixI ~xn)2 +(少I _>v)2/=1其中，L为所述人体躯干围度测量值，(Xi，Yi)为像素序列中第i个像素对应的剖 面坐标，N为像素序列中像素的总数。优选地，所述选取相互差异度大于预定阈值的多个帧的躯干像素点云数据，进行躯干像素点云数据拼接，获得包括人体躯干采样点空间坐标的立体躯干点云数据包括按顺序比较所述躯干像素点云数据序列中的躯干像素点云数据之间的差异度，从所述躯干像素点云数据序列中选取相互差异度大于差异阈值的躯干像素点云数据构成拼接数据序列，基于拼接数据序列中的躯干像素点云数据进行配准拼接，获得所述立体躯干点云数据；其中，所述按顺序比较所述躯干像素点云数据序列中的躯干像素点云数据之间的差异度包括通过主元分析分别获得的进行比较的两帧躯干像素点云数据的第二主轴或第三主轴；判断所述进行比较的本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：柳林祥，
申请(专利权)人：深圳泰山在线科技有限公司，
类型：发明
国别省市：
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。