專利名稱：基于計(jì)算機(jī)視覺的人體軀干圍度測量方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)，具體涉及基于計(jì)算機(jī)視覺的人體軀干圍度測量方法和裝置。
背景技術(shù)：
隨著互聯(lián)網(wǎng)以及圖像處理技術(shù)發(fā)展，在游戲、人-機(jī)交互、安全、遠(yuǎn)程呈現(xiàn)和健康保健等諸多應(yīng)用中均需要獲取人體的體型參數(shù)。人體軀干圍度，例如胸圍、腰圍和臀圍等是人體的重要體型參數(shù)。傳統(tǒng)的軀干圍度測量方式，需要被測試人到體檢現(xiàn)場通過標(biāo)尺或光學(xué)設(shè)備測量。這種傳統(tǒng)的測量方式效率較低，需要測量人員進(jìn)行現(xiàn)場的操作和記錄，也不能進(jìn)行批量的人體軀干圍度測量。特別在進(jìn)行人體建模時，需要批量測量人體體型參數(shù)，利用、傳統(tǒng)方式難以滿足需求。同時，計(jì)算機(jī)視覺技術(shù)是指用攝影機(jī)和電腦代替人眼對目標(biāo)進(jìn)行識別、跟蹤和測量等機(jī)器視覺，并進(jìn)一步做圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計(jì)算機(jī)視覺技術(shù)試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)?，F(xiàn)有的計(jì)算機(jī)視覺技術(shù)對于三維深度圖像的處理取得許多成果。例如，文獻(xiàn)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公開了一種深度圖像實(shí)時人體部分識別方法，通過對深度圖像進(jìn)行處理將困難的姿態(tài)估計(jì)問題轉(zhuǎn)化為簡單的逐像素分類問題實(shí)現(xiàn)了從深度圖像中分離獲取人體不同部位點(diǎn)云(Point Cloud)數(shù)據(jù)的目的。而且，用于進(jìn)行點(diǎn)云數(shù)據(jù)拼接以從多個圖像中獲取物體整體立體數(shù)據(jù)的技術(shù)包括粗拼接技術(shù)和精確拼接技術(shù)，其實(shí)質(zhì)是把不同坐標(biāo)系下測得的數(shù)據(jù)點(diǎn)云進(jìn)行坐標(biāo)變換，計(jì)算旋轉(zhuǎn)矩陣和平移矢量。粗拼接的常用方法有轉(zhuǎn)臺法、標(biāo)簽法和曲面特征法。精確拼接技術(shù)的代表是迭代近點(diǎn)算法(Iterative Closest Point, ICP),其重復(fù)進(jìn)行“確定對應(yīng)關(guān)系點(diǎn)集”以及“計(jì)算最優(yōu)坐標(biāo)變換矩陣”的過程，直到某個表示正確匹配的收斂準(zhǔn)則得到滿足。其中，文獻(xiàn) 2 “Efficient Variant of the ICP Algorithm”，Szymon Rusinkiewicz, MarcLevoy,3-DDigital Imaging and Modeling,2001. Proceedings. Third InternationalConference on.公開了一種優(yōu)化的ICP算法，其通過對常規(guī)空間統(tǒng)一采樣以獲得較快的收斂速度，適于進(jìn)行快速精確的點(diǎn)云數(shù)據(jù)拼接。在利用計(jì)算機(jī)視覺技術(shù)進(jìn)行人體測量方面，現(xiàn)有技術(shù)中，通過非接觸方式進(jìn)行人體體型參數(shù)測量的技術(shù)方案通常基于少量人體數(shù)據(jù)通過曲線擬合或經(jīng)驗(yàn)數(shù)據(jù)估算來估算人體體型信息。例如，中國專利申請CN101322589A公開了一種非接觸式人體測量方法，通過獲取人體正面或側(cè)面圖像，從圖像中獲取人體身高和肩寬，根據(jù)人體身高和肩寬來進(jìn)行BP神經(jīng)網(wǎng)絡(luò)仿真和回歸預(yù)測處理估算人體圍度。這類方法由于使用經(jīng)驗(yàn)估計(jì)的方式，其精確度較差。
由此，亟需一種非接觸的可以精確測量人體軀干圍度的，便于進(jìn)行批量處理的人體軀干圍度測量方法和裝置。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種非接觸的可以精確測量人體軀干圍度的，便于進(jìn)行批量處理的人體軀干圍度測量方法和裝置。本發(fā)明公開了一種基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，包括獲取立體軀干點(diǎn)云數(shù)據(jù)，所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo)；選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像；
計(jì)算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列；計(jì)算所述像素序列中每個像素對應(yīng)的剖面坐標(biāo)，所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo)；根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值。優(yōu)選地，所述選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像包括計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸，并進(jìn)行空間坐標(biāo)變換,將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中，在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集；將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點(diǎn)的數(shù)量確定對應(yīng)像素的灰度值，構(gòu)建軀干剖面圖像。