CN103577800A - 一种基于彩色图像的人体手部形态参数测量方法 - Google Patents

Abstract

本发明公开了一种基于彩色图像的人体手部形态参数测量方法，本发明首先通过普通平面扫描仪得到手部两个姿态的彩色图像，然后通过色度变换、二值化、中值滤波器滤波和轮廓提取、腕部去除等完成基于彩色图像的手部轮廓提取。在提取的手部轮廓上，利用斜率微分技术提取两个姿态上轮廓线上曲率特征比较明显的测点，最后利用未识别的测点与已知测点的位置和比例约束关系识别出来其余测点，快速准确地提取人体手部两个姿态上的多个测点，并完成多个手部形态参数。本发明可以广泛地应用于服装、工业设计、航天医学、身份识别等领域。

Description

一种基于彩色图像的人体手部形态参数测量方法

技术领域

本发明涉及人体测量学与模式识别领域，尤其涉及一种基于彩色图像的人体手部形态参数测量方法。

背景技术

人体测量是通过测量人体各部位的尺寸来确定个体之间和群体之间在人体尺寸上的差别，用以研究人的形态特征，从而为工业设计、人机工程、人类学、医学、服装标准设计等提供人体基础资料。世界上已有90多个大规模的人体测量数据库，主要分布在发达国家，比如人体测量研究计划(CivilianAmerican and European Survey of Anthropometry Research，CASER)，它在美国、欧洲等得到了广泛应用。日本HQL协会提出了人体测量和高质量生活工程(Research Institute of Human Engineering for Quality Life)计划，中国标准化研究院也于2005年开展了全国未成年人体测量项目，建立了全国未成年人体三维扫描数据库，而之前中国一直未有相关的国家标准。《中国成年人人体尺寸》标准是20年以前建立的，随着人民群众生活水平的提高，体貌特征已经发生了巨大变化，该标准已经不能适应生产生活设计的需要，因此该院拟采用三维人体扫描仪开展第二次成年人人体尺寸测量，准备建立中国成年人三维人体扫描数据库。

人体测量技术在近几十年的发展中，大致经历了由接触式到非接触式、由二维到三维的发展过程。非接触自动测量是现代化人体测量技术的发展趋势，它以现代光学为基础，结合图像处理、计算机视觉等技术，准确、高效、客观地获取人体参数数据，目前已经成为人体测量的主流方法，非接触测量方法分为基于图像的二维非接触测量和基于结构光的三维非接触测量两类。

三维非接触测量具有测量进度高，能够重建人体整个形状等特点。例如，由英国Loughborough大学于1989年研制Loughborough人体阴影扫描装置(Loughborough Anthropometric Shadow Scannerm LASS)，是一种立体阴影测量法。当一个人站立不动时，投影在其身上的光线将被电视摄影机录取下，身体形状由一系列横切面表示，并以平面方式各用16点拉曲线表示。重复32片平面，每一片都与有关骨骼标记相关联，重建三维身体的表面模型[9]。Cyberware公司于1995年研制的Cyberware全身扫描系统(Cyberware WholeBody Color 3D Scanner)，其型号为WBX设备使用4个激光扫描仪器，利用三角测量技术来获取三维影像。通过工作站的软件控制，整个扫描及移动过程，在17秒钟内获取人体的数十万测量项。把多个扫描图像结合起来就构成一个完整的人体模型。Cyberware公司于1995年研制的Cyberware全身扫描系统和德国Human Solution公司开发的Vitus三维人体扫描仪，则为利用基于三角测量原理，采用结构光进行三维非接触人体测量的设备，已经广泛应用于人体测量学和人机工效学等领域。三维非接触测量设备虽然具有测量进度高，能够重建人体整个形状等特点，但是设备比较昂贵，便携型也比较差。

二维非接触测量与三维非接触测量相比，具有设备简单、便携、性能价格比高的优点，因此可以认为是与三维测量互补的一类测量方法。加拿大的BoSS-2系统就是一套基于图像的非接触式的人体参数测量和服装套号系统，为加拿大军队提供身体测量以实现制服的快捷、自动化生产。Y.C Kim开发的三维测量系统和瑞士徕卡公司推出的数字摄影测量系统都基于双目视觉原理，以零交叉点作为匹配特征，采用松弛匹配法，经7次迭代后98％的点可实现匹配，在7m距离范围内的测量误差仅为3.9cm，基本达到工业应用水平。北京航空航天大学开发的基于图像的人体参数测量系统采用两个数码相机分别拍摄被测者的正视图和侧视图，基于双目视觉原理重建人体关键测点，完成人体形态参数测量。

