CN106056580B - 一种通过点云特征测量人体体重的方法 - Google Patents
一种通过点云特征测量人体体重的方法 Download PDFInfo
- Publication number
- CN106056580B CN106056580B CN201610341007.9A CN201610341007A CN106056580B CN 106056580 B CN106056580 B CN 106056580B CN 201610341007 A CN201610341007 A CN 201610341007A CN 106056580 B CN106056580 B CN 106056580B
- Authority
- CN
- China
- Prior art keywords
- density
- point cloud
- depth
- width ratio
- fat
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种通过点云特征测量人体体重的方法,第一步:获取所需特征的点云信息;第二步:对人体的点云进行整合,将人体的点云整合为一个柱体后,直接提取点云柱体的截面积Sd和柱体体高度Hd;第三步:通过高宽比的实验函数计算出某个点云对象的密度,人体的平均密度ρ0介于肌肉密度ρmax和脂肪密度ρmin之间,由于脂肪的密度相比肌肉的密度小,采用高宽比来确认目标特征的胖瘦程度,某人的高宽比较大,则选择其密度更靠近肌肉的密度ρmax,若高宽比较小,则选择的密度更靠近脂肪的密度ρmin;第四步:输出被测对象的测量体重,人体质量m=ρ0*Sd*Hd。本发明提供一种通过点云的非接触式测量体重的方式。
Description
技术领域
本发明涉及测量领域,尤其涉及通过点云特征测量人体体重。
背景技术
现今已经有的技术是采用可以获得物体深度信息的3D相机对人体的点云模型进行采集,目前的技术已经可以通过对点云的长度、宽度、高度以及高宽比等特征直接输出。虽然目前已经有成熟的技术对物体的高度、宽度、长度等点云特征信息进行提取。但是目前并没有成熟的技术将这些特征作更深入的处理,如通过点云测量人体体重等。
发明内容
为了解决现有技术中问题,本发明提供了一种通过点云特征测量人体体重的方法,
第一步:获取所需特征的点云信息;
第二步:对人体的点云进行整合,将人体的点云整合为一个柱体后,直接提取点云柱体的截面积Sd和柱体体高度Hd;
第三步:通过高宽比的实验函数计算出某个点云对象的密度,人体的平均密度ρ0介于肌肉密度ρmax和脂肪密度ρmin之间,由于脂肪的密度相比肌肉的密度小,采用高宽比来确认目标特征的胖瘦程度,某人的高宽比较大,则选择其密度更靠近肌肉的密度ρmax,若高宽比较小,则选择的密度更靠近脂肪的密度ρmin;
第四步:输出被测对象的测量体重,人体质量m=ρ0*Sd*Hd。
作为本发明的进一步改进,第二步中,截面积的处理采用等距的水平面切割点云模型,再求解每个点云切割平面的面积,取平均值,得到的Sd值。
作为本发明的进一步改进,计算点云最高点和点云的最低点的竖直距离得到Hd。
作为本发明的进一步改进,其中点云模型的密度ρ0需要先通过实验的方式计算出普通人的高宽比和其质量的基本的函数表达式,具体可行的操作方法是随机抽取N个身体高矮胖瘦四种组合的人,对这N个样本测量他们的真实的标准质量m;可得ρ0*Sd*Hd=m,通过实验的方式确定高宽比Hd/Sd和密度ρ0的函数关系,即如果知道了点云的截面积和点云中人体模型的高度,就可以确定具体某个高宽比下人体的密度,即可以测得人体的体重。
作为本发明的进一步改进,其中N的取值为大于等于1000。
作为本发明的进一步改进,第一步:采用3D相机获取所需特征的点云信息。
本发明的有益效果是:
目前没有通过点云的非接触式测量体重的方式,本申请的方案尚属于首创,测得的体重值不用于法定计量,主要用于机器对于管理员的体重特征标记。例如当机器人通过点云识别的方式识别到某人的体重严重超过原先识别的体重值时,可能触发图像识别功能,再次确认是不是自己的管理员。此种测量方法对于体重的测量有一定的误差,但是该方法的测得值完全可以用于机器人的身份校验。
具体实施方式
基本假设:假设人体为一个柱体,其截面面积为S,高度为H,则人体的体积为V=S*H。由于人是有肌肉、脂肪、骨骼、血液等组成、其中肌肉和脂肪占据了绝大部分,超过总质量的95%。人体的平均密度介于肌肉密度ρmax和脂肪密度ρmin之间,即属于ρmax~ρmin范围内的常数,其值为ρ0,可知道人体质量m=S*H*ρ0。
通过对人体点云特征的处理,可以获得点云的截面积Sd,点云模型中人体的高度Hd,其中,截面积的处理采用等距的水平面切割点云模型,再求解每个点云切割平面的面积,取平均值,可以得到的Sd值;计算点云最高点和点云的最低点的竖直距离可以得到Hd。
其中点云模型的密度ρ0一般需要先通过实验的方式计算出普通人的高宽比和其质量的基本的函数表达式,具体可行的操作方法是随机抽取1000个身体高矮胖瘦四种组合的人,对这1000个样本测量他们的真实的标准质量m;可得ρ0*Sd*Hd=m,通过实验的方式确定高宽比Hd/Sd和密度ρ0的函数关系,即如果知道了点云的截面积和点云中人体模型的高度,就可以确定具体某个高宽比下人体的密度,即可以测得人体的体重。
