CN107122754A - 姿势识别方法和装置 - Google Patents

姿势识别方法和装置 Download PDF

Info

Publication number
CN107122754A
CN107122754A CN201710320229.7A CN201710320229A CN107122754A CN 107122754 A CN107122754 A CN 107122754A CN 201710320229 A CN201710320229 A CN 201710320229A CN 107122754 A CN107122754 A CN 107122754A
Authority
CN
China
Prior art keywords
mark
identified
posture
body part
coordinate
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.)
Pending
Application number
CN201710320229.7A
Other languages
English (en)
Inventor
罗哲
陈云
王亚楠
罗买生
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.)
SUZHOU DIKAIER MEDICAL TECHNOLOGY Co Ltd
Original Assignee
SUZHOU DIKAIER MEDICAL TECHNOLOGY Co Ltd
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 SUZHOU DIKAIER MEDICAL TECHNOLOGY Co Ltd filed Critical SUZHOU DIKAIER MEDICAL TECHNOLOGY Co Ltd
Priority to CN201710320229.7A priority Critical patent/CN107122754A/zh
Publication of CN107122754A publication Critical patent/CN107122754A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种姿势识别方法和装置,解决了现有技术无法精准有效的进行姿势识别的问题。该姿势识别方法包括:识别预设在待识别对象的至少一个身体部位上的标记,其中,所述至少一个身体部位中的每个所述身体部位上预设有至少一个所述标记;获取所识别出标记各自的空间坐标;根据所识别出标记各自的空间坐标,获取用于表征所述待识别对象的至少一个身体部位的至少一个空间向量;以及根据所述至少一个空间向量,获取用于表征至少一个所述身体部位的姿势的角度信息。