優(yōu)選地，所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括對軀干剖面圖像進(jìn)行二值化，對二值化后的剖面圖像進(jìn)行連通域分析，獲得最大的內(nèi)輪廓。優(yōu)選地，所述獲取立體軀干點(diǎn)云數(shù)據(jù)包括深度攝像裝置圍繞人體軀干相對移動一周，獲取包括人體軀干的深度圖像序列；對所述深度圖像序列的每一幀深度圖像進(jìn)行人體姿態(tài)識別，分別獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列；選取相互差異度大于預(yù)定閾值的多個幀的軀干像素點(diǎn)云數(shù)據(jù)，進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接，獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)。優(yōu)選地，所述在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集包括在需要測量圍度的主軸位置建立垂直于主軸的平面，提取立體軀干點(diǎn)云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點(diǎn)作為構(gòu)成軀干剖面的點(diǎn)集。優(yōu)選地，所述計(jì)算所述像素序列中每個像素對應(yīng)的剖面坐標(biāo)包括根據(jù)下式計(jì)算所述像素序列的每個像素對應(yīng)的剖面坐標(biāo)
X — X ■V — V ■
r汽汽V _ VImaxmin -., _ -.,. -.. ^ max ^ minX1 - xmin + U1---— ,y,-少min + V1-—
cols — Irows — I
其中，(Ui, Vi)為像素坐標(biāo)，(Xi, Yi)為像素序列中第i個像素對應(yīng)的剖面坐標(biāo)，Xfflax和Xmin分別為所述構(gòu)成軀干剖面的點(diǎn)集中投影到剖面上的X坐標(biāo)的最大值和最小值，和Yfflin分別為所述構(gòu)成軀干剖面的點(diǎn)集中投影到剖面上的I坐標(biāo)的最大值和最小值，cols和rows為圖像的預(yù)定分辨率。優(yōu)選地，所述根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值包括通過下式計(jì)算人體軀干圍度測量值L =乞7(義+1 ~xi)2 +(兄.+I ~y,)2 + ^IixI ~xn)2 +(少I _>v)2
/=1其中，L為所述人體軀干圍度測量值，(Xi，Yi)為像素序列中第i個像素對應(yīng)的剖 面坐標(biāo)，N為像素序列中像素的總數(shù)。優(yōu)選地，所述選取相互差異度大于預(yù)定閾值的多個幀的軀干像素點(diǎn)云數(shù)據(jù)，進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接，獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度，從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接，獲得所述立體軀干點(diǎn)云數(shù)據(jù)；其中，所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括通過主元分析分別獲得的進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸或第三主軸；判斷所述進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸之間或第三主軸之間的夾角是否大于夾角閾值。優(yōu)選地，所述選取相互差異度大于預(yù)定閾值的多個幀的軀干像素點(diǎn)云數(shù)據(jù)，進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接，獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度，從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接，獲得所述立體軀干點(diǎn)云數(shù)據(jù)；其中，所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括分別計(jì)算進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的重心坐標(biāo)；根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值當(dāng)Covprev

> kj Covprev [2] [2]時，|zprev_zk| > threshj當(dāng)Covprev

< k2 Covprev [2] [2]時，|xprev_xk| > thresh2其它情況時，IZprev-Zk I +1 Xprev-Xk I > thresh3其中，Covpmv為上一個被確定為需要進(jìn)行拼接的深度圖像的協(xié)方差矩陣，(xpMV，Yprev^ Zprev)為上一個被確定為需要進(jìn)行拼接的深度圖像的重心坐標(biāo)，Uk，Yk, Zk)為軀干像素點(diǎn)云數(shù)據(jù)序列中當(dāng)前待選深度圖像的重心坐標(biāo)，k:和k2為預(yù)定權(quán)值，k2 < k1； thresh^thresh2、thresh3為預(yù)定的第一重心變化閾值，第二重心變化閾值和第三重心變化閾值。