CN105054936B - 基于Kinect景深图像的快速身高和体重测量方法 - Google Patents

基于Kinect景深图像的快速身高和体重测量方法 Download PDF

Info

Publication number
CN105054936B
CN105054936B CN201510419297.XA CN201510419297A CN105054936B CN 105054936 B CN105054936 B CN 105054936B CN 201510419297 A CN201510419297 A CN 201510419297A CN 105054936 B CN105054936 B CN 105054936B
Authority
CN
China
Prior art keywords
human body
pixel
depth
height
kinect
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510419297.XA
Other languages
English (en)
Other versions
CN105054936A (zh
Inventor
周小芹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changzhou Campus of Hohai University
Original Assignee
Changzhou Campus of Hohai University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changzhou Campus of Hohai University filed Critical Changzhou Campus of Hohai University
Priority to CN201510419297.XA priority Critical patent/CN105054936B/zh
Publication of CN105054936A publication Critical patent/CN105054936A/zh
Application granted granted Critical
Publication of CN105054936B publication Critical patent/CN105054936B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明公开了一种基于Kinect景深图像的快速身高和体重测量方法，利用Kinect视角场几何推导来测量人体身高，不涉及骨骼关节点的差值计算，因此可以获得精确身高值，利用景深图像数据与实际数据之间的比例推算出每个深度图像帧像素宽度对应的实际宽度，再据此推算出精确的人体实际高度；同理，按照上述方法可以推算出精确的人体实际体宽；通过实际宽度和实际高度，可以估算出人体实际体重；本发明不仅精确而且速度快，只需人从摄像头前走过，就可以立即给出人体身高值和体重，省去了手工记录、录入数据的繁琐工序，减少了人力。

