本发明专利技术提供了一种用于互联网的人体识别方法及系统，该用于互联网的人体识别方法包括如下步骤：A.图像采集，获取图像；B.将采集到的图像进行空间模型变换；C.将图像输入数学模型，经过数学模型处理获取图像中的人体区域参数；D.根据人体区域参数建立与之对应的模特样本。本发明专利技术的有益效果是本发明专利技术能够快速准确的检测出图像中人体区域参数，为后续的处理提供保障。
【技术实现步骤摘要】
本专利技术涉及识别方法，尤其涉及用于互联网的人体识别方法及系统。
技术介绍
当前试衣软件中，要换衣服得根据预先制作好的模特样本进行相应大小衣服的匹配。这样使得没法根据实际人体的大小进行相应衣服的选择。从而使得试衣服软件在用户体验上达不到理想的效果。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种用于互联网的人体识别方法。本专利技术提供了一种用于互联网的人体识别方法，包括如下步骤:A.图像采集，获取图像；B.将采集到的图像进行空间模型变换；C.将图像输入数学模型，经过数学模型处理获取图像中的人体区域参数；D.根据人体区域参数建立与之对应的模特样本。作为本专利技术的进一步改进，在所述步骤B中，将采集到的彩色图像转化为灰度图像。作为本专利技术的进一步改进，在所述步骤C中包括如下步骤:Cl.检测并保留图像中人体的边缘信息，剔除图像中的平滑区域；C2.扫描图像，获取图像中的人体区域参数。作为本专利技术的进一步改进，在所述步骤C2中，对图像中的每一行进行扫描，先从左到右扫描，当找到左边界的时候，记录下当前位置；然后从图像的右边开始往左边进行扫描，找到右边界的时候，记录下当前位置；当扫描完成了整幅图像后，根据每行的左右边界组成的区域，获取到人体区域参数。作为本专利技术的进一步改进，在所述步骤A与所述步骤B之间还包括图像预处理步骤，在所述图像预处理步骤中，将获取的图像进行去除噪声或者降低噪声处理。作为本专利技术的进一步改进，在所述预处理步骤中，通过中值滤波法对获取的图像进行去除噪声或者降低噪声处理。作为本专利技术的进一步改进，在所述步骤A中，获取的图像为从摄像头视频流中提取出单帧图像。本专利技术还提供了一种用于互联网的人体识别系统，包括:图像采集单元，用于图像采集，获取图像；空间模型变换单元，用于将采集到的图像进行空间模型变换；数学模型单元，用于将图像输入数学模型，经过数学模型处理获取图像中的人体区域参数；模特样本建立单元，用于根据人体区域参数建立与之对应的模特样本。作为本专利技术的进一步改进，在所述空间模型变换单元中，将采集到的彩色图像转化为灰度图像。作为本专利技术的进一步改进，所述数学模型单元还包括:检测模块，用于检测并保留图像中人体的边缘信息，剔除图像中的平滑区域；扫描模块，用于扫描图像，获取图像中的人体区域参数。本专利技术的有益效果是:本专利技术能够快速准确的检测出图像中人体区域参数，为后续的处理提供保障。附图说明图1是本专利技术的用于互联网的人体识别方法流程图。图2是本专利技术的步骤S3的具体实施方法流程图。具体实施例方式如图1所示，本专利技术公开了一种用于互联网的人体识别方法，包括步骤SI至步骤S4，在步骤SI中，图像采集，获取图像；在步骤S2中，将采集到的图像进行空间模型变换；在步骤S3中，将图像输入数学模型，经过数学模型处理获取图像中的人体区域参数；在步骤S4中，根据人体区域参数建立与之对应的模特样本。作为本专利技术的一个实施例，在步骤SI中，获取的图像为从摄像头视频流中提取出单帧图像；或者在步骤Si中，获取的图像也可以为已经拍摄好的照片。为了消除降低实际摄像头拍摄过程中周围环境对拍摄图像质量的影响，需要对当前帧图像进行图像的预处理，去除或者降低图像的噪声，从而有利于后续图像的处理；所以在所述步骤SI与所述步骤S2之间还包括图像预处理步骤，在所述图像预处理步骤中，将获取的图像进行去除噪声或者降低噪声处理；在所述预处理步骤中，通过中值滤波法对获取的图像进行去除噪声或者降低噪声处理。