優(yōu)選地，通過如下方式確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的結(jié)束幀確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的起始幀；計(jì)算所有軀干像素點(diǎn)云數(shù)據(jù)與所述起始幀的軀干像素點(diǎn)云數(shù)據(jù)的相似度，并按照所對應(yīng)的深度圖像的排列順序記錄所述相似度的變化趨勢；選取與所述起始幀相似度高且排列于相似度經(jīng)歷了兩次下降上升過程的位置的幀對應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)作為所述結(jié)束幀。本發(fā)明還公開了一種基于計(jì)算機(jī)視覺的人體軀干圍度測量裝置，包括軀干點(diǎn)云獲取模塊，用于獲取立體軀干點(diǎn)云數(shù)據(jù)，所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo)；剖面圖像計(jì)算模塊，用于選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像；內(nèi)輪廓計(jì)算模塊，用于計(jì)算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列；剖面坐標(biāo)計(jì)算模塊，用于計(jì)算所述像素序列中每個像素對應(yīng)的剖面坐標(biāo)，所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo)；軀干圍度計(jì)算模塊，用于根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值。優(yōu)選地，所述剖面圖像計(jì)算模塊包括剖面構(gòu)建模塊，用于計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸，并進(jìn)行空間坐標(biāo)變換，將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中，在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集；剖面圖像構(gòu)建模塊，用于將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點(diǎn)的數(shù)量確定對應(yīng)像素的灰度值，構(gòu)建軀干剖面圖像。優(yōu)選地，所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括對軀干剖面圖像進(jìn)行二值化，對二值化后的剖面圖像進(jìn)行連通域分析，獲得最大 的內(nèi)輪廓。優(yōu)選地，所述軀干點(diǎn)云獲取模塊包括深度圖像序列獲取單元，用于通過深度攝像機(jī)圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列；圖像分割單元，用于對所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識另IJ，分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列；立體數(shù)據(jù)拼接單元，用于對需要進(jìn)行拼接的多個幀的深度圖像進(jìn)行拼接，獲得包括人體軀干表面立體信息的軀干立體點(diǎn)云數(shù)據(jù)。本發(fā)明通過人體軀干三維數(shù)據(jù)建模獲取人體軀干立體點(diǎn)云數(shù)據(jù)，通過投影獲得軀干剖面圖像，并根據(jù)剖面圖像計(jì)算人體軀干圍度，獲得的測量值精度高，便于測量人員批量處理數(shù)據(jù)，大大提高了人體體型數(shù)據(jù)測量的自動化程度和效率。


圖I是本發(fā)明實(shí)施例的人體軀干圍度測量方法的方法流程圖；圖2是本發(fā)明實(shí)施例的人體軀干圍度測量方法的獲取立體軀干點(diǎn)云數(shù)據(jù)的流程圖；圖3是本發(fā)明一實(shí)施例提供的對軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行選取的方法流程圖；圖4是本發(fā)明實(shí)施例的人體軀干圍度測量方法計(jì)算獲得的人體軀干剖面圖；圖5是本發(fā)明實(shí)施例的人體軀干圍度測量裝置的系統(tǒng)框圖。
具體實(shí)施例方式下面結(jié)合附圖并通過具體實(shí)施方式
來進(jìn)一步說明本發(fā)明的技術(shù)方案。 本發(fā)明實(shí)施例的總體方式是人體面對深度攝像裝置轉(zhuǎn)一圈，采集包含軀干的深度圖像序列。對深度圖像序列進(jìn)行拼接，形成軀干一周的點(diǎn)云數(shù)據(jù)，根據(jù)點(diǎn)云數(shù)據(jù)測量人體三圍。圖I是本發(fā)明實(shí)施例的人體軀干圍度測量方法的方法流程圖。如圖I所示，所述方法包括如下步驟。步驟100、獲取立體軀干點(diǎn)云數(shù)據(jù)，所述立體軀干點(diǎn)云數(shù)據(jù)反映人體軀干表面的所有采樣點(diǎn)的空間坐標(biāo)。其中，點(diǎn)云數(shù)據(jù)(point colud)是指透過3D掃瞄儀所取得之?dāng)?shù)據(jù)型式。掃描數(shù)據(jù)以點(diǎn)的型式記錄，每一個點(diǎn)包含有三維座標(biāo)，有些可能含有色彩資訊(R，G，B)或物體反射面強(qiáng)度。步驟200、通過主元分析(PCA)求取立體軀干點(diǎn)云數(shù)據(jù)的主軸，并進(jìn)行空間坐標(biāo)變換，以使得立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中，在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集。所述構(gòu)成軀干剖面的點(diǎn)集是立體軀干點(diǎn)云數(shù)據(jù)中指在圍度測量位置附近的點(diǎn)的集合，其構(gòu)成人體軀干在測量位置的圍度。