手部测量是人体测量的重要组成部分，也是也是身份认证的一种重要方法。由于手部相对人体而言尺寸比较小，因此一般不采用人体全身测量设备来进行手部测量，需要采用专门针对手部的测量设备。目前的手部尺寸测量具有采用传统的手工测量方法外，就是利用全身测量设备完成手部测量，能够测量的手部参数较少，并且精度偏低。

发明内容

本发明针对现有技术的弊端，针对上述问题，提供一种基于彩色图像的人体手部形态参数测量方法，这种方法通过普通扫描仪获取手部两个姿态的彩色图像，在数秒钟内自动从背景中提取出手部轮廓点集线完成手部的多个测点的识别，并计算出多个手部形态参数，从而既保持非接触测量的优势，又不增加设备的复杂性，能够更好地完成手部形态参数的测量。

为了实现上述目的，本发明提供了一种基于彩色图像的人体手部形态参数测量方法，包括以下步骤：

步骤一、获取包含被测者手部的二维彩色图像；

步骤二、从所获取的彩色图像中提取手部轮廓，形成手部轮廓线；

步骤三、基于手部轮廓线的曲率和手部比例关系识别出手部多个测点；

步骤四、根据测点之间的距离计算出多个人体手部形态参数。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤一中是将被测者手部放置在平板扫描仪上进行扫描获取。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤二中通过以下过程提取手部轮廓线：从被测者彩色图像中提取色调通道图像；对色调通道图像进行二值化处理得到手部和背景用黑、白二色区分的黑白图像；之后在黑白图像上提取手部轮廓线。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，所述色调通道图像获取方法如下：将获取的被测者彩色图像通过色彩模型的转换公式转换到包含色调的颜色空间，得到色调通道图像。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤三中对于识别出来的测点可以通过交互的方式进行修改。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤三中通过以下过程识别测点：利用斜率微分技术提取所述手部轮廓点集曲率图，得到曲率特征比较明显的点，作为所述手部轮廓的关键测点；

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，根据所述关键测点，通过基于手部比例和统计学的方法识别所述手部轮廓的其余测点。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤二中采用8-邻域追踪方法进行所述手部轮廓的提取。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤二中对所述手部轮廓通过提取手腕部分与手掌部分的两个连接点进行腕部去除。

优选的是，所述的基于彩色图像的人体手部形态参数测量方法中，步骤三中所述手部轮廓点集曲率图经过高斯滤波和中值滤波器处理，得到去噪后的手部轮廓点集曲率图。

本发明的基于彩色图像的人体手部形态参数测量方法，通过普通平面扫描仪得到手部两个姿态彩色图像，通过色度变换、二值化、中值滤波器滤波和轮廓提取、腕部去除等完成基于彩色图像的手部轮廓提取，在提取的手部轮廓上，利用斜率微分技术快速准确地提取人体手部两个姿态上的多个测点，并完成多个手部形态参数，解决了传统手工测量中存在的测量项目少、精度差等问题。

附图说明

图1为本发明所述基于彩色图像的人体手部形态参数测量方法流程图；

图2为本发明中手部两个姿势上的多个测点分布示意图，(a)为姿势1，(b)为姿势2；

图3为本发明中使用的8-邻域轮廓跟踪算法追踪手部轮廓点集示意图；

图4为本发明中手部轮廓点集腕部去除示意图；

图5为本发明中利用斜率微分技术计算夹角示意图；

图6是本发明中使用斜率微分技术方法处理轮廓点集并进过高斯滤波、中值滤波后得到的轮廓曲率图；

图7是本发明中使用基于比例方法识别测点20-25的示意图。

具体实施方式

下面结合附图对本发明做详细说明，以令本领域普通技术人员参阅本说明书后能够据以实施。

步骤一、获取包含被测者手部的二维彩色图像；

步骤二、从所获取的彩色图像中提取手部轮廓，形成手部轮廓线；

步骤三、基于手部轮廓线的曲率和手部比例关系识别出手部多个测点；

步骤四、根据测点之间的距离计算出多个人体手部形态参数。

如图1所示，本发明所述的基于彩色图像的人体手部形态参数测量方法包括以下步骤：

步骤一、将被测者手部放置在平板扫描仪上进行扫描获取手部两个形态的彩色图像，所述平板扫描仪还可以是文件扫描仪、实物扫描仪等；输入该图像并以之作为人体手部形态参数测量框架。