第一步:采用3D相机获取所需特征的点云信息。
第二步:对人体的点云进行整合。第二步的目的是排除当人体双臂双腿不是齐并时点云特征的不良影响。将人体的点云整合为一个柱体后,直接提取点云柱体的截面积Sd和柱体体高度Hd。
第三步:通过高宽比的实验函数计算出某个点云对象的密度。由于脂肪的密度相比肌肉的密度小,我们采用高宽比来确认目标特征的胖瘦程度。科学上认为胖的人的脂肪占比更多,瘦的人肌肉占比更多。所以我们采用高宽比来调整人体的密度。某人的高宽比较大,则选择其密度更靠近肌肉的密度ρmax,若高宽比较小,则选择的密度更靠近脂肪的密度ρmin。
第四步:输出被测对象的测量体重。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (5)
1.一种通过点云特征测量人体体重的方法,其特征在于:
第一步:获取所需特征的点云信息;
第二步:对人体的点云进行整合,将人体的点云整合为一个柱体后,直接提取点云柱体的截面积Sd和柱体体高度Hd;
第三步:通过高宽比的实验函数计算出某个点云对象的密度,人体的平均密度ρ0介于肌肉密度ρmax和脂肪密度ρmin之间,由于脂肪的密度相比肌肉的密度小,采用高宽比来确认目标特征的胖瘦程度,某人的高宽比较大,则选择其密度更靠近肌肉的密度ρmax,若高宽比较小,则选择的密度更靠近脂肪的密度ρmin;
第四步:输出被测对象的测量体重,人体质量m=ρ0*Sd*Hd;
其中点云模型的密度ρ0需要先通过实验的方式计算出普通人的高宽比和其质量的基本的函数表达式,具体可行的操作方法是随机抽取N个身体高矮胖瘦四种组合的人,对这N个样本测量他们的真实的标准质量m;可得ρ0*Sd*Hd=m,通过实验的方式确定高宽比Hd/Sd和密度ρ0的函数关系,即如果知道了点云的截面积和点云中人体模型的高度,就可以确定具体某个高宽比下人体的密度,即可以测得人体的体重。
2.根据权利要求1所述的一种通过点云特征测量人体体重的方法,其特征在于:第二步中,截面积的处理采用等距的水平面切割点云模型,再求解每个点云切割平面的面积,取平均值,得到的Sd值。
3.根据权利要求1所述的一种通过点云特征测量人体体重的方法,其特征在于:计算点云最高点和点云的最低点的竖直距离得到Hd。
4.根据权利要求1所述的一种通过点云特征测量人体体重的方法,其特征在于:其中N的取值为大于等于1000。
5.根据权利要求1所述的一种通过点云特征测量人体体重的方法,其特征在于:第一步:采用3D相机获取所需特征的点云信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610341007.9A CN106056580B (zh) | 2016-05-20 | 2016-05-20 | 一种通过点云特征测量人体体重的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610341007.9A CN106056580B (zh) | 2016-05-20 | 2016-05-20 | 一种通过点云特征测量人体体重的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056580A CN106056580A (zh) | 2016-10-26 |
CN106056580B true CN106056580B (zh) | 2018-10-19 |
Family
ID=57177447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610341007.9A Active CN106056580B (zh) | 2016-05-20 | 2016-05-20 | 一种通过点云特征测量人体体重的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056580B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107545596B (zh) * | 2017-08-31 | 2020-07-28 | 西安理工大学 | 一种点云模型最优切割平面的提取方法 |
CN108550384B (zh) * | 2018-03-30 | 2022-05-03 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105054936A (zh) * | 2015-07-16 | 2015-11-18 | 河海大学常州校区 | 基于Kinect景深图像的快速身高和体重测量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7263213B2 (en) * | 2003-12-11 | 2007-08-28 | Lumidigm, Inc. | Methods and systems for estimation of personal characteristics from biometric measurements |