主元分析(PCA,Principal Component Analysis)是一種對數(shù)據(jù)進(jìn)行分析的技術(shù)，最重要的應(yīng)用是對原有數(shù)據(jù)進(jìn)行簡化，其可以有效的找出數(shù)據(jù)中最“主要”的元素和結(jié)構(gòu)，去除噪音和冗余，將原有的復(fù)雜數(shù)據(jù)降維，揭示隱藏在復(fù)雜數(shù)據(jù)背后的簡單結(jié)構(gòu)。主元分析廣泛應(yīng)用于計(jì)算機(jī)視覺技術(shù)中，可用于求取模型所在的各個自然軸。當(dāng)然，在計(jì)算機(jī)圖形學(xué)的技術(shù)中，通過計(jì)算最小外接矩形或最小外接長方體，或者通過計(jì)算圖形慣量矩陣的特征向量也均可以計(jì)算獲得立體軀干點(diǎn)云數(shù)據(jù)的主軸。在本發(fā)明的一個實(shí)施例中，在所述步驟200中，優(yōu)選通過下述方式選取構(gòu)成軀干剖面的點(diǎn)集在需要測量圍度的主軸位置建立垂直于主軸的平面，提取立體軀干點(diǎn)云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點(diǎn)作為構(gòu)成軀干剖面的點(diǎn)集。其中，可以根據(jù)現(xiàn)有的統(tǒng)計(jì)知識確定需要測量的主軸位置，以腰圍為例，在手工測量腰圍時，皮尺水平放在髖骨上、肋骨下最窄的部位(腰最細(xì)的部位)，根據(jù)該特點(diǎn)，可確定剖面的位置。首先根據(jù)先驗(yàn)知識確定腰部剖面在軀干主軸上的大致區(qū)間，例如腰位于軀干中下部，1/2到4/5之間,在區(qū)間內(nèi)，構(gòu)建一系列剖面，求剖面的周長，確定周長最小剖面的周長為腰圍。步驟300、將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點(diǎn)的數(shù)量確定對應(yīng)像素的灰度值，構(gòu)建軀干剖面圖像。在本發(fā)明的另一個實(shí)施例中，步驟300中進(jìn)行投影，計(jì)算落入像素中的投影點(diǎn)的數(shù)量可以通過統(tǒng)計(jì)坐標(biāo)滿足如下 公式的點(diǎn)的數(shù)量來確定
(Ui, Vi)為像素坐標(biāo)，(Xi, Yi)為像素對應(yīng)的剖面坐標(biāo)，Xfflax和Xmin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的X坐標(biāo)的最大值和最小值，Yfflax和ymin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的y坐標(biāo)的最大值和最小值，cols和rows為圖像的預(yù)定分辨率,即所述圖像為cols列*rows行像素構(gòu)成的數(shù)字圖像。步驟400、對剖面圖像進(jìn)行二值化(如果灰度值大于等于灰度閾值設(shè)置該像素灰度為1，反之設(shè)置為0)，對二值化后的剖面圖像進(jìn)行連通域分析，求取最大的內(nèi)輪廓，得到內(nèi)輪廓按逆時針順序排列的像素序列。步驟500、根據(jù)投影到所述軀干剖面圖像中的構(gòu)成軀干剖面的點(diǎn)集的最大、最小剖面坐標(biāo)以及所述軀干剖面圖像的分辨率計(jì)算所述像素序列的每個像素對應(yīng)的剖面坐標(biāo)。所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo)在一個優(yōu)選實(shí)施例中，所述步驟500中，根據(jù)下式計(jì)算所述像素序列的每個像素對應(yīng)的剖面坐標(biāo)
其中，(UijVi)為像素坐標(biāo)，(Xij7i)為像素對應(yīng)的剖面坐標(biāo)，Xmax和Xmin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的X坐標(biāo)的最大值和最小值，yfflax和ymin分別為所述構(gòu)成軀干剖面的點(diǎn)集中的I坐標(biāo)的最大值和最小值，cols和rows為圖像的預(yù)定分辨率,即所述圖像為cols列*rows行像素構(gòu)成的數(shù)字圖像。實(shí)際上，上述實(shí)施例中利用像素對應(yīng)區(qū)域的最小坐標(biāo)作為像素對應(yīng)坐標(biāo)，在其它實(shí)施方式中，也可以采用像素對應(yīng)的最大坐標(biāo)或最大最小坐標(biāo)的均值作為像素對應(yīng)坐標(biāo)。步驟600、基于剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值。其中，空間實(shí)際距離指的是圖片中像素所對應(yīng)的成像物體所在位置之間的實(shí)際距離。在本發(fā)明實(shí)施例中，所述步驟600可以通過下式計(jì)算人體軀干圍度測量值
其中，L為所述人體軀干圍度測量值，(Xi，Yi)為像素序列中第i個像素對應(yīng)的空間坐標(biāo)，N為像素序列中像素的總數(shù)。其中，由于圍度的是閉合的圖形，因此像素序列中第一個像素和第N個像素(最后一個像素)是相鄰的。
在本發(fā)明實(shí)施例中，采用深度攝像裝置圍繞人體軀干拍攝，并進(jìn)行人體姿態(tài)識別和點(diǎn)云數(shù)據(jù)拼接的操作來獲取所述的立體軀干點(diǎn)云數(shù)據(jù)。圖2是本發(fā)明實(shí)施例的人體軀干圍度測量方法獲取立體軀干點(diǎn)云數(shù)據(jù)的流程圖。如圖2所示，所述獲取立體軀干點(diǎn)云數(shù)據(jù)的步驟包括步驟101、通過深度攝像機(jī)圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列。步驟102、對所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識別，分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列。