Description

姿势识别方法和装置
技术领域
本发明涉及医疗设备技术领域,具体涉及一种姿势识别方法和装置。
背景技术
良好规范的姿势对一些现代的职业人群十分重要,不良的姿势会带来健康隐患。例如,牙科医生在进行医疗操作时的姿势就十分重要,长时间不良的坐姿会使颈椎和腰椎持续失衡,增加了颈椎病和腰椎病的风险;加上医疗操作的过程中要保持上臂张开的姿势,若长时间张开的角度过大则会使肩旋转肌的患肌腱炎的几率增加。良好的医疗操作姿势习惯对牙科医生的健康尤其重要,而目前市场上缺乏精准有效的姿势识别方式。
发明内容
有鉴于此,本发明实施例提供了一种姿势识别方法和装置,解决了现有技术无法精准有效的进行姿势识别的问题。
本发明一实施例提供的一种姿势识别方法包括:
识别预设在待识别对象的至少一个身体部位上的标记,其中,所述至少一个身体部位中的每个所述身体部位上预设有至少一个所述标记;
获取所识别出标记各自的空间坐标;
根据所识别出标记各自的空间坐标,获取用于表征所述待识别对象的至少一个身体部位的至少一个空间向量;以及
根据所述至少一个空间向量,获取用于表征至少一个所述身体部位的姿势的角度信息。
本发明一实施例提供的一种姿势识别装置包括:
标记识别模块,配置为识别预设在待识别对象的至少一个身体部位上的标记,其中,所述至少一个身体部位中的每个所述身体部位上预设有至少一个所述标记;
坐标获取模块,配置为获取所识别出标记各自的空间坐标;
向量获取模块,配置为根据所识别出标记各自的空间坐标,获取用于表征所述待识别对象的至少一个身体部位的至少一个空间向量;以及
姿势确定模块,配置为根据所述至少一个空间向量,获取用于表征至少一个所述身体部位的姿势的角度信息。
本发明实施例提供的一种姿势识别方法和装置,在待识别对象的不同身体部位预设标记,使得当待识别对象在保持某种姿势或进行某种动作时,通过识别这些标记即可获取用于表征这些身体部位的空间向量,并利用这些空间向量在空间中的角度信息来衡量这些身体部位的姿势状态。由此实现了对不同身体部位姿势状态的量化识别,识别过程简便可靠且精度高,为规范化待识别对象的操作姿势提供了的有效的数据基础。
附图说明
图1所示为本发明一实施例提供的一种姿势识别方法的流程示意图。
图2所示为本发明一实施例提供的一种姿势识别方法中标记的分布示意图。
图3所示为本发明一实施例提供的一种姿势识别方法中的标记识别流程示意图。
图4所示为本发明另一实施例提供的一种姿势识别方法的原理示意图。
图5所示为本发明另一实施例提供的一种姿势识别方法的流程示意图。
图6所示为本发明另一实施例提供的一种姿势识别方法中坐标变换的流程示意图。
图7所示为本发明另一实施例提供的一种姿势识别方法中的配准板结构示意图。
图8所示为所示为本发明一实施例提供的一种姿势识别装置。
图9所示为所示为本发明另一实施例提供的一种姿势识别装置。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1所示为本发明一实施例提供的一种姿势识别方法的流程示意图。如图1所示,该姿势识别方法包括:
步骤101:识别预设在待识别对象的至少一个身体部位上的标记,其中,至少一个身体部位中的每个身体部位上预设有至少一个标记。
标记用于表征身体部位在空间中的具体位置和姿势状态。应当理解,标记可以多种方式预设在待识别对象的身体部位上。例如,标记可具备粘贴功能,此时标记可直接被粘贴至对应的身体部位上;或,制备一种在对应的身体部位预设好标记的衣服,当要进行姿势识别时,待识别对象只需要穿上该种衣服即可。此外,每个待识别的身体部位都可通过一个或多个标记来表征。例如当一个身体部位的尺寸较大(例如胳膊、腿等尺寸较长),则可通过在该身体部位的不同位置设置多个标记。同时,标记的具体形式可根据实际的识别方式而调整,例如,标记可为某种用于动作捕捉的传感器、或为可被红外线识别的红外标记、或为设计成某种特别形状(例如五角星形状)的图标,只要该标记能被直接识别以用于表征身体部位即可。本发明对标记在身体部位上的预设方式、标记的数量以及标记的具体形式或形状均不做具体限定。
在本发明一实施例中,待识别的身体部位可包括以下几项中的一项或多项:头部、背部、左肩、右肩、左臂和右臂。如图2所示,头部仅通过一个标记11即可表征,背部则通过0-2三个标记来表征,左肩通过一个标记3来表征,右肩通过一个标记4来表征,左臂通过5-7两个标记来表征,右臂通过8-10三个标记来表征。
在本发明一实施例中,标记为图标,此时则需要先采集待识别对象的图像信息,然后再识别图像信息中所包括的标记。由于这些图标在后续的过程中被用于表征身体部位在空间中的具体位置和姿势状态,因此所采集到的图像信息应包含身体部位的三维空间信息。例如,该图像信息可包括二维彩色图像信息、景深图像信息以及重力方向向量。这样的图像信息通过可获取空间坐标信息的摄像设备,例如深度摄像头,可以获取,其中的二维彩色图像信息可通过深度摄像头中的彩色摄像头获取,景深图像信息可通过深度摄像头中的红外摄像头获取。
当标记为图标时,为了与图像信息中待识别对象身体上的其他图案相区分,标记可被设计成某种特殊形状。在本发明一实施例中,标记为矩形图标。此时,如图3所示,图像信息中所包括的标记可通过如下步骤识别:
步骤1011:识别图像信息中的角点,并根据所识别出的角点识别图像信息中所包括的疑似标记,其中,疑似标记为由四个角点构成的四边形。
例如,可首先使用Harris角点检查算法提取图像信息中的角点,再根据角点检测结果查找图像中的矩形块区域,作为疑似标记所在的位置。
步骤1012:将所识别出的疑似标记与预设在待识别对象的至少一个身体部位上的标记各自的标记模板进行匹配,以识别出图像信息中所包括的标记,排除无法与任一标记匹配的疑似标记。
在本发明一实施例中,可采用互信息计算的方式来完成该匹配过程。计算疑似标记与标记模板之间的互信息值。疑似标记与标记模板之间的互信息计算公式可为:其中X,Y分别代表一个标记模板和一个疑似标记,x,y分别代表该标记模板和该疑似标记的图像上的像素点,p(x,y)为x和y的联合密度函数,p(x)、p(y)分别为变量x、y的边缘概率密度函数。根据互信息越大相似度越高的原则,当互信息值I(X,Y)大于预设值时,则将该疑似标记确定为该标记模板所对应的标记。