步骤二、通过色彩转换、二值化、滤波处理及腕部去除，获得手部轮廓，具体步骤为：利用RGB色彩模型与YUV色彩模型的转换公式，将原始手部彩色图像从RGB颜色空间转换到YUV颜色空间，得到手部形态的色调通道图像；利用根据手部皮肤色调值和背景的色调值的差异对色调通道图像进行二值化处理得到手部和背景用黑、白二色区分的黑白图像，既手部形态的二值化图像；利用中值滤波器对所述手部形态的二值化图像进行滤波处理，去除椒盐噪声，得到去噪后手部形态的二值化图像；采用8-邻域追踪方法对所述去噪后手部形态的二值化图像进行手部轮廓的提取，得到初步手部轮廓的点集，对所述初步手部轮廓的点集进行腕部去除，得到手部轮廓。

步骤三、利用斜率微分技术和基于手部比例与统计学的方法进行所述手部轮廓的测点的识别，所识别的测点至少为25个。

步骤七、根据提取的测点，用相关的两个测点的像素距离乘以每个像素代表的实际长度，计算得到手部的至少18个形态参数。

在所述色调变换中，通常的彩色图像一般采用RGB色彩模型来进行描述，RGB色彩模型中任何色彩都可由红、绿、蓝三原色通过不同的比例混合而成。然而，这种颜色的表示方式与人在实际中解释颜色的方式是不一致的，人在实际中观察一个物体时，通常是用色调、色饱和度以及亮度来描述颜色。而且，当光照和环境发生变化时，同一种颜色的RGB分量会有显著不同，但是色调和色饱和度则不受影响。对于手部图像而言，手内部光线强的部分与光线弱部分之间RGB分量的差异，就可能会大于它们与背景色之间RGB分量的差异，这对于手部分割非常不利。YUV颜色空间是被广泛应用于电视信号以及图像、视频压缩领域的另外一种颜色表示方法。其三个分量中Y分量表示亮度，即所谓灰度值，U、V两个分量描述色彩信息，分别表示色度以及饱和度。这种颜色的表示方式与人在实际中解释颜色的方式是一致的。YUV空间跟RGB空间之间为一种线性关系，可以互相转换，转换公式如下：

Y＝0.299*R+0.587*G+0.114*B

U＝-0.147*R-0.289*G+0.436*B

V＝0.615*R-0.515*G-0.100*B

其中，U、V两个分量在二维坐标平面中构成了表示色度的矢量，幅角

表示色彩的色调，与光的强度无关。将原始手部姿态图像由RGB空间变换到YUV空间并计算每一个点的色调，再将色调图进行放缩变换映射到RGB空间中的R分量(G和B分量均取0)作为色调图。由于手内部点与背景点的色调差异非常显著，因此色调图可用于手部分割。

所述的基于彩色图像的人体手部形态参数测量方法中，步骤三中对于自动识别出来的测点，如果用户不满意可以通过交互的方式进行修改。所述的基于彩色图像的人体手部形态参数测量方法中，步骤三中所述的测点的识别包括以下步骤：步骤一、利用斜率微分技术提取所述手部轮廓中曲率特征比较明显的点，作为所述手部轮廓的关键测点；步骤二、根据所述关键测点的位置，通过基于手部比例和统计学的方法识别所述手部轮廓的其余测点。如图2所示，测点识别时需要根据各个测点的特点使用不同的方法进行识别。有些测点位于整个手部的最边缘，例如测点7位于手的最右侧；有些测点位于指尖处的最突起处，例如测点3；有些测点位于指缝的最凹陷处，例如测点13，对这些边界上方向改变比较显著的测点，可以利用点的曲率来识别，使用曲率的好处在于可以分析手部轮廓在形状上所具有的特征信息，同时不需要旋转手部使其对准坐标系，系统采用斜率微分技术方法来发现曲率最大的点。还有些测点没有显著的特点，如图7所示，对于姿势2中测点17、18和19，由于手部轮廓在经过这三个点处并没有显著的弯曲，因此采用斜率微分技术方法不能识别这三个点，此三个点可以根据统计学方法给出的经验公式来求。每根手指的指尖点到左右两个指缝末端点的轮廓分别具有一个外侧面(大拇指侧)和一个内侧面(小拇指侧)，经大量人体数据统计，拇指、食指和小指的根部外侧面长度比内侧面长度长15％左右。基于这个特性，假设测点i的位置用P_i表示，在姿势2的轮廓点集中，拇指根部外侧测点17可以通过拇指的指尖点(测点8)和拇指内侧的指缝处末端点(测点9)来计算：