步驟103、對需要進(jìn)行拼接的多個幀的深度圖像的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行拼接，獲得包括人體軀干所有表面信息的軀干立體點(diǎn)云數(shù)據(jù)。在本實(shí)施例中，優(yōu)選使用現(xiàn)有的ICP算法來進(jìn)行深度圖像拼接。當(dāng)兩幀軀干點(diǎn)云存在公共區(qū)域時，可以根據(jù)公共區(qū)域信息，對兩幀軀干點(diǎn)云進(jìn)行拼接。拼接方法可采用剛體配準(zhǔn)方法，求出兩幀之間的平移向量T和旋轉(zhuǎn)矩陣R。基于ICP算法配準(zhǔn)方法，先求對應(yīng)點(diǎn)對，然后求平移向量T和旋轉(zhuǎn)矩陣R，進(jìn)行迭代，直至收斂。步驟103對所有需要參與拼接的圖像按時間順序相鄰幀之間兩兩配準(zhǔn)，計(jì)算后一幀相對于前一幀的旋轉(zhuǎn)矩陣和平移向量，找一個基準(zhǔn)幀，例如第一幀，計(jì)算后續(xù)幀相對于第一幀的平移和旋轉(zhuǎn)，并旋轉(zhuǎn)后續(xù)幀軀干點(diǎn)云，即可形成拼接后的點(diǎn)云。在點(diǎn)云拼接過程，由于配準(zhǔn)誤差積累，對深度圖像序列的全部幀進(jìn)行兩兩配準(zhǔn)有可能達(dá)不到預(yù)期結(jié)果，即人轉(zhuǎn)一圈后，軀干點(diǎn)云不能封閉，參與配準(zhǔn)的幀數(shù)越多，該問題就越嚴(yán)重。為處理該問題，在本發(fā)明的一個實(shí)施例中，僅在兩幀間差異度較大時才進(jìn)行配準(zhǔn)，即，從所述的深度圖像序列中選取差異度較大的幀構(gòu)成具有較少數(shù)量深度圖像點(diǎn)云數(shù)據(jù)的拼接數(shù)據(jù)序列，對拼接數(shù)據(jù)序列中的點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接，從而避免軀干點(diǎn)云不能封閉的問題。圖3是本發(fā)明一實(shí)施例提供的對軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行選取的方法流程圖。如圖3所示，本實(shí)施例對軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行拼接的步驟包括步驟103A、從所述軀干像素點(diǎn)云數(shù)據(jù)序列中確定第一幅需要進(jìn)行拼接的深度圖像的軀干像素點(diǎn)云數(shù)據(jù)；在本實(shí)施例中，確定所述深度圖像序列的第一幀的軀干像素點(diǎn)云數(shù)據(jù)作為所述第一幅需要進(jìn)行拼接的深度圖像。步驟103B、比較上一個被確定為需要進(jìn)行拼接的軀干像素點(diǎn)云數(shù)據(jù)與軀干像素點(diǎn)云數(shù)據(jù)序列中當(dāng)前待選軀干像素點(diǎn)云數(shù)據(jù)之間的差異度是否大于差異閾值，如果大于，則執(zhí)行步驟103C，否則執(zhí)行步驟103D。步驟103C、將所述當(dāng)前待選的軀干像素點(diǎn)云數(shù)據(jù)確定為需要進(jìn)行拼接的軀干像素點(diǎn)云數(shù)據(jù)放入拼接數(shù)據(jù)序列。步驟103D、判斷軀干像素點(diǎn)云數(shù)據(jù)序列是否結(jié)束，如果否，執(zhí)行步驟103E，如果是，執(zhí)行步驟103F。步驟103E、將所述軀干像素點(diǎn)云數(shù)據(jù)序列中的下一幀軀干像素點(diǎn)云數(shù)據(jù)作為當(dāng)前待選軀干像素點(diǎn)云數(shù)據(jù)，轉(zhuǎn)而執(zhí)行步驟103B進(jìn)行新的差異度比較。步驟103F、輸出選取得到的待拼接點(diǎn)云數(shù)據(jù)序列。對于差異度是否大于閾值的判斷，本發(fā)明實(shí)施例提供以下兩種方式
方法A、對需要進(jìn)行比較的兩幀深度圖像對應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)分別進(jìn)行主元分析，分別得到兩幀深度圖像對應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)的第一主軸、第二主軸、第三主軸。所述第一主軸、第二主軸和第三主軸為所述人體軀干像素點(diǎn)云數(shù)據(jù)的主要分布方向，由于人體軀干沿人體高度方向分布，因此計(jì)算得到的第一主軸為人體高度方向，第二和第三主軸代表人體轉(zhuǎn)動的角度。在求得需要進(jìn)行比較的點(diǎn)云數(shù)據(jù)的第二主軸和第三主軸后，比較兩幀需要進(jìn)行比較的軀干像素點(diǎn)云數(shù)據(jù)的第二主軸或第三主軸之間的夾角是否大于夾角閾值。如果夾角大于某閾值，則認(rèn)為差異度大于閾值。方法B、方法A的PCA分析過程需要先計(jì)算協(xié)方差矩陣，然后求協(xié)方差矩陣特征值，求矩陣特征值過程計(jì)算量較大，會影響進(jìn)行點(diǎn)云數(shù)據(jù)選取和拼接的計(jì)算速度。由此，提出簡化的差異度計(jì)算方法。在方法B中，通過比較兩幀深度圖像對應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)之間的相對重心變化，根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值 當(dāng)Covprev

> kj Covprev [2] [2]時，|zprev_zk| > threshj當(dāng)Covprev