-
2016
- 2016-05-20 CN CN201610341007.9A patent/CN106056580B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105054936A (zh) * | 2015-07-16 | 2015-11-18 | 河海大学常州校区 | 基于Kinect景深图像的快速身高和体重测量方法 |
Non-Patent Citations (3)
Title |
---|
CO-OFDM通信系统中高效相位噪声补偿算法研究;蔡嘉兴;《中国优秀硕士学位论文全文数据库信息科技辑》;20160415(第04期);第I136-540页 * |
基于双目视觉的猪体体尺参数提取算法优化及三维重构;刘同海;《中国博士学位论文全文数据库信息科技辑》;20150315(第03期);第I138-42页 * |
实验 牛的外貌部位的认识及体重估测;a5544415;《豆丁网http://www.docin.com/p-1488414464.html》;20160314;第1-7页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106056580A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056580B (zh) | 一种通过点云特征测量人体体重的方法 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
Lin et al. | Quality index for stereoscopic images by jointly evaluating cyclopean amplitude and cyclopean phase | |
CN104155638A (zh) | 一种基于LiDAR伪垂直波形模型的树种分类方法 | |
CN109490306A (zh) | 一种基于色泽和气味数据融合的猪肉新鲜度检测方法 | |
CN104323416A (zh) | 一种烤烟烟叶配方功能判别及分类应用方法 | |
CN104458747A (zh) | 一种水稻垩白测算方法 | |
CN104331877A (zh) | 融合色调梯度的彩色图像边缘检测方法 | |
CN105046316B (zh) | 一种基于高斯过程回归的激光双向行人计数方法 | |
CN105046209B (zh) | 一种基于典型相关分析的非接触式心率测量方法 | |
CN204631871U (zh) | 一种健康状态监测管理智能镜 | |
CN105486991B (zh) | 一种局部放电脉冲提取方法 | |
CN106918811A (zh) | 一种逆合成孔径雷达船只成像时窗选取方法 | |
WANG et al. | Coastal zone land use information extraction based on objectoriented classification method | |
CN106874689A (zh) | 一种远程网络诊断辅助系统 | |
ATE545363T1 (de) | Verfahren zur analyse ventrikulärer repolarisationen | |
Piringer et al. | Comparison of two peak-to-mean approaches for use in odour dispersion models | |
CN104101909A (zh) | 一种hsl彩色空间下双能x射线图像显示方法 | |
Gaikwad et al. | Sexual dimorphism in femur | |
Shu et al. | Facial color analysis of Overweight-Obesity and its relationship to Healthy and Diabetes Mellitus using statistical pattern recognition | |
CN110119530A (zh) | 压裂直井主要来水方向的判别方法及装置 | |
CN102783743B (zh) | 一种自动检测人体下肢特征点的方法 | |
CN108881183A (zh) | 分布式检测系统中基于自适应门限的恶意节点识别方法 | |
유지성 | Computed tomography-based quantitative assessment of skin and subcutaneous tissue in lower extremity lymphedema patients | |
Sharifi et al. | An ${\cal O}(h^{8}) $ optimal B-spline collocation for solving higher order boundary value problems |
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 |