在本发明一实施例中,考虑到图像采集的过程中,采集的位置可能并不位于待识别对象的正投影方向,所采集到的图标可能存在变形(例如,本来是矩形的图标,在图像信息中显示出的却是不规则的四边形),这可能会影响到标记识别的精度;因此,在将多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配之前,还可对多个疑似标记进行矩形校正,和/或,过滤掉所识别出的疑似标记中的错误标记,其中,错误标记基于预学习过程确定。过滤的过程可基于BP神经网络来实现。
步骤102:获取所识别出标记各自的空间坐标。
当标记为图标时,则可根据所识别出标记在图像信息中的位置,获取所识别出标记在根据图像采集位置所建立的坐标系中的空间坐标。例如,当图像信息通过深度摄像头获取时,根据深度摄像头的内部参数,结合图标的2D坐标P2D(cx,cy)以及对应的深度值,可直接计算出该图标对应的相机空间坐标P3D(x,c,z)。
步骤103:根据所识别出标记各自的空间坐标,获取用于表征待识别对象的至少一个身体部位的至少一个空间向量。
当获取了所识别出的标记各自的空间坐标后,便可根据各身体部位对应的标记获取当前姿势状态下身体部位的空间向量。以图2所示的标记分布情况为例,根据头部、背部、左肩、右肩、左臂和右臂各自对应的标记的空间坐标,可直接获取头部的空间向量(通过标记11和标记0的连线表征)、背部的空间向量(通过标记0-2的连线表征)、左臂的空间向量(通过标记5-7的连线表征)和右臂的空间向量(通过标记8-10的连线表征)。
应当理解,具体获取哪些身体部位的空间向量可根据实际的需要而定。虽然在上述描述中并未获取左肩和右肩的空间向量,左肩/右肩的空间向量也是可以通过标记3/标记4和标记0之间的连线来表征的,本发明对具体获取哪些身体部位的空间向量并不做限定。
在一进一步实施例中,由于后续要通过左臂/右臂的空间向量的角度信息来衡量左臂/右臂的张开角度,因此还要获取一个可作为左臂/右臂当前张开角度的基准的向量。具体而言,可先根据背部、左肩和右肩各自对应的标记的空间坐标拟合出背部平面,然后获取包含背部的空间向量并与背部平面垂直的垂直面的法向量,将该法向量作为衡量左臂/右臂当前张开角度的基准。
仍以图2所示的标记分布为例,使用0-4五个标记来拟合背部平面:平面方程的一般表达式可为:Ax+By+Cz+D=0,(C≠0),记:则有:a0x+a1y+a2-z=0,平面方程拟合,对于这里的五个点(xi,yi,zi),i=0,1,2,3,4;要用这五个点拟合背部平面则需要:应满足即:通过解上述方程组即可拟合出背部平面方程,所得到的背部平面的法向量即为Nback=(A,B,C)。并进一步计算过背部向量且与背部平面垂直平面的法向量:Nvertical=V2×Nback
步骤104:根据所获取的至少一个空间向量,获取用于表征至少一个身体部位的姿势的角度信息。
仍以图2所示的标记分布为例,用于表征至少一个身体部位的姿势的角度信息可包括以下几项中的一种或多种:
头部的空间向量与重力方向向量的夹角用于表征头部的姿势;背部的空间向量与重力方向向量的夹角用于表征背部的姿势;左臂的空间向量与法向量的夹角用于表征左臂的姿势;右臂的空间向量与法向量的夹角用于表征右臂的姿势。
在本发明一进一步实施例中,为了区分左臂/右臂姿势的前后移动角度和左右张开角度,可利用左臂的空间向量与法向量的夹角在左右方向上的分量来表征左臂在左右方向上的张开姿势;利用左臂的空间向量与法向量的夹角在前后方向上的分量来表征左臂在前后方向上的张开姿势;利用右臂的空间向量与法向量的夹角在左右方向上的分量来表征右臂在左右方向上的张开姿势;以及利用右臂的空间向量与法向量的夹角在前后方向上的分量来表征右臂在前后方向上的张开姿势。
由此可见,本发明实施例提供的一种姿势识别方法,在待识别对象的不同身体部位预设标记,使得当待识别对象在保持某种姿势或进行某种动作时,通过识别这些标记即可获取用于表征这些身体部位的空间向量,并利用这些空间向量在空间中的角度信息来衡量这些身体部位的姿势状态。由此实现了对不同身体部位姿势状态的量化识别,识别过程简便可靠且精度高,为规范化待识别对象的操作姿势提供了的有效的数据基础。
考虑到当标记为图标时,若采用单一的图像采集位置有可能无法采集到所有标记。如图4所示,当在待识别对象的背面或侧面单独进行图像采集时,一些身体部位上的标记就会因为身体遮挡的原因而无法被采集到,这必然会影响到姿势识别的精度。例如,当仅在图4中待识别对象的背面进行图像采集时,若待识别对象向左旋转了90度,则待识别对象右臂上的标记就会因为身体遮挡而无法被采集到。为了解决这一次问题,本发明一进一步的实施例提供了一种姿势识别方法,如图5所示,该姿势识别方法包括:
步骤501:采集待识别对象在至少两个不同的坐标系中的图像信息,其中,至少两个不同的坐标系根据至少两个不同的摄像位置建立,每个摄像位置对应设有至少一个摄像头。
这里的限定词“摄像位置”应被理解为图像采集位置,而并非某个单独摄像头的摆放位置。如前所述,在图像采集位置所采集到的图像信息应包含身体部位的三维空间信息。因此当摄像头为普通的光学摄像头时,则需要在一个摄像位置的多个角度设置多个摄像头才能够获取到身体部位的三维空间信息,并根据该图像信息才能获取所识别出标记的空间坐标。而当摄像头为可获取空间坐标信息的摄像设备时,例如深度摄像头,每个摄像位置则仅需设置一个摄像头即可。本发明对每个摄像位置所设有的摄像头数量不做限定。
由于是在两个不同的摄像位置进行图像采集,且是根据该至少两个不同的摄像位置建立该至少两个不同的坐标系,因此可获取到分别位于该至少两个不同的坐标系中的至少两个图像信息。
如图4所示,可在两个不同的摄像位置(待识别对象的背面位置和侧面位置)分别设置深度摄像头Camera1和Camera2进行图像采集,所建立的两个坐标系的原点则分别位于该背面位置和侧面位置,这样便可获取到分别位于该两个坐标系中的两个图像信息。但应当理解,虽然在图4所示的实施例中,仅包括了两个摄像位置,但在本发明的其他实施例中,为了能够实现足够精准的姿势识别,还可以在更多的摄像位置进行图像采集,以保证所有标记都能够被清晰完整的采集到。本发明对摄像位置的数量和具体位置不做限定。