P₁₇＝P₈-(P₉-P₈)×1.15

同理，食指和小指的根部外侧测点18与19也可以得到。剩下的6个测点20-25跟测点17、18和19有类似的特点，即它们都是手指关节处褶纹的端点，除此之外没有其它显著的特征。因此同样也只有寻找特殊的方法以近似的得到它们的位置。观察拇指可以发现，它被关节处的褶皱分成了上下两个部分，我们把它们近似的看作是等长的；同理食指被两个关节分割成近似等长的三段。首先，将拇指上的测点8、9以及17连接成一个三角形，测点9与测点17这条边上的中点，与测点8的连线构成了三角形的一条中线，取这条中线上的中点做垂线，与拇指两侧的轮廓都必定有一个交点，则取这两个交点分别作为测点20和测点21。同理，食指上测点10、11以及18也组成了一个三角形，取它中线上的1/3处和2/3处分别做垂线，与食指两侧轮廓的交点分别作为测点22、23以及测点24和25。

另外，如图2(a)所示，斜率微分技术方法并没有将姿势1中中指和无名指之间指缝处的末端的测点6识别出来，这是因为姿势1中除拇指外的其他四指过于并拢，轮廓提取算法不能识别指缝为手部轮廓，从而在得到的手部轮廓中，除拇指外的四个手指的轮廓被连在一起。测点6的计算可以采用如下方法：由于两个姿势的手部图像来自同一只手，中指的形状在两幅图像中应该是一样的，从而中指和无名指之间指缝处的末端点与中指指尖点的相对位置应该是不变的。也就是说，姿势1中测点6与5的相对位置，与姿势2中测点13与12的相对位置是相同的。这样，从姿势2中识别测点12和13后，计算出它们之间的相对位移，然后即可从姿势1中根据已识别的测点5得到测点6的位置。姿势1中的测点7(尺侧掌骨点)，可以通过扫描该图像最右点得到。

如图3所示，所述的基于彩色图像的人体手部形态参数测量方法中，步骤二中采用8-邻域追踪方法进行所述手部轮廓的提取，步骤如下：步骤一、以所述去噪后手部形态的二值化图像左上角的第一个黑点作为起始边界点，并记为点A；步骤二、以所述点A为中心，在其相邻黑点中找到与之相连的下一个黑点作为另一个边界点，并依次进行下去，直到找到图像最右上角的黑点结束；步骤三、最终找到的边界点集即为手部轮廓点集，既手部轮廓。经滤波器去噪后的二值图像已经很好地将手部从背景中分离出来，下一步是在此图上提取手部轮廓边界。手部轮廓提取算法的核心思想如下：设边界点集为T，初始时T为空。首先从图像中取得左上角的第一个黑点做为起始点，这个点一定是一个边界点，记为点A，A的右、右下、下、左下四个相邻点中至少有一个是它的边界点，如图中的点B，将A和B加入T。从点B开始，按右、右上、上、左上、左、左下、下、右下的顺序找8个邻域内相邻点中的下一个不在T中的边界点，在图中为点C。如此继续进行下去，依次将D、E、F、G、H、I等点加入T，直到找到图像最右上角的黑点结束。判断一个点是不是边界点比较容易：如果它的上下左右四个邻居点都是黑点则不是边界点，否则是边界点。比如图中的点B是边界点，因为它的左邻点是白点，而点p就不是边界点。最终，T中的点集即为手部轮廓序列。

如图4所示，所述的基于彩色图像的人体手部形态参数测量方法中，由于手腕部分在测量中不仅不需要，而且还会影响后续测点的识别，为此需要在已得到的轮廓点集中去掉属于手腕部分，步骤二中对所述初步手部轮廓点集进行腕部去除，可以通过提取手腕部分与手掌部分的两个连接点来完成，这两个点具有如下特点：当边界点在经过它们时方向改变比较显著，具体包括以下步骤：步骤一、取所述手部轮廓点集边界上任意点，该点与其前面第N个点、后面第N个点分别形成两条连线，将所述连线之间的夹角设定为α，并计算所述夹角α的值；步骤二、通过所述夹角的计算方法，分别从所述手部轮廓点集的左上角和右上角出发，取N＝20，从第21个点开始，逐一向后计算该点与它前面的第20个点以及它后面的第20个点的两条连线的夹角，如果夹角小于了一个阈值，则认为该点为所述手腕部分与手掌部分的连接点。步骤三、得到了两个所述连接点后，在所述边界点集中去除掉左侧连接点前面的所有点以及右侧连接点后面的所有点，即完成了手腕部分的去除。

所述的基于彩色图像的人体手部形态参数测量方法中，所述关键测点的识别通过利用斜率微分技术提取手部轮廓点集曲率图来完成，获得所述手部轮廓点集曲率图的步骤如下：步骤一、如图5所示，在所述手部轮廓点集的任意点处，取前后两个大小均为ω的向量，计算它们之间的夹角θ，即：取这个点的前面第ω个点与后面第ω个点，分别与该点组成2个向量v₁和v₂，则v₁和v₂的夹角为

步骤二、取ω＝20，从第ω个点开始，依次对手部轮廓点集中的每一个点计算其θ角的值，得到一个θ值的序列；步骤三、以所述轮廓点集中点的序号为横坐标，以点的θ值为纵坐标，得到初步手部轮廓点集曲率图；步骤四、用核为2ω的高斯滤波器对所述初步手部轮廓点集曲率图做第一次滤波；步骤五、用均值滤波器对经高斯滤波处理后的所述初步手部轮廓点集曲率图进行第二次滤波，得到手部轮廓点集曲率图。如果这时直接用尖峰点作为测点就可能会带来偏差，因为此时的尖峰点的值已经不是真实的θ值，需要进行修正，如图6所示，一种可取的方法是对θ选取一个适当的阈值来分割图像，这样图像中的每个突起部分都会被截出左右2个交点，最终用这两个点的中点作为实际的测点，这个过程比直接用尖峰点准确。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.一种基于彩色图像的人体手部形态参数测量方法，其中，包括以下步骤：

步骤一、获取包含被测者手部的二维彩色图像；

步骤二、从所获取的彩色图像中提取手部轮廓，形成手部轮廓线；

步骤三、基于手部轮廓线的曲率和手部比例关系识别出手部多个测点；

步骤四、根据测点之间的距离计算出多个人体手部形态参数。

2.根据权利要求1所述的基于彩色图像的人体手部形态参数测量方法，其中步骤一中是将被测者手部放置在平板扫描仪上进行扫描获取。

3.根据权利要求1所述的基于彩色图像的人体手部形态参数测量方法，其中步骤二中通过以下过程提取手部轮廓线：从被测者彩色图像中提取色调通道图像；对色调通道图像进行二值化处理得到手部和背景用黑、白二色区分的黑白图像；之后在黑白图像上提取手部轮廓线。

4.根据权利要求3所述的基于彩色图像的人体手部形态参数测量方法，其中所述色调通道图像获取方法如下：将获取的被测者彩色图像通过色彩模型的转换公式转换到包含色调的颜色空间，得到色调通道图像。

5.根据权利要求1所述的基于彩色图像的人体手部形态参数测量方法，其中步骤三中对于识别出来的测点可以通过交互的方式进行修改。

6.根据权利要求1所述的基于彩色图像的人体手部形态参数测量方法，其中步骤三中通过以下过程识别测点：利用斜率微分技术提取所述手部轮廓点集曲率图，得到曲率特征比较明显的点，作为所述手部轮廓的关键测点。

7.根据权利要求1或6所述的基于彩色图像的人体手部形态参数测量方法，其中根据所述关键测点，通过基于手部比例和统计学的方法识别所述手部轮廓的其余测点。

8.根据权利要求1所述的基于彩色图像的人体手部形态参数测量方法，其中步骤二中采用8-邻域追踪方法进行所述手部轮廓的提取。

9.根据权利要求1或8所述的基于彩色图像的人体手部形态参数测量方法，其中步骤二中对所述手部轮廓通过提取手腕部分与手掌部分的两个连接 点进行腕部去除。

10.根据权利要求1或6所述的基于彩色图像的人体手部形态参数测量方法，其中步骤三中所述手部轮廓点集曲率图经过高斯滤波和中值滤波器处理，得到去噪后的手部轮廓点集曲率图。 

Images