Description

基于Kinect景深图像的快速身高和体重测量方法
技术领域
本发明涉及一种基于Kinect景深图像的快速身高和体重测量方法，涉及图像处理与计算机视觉领域。
背景技术
身高体重的测量在日常生活中随处可见。例如：儿童购票乘车或者购票进入旅游景点时，购票处需要通过测量身高来确定儿童不同的购票等级；医院体检时，身高体重测量是体检的基础检查项目之一；还有现如今流行的3D虚拟试衣镜，仍然无法解决如何精确快速地获取试衣者的体型的问题，而这将直接影响虚拟试衣的效果。传统的身高测量方式多为通过尺度工具采用接触式方法对身高进行人工测量，此方法虽然准确实用，但人数多时若要逐一测量，速度相对较慢，在人流量很大的场合这种通过尺度工具和人工辅助进行逐一测量的方法显然不能满足要求；而传统的体重测量方式是需要被测者站立在体重计上，待体重计数值稳定后进行人工数据读取，然后再将数据信息手工录入到数据库中。此方法本身有两大缺陷：一是如果体重计不精准、被损坏或者被测者站立姿势不标准，都会导致体重数据不准确；二是操作步骤繁杂，当人数多时需要消耗大量的人力，并且测量速度缓慢。
现有的基于二维平面图像进行身高测量的方法，需要对图像进行比对处理，身高测量所需要的数据信息不足，因此，这种对图像中人体的身高测量运算方法复杂，速度缓慢，难以满足实际需求。而现有的一些利用kinect进行身高测量的例子，大都是利用头部关节点和脚趾关节点之间的距离差来计算身高，但是，头部关节点给出的是头部中心点的坐标，并非头顶的坐标位置，因此要再额外加上9cm—11cm差值才能得到相对精确的身高值。由于Kinect本身提供的骨骼点位置信息就不太精确再加上人体骨骼间的偏差，因此这种方法会带来较大的误差。
发明内容
为了解决上述技术问题，本发明提供了一种基于Kinect景深图像的快速身高和体重测量方法。
为了达到上述目的，本发明所采用的技术方案是：
基于Kinect景深图像的快速身高和体重测量方法，包括以下步骤，
步骤一，通过Kinect设备获取人体景深图像；
步骤二，对人体景深图像上的每一个像素进行判断，判断其是否属于人体，如果属于人体，则获得人体像素点并保存待用，如果不属于人体，则读取下一个像素点；
步骤三，通过对人体像素点的遍历和比较，获得人体最高像素点、人体最低像素点、人体最左像素点和人体最右像素点；
步骤四，将人体最高像素点减去人体最低像素点，得到人体的深度像素高度；将人体最左像素点减去人体最右像素点，得到人体的深度像素宽度；
步骤五，获得kinect摄像头和人体“髋部中心”骨骼点之间的距离，将kinect摄像头和人体“髋部中心”骨骼点之间的距离作为人体的深度值；
步骤六，根据人体的深度值和深度像素宽度，计算人体的实际宽度；
计算公式为，
Wr＝2d×tan(28.5)×PixelWidth/ImageWidth
其中，Wr为人体的实际宽度，d为人体的深度值，PixelWidth为人体的深度像素宽度，ImageWidth为人体所在有效视角场的横截面的深度图像像素宽度；
步骤七，根据人体的实际宽度和深度像素宽度，计算每个深度图像帧像素宽度对应的实际宽度；
计算公式为，
OnePixelWidth＝Wr/PixelWidth
其中，OnePixelWidth为每个深度图像帧像素宽度对应的实际宽度；
步骤八，根据每个深度图像帧像素宽度对应的实际宽度和人体的深度像素高度，计算人体的实际身高；
计算公式为，
Hr＝OnePixelWidth×PixelHeight
其中，Hr为人体的实际身高，PixelHeight为人体的深度像素高度；
步骤九，根据人体的实际宽度和实际身高，计算人体的实际体重；
计算公式为，
W＝a*Hr^b*Wr^c
其中，W为人体的实际体重，a、b、c为参数，参数是通过选取若干样本，再通过Matlab训练拟合三个参数之间的关系得到的。
通过Kinect设备来检测深度图像中运动的人体，并用ID号标识和跟踪人体，利用此ID号对深度图像上的每一个像素进行判断。
a＝27.3150，b＝2.2104，c＝0.6487。
本发明所达到的有益效果：本发明利用Kinect视角场几何推导来测量人体身高，不涉及骨骼关节点的差值计算，因此可以获得精确身高值，利用景深图像数据与实际数据之间的比例推算出每个深度图像帧像素宽度对应的实际宽度，再据此推算出精确的人体实际高度；同理，按照上述方法可以推算出精确的人体实际体宽；通过实际宽度和实际高度，可以估算出人体实际体重；本发明不仅精确而且速度快，只需人从摄像头前走过，就可以立即给出人体身高值和体重，省去了手工记录、录入数据的繁琐工序，减少了人力。
附图说明
图1是本发明的基于Kinect景深图像的快速身高和体重测量方法的流程图。
图2是本发明的基于Kinect景深图像的快速身高和体重测量方法的结构俯视图。
图3是本发明的基于Kinect景深图像的快速身高和体重测量方法的结构侧视图。
图4是kinect获取的景深图像中人体像素点图示。
图5是本发明的基于Kinect景深图像的快速身高和体重测量方法的测试结果。
图6是在matlab环境下，测量体重与真实体重之间的误差图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1、2、3和4所示，基于Kinect景深图像的快速身高和体重测量方法，包括以下步骤：
步骤一，通过Kinect设备获取人体景深图像。
在获取人体景深图像，要确保人体处于Kinect视角场内，即在屏幕上显示的景深图像中可以看到完整的身体，一般身体距离Kinect摄像头3.2米左右的距离即可。
步骤二，对人体景深图像上的每一个像素进行判断，判断其是否属于人体，如果属于人体，则获得人体像素点并保存待用，如果不属于人体，则读取下一个像素点。
在这里通过Kinect设备来检测深度图像中运动的人体，并用ID号标识和跟踪人体，利用此ID号对深度图像上的每一个像素进行判断。
步骤三，通过对人体像素点的遍历和比较，获得人体最高像素点PixelTop、人体最低像素点PixelBottom、人体最左像素点PixelLeft和人体最右像素点PixelRight。
步骤四，将人体最高像素点PixelTop减去人体最低像素点PixelBottom，得到人体的深度像素高度PixelHeight；将人体最左像素点PixelLeft减去人体最右像素点PixelRight，得到人体的深度像素宽度PixelWidth。
步骤五，获得kinect摄像头和人体“髋部中心”骨骼点之间的距离，将kinect摄像头和人体“髋部中心”骨骼点之间的距离作为人体的深度值，记作d。
步骤六，根据人体的深度值d和深度像素宽度PixelWidth，计算人体的实际宽度；
计算公式为，
Wr＝2d×tan(28.5)×PixelWidth/ImageWidth
其中，Wr为人体的实际宽度。
步骤七，根据人体的实际宽度Wr和深度像素宽度PixelWidth，计算每个深度图像帧像素宽度对应的实际宽度；
计算公式为，
OnePixelWidth＝Wr/PixelWidth
其中，OnePixelWidth为每个深度图像帧像素宽度对应的实际宽度。
步骤八，根据每个深度图像帧像素宽度对应的实际宽度OnePixelWidth和人体的深度像素高度PixelHeight，计算人体的实际身高；
计算公式为，
Hr＝OnePixelWidth×PixelHeight
其中，Hr为人体的实际身高。
步骤九，根据人体的实际宽度Wr和实际身高Hr，计算人体的实际体重；
计算公式为，
W＝a*Hr^b*Wr^c
其中，W为人体的实际体重；a、b、c为参数，参数是通过选取若干样本，再通过Matlab训练拟合三个参数之间的关系得到的，若样本取得越多，则越精确；这里参数的取值为a＝27.3150，b＝2.2104，c＝0.6487。
上述基于Kinect景深图像的快速身高和体重测量方法，利用Kinect视角场几何推导来测量人体身高，不涉及骨骼关节点的差值计算，因此可以获得精确身高值，利用景深图像数据与实际数据之间的比例推算出每个深度图像帧像素宽度对应的实际宽度，再据此推算出精确的人体实际高度(此处的体宽是指：从正面看人体时，人体最宽处的距离)；同理，按照上述方法可以推算出精确的人体实际体宽；通过实际宽度和实际高度，可以估算出人体实际体重。
为了进一步说明该方法，做了以下试验。
找16名被测者，采集16名被测者的实际身高和体重，用本方法测量16名被测者的身高和体重，比较结果如图5和6所示。
根据试验可以看出，本方法不仅精确而且速度快，只需人从摄像头前走过，就可以立即给出人体身高值和体重，省去了手工记录、录入数据的繁琐工序，减少了人力。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (3)