在本发明一实施例中,为了保证待识别对象的所有可能的姿势和动作都能被识别到,该至少两个不同的摄像位置所对应的至少两个摄像区域可设置为覆盖待识别对象的所有待识别动作区域。在一进一步实施例中,当待识别对象为正在进行手术操作的牙科医生时,由于牙科医生在进行手术操作时的姿势为坐姿,主要的动作仅包括身体的旋转以及手臂的动作,因此可设置一个位于牙科医生的背面的摄像位置,以及另一个位于牙科医生操作手臂一侧的摄像位置,以保证牙科医生的所有操作动作都能够被识别到。应当理解,这里的操作手臂可为牙科医生的惯用手臂,当牙科医生为右利手时该另一个摄像位置就置于右侧,当牙科医生为左利手时该另一个摄像位置就置于左侧。
步骤502:在至少两个不同的坐标系各自对应的图像信息中,识别预设在待识别对象的至少一个身体部位上的标记。
如图4所示,在Camera1所采集到的图像信息中识别预设的标记,同时也在Camera2所采集到的图像信息中识别预设的标记。但由于此时待识别对象的身体可能存在一定旋转,导致Camera1或Camera2并无法单独采集到所有的标记。例如,当待识别对象的身体向左旋转一定角度时,右肩上的标记就有可能无法被Camera1采集到,但是该右肩上的标记却可以被Camera2采集到。由此可见,通过在不同的摄像位置进行图像采集,可保证所有的标记都能被采集到。
步骤503:获取所识别出的标记在同一个坐标系中各自的空间坐标。
仍以图4为例,由于Camera1和Camera2各自所采集到的图像信息分属于两个不同的坐标系,一些在Camera1的坐标系中出现的标记可能并未出现Camera2的坐标系中,因此就需要通过坐标变换过程来将获取所识别出的标记在同一个坐标系中各自的空间坐标,以利用这些空间坐标获取各身体部位在同一坐标系中的空间向量。
在本发明一实施例中,当一个坐标系所对应的图像信息中识别出的标记并未出现在另一个坐标系中时,如图6所示,可通过如下过程完成坐标变换过程:
步骤5031:获取在一个坐标系所对应的图像信息中识别出的标记在该一个坐标系中的空间坐标。如前所述,当该一个坐标系所对应的摄像头为深度摄像头时,根据深度摄像头的内部参数以及图像信息便可直接计算出该标记在该一个坐标系中的空间坐标。
步骤5032:获取该一个坐标系与另一个坐标系之间的坐标转换矩阵。
在本发明一实施例中,坐标转换矩阵可采用下述的七参数法获取。该方法的空间变换包括旋转、平移和缩放,关系式如下:P2=(1+m)R(ω)P1+ΔP,其中分别为转换前后的坐标点,m为坐标空间的缩放系数,本方法中m=0时意为着没有空间的缩放;R(ω)=R1x)R2y)R3z)为空间旋转矩阵, ωx、ωy、ωz分别表示坐标系沿X、Y、Z轴的旋转角度;为平移向量,ΔX、ΔY、ΔZ分别表示坐标系沿X、Y、Z轴方向的平移量。因此,坐标转换可以表示成以下形式:
所以坐标转换矩阵可表示为:
该坐标转换矩阵中还有ωx、ωy、ωz、ΔX、ΔY、ΔZ六个参数,因此至少需要6个公共点来计算坐标转换矩阵。
在一进一步实施例中,可采用如图7所示的配准板来获取坐标转换矩阵。该配准板包括6个标记点。将该配准板置于三个不同的位置进行图像采集以获取三帧图片,这样便可获取18个公共点来计算坐标转换矩阵,由此便提高了坐标转换矩阵的计算精度。
步骤5033:利用坐标转换矩阵,将在该一个坐标系所对应的图像信息中识别出的标记在该一个坐标系中的空间坐标转换为在该另一个坐标系中的空间坐标。具体而言,就是将在该一个坐标系中的标记的空间坐标与坐标转换矩阵做相乘处理即可获取该标记在该一个坐标系中的空间坐标。
由此可见,通过重复执行步骤5031-5033便可获取所识别出的所有标记在同一个坐标系中各自的空间坐标。当然,当下一次坐标转换的源坐标系和目标坐标系相同时,坐标转换矩阵就不用重复获取了,此时仅执行步骤5031和5033即可。
步骤504:根据所识别出标记各自的空间坐标,获取用于表征待识别对象的至少一个身体部位的至少一个空间向量。
步骤505:根据所获取的至少一个空间向量,获取用于表征至少一个身体部位的姿势的角度信息。
步骤504和步骤505的具体过程在前面已有描述,在此不再赘述。
在本发明一实施例中,由于所获取到的用于表征身体部位姿势的角度信息为精确的量化数值,因此可对身体部位的姿势进行等级评价。该等级评价的机制可包括:
当用于表征一个所述身体部位的姿势的角度信息在大于等于0度且小于20度时,评价为优秀等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于20度且小于30度时,评价为良好等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于30度时,评价为校正等级。
在一进一步实施例中,当用于表征一个身体部位的姿势的角度信息被评价为校正等级时,还可发出该身体部位的姿势需要校正的提示信息,以及时提示待识别对象调整姿势。
图8所示为所示为本发明一实施例提供的一种姿势识别装置。如图8所示,该姿势识别装置80包括:
标记识别模块81,配置为识别预设在待识别对象的至少一个身体部位上的标记,其中,至少一个身体部位中的每个身体部位上预设有至少一个标记;
坐标获取模块82,配置为获取所识别出标记各自的空间坐标;
向量获取模块83,配置为根据所识别出标记各自的空间坐标,获取用于表征待识别对象的至少一个身体部位的至少一个空间向量;以及
姿势确定模块84,配置为根据所获取的至少一个空间向量,获取用于表征至少一个身体部位的姿势的角度信息。
在本发明一实施例中,如图9所示,标记识别模块81可包括:
图像采集单元811,配置为采集待识别对象的图像信息;以及
识别单元812,配置为识别图像信息中所包括的标记;
其中,坐标获取模块82进一步配置为:根据所识别出标记在图像信息中的位置,获取所识别出标记在根据图像采集位置所建立的坐标系中的空间坐标。
在本发明一实施例中,图像信息包括二维彩色图像信息、景深图像信息以及重力方向向量。
在本发明一实施例中,标记为矩形图标,其中,识别单元812包括:
疑似标记识别子单元,配置为识别图像信息中的角点,并根据所识别出的角点识别图像信息中所包括的疑似标记,其中,疑似标记为由四个角点构成的四边形;以及
匹配子单元,配置为将所识别出的疑似标记与预设在待识别对象的至少一个身体部位上的标记各自的标记模板进行匹配,以识别出图像信息中所包括的标记,排除无法与任一标记匹配的疑似标记。
在本发明一实施例中,识别单元812进一步包括:在将多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配之前,对多个疑似标记进行矩形校正;和/或,
在将多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配之前,过滤掉所识别出的疑似标记中的错误标记,其中,错误标记基于预学习过程确定。
在本发明一实施例中,匹配子单元进一步配置为:计算疑似标记与标记模板之间的互信息值;当互信息值大于预设值时,将疑似标记确定为标记模板所对应的标记。
在本发明一实施例中,图像采集单元811进一步配置为:采集待识别对象在至少两个不同的坐标系中的图像信息,其中,至少两个不同的坐标系根据至少两个不同的摄像位置建立,每个摄像位置对应设有至少一个摄像头;
其中,识别单元812进一步配置为:在至少两个不同的坐标系各自对应的图像信息中,识别预设在待识别对象的至少一个身体部位上的标记;
其中,坐标获取模块82进一步配置为:获取所识别出的标记在同一个坐标系中各自的空间坐标。
在本发明一实施例中,坐标获取模块82包括:
坐标获取单元821,配置为获取在一个坐标系所对应的图像信息中识别出的标记在该一个坐标系中的空间坐标;
矩阵计算单元822,配置为获取该一个坐标系与另一个坐标系之间的坐标转换矩阵;以及
坐标变换单元823,配置为利用坐标转换矩阵,将在该一个坐标系所对应的图像信息中识别出的标记在该一个坐标系中的空间坐标转换为在该另一个坐标系中的空间坐标。
在本发明一实施例中,至少两个不同的摄像位置所对应的至少两个摄像区域覆盖了待识别对象的所有待识别动作区域。
在本发明一实施例中,待识别对象为正在进行手术操作的牙科医生,其中,至少两个不同的摄像位置包括:
一个位于牙科医生的背面的摄像位置,以及一个位于牙科医生操作手臂一侧的摄像位置。
在本发明一实施例中,摄像头为可获取空间坐标信息的摄像设备,例如深度摄像头,每个摄像位置设有一个摄像头。
在本发明一实施例中,待识别对象的至少一个身体部位包括以下几项中的一项或多项:头部、背部、左肩、右肩、左臂和右臂。
在本发明一实施例中,如图9所示,向量获取模块83包括:
身体部位向量获取单元831,配置为根据头部、背部、左肩、右肩、左臂和右臂各自对应的标记的空间坐标,获取头部、背部、左臂和右臂各自的空间向量;
背部平面获取单元832,配置为根据背部、左肩和右肩各自对应的标记的空间坐标拟合出背部平面;以及
法向量获取单元833,配置为获取包含背部的空间向量并与背部平面垂直的垂直面的法向量;
其中,姿势确定模块84所获取的用于表征至少一个身体部位的姿势的角度信息包括以下几项中的一种或多种:
头部的空间向量与重力方向向量的夹角,用于表征头部的姿势;
背部的空间向量与重力方向向量的夹角,用于表征背部的姿势;
左臂的空间向量与法向量的夹角在左右方向上的分量,用于表征左臂在左右方向上的张开姿势;
左臂的空间向量与法向量的夹角在前后方向上的分量,用于表征左臂在前后方向上的张开姿势;
右臂的空间向量与法向量的夹角在左右方向上的分量,用于表征右臂在左右方向上的张开姿势;以及
右臂的空间向量与法向量的夹角在前后方向上的分量,用于表征右臂在前后方向上的张开姿势。
在本发明一实施例中,如图9所示,该姿势识别装置80进一步包括:
姿势评价模块85,配置为对身体部位的姿势进行等级评价,等级评价包括:
当用于表征一个所述身体部位的姿势的角度信息在大于等于0度且小于20度时,评价为优秀等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于20度且小于30度时,评价为良好等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于30度时,评价为校正等级。
在本发明一实施例中,如图9所示,该姿势识别装置80进一步包括:
提示模块86,配置为当用于表征一个身体部位的姿势的角度信息被评价为校正等级时,发出该身体部位的姿势需要校正的提示信息。
应当理解,上述实施例所提供的姿势识别装置80中记载的每个模块或单元都与前述的一个方法步骤相对应。由此,前述的方法步骤描述的操作和特征同样适用于该姿势识别装置80及其中所包含的对应的模块和单元,重复的内容在此不再赘述。
本发明的教导还可以实现为一种计算机可读存储介质的计算机程序产品,包括计算机程序代码,当计算机程序代码由处理器执行时,其使得处理器能够按照本发明实施方式的方法来实现如本文实施方式的姿势识别方法。计算机存储介质可以为任何有形媒介,例如软盘、CD-ROM、DVD、硬盘驱动器、甚至网络介质等。
应当理解,虽然以上描述了本发明实施方式的一种实现形式可以是计算机程序产品,但是本发明的实施方式的方法或装置可以被依软件、硬件、或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的方法和设备可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的方法和装置可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
应当理解,尽管在上文的详细描述中提及了装置的若干模块或单元,但是这种划分仅仅是示例性而非强制性的。实际上,根据本发明的示例性实施方式,上文描述的两个或更多模块/单元的特征和功能可以在一个模块/单元中实现,反之,上文描述的一个模块/单元的特征和功能可以进一步划分为由多个模块/单元来实现。此外,上文描述的某些模块/单元在某些应用场景下可被省略。
应当理解,为了不模糊本发明的实施方式,说明书仅对一些关键、未必必要的技术和特征进行了描述,而可能未对一些本领域技术人员能够实现的特征做出说明。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。

Claims (30)

1.一种姿势识别方法,其特征在于,包括:
识别预设在待识别对象的至少一个身体部位上的标记,其中,所述至少一个身体部位中的每个所述身体部位上预设有至少一个所述标记;
获取所识别出标记各自的空间坐标;
根据所识别出标记各自的空间坐标,获取用于表征所述待识别对象的至少一个身体部位的至少一个空间向量;以及
根据所述至少一个空间向量,获取用于表征至少一个所述身体部位的姿势的角度信息。
2.根据权利要求1所述的方法,其特征在于,所述标记为图标,所述识别预设在待识别对象的至少一个身体部位上的标记包括:
采集所述待识别对象的图像信息;以及
识别所述图像信息中所包括的标记;
其中,所述获取所识别出标记各自的空间坐标包括:
根据所识别出标记在所述图像信息中的位置,获取所识别出标记在根据图像采集位置所建立的坐标系中的空间坐标。
3.根据权利要求2所述的方法,其特征在于,所述图像信息包括二维彩色图像信息、景深图像信息以及重力方向向量。
4.根据权利要求2所述的方法,其特征在于,所述标记为矩形图标,其中,所述识别所述图像信息中所包括的标记包括:
识别所述图像信息中的角点,并根据所识别出的角点识别所述图像信息中所包括的疑似标记,其中,所述疑似标记为由四个所述角点构成的四边形;以及
将所识别出的疑似标记与所述预设在待识别对象的至少一个身体部位上的标记各自的标记模板进行匹配,以识别出所述图像信息中所包括的所述标记,排除无法与任一所述标记匹配的所述疑似标记。
5.根据权利要求4所述的方法,其特征在于,将所述多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配包括:
计算所述疑似标记与所述标记模板之间的互信息值;以及
当所述互信息值大于预设值时,将所述疑似标记确定为所述标记模板所对应的所述标记。
6.根据权利要求4所述的方法,其特征在于,在将所述多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配之前,进一步包括:
对所述多个疑似标记进行矩形校正;和/或,
过滤掉所识别出的疑似标记中的错误标记,其中,所述错误标记基于预学习过程确定。
7.根据权利要求2所述的方法,其特征在于,所述采集所述待识别对象的图像信息包括:
采集所述待识别对象在至少两个不同的坐标系中的图像信息,其中,所述至少两个不同的坐标系根据至少两个不同的摄像位置建立,每个所述摄像位置对应设有至少一个摄像头;
其中,所述识别所述图像信息中所包括的标记包括:
在所述至少两个不同的坐标系各自对应的图像信息中,识别所述预设在待识别对象的至少一个身体部位上的标记;
其中,所述获取所识别出标记各自的空间坐标包括:
获取所识别出的所有标记在同一个坐标系中各自的空间坐标。
8.根据权利要求7所述的方法,其特征在于,所述获取所识别出的标记在同一个坐标系中各自的空间坐标包括:
获取在一个坐标系所对应的图像信息中识别出的标记在所述一个坐标系中的空间坐标;
获取所述一个坐标系与另一个坐标系之间的坐标转换矩阵;以及
利用所述坐标转换矩阵,将在所述一个坐标系所对应的图像信息中识别出的标记在所述一个坐标系中的空间坐标转换为在所述另一个坐标系中的空间坐标。
9.根据权利要求7所述的方法,其特征在于,所述至少两个不同的摄像位置所对应的至少两个摄像区域覆盖了所述待识别对象的所有待识别动作区域。
10.根据权利要求9所述的方法,其特征在于,所述待识别对象为正在进行手术操作的牙科医生,其中,所述至少两个不同的摄像位置包括:
一个位于所述牙科医生的背面的摄像位置,以及一个位于所述牙科医生操作手臂一侧的摄像位置。
11.根据权利要求7所述的方法,其特征在于,所述摄像头为可获取空间坐标信息的摄像设备,每个所述摄像位置设有一个所述摄像头。
12.根据权利要求1至11中任一所述的方法,其特征在于,所述待识别对象的至少一个身体部位包括以下几项中的一项或多项:头部、背部、左肩、右肩、左臂和右臂。
13.根据权利要求12所述的方法,其特征在于,所述根据所识别出标记各自的空间坐标,获取用于表征所述待识别对象的至少一个身体部位的至少一个空间向量包括:
根据所述头部、所述背部、所述左肩、所述右肩、所述左臂和所述右臂各自对应的标记的空间坐标,获取所述头部、所述背部、所述左臂和所述右臂各自的空间向量;
根据所述背部、所述左肩和所述右肩各自对应的标记的空间坐标拟合出背部平面;以及
获取包含所述背部的空间向量并与所述背部平面垂直的垂直面的法向量;
其中,所述用于表征至少一个身体部位的姿势的角度信息包括以下几项中的一种或多种:
所述头部的空间向量与重力方向向量的夹角,用于表征所述头部的姿势;
所述背部的空间向量与重力方向向量的夹角,用于表征所述背部的姿势;
所述左臂的空间向量与所述法向量的夹角在左右方向上的分量,用于表征所述左臂在左右方向上的张开姿势;
所述左臂的空间向量与所述法向量的夹角在前后方向上的分量,用于表征所述左臂在前后方向上的张开姿势;
所述右臂的空间向量与所述法向量的夹角在左右方向上的分量,用于表征所述右臂在左右方向上的张开姿势;以及
所述右臂的空间向量与所述法向量的夹角在前后方向上的分量,用于表征所述右臂在前后方向上的张开姿势。
14.根据权利要求1至11、13中任一所述的方法,其特征在于,进一步包括:
对所述身体部位的姿势进行等级评价,所述等级评价包括:
当用于表征一个所述身体部位的姿势的角度信息在大于等于0度且小于20度时,评价为优秀等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于20度且小于30度时,评价为良好等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于30度时,评价为校正等级。
15.根据权利要求14所述的方法,其特征在于,进一步包括:
当用于表征一个所述身体部位的姿势的角度信息被评价为校正等级时,发出该所述身体部位的姿势需要校正的提示信息。
16.一种姿势识别装置,其特征在于,包括:
标记识别模块,配置为识别预设在待识别对象的至少一个身体部位上的标记,其中,所述至少一个身体部位中的每个所述身体部位上预设有至少一个所述标记;
坐标获取模块,配置为获取所识别出标记各自的空间坐标;
向量获取模块,配置为根据所识别出标记各自的空间坐标,获取用于表征所述待识别对象的至少一个身体部位的至少一个空间向量;以及