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。设图像的大小为W*H (W为图像的宽度，H为图像的高度)，Cm(x, y)(X e , y e , m e )标识当前坐标上第m通道(x, y)的值。彩色图像有三个通道，分别为R、G、B通道。设模版Tem的大小为TemW*TemW (TemW为奇数)，则模版里面总计有TemT=TemW*TemW个值。对TemT个值进行从小到大排序，可以获取到一个中间值temM。设Tem当前位于通道Cm的左上角位置(x0, y0)，则以(x0, y0)为中心的Tem内的TemT个值可以计算出Tem在当前位置的中间值temMO，用temMO的值代替当前位置的值Cm(x0, y0)=temM0。依次对三个通道的图像中的每个像素都做如此处理，可以得到经过滤波的后的图像。图像通道中可以变换为不同的空间模型，为了有利于后续建模的效果，需要先对图像进行空间模型变换。采集进来的图像为彩色图像，具有RGB三个彩色空间，考虑到后续模型使用的信息以及兼顾到处理速度，需要将RGB图像转化为灰度图像显示，所以在步骤S2中，将采集到的彩色图像转化为灰度图像。如下公式为灰度化公式:GrayValue=R*0.299+G*0.587+B*0.114。设灰度化后的图像为 f(x，y), (χ e , y e ).则 f(x, y) =cl (x, y) *0.299+c2 (x, y) *0.587+c3 (x, y) *0.114。针对实际过程中人体的特点，通过数学方式建立相应的数学模型,把人体特征以及相应的先验知识输入到这个数学模型中。该数学模型总体分为输入与输出两部分，是流程中最重要也是最关键的步骤。将图像以及相应的先验知识当作参数进行数学模型的输入，通过数学模型中一序列图像的变换处理以及理解，获取出对应的人体区域参数，所以在步骤S3中，将图像输入数学模型，经过数学模型处理获取图像中的人体区域参数。如图2所示，在步骤S3中还包括如下两个步骤:在步骤Wl中，检测并保留图像中人体的边缘信息，剔除图像中的平滑区域；在步骤W2中，扫描图像，获取图像中的人体区域参数。在步骤Wl中，使用索贝尔算子(Sobel operator)检测出图像中人体的边缘信息。索贝尔算子是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。经过索贝尔算子处理后，图像中的人体的边缘将会体现出来，而平滑区域将被剔除掉，从而剩下的区域是包含人体信息的区域。在步骤W2中，对图像中的每一行进行扫描，先从左到右扫描，当找到左边界的时候，记录下当前位置；然后从图像的右边开始往左边进行扫描，找到右边界的时候，记录下当前位置；当扫描完成了整 幅图像后，根据每行的左右边界组成的区域，获取到人体区域参数。▽/,(*,’) = -+2f(x -1 j) +fix -1,” I)](I)▽/,(*,I) = -(2}式(I)和式(2)分别为水平方向和竖直方向sobel检测算法。对于f(x，y)中的一点MO (xO，y0)，经过式(I )、( 2)可以分别算出相对应的值DxOjDyO0则对于MO= Λ 'DXO +DYO^ DYO ,对f(x，y)中的每个点做类似处理，则可以得到经过sobel变换后的数值fs(x，y)。为了使图像处理方便，需要对fs (x，y)进行二值化。设二值化的阈值为Th.贝丨J,本文档来自技高网...
【技术保护点】
一种用于互联网的人体识别方法，其特征在于，包括如下步骤：A.?图像采集，获取图像；B.?将采集到的图像进行空间模型变换；C.?将图像输入数学模型，经过数学模型处理获取图像中的人体区域参数；D.?根据人体区域参数建立与之对应的模特样本。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘泽涛，
申请(专利权)人：深圳市朵唯志远科技有限公司，
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。