1.基于Kinect景深图像的快速身高和体重测量方法，其特征在于：包括以下步骤，
步骤一，通过Kinect设备获取人体景深图像；
步骤二，对人体景深图像上的每一个像素进行判断，判断其是否属于人体，如果属于人体，则获得人体像素点并保存待用，如果不属于人体，则读取下一个像素点；
步骤三，通过对人体像素点的遍历和比较，获得人体最高像素点、人体最低像素点、人体最左像素点和人体最右像素点；
步骤四，将人体最高像素点减去人体最低像素点，得到人体的深度像素高度；将人体最左像素点减去人体最右像素点，得到人体的深度像素宽度；
步骤五，获得kinect摄像头和人体“髋部中心”骨骼点之间的距离，将kinect摄像头和人体“髋部中心”骨骼点之间的距离作为人体的深度值；
步骤六，根据人体的深度值和深度像素宽度，计算人体的实际宽度；
计算公式为，
Wr＝2d×tan(28.5)×PixelWidth/ImageWidth
其中，Wr为人体的实际宽度，d为人体的深度值，PixelWidth为人体的深度像素宽度，ImageWidth为人体所在有效视角场的横截面的深度图像像素宽度；
步骤七，根据人体的实际宽度和深度像素宽度，计算每个深度图像帧像素宽度对应的实际宽度；
计算公式为，
OnePixelWidth＝Wr/PixelWidth
其中，OnePixelWidth为每个深度图像帧像素宽度对应的实际宽度；
步骤八，根据每个深度图像帧像素宽度对应的实际宽度和人体的深度像素高度，计算人体的实际身高；
计算公式为，
Hr＝OnePixelWidth×PixelHeight
其中，Hr为人体的实际身高，PixelHeight为人体的深度像素高度；
步骤九，根据人体的实际宽度和实际身高，计算人体的实际体重；
计算公式为，
W＝a*Hr^b*Wr^c
其中，W为人体的实际体重，a、b、c为参数，参数是通过选取若干样本，再通过Matlab训练拟合三个参数之间的关系得到的。
2.根据权利要求1所述的基于Kinect景深图像的快速身高和体重测量方法，其特征在于：通过Kinect设备来检测深度图像中运动的人体，并用ID号标识和跟踪人体，利用此ID号对深度图像上的每一个像素进行判断。
3.根据权利要求1所述的基于Kinect景深图像的快速身高和体重测量方法，其特征在于：a＝27.3150，b＝2.2104，c＝0.6487。
CN201510419297.XA 2015-07-16 2015-07-16 基于Kinect景深图像的快速身高和体重测量方法 Active CN105054936B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510419297.XA CN105054936B (zh) 2015-07-16 2015-07-16 基于Kinect景深图像的快速身高和体重测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510419297.XA CN105054936B (zh) 2015-07-16 2015-07-16 基于Kinect景深图像的快速身高和体重测量方法