姿势确定模块,配置为根据所述至少一个空间向量,获取用于表征至少一个所述身体部位的姿势的角度信息。
17.根据权利要求16所述的装置,其特征在于,所述标记为图标,所述标记识别模块包括:
图像采集单元,配置为采集所述待识别对象的图像信息;以及
识别单元,配置为识别所述图像信息中所包括的标记;
其中,所述坐标获取模块进一步配置为:根据所识别出标记在所述图像信息中的位置,获取所识别出标记在根据图像采集位置所建立的坐标系中的空间坐标。
18.根据权利要求17所述的装置,其特征在于,所述图像信息包括二维彩色图像信息、景深图像信息以及重力方向向量。
19.根据权利要求17所述的装置,其特征在于,所述标记为矩形图标,其中,所述识别单元包括:
疑似标记识别子单元,配置为识别所述图像信息中的角点,并根据所识别出的角点识别所述图像信息中所包括的疑似标记,其中,所述疑似标记为由四个所述角点构成的四边形;以及
匹配子单元,配置为将所识别出的疑似标记与所述预设在待识别对象的至少一个身体部位上的标记各自的标记模板进行匹配,以识别出所述图像信息中所包括的所述标记,排除无法与任一所述标记匹配的所述疑似标记。
20.根据权利要求19所述的装置,其特征在于,所述匹配子单元进一步配置为:计算所述疑似标记与所述标记模板之间的互信息值;当所述互信息值大于预设值时,将所述疑似标记确定为所述标记模板所对应的所述标记。
21.根据权利要求19所述的装置,其特征在于,所述识别单元进一步包括:在将所述多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配之前,对所述多个疑似标记进行矩形校正;和/或,
在将所述多个疑似标记与已存储的所识别出标记各自的标记模板进行匹配之前,过滤掉所识别出的疑似标记中的错误标记,其中,所述错误标记基于预学习过程确定。
22.根据权利要求17所述的装置,其特征在于,所述图像采集单元进一步配置为:采集所述待识别对象在至少两个不同的坐标系中的图像信息,其中,所述至少两个不同的坐标系根据至少两个不同的摄像位置建立,每个所述摄像位置对应设有至少一个摄像头;
其中,所述识别单元进一步配置为:在所述至少两个不同的坐标系各自对应的图像信息中,识别所述预设在待识别对象的至少一个身体部位上的标记;
其中,所述坐标获取模块进一步配置为:获取所识别出的所有标记在同一个坐标系中各自的空间坐标。
23.根据权利要求22所述的装置,其特征在于,所述坐标获取模块包括:
坐标获取单元,配置为获取在一个坐标系所对应的图像信息中识别出的标记在所述一个坐标系中的空间坐标;
矩阵计算单元,配置为获取所述一个坐标系与另一个坐标系之间的坐标转换矩阵;以及
坐标变换单元,配置为利用所述坐标转换矩阵,将在所述一个坐标系所对应的图像信息中识别出的标记在所述一个坐标系中的空间坐标转换为在所述另一个坐标系中的空间坐标。
24.根据权利要求23所述的装置,其特征在于,所述至少两个不同的摄像位置所对应的至少两个摄像区域覆盖了所述待识别对象的所有待识别动作区域。
25.根据权利要求24所述的装置,其特征在于,所述待识别对象为正在进行手术操作的牙科医生,其中,所述至少两个不同的摄像位置包括:
一个位于所述牙科医生的背面的摄像位置,以及一个位于所述牙科医生操作手臂一侧的摄像位置。
26.根据权利要求22所述的装置,其特征在于,所述摄像头为可获取空间坐标信息的摄像设备,每个所述摄像位置设有一个所述摄像头。
27.根据权利要求16至26中任一所述的装置,其特征在于,所述待识别对象的至少一个身体部位包括以下几项中的一项或多项:头部、背部、左肩、右肩、左臂和右臂。
28.根据权利要求27所述的装置,其特征在于,所述向量获取模块包括:
身体部位向量获取单元,配置为根据所述头部、所述背部、所述左肩、所述右肩、所述左臂和所述右臂各自对应的标记的空间坐标,获取所述头部、所述背部、所述左臂和所述右臂各自的空间向量;
背部平面获取单元,配置为根据所述背部、所述左肩和所述右肩各自对应的标记的空间坐标拟合出背部平面;以及
法向量获取单元,配置为获取包含所述背部的空间向量并与所述背部平面垂直的垂直面的法向量;
其中,所述姿势确定模块所获取的用于表征至少一个身体部位的姿势的角度信息包括以下几项中的一种或多种:
所述头部的空间向量与重力方向向量的夹角,用于表征所述头部的姿势;
所述背部的空间向量与重力方向向量的夹角,用于表征所述背部的姿势;
所述左臂的空间向量与所述法向量的夹角在左右方向上的分量,用于表征所述左臂在左右方向上的张开姿势;
所述左臂的空间向量与所述法向量的夹角在前后方向上的分量,用于表征所述左臂在前后方向上的张开姿势;
所述右臂的空间向量与所述法向量的夹角在左右方向上的分量,用于表征所述右臂在左右方向上的张开姿势;以及
所述右臂的空间向量与所述法向量的夹角在前后方向上的分量,用于表征所述右臂在前后方向上的张开姿势。
29.根据权利要求16至26、28中任一所述的装置,其特征在于,进一步包括:
姿势评价模块,配置为对所述身体部位的姿势进行等级评价,所述等级评价包括:
当用于表征一个所述身体部位的姿势的角度信息在大于等于0度且小于20度时,评价为优秀等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于20度且小于30度时,评价为良好等级;
当用于表征一个所述身体部位的姿势的角度信息大于等于30度时,评价为校正等级。
30.根据权利要求29所述的装置,其特征在于,进一步包括:
提示模块,配置为当用于表征一个所述身体部位的姿势的角度信息被评价为校正等级时,发出该所述身体部位的姿势需要校正的提示信息。
CN201710320229.7A 2017-05-09 2017-05-09 姿势识别方法和装置 Pending CN107122754A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710320229.7A CN107122754A (zh) 2017-05-09 2017-05-09 姿势识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710320229.7A CN107122754A (zh) 2017-05-09 2017-05-09 姿势识别方法和装置

Publications (1)

Publication Number Publication Date
CN107122754A true CN107122754A (zh) 2017-09-01

Family

ID=59728176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710320229.7A Pending CN107122754A (zh) 2017-05-09 2017-05-09 姿势识别方法和装置

Country Status (1)

Country Link
CN (1) CN107122754A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107933471A (zh) * 2017-12-04 2018-04-20 惠州市德赛西威汽车电子股份有限公司 事故主动呼叫救援的方法及车载自动求救系统
CN109176536A (zh) * 2018-08-06 2019-01-11 深圳市沃特沃德股份有限公司 姿势判断方法及装置
CN109637236A (zh) * 2018-12-28 2019-04-16 金子桥 一种头戴助学装置和助学方法
CN112043282A (zh) * 2020-09-15 2020-12-08 方秋菊 一种基于大数据的学生学习习惯分析系统
CN114027614A (zh) * 2021-11-13 2022-02-11 安徽淘云科技股份有限公司 智能书桌高度微调方法、装置和设备
CN114612939A (zh) * 2022-03-25 2022-06-10 珠海视熙科技有限公司 一种基于tof相机的坐姿识别方法、装置及智能台灯

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5454043A (en) * 1993-07-30 1995-09-26 Mitsubishi Electric Research Laboratories, Inc. Dynamic and static hand gesture recognition through low-level image analysis
US5594810A (en) * 1993-09-30 1997-01-14 Apple Computer, Inc. Method and apparatus for recognizing gestures on a computer system
CN104050712A (zh) * 2013-03-15 2014-09-17 索尼公司 三维模型的建立方法和装置
CN104217554A (zh) * 2014-09-19 2014-12-17 武汉理工大学 学生健康学习姿势提醒系统及方法
CN104408724A (zh) * 2014-11-27 2015-03-11 中南大学 基于深度信息的泡沫浮选液位监测和工况识别方法及系统
CN105303549A (zh) * 2015-06-29 2016-02-03 北京格灵深瞳信息技术有限公司 一种确定视频图像中被测对象间位置关系的方法及装置
CN105469043A (zh) * 2015-11-20 2016-04-06 苏州铭冠软件科技有限公司 一种手势识别系统
CN105787439A (zh) * 2016-02-04 2016-07-20 广州新节奏智能科技有限公司 一种基于卷积神经网络的深度图像人体关节定位方法
CN106327484A (zh) * 2016-08-16 2017-01-11 苏州迪凯尔医疗科技有限公司 一种用于牙医操作姿势评估的方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5454043A (en) * 1993-07-30 1995-09-26 Mitsubishi Electric Research Laboratories, Inc. Dynamic and static hand gesture recognition through low-level image analysis
US5594810A (en) * 1993-09-30 1997-01-14 Apple Computer, Inc. Method and apparatus for recognizing gestures on a computer system
CN104050712A (zh) * 2013-03-15 2014-09-17 索尼公司 三维模型的建立方法和装置
CN104217554A (zh) * 2014-09-19 2014-12-17 武汉理工大学 学生健康学习姿势提醒系统及方法
CN104408724A (zh) * 2014-11-27 2015-03-11 中南大学 基于深度信息的泡沫浮选液位监测和工况识别方法及系统
CN105303549A (zh) * 2015-06-29 2016-02-03 北京格灵深瞳信息技术有限公司 一种确定视频图像中被测对象间位置关系的方法及装置
CN105469043A (zh) * 2015-11-20 2016-04-06 苏州铭冠软件科技有限公司 一种手势识别系统
CN105787439A (zh) * 2016-02-04 2016-07-20 广州新节奏智能科技有限公司 一种基于卷积神经网络的深度图像人体关节定位方法
CN106327484A (zh) * 2016-08-16 2017-01-11 苏州迪凯尔医疗科技有限公司 一种用于牙医操作姿势评估的方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107933471A (zh) * 2017-12-04 2018-04-20 惠州市德赛西威汽车电子股份有限公司 事故主动呼叫救援的方法及车载自动求救系统
WO2019109412A1 (zh) * 2017-12-04 2019-06-13 惠州市德赛西威汽车电子股份有限公司 事故主动呼叫救援的方法及车载自动求救系统
CN107933471B (zh) * 2017-12-04 2019-12-20 惠州市德赛西威汽车电子股份有限公司 事故主动呼叫救援的方法及车载自动求救系统
CN109176536A (zh) * 2018-08-06 2019-01-11 深圳市沃特沃德股份有限公司 姿势判断方法及装置
CN109637236A (zh) * 2018-12-28 2019-04-16 金子桥 一种头戴助学装置和助学方法
CN112043282A (zh) * 2020-09-15 2020-12-08 方秋菊 一种基于大数据的学生学习习惯分析系统
CN112043282B (zh) * 2020-09-15 2021-05-18 深圳市优课在线教育有限公司 一种基于大数据的学生学习习惯分析系统
CN113191226A (zh) * 2020-09-15 2021-07-30 方秋菊 基于大数据的学生学习习惯分析系统
CN114027614A (zh) * 2021-11-13 2022-02-11 安徽淘云科技股份有限公司 智能书桌高度微调方法、装置和设备
CN114612939A (zh) * 2022-03-25 2022-06-10 珠海视熙科技有限公司 一种基于tof相机的坐姿识别方法、装置及智能台灯
CN114612939B (zh) * 2022-03-25 2023-01-10 珠海视熙科技有限公司 一种基于tof相机的坐姿识别方法、装置及智能台灯

Similar Documents

Publication Publication Date Title
CN107122754A (zh) 姿势识别方法和装置
US11576645B2 (en) Systems and methods for scanning a patient in an imaging system
CN107766855B (zh) 基于机器视觉的棋子定位方法、系统、存储介质及机器人
US10013803B2 (en) System and method of 3D modeling and virtual fitting of 3D objects
CN106164978B (zh) 使用参数化可变形网状物来构造个性化具体化的方法和系统
Cyganek et al. An introduction to 3D computer vision techniques and algorithms
US11576578B2 (en) Systems and methods for scanning a patient in an imaging system
CN108629946B (zh) 一种基于rgbd传感器的人体跌倒检测方法
EP3406196A1 (en) X-ray system and method for standing subject
CN104173054B (zh) 基于双目视觉技术的人体身高测量方法及其装置
US7848547B2 (en) Apparatus for detecting feature point and method of detecting feature point
EP3339943A1 (en) Method and system for obtaining optometric parameters for fitting eyeglasses
US8917317B1 (en) System and method for camera calibration
CN112016570B (zh) 用于背景板同步旋转采集中的三维模型生成方法
CN110986768B (zh) 一种用于目标物3d信息高速采集测量设备
CN106462738B (zh) 用于构建个人的面部的模型的方法、用于使用这样的模型分析姿态的方法和设备
JP2017194301A (ja) 顔形状測定装置及び方法
CN116309829B (zh) 一种基于多目视觉的长方体扫描体群解码和位姿测量方法
KR20150105190A (ko) 컬러-코드화된 구조를 사용하는 카메라 캘리브레이션 방법 및 장치
CN114529502A (zh) 用于进行自动化受检者解剖结构和取向识别的基于深度学习的方法和系统
CN106504257B (zh) 一种放疗头部位置姿态测量装置和解算方法
CN115862124A (zh) 视线估计方法、装置、可读存储介质及电子设备
TWI462027B (zh) 圖像處理裝置及圖像處理方法
Su et al. An automatic calibration system for binocular stereo imaging
Paudel et al. Localization of 2D cameras in a known environment using direct 2D-3D registration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170901