< k2 Covprev [2] [2]時，|xprev_xk| > thresh2其它情況時，IZprev-Zk I +1 Xprev-Xk I > thresh3其中，CoVev為上一個被確定為需要進(jìn)行拼接的深度圖像的協(xié)方差矩陣，(Vev，Yprev Zprev)為上一個被確定為需要進(jìn)行拼接的深度圖像的重心坐標(biāo)，(Xk，yk, Zk)為深度圖像序列中當(dāng)前待選深度圖像的重心坐標(biāo)，kj和k2為預(yù)定權(quán)值，k2 < k1； thresh^ thresh2、thresh3為預(yù)定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。在本發(fā)明的一個優(yōu)選實(shí)施例中，k: = 4、k2 = 2、thresh: = 13mm、thresh2 = 10mm. thresh3 = 20mm。同時，在實(shí)時測量中，需要確定所述深度圖像的軀干像素點(diǎn)云數(shù)據(jù)序列的起始幀和結(jié)束幀。在本發(fā)明的實(shí)施例中，起始幀的確定可采用手動設(shè)定的方式，也可以采用自動設(shè)定的方式，可以優(yōu)選人正對深度圖像設(shè)備時開始。 以人正對深度圖像設(shè)備時開始為例，在人體轉(zhuǎn)一周過程中，要經(jīng)過正面-側(cè)面-背面-側(cè)面-正面一個過程。在該過程中，對軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行PCA分析，則點(diǎn)云數(shù)據(jù)第二個主軸的方向變化、軀干點(diǎn)云數(shù)據(jù)與開始幀的軀干點(diǎn)云數(shù)據(jù)相似度變化會呈現(xiàn)一定的規(guī)律，通過判斷該規(guī)律，即可確定結(jié)束幀。以軀干點(diǎn)云與開始幀的軀干點(diǎn)云相似度為例，在該過程中，軀干點(diǎn)云與開始幀的軀干點(diǎn)云相似度變化過程為從I減少至第一相似度值，從第一相似度值增加到第二相似度值，從第二相似度值減少至第三相似度值，從第三相似度值增加至接近1，這里第一相似度值為人體第一側(cè)面與人體正面的相似度，第二相似度值為人體背面與正面的相似度，第三相似度值為人體第二側(cè)面與人體正面的相似度。當(dāng)某一幀軀干像素點(diǎn)云數(shù)據(jù)與第一幀軀干像素點(diǎn)云數(shù)據(jù)的相似度接近于1，并且經(jīng)歷了從I減少至第一相似度值，從第一相似度值增加到第二相似度值，從第二相似度值減少至第三相似度值，從第三相似度值增加至接近I的過程，則可確定該幀為結(jié)束幀。在步驟400進(jìn)行二值化后得到的圖像如圖4所示。步驟500基于該剖面圖像進(jìn)行人體軀干圍度的計(jì)算。圖5是本發(fā)明實(shí)施例的基于計(jì)算機(jī)視覺的人體軀干圍度測量裝置的框圖。如圖5所示，所述裝置包括
軀干點(diǎn)云獲取模塊，用于獲取立體軀干點(diǎn)云數(shù)據(jù)，所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo)；剖面圖像計(jì)算模塊，用于選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像；內(nèi)輪廓計(jì)算模塊，用于對剖面圖像進(jìn)行二值化，對二值化后的剖面圖像進(jìn)行連通域分析，求取最大的內(nèi)輪廓，得到內(nèi)輪廓按逆時針順序排列的像素序列；剖面坐標(biāo)計(jì)算模塊，用于根據(jù)投影到所述軀干剖面圖像中的構(gòu)成軀干剖面的點(diǎn)集的最大、最小剖面坐標(biāo)以及所述軀干剖面圖像的分辨率計(jì)算所述像素序列的每個像素對應(yīng)的剖面坐標(biāo)；軀干圍度計(jì)算模塊，用于計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值。其中，所述軀干點(diǎn)云獲取模塊包括 深度圖像序列獲取單元，用于通過深度攝像機(jī)圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列；圖像分割單元，用于對所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識另IJ，分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列；立體數(shù)據(jù)拼接單元，用于對需要進(jìn)行拼接的多個幀的深度圖像進(jìn)行拼接，獲得包括人體軀干所有表面信息的軀干立體點(diǎn)云數(shù)據(jù)。其中，所述剖面圖像計(jì)算模塊包括剖面構(gòu)建模塊，用于計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸，并進(jìn)行空間坐標(biāo)變換，將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中，在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集；剖面圖像構(gòu)建模塊，用于將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點(diǎn)的數(shù)量確定對應(yīng)像素的灰度值，構(gòu)建軀干剖面圖像。本發(fā)明通過人體軀干三維數(shù)據(jù)建模獲取人體軀干立體點(diǎn)云數(shù)據(jù)，通過投影獲得軀干剖面圖像，并根據(jù)剖面圖像計(jì)算人體軀干圍度，獲得的測量值精度高，便于測量人員批量處理數(shù)據(jù)，大大提高了人體體型數(shù)據(jù)測量的自動化程度和效率。顯然，本領(lǐng)域技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計(jì)算裝置來實(shí)現(xiàn)，它們可以集中在單個計(jì)算裝置上，或者分布在多個計(jì)算裝置所組成的網(wǎng)絡(luò)上，可選地，他們可以用計(jì)算機(jī)裝置可執(zhí)行的程序代碼來實(shí)現(xiàn)，從而可以將它們存儲在存儲裝置中由計(jì)算裝置來執(zhí)行，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實(shí)現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件的結(jié)合。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并不用于限制本發(fā)明，對于本領(lǐng)域技術(shù)人員而言，本發(fā)明可以有各種改動和變化。