Publications (2)

Publication Number Publication Date
CN105054936A CN105054936A (zh) 2015-11-18
CN105054936B true CN105054936B (zh) 2017-07-14

Family

ID=54484638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510419297.XA Active CN105054936B (zh) 2015-07-16 2015-07-16 基于Kinect景深图像的快速身高和体重测量方法

Country Status (1)

Country Link
CN (1) CN105054936B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105596006B (zh) * 2015-12-16 2019-05-31 上海斐讯数据通信技术有限公司 一种身高测量方法、装置及具有采集装置的电子设备
CN106056580B (zh) * 2016-05-20 2018-10-19 深圳市寒武纪智能科技有限公司 一种通过点云特征测量人体体重的方法
CN106503664B (zh) * 2016-10-26 2019-05-31 北京邮电大学 一种用户体型评估方法及装置
CN108158587B (zh) * 2016-12-05 2020-12-29 中国移动通信有限公司研究院 室内人体运动量的测量方法和测量装置
CN106846324B (zh) * 2017-01-16 2020-05-01 河海大学常州校区 一种基于Kinect的非规则物体高度测量方法
CN107256565A (zh) * 2017-05-19 2017-10-17 安徽信息工程学院 基于Kinect的人体主要体型参数的测量方法和系统
DE112018007120B4 (de) * 2018-03-22 2022-03-10 Mitsubishi Electric Corporation Physis-Ermittlungseinrichtung und Physis-Ermittlungsverfahren
CN109584843B (zh) * 2018-12-27 2022-02-11 余姚市恒正金属制品有限公司 高度自修正式白松古筝
CN111639777B (zh) * 2019-03-01 2023-09-29 京东科技信息技术有限公司 估计目标体重的方法和装置
CN110895797B (zh) * 2019-04-04 2020-07-31 李雪梅 智能化网络收发平台
CN111079589B (zh) * 2019-12-04 2022-09-20 常州工业职业技术学院 基于深度摄像和身高阈值像素标定的自动身高检测方法
CN111150402A (zh) * 2020-01-02 2020-05-15 秒针信息技术有限公司 确定家畜形体参数的方法、装置、存储介质及电子装置
CN111508577A (zh) * 2020-04-23 2020-08-07 杭州赛鲁班网络科技有限公司 一种智能体测方法及其智能体测系统
CN111724901A (zh) * 2020-06-19 2020-09-29 中山大学 一种基于视觉的结构体参数预测方法、系统、装置及存储介质
CN114001810A (zh) * 2021-11-08 2022-02-01 厦门熵基科技有限公司 一种体重计算方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101228973A (zh) * 2007-01-22 2008-07-30 殷实 人体外形尺寸非接触式测量方法及测量系统
CN102657532A (zh) * 2012-05-04 2012-09-12 深圳泰山在线科技有限公司 基于人体姿态识别的身高测量方法及装置
CN103884280A (zh) * 2014-03-14 2014-06-25 中国农业大学 一种移动式多猪圈猪体尺体重监测系统
CN104008367A (zh) * 2014-05-08 2014-08-27 中国农业大学 基于计算机视觉的育肥猪的自动行为分析系统及方法
CN104257385A (zh) * 2014-10-16 2015-01-07 辽宁省颅面复原技术重点实验室 视频图像中人体身高的测量方法
TW201524455A (zh) * 2013-12-30 2015-07-01 中原大學 以深度圖影像與骨架特徵點進行人體重量估測之方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006011593A1 (ja) * 2004-07-30 2006-02-02 Matsushita Electric Works, Ltd. 個体検出器及び共入り検出装置
JP4628911B2 (ja) * 2005-09-09 2011-02-09 ティーオーエー株式会社 身長測定装置
JP2009213574A (ja) * 2008-03-07 2009-09-24 Shinto Holdings Kk 身長測定装置
US9530060B2 (en) * 2012-01-17 2016-12-27 Avigilon Fortress Corporation System and method for building automation using video content analysis with depth sensing