凡在本發(fā)明的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，包括 獲取立體軀干點(diǎn)云數(shù)據(jù)，所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo)； 選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像； 計(jì)算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列； 計(jì)算所述像素序列中每個像素對應(yīng)的剖面坐標(biāo)，所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo)； 根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值。
2.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像包括 計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸，并進(jìn)行空間坐標(biāo)變換，將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中，在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集； 將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點(diǎn)的數(shù)量確定對應(yīng)像素的灰度值，構(gòu)建軀干剖面圖像。
3.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括 對軀干剖面圖像進(jìn)行二值化，對二值化后的剖面圖像進(jìn)行連通域分析，獲得最大的內(nèi)輪廓。
4.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述獲取立體軀干點(diǎn)云數(shù)據(jù)包括 深度攝像裝置圍繞人體軀干相對移動一周，獲取包括人體軀干的深度圖像序列； 對所述深度圖像序列的每一幀深度圖像進(jìn)行人體姿態(tài)識別，分別獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列； 選取相互差異度大于預(yù)定閾值的多個幀的軀干像素點(diǎn)云數(shù)據(jù)，進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接，獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)。
5.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集包括 在需要測量圍度的主軸位置建立垂直于主軸的平面，提取立體軀干點(diǎn)云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點(diǎn)作為構(gòu)成軀干剖面的點(diǎn)集。
6.如權(quán)利要求2所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述計(jì)算所述像素序列中每個像素對應(yīng)的剖面坐標(biāo)包括 根據(jù)下式計(jì)算所述像素序列的每個像素對應(yīng)的剖面坐標(biāo)
7.如權(quán)利要求I所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值包括通過下式計(jì)算人體軀干圍度測量值
8.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述選取相互差異度大于預(yù)定閾值的多個幀的軀干像素點(diǎn)云數(shù)據(jù)，進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接，獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括 按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度，從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接，獲得所述立體軀干點(diǎn)云數(shù)據(jù)； 其中，所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括 通過主元分析分別獲得的進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸或第三主軸； 判斷所述進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的第二主軸之間或第三主軸之間的夾角是否大于夾角閾值。
9.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，所述選取相互差異度大于預(yù)定閾值的多個幀的軀干像素點(diǎn)云數(shù)據(jù)，進(jìn)行軀干像素點(diǎn)云數(shù)據(jù)拼接，獲得包括人體軀干采樣點(diǎn)空間坐標(biāo)的立體軀干點(diǎn)云數(shù)據(jù)包括 按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度，從所述軀干像素點(diǎn)云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點(diǎn)云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)拼接，獲得所述立體軀干點(diǎn)云數(shù)據(jù)； 其中，所述按順序比較所述軀干像素點(diǎn)云數(shù)據(jù)序列中的軀干像素點(diǎn)云數(shù)據(jù)之間的差異度包括 分別計(jì)算進(jìn)行比較的兩幀軀干像素點(diǎn)云數(shù)據(jù)的重心坐標(biāo)； 根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值當(dāng) Covprev

> kj Covprev [2] [2]時，|zprev_zk| > threshj當(dāng) Covprev

< k2 Covprev [2] [2]時，|xprev_xk| > thresh2其它情況時，I Zprev-Zk I +1 Xprev-Xk I > thresh3 其中，Covprev為上一個被確定為需要進(jìn)行拼接的深度圖像的協(xié)方差矩陣，(xpMV，yprev,Zprev)為上一個被確定為需要進(jìn)行拼接的深度圖像的重心坐標(biāo)，(xk，yk，zk)為軀干像素點(diǎn)云數(shù)據(jù)序列中當(dāng)前待選深度圖像的重心坐標(biāo)，kj和k2為預(yù)定權(quán)值,k2 < k1； thresh^ thresh2>thresh3為預(yù)定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。
10.如權(quán)利要求4所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量方法，其特征在于，通過如下方式確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的結(jié)束幀 確定所述軀干像素點(diǎn)云數(shù)據(jù)序列的起始幀； 計(jì)算所有軀干像素點(diǎn)云數(shù)據(jù)與所述起始幀的軀干像素點(diǎn)云數(shù)據(jù)的相似度，并按照所對應(yīng)的深度圖像的排列順序記錄所述相似度的變化趨勢； 選取與所述起始幀相似度高且排列于相似度經(jīng)歷了兩次下降上升過程的位置的幀對應(yīng)的軀干像素點(diǎn)云數(shù)據(jù)作為所述結(jié)束幀。
11.一種基于計(jì)算機(jī)視覺的人體軀干圍度測量裝置，包括 軀干點(diǎn)云獲取模塊，用于獲取立體軀干點(diǎn)云數(shù)據(jù)，所述立體軀干點(diǎn)云數(shù)據(jù)包括軀干表面的所有采樣點(diǎn)的空間坐標(biāo)； 剖面圖像計(jì)算模塊，用于選取圍度測量位置的采樣點(diǎn)進(jìn)行投影構(gòu)建軀干剖面圖像； 內(nèi)輪廓計(jì)算模塊，用于計(jì)算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列； 剖面坐標(biāo)計(jì)算模塊，用于計(jì)算所述像素序列中每個像素對應(yīng)的剖面坐標(biāo)，所述剖面坐標(biāo)為空間坐標(biāo)在所述剖面的投影坐標(biāo)； 軀干圍度計(jì)算模塊，用于根據(jù)所述剖面坐標(biāo)計(jì)算所述像素序列中所有相鄰像素間空間實(shí)際距離，對所述相鄰像素間空間實(shí)際距離求和獲得人體軀干圍度測量值。
12.如權(quán)利要求11所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量裝置，其特征在于，所述剖面圖像計(jì)算模塊包括 剖面構(gòu)建模塊，用于計(jì)算立體軀干點(diǎn)云數(shù)據(jù)的主軸，并進(jìn)行空間坐標(biāo)變換，將立體軀干點(diǎn)云數(shù)據(jù)的空間坐標(biāo)轉(zhuǎn)換到以所述主軸為坐標(biāo)軸的新坐標(biāo)系中，在需要測量圍度的主軸位置按預(yù)定條件提取立體軀干點(diǎn)云數(shù)據(jù)作為構(gòu)成軀干剖面的點(diǎn)集； 剖面圖像構(gòu)建模塊，用于將所述構(gòu)成軀干剖面的點(diǎn)集沿與軀干圍度垂直的主軸按預(yù)定分辨率進(jìn)行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點(diǎn)的數(shù)量確定對應(yīng)像素的灰度值，構(gòu)建軀干剖面圖像。
13.如權(quán)利要求11所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量裝置，其特征在于，所述計(jì)算軀干剖面圖像的最大的內(nèi)輪廓包括 對軀干剖面圖像進(jìn)行二值化，對二值化后的剖面圖像進(jìn)行連通域分析，獲得最大的內(nèi)輪廓。
14.如權(quán)利要求11所述的基于計(jì)算機(jī)視覺的人體軀干圍度測量裝置，其特征在于，所述軀干點(diǎn)云獲取模塊包括 深度圖像序列獲取單元，用于通過深度攝像機(jī)圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列； 圖像分割單元，用于對所述深度圖像序列的每一幀深度圖像分別進(jìn)行人體姿態(tài)識別，分割獲得每一幀深度圖像的軀干像素點(diǎn)云數(shù)據(jù)形成軀干像素點(diǎn)云數(shù)據(jù)序列； 立體數(shù)據(jù)拼接單元，用于對需要進(jìn)行拼接的多個幀的深度圖像進(jìn)行拼接，獲得包括人體軀干表面立體信息的軀干立體點(diǎn)云數(shù)據(jù)。
全文摘要
本發(fā)明公開了一種基于計(jì)算機(jī)視覺的人體軀干圍度測量方法和裝置，本發(fā)明通過深度攝像裝置圍繞人體拍攝獲得人體軀干深度圖像序列，通過人體姿態(tài)識別分割和點(diǎn)云配準(zhǔn)拼接獲取人體軀干立體點(diǎn)云數(shù)據(jù)，通過立體軀干點(diǎn)云數(shù)據(jù)的重投影獲得軀干剖面圖像，并根據(jù)剖面圖像計(jì)算人體軀干圍度。依據(jù)本發(fā)明獲得的圍度測量值精度高，便于測量人員批量處理數(shù)據(jù)，大大提高了人體體型數(shù)據(jù)測量的自動化程度和效率。
文檔編號A61B5/107GK102657531SQ201210132769
公開日2012年9月12日 申請日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者柳林祥 申請人:深圳泰山在線科技有限公司