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101228973A (zh) * 2007-01-22 2008-07-30 殷实 人体外形尺寸非接触式测量方法及测量系统
CN102657532A (zh) * 2012-05-04 2012-09-12 深圳泰山在线科技有限公司 基于人体姿态识别的身高测量方法及装置
TW201524455A (zh) * 2013-12-30 2015-07-01 中原大學 以深度圖影像與骨架特徵點進行人體重量估測之方法
CN103884280A (zh) * 2014-03-14 2014-06-25 中国农业大学 一种移动式多猪圈猪体尺体重监测系统
CN104008367A (zh) * 2014-05-08 2014-08-27 中国农业大学 基于计算机视觉的育肥猪的自动行为分析系统及方法
CN104257385A (zh) * 2014-10-16 2015-01-07 辽宁省颅面复原技术重点实验室 视频图像中人体身高的测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于景深图像的身高测量系统设计;周长劭，史卓;《桂林电子科技大学学报》;20130630;第33卷(第3期);214-217 *
基于深度信息的快速身份识别方法;赵东杰, 汪同庆;《计算机系统应用》;20141231;第23卷(第11期);132-135 *

Also Published As

Publication number Publication date
CN105054936A (zh) 2015-11-18

Similar Documents

Publication Publication Date Title
CN105054936B (zh) 基于Kinect景深图像的快速身高和体重测量方法
CN104966308B (zh) 一种计算激光光束光斑大小的方法
CN104677305B (zh) 一种基于十字结构光的物体表面三维重建方法和系统
US20180108143A1 (en) Height measuring system and method
CN104665836B (zh) 长度量测方法与长度量测装置
CN105783786B (zh) 一种基于结构光视觉的零件倒角测量方法与装置
CN110017773A (zh) 一种基于机器视觉的包裹体积测量方法
CN105286871A (zh) 一种基于视频处理的人体身高测量方法
CN101512551A (zh) 用于测量动物身高的方法和系统
CN103438834B (zh) 基于结构光投影的层级式快速三维测量装置及测量方法
CN105930795A (zh) 一种基于人体骨骼关节点间空间向量的行走状态识别方法
CN111028220A (zh) 一种点云铆钉齐平度自动检测方法
CN102749061A (zh) 基于动态模板的钢轨磨耗测量方法
CN111507306A (zh) 一种基于ai人脸距离检测的温度误差补偿方法
CN106441234B (zh) 一种3d机器视觉空间检测标定方法
Clarkson et al. Calculating body segment inertia parameters from a single rapid scan using the Microsoft Kinect
TWI542320B (zh) 以深度圖影像與骨架特徵點進行人體重量估測之方法
CN103389041A (zh) 一种测量栅线宽度的方法
Yang et al. Dynamic inspection of a rail profile under affine distortion based on the reweighted-scaling iterative closest point method
CN113749646A (zh) 基于单目视觉的人体身高测量方法、装置及电子设备
CN113673011A (zh) 基于点云数据智能识别运营期隧道侵界的方法
Wang et al. Deviation rectification for dynamic measurement of rail wear based on coordinate sets projection
CN106296797A (zh) 一种三维扫描仪特征点建模数据处理方法
CN109740458B (zh) 一种基于视频处理的体貌特征测量方法及系统
CN111369533A (zh) 基于偏振图像融合的钢轨廓形检测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant