CN107256565A - 基于Kinect的人体主要体型参数的测量方法和系统 - Google Patents

基于Kinect的人体主要体型参数的测量方法和系统 Download PDF

Info

Publication number
CN107256565A
CN107256565A CN201710357623.8A CN201710357623A CN107256565A CN 107256565 A CN107256565 A CN 107256565A CN 201710357623 A CN201710357623 A CN 201710357623A CN 107256565 A CN107256565 A CN 107256565A
Authority
CN
China
Prior art keywords
human body
human
parameter
kinect
cloud data
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
CN201710357623.8A
Other languages
English (en)
Inventor
王德昌
蒯凡
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.)
Anhui Institute of Information Engineering
Original Assignee
Anhui Institute of Information Engineering
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 Anhui Institute of Information Engineering filed Critical Anhui Institute of Information Engineering
Priority to CN201710357623.8A priority Critical patent/CN107256565A/zh
Publication of CN107256565A publication Critical patent/CN107256565A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了基于Kinect的人体主要体型参数的测量方法，所述测量方法包括：步骤1，利用Kinect设备对待检测人体表面的点云数据和人体骨骼点云数据进行采集；步骤2，根据采集的人体表面的点云数据和骨骼点云数据对待检测人体的体型参数进行计算，所述体型参数包括：人体体积和人体三围和人体身高；步骤3，得出误差分析后的待检测人体的体型参数。该测量方法克服现有技术中对于三维人体模型参数的测量方法仍存在测量速度慢、精确度难以保证并且不包括对于人体体重的测量的问题。

Description

基于Kinect的人体主要体型参数的测量方法和系统
技术领域
本发明涉及三维人体重建和大数据分析领域，具体地，涉及一种基于Kinect的人体主要体型参数的测量方法和系统。
背景技术
三维人体重建技术在现代医学、虚拟现实、动漫产业、游戏制作、人机交互等领域有着重要应用，基于三维人体模型尺寸测量方法的研究更可能将改变传统的人工现场手动测量方式，国内外的研究人员提出了各种基于不同原理、使用不同技术手段的三维重建及测量方法，然而这些方法仍存在测量速度慢、精确度难以保证等问题，并且不包括对于人体体重的测量方法。
因此，提供一种在三维重建及测量过程中，不仅可以提高测量精确度，而且可以对人体体重进行测量，速度快的基于Kinect的人体主要体型参数的测量方法和系统是本发明亟需解决的问题。
发明内容
针对上述技术问题，本发明的目的是克服现有技术中对于三围人体模型参数的测量方法仍存在测量速度慢、精确度难以保证并且不包括对于人体体重的测量的问题，从而提供一种在三维重建及测量过程中，不仅可以提高测量精确度，而且可以对人体体重进行测量，速度快的基于Kinect的人体主要体型参数的测量方法和系统。
为了实现上述目的，本发明提供了一种基于Kinect的人体主要体型参数的测量方法，所述测量方法包括：步骤1，利用Kinect设备对待检测人体表面的点云数据和人体骨骼点云数据进行采集；步骤2，根据采集的人体表面的点云数据和骨骼点云数据对待检测人体的体型参数进行计算，所述体型参数包括：人体体积和人体三围和人体身高；步骤3，得出误差分析后的待检测人体的体型参数。
优选地，所述步骤2和所述步骤3之间还包括以下步骤：对计算得出的所述体型参数进行误差分析，并且纠正误差。
优选地，在所述体型参数的误差分析中，利用分布式计算对采集到的人体体型参数进行分析和统计，从而得出人体密度和人体身高和人体三围的误差进行校正。
优选地，在所述体型参数的误差分析中，利用分布式数据库进行分析和统计，从而估算出人体密度和校正人体身高和人体三围的误差。
优选地，所述步骤2中，采用积分法对人体体积和人体三围计算；根据人体骨骼点云数据利用点坐标作差计算出人体的身高。
本发明还提供一种基于Kinect的人体主要体型参数的测量系统，其特征在于，所述测量系统包括：依次连接的Kinect模块、人体体型参数计算模块、误差估算模块和输出模块；其中，所述Kinect模块对待检测人体表面的点云数据和人体骨骼点云数据进行采集；所述人体体型参数计算模块根据采集的人体表面的点云数据和骨骼点云数据计算得出人体体型参数；所述误差估算模块利用人体体型大数据进行分析，从而矫正所述人体体型参数的误差并且估算出人体密度；所述输出模块输出待检测人体的最终人体体型参数。
优选地，所述人体体型参数包括：人体体积和人体三围和人体身高；所述人体体型参数计算模块利用积分法计算出人体体积和人体三围，并且利用点坐标作差计算出人体的身高。
优选地，所述误差估算模块中利用利用分布式数据库对计算得出的人体三围的误差进行分析和统计，并且估算出人体密度。
优选地，所述误差估算模块中利用特征变量通过大量的人体体型数据进行分析和比较，比对出视觉图像与计算得到的人体实际尺寸的差异进行误差分析。
根据上述技术方案，本发明提供的基于Kinect和大数据分析的人体主要体型参数的测量发明中所述Kinect设备为采集模块，利用所述Kinect设备中的深度图像序列对待检测人体表面的点云数据和人体骨骼点云数据进行采集，根据采集的点云数据对述人体体型参数进行计算，其中，利用待检测人体表面的点云数据对人体体积和人体三围进行计算，利用待检测人体的骨骼点云数据进行人体身高的计算，计算得到的结果还需要进行误差分析和矫正。本发明提供的基于Kinect的人体主要体型参数的测量方法克服现有技术中对于三围人体模型参数的测量方法仍存在测量速度慢、精确度难以保证并且不包括对于人体体重的测量的问题。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是本发明的一种优选的实施方式中提供的基于Kinect的人体主要体型参数的测量方法的流程框图；
图2是本发明的一种优选的实施方式中提供的基于Kinect的人体主要体型参数的测量系统的结构示意图；
图3是本发明的一种优选的实施方式中提供的基于Kinect的人体主要体型参数的测量方法中利用的积分法进行体积测量的原理图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如图1-3所示，本发明提供了基于Kinect的人体主要体型参数的测量方法，其特征在于，所述测量方法包括：步骤1，利用Kinect设备对待检测人体表面的点云数据和人体骨骼点云数据进行采集；步骤2，根据采集的人体表面的点云数据和骨骼点云数据对待检测人体的体型参数进行计算，所述体型参数包括：人体体积和人体三围和人体身高；步骤3，得出误差分析后的待检测人体的体型参数。
根据上述技术方案，本发明提供的基于Kinect和大数据分析的人体主要体型参数的测量发明中所述Kinect设备为采集模块，利用所述Kinect设备中的深度图像序列对待检测人体表面的点云数据和人体骨骼点云数据进行采集，根据采集的点云数据对述人体体型参数进行计算，其中，利用待检测人体表面的点云数据对人体体积和人体三围进行计算，利用待检测人体的骨骼点云数据进行人体身高的计算，计算得到的结果还需要进行误差分析和矫正。本发明提供的基于Kinect的人体主要体型参数的测量方法克服现有技术中对于三围人体模型参数的测量方法仍存在测量速度慢、精确度难以保证并且不包括对于人体体重的测量的问题。
本发明的测试方法中计算得出的体型参数有一定的误差，为了进一步提高所述体型参数的准确性，在本发明的一种优选的实施方式中，所述步骤2和所述步骤3之间还包括以下步骤：对计算得出的待检测人体的体型参数进行误差分析，并且纠正误差。
在本发明的一种优选的实施方式中，对体型参数的误差分析利用分布式计算集群来对采集到的大量人体体型参数的数据进行分析和统计，从而估算出人体密度和校正人体身高和人体三围的误差，利用估算出人体密度结合计算得到的人体体积得出人体体重参数。
在本发明的一种优选的实施方式中，在所述体型参数的误差分析中，利用分布式计算对采集到的大量人体体型参数的数据进行分析和统计，从而估算出人体密度和校正人体身高和人体三围的误差，利用得到的人体密度结合得到的人体体积，从而计算得出人体体重参数。
在本发明的一种优选的实施方式中，对体型参数的误差分析利用分布式数据库进行分析和统计，从而估算出人体密度和校正人体身高和人体三围的误差，利用估算出人体密度结合计算得到的人体体积得出人体体重参数。
在本发明的一种优选的实施方式中，所述步骤2中，采用积分法对人体体积和人体三围计算；其中，积分法的公式为：其中，所述si为待检测模型的横截面积，n为待检测模型的分割的横截面的总数，且为整数，h为待检测模型的高度；并根据人体骨骼点云数据利用点坐标作差计算出人体的身高。
本发明还提供了一种基于Kinect的人体主要体型参数的测量系统，所述测量系统包括：依次连接的Kinect模块、人体体型参数计算模块、误差估算模块和输出模块；其中，所述Kinect模块对待检测人体表面的点云数据和人体骨骼点云数据进行采集；所述人体体型参数计算模块根据采集的人体表面的点云数据和骨骼点云数据计算得出人体体型参数；所述误差估算模块利用人体体型大数据进行分析，从而矫正所述人体体型参数的误差并且估算出人体密度；所述输出模块输出待检测人体的最终人体体型参数。
根据上述技术方案，本发明提供的基于Kinect和大数据分析的人体主要体型参数的测量系统中所述Kinect模块为采集模块，利用所述Kinect模块中的深度图像序列对待检测人体表面的点云数据和骨骼点数据进行采集，而采集得到的数据输入至所述人体体型参数计算模块，所述人体体型参数计算模块根据采集的数据对待检测人体的体型参数进行计算，其中，利用待检测人体表面的点云数据对人体体积和人体三围进行计算，利用待检测人体的骨骼点数据进行人体身高的计算，计算得到的结果还需要所述误差估算模块来进行误差矫正，最后，矫正后的人体体型参数由所述输出模块输出。
在本发明的一种优选的实施方式中，待检测人体的体型参数包括：人体体积和人体三围和人体身高；其中，所述人体体型参数计算模块利用积分法计算出人体体积和人体三围，并且利用点坐标作差计算出人体的身高，从而得出相对的人体体型参数的计算结果。
本发明中所述人体体型参数计算模块计算的人体体型参数具有一定的误差，为了进一步提高所述人体体型参数的准确度，在本发明的一种优选的实施方式中，所述误差估算模块利用分布式计算集群来对采集到的大量数据对计算得出的待检测人体的人体三围的误差进行分析和统计。这样可以分析得出所述人体体型参数计算模块计算的人体三围的误差，从而进行纠正，在误差分析中，还可以分析估算出人体密度，结合得到的人体体积计算出人体体重。
在本发明的一种优选的实施方式中，所述误差估算模块中利用特征变量通过大量的人体体型数据进行分析和比较，比对出视觉图像与计算得到的人体实际尺寸的差异进行误差分析，从而提高所述人体体型参数的准确度。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (9)

1.一种基于Kinect的人体主要体型参数的测量方法，其特征在于，所述测量方法包括：
步骤1，利用Kinect设备对待检测人体表面的点云数据和人体骨骼点云数据进行采集；
步骤2，根据采集的人体表面的点云数据和骨骼点云数据对待检测人体的体型参数进行计算，所述体型参数包括：人体体积和人体三围和人体身高；
步骤3，得出误差分析后的待检测人体的体型参数。
2.根据权利要求1所述的基于Kinect的人体主要体型参数的测量方法，其特征在于，所述步骤2和所述步骤3之间还包括以下步骤：对计算得出的所述体型参数进行误差分析，并且纠正误差。
3.根据权利要求2所述的基于Kinect人体主要体型参数的测量方法，其特征在于，在所述体型参数的误差分析中，利用分布式计算对采集到的人体体型参数进行分析和统计，从而得出人体密度和人体身高和人体三围的误差进行校正。
4.根据权利要求2所述的基于Kinect的人体主要体型参数的测量方法，其特征在于，在所述体型参数的误差分析中，利用分布式数据库进行分析和统计，从而估算出人体密度和校正人体身高和人体三围的误差。
5.根据权利要求1所述的基于Kinect的人体主要体型参数的测量方法，其特征在于，所述步骤2中，采用积分法对人体体积和人体三围计算；根据人体骨骼点云数据利用点坐标作差计算出人体的身高。
6.一种基于Kinect的人体主要体型参数的测量系统，其特征在于，所述测量系统包括：依次连接的Kinect模块、人体体型参数计算模块、误差估算模块和输出模块；其中，
所述Kinect模块对待检测人体表面的点云数据和人体骨骼点云数据进行采集；所述人体体型参数计算模块根据采集的人体表面的点云数据和骨骼点云数据计算得出人体体型参数；所述误差估算模块利用人体体型大数据进行分析，从而校正所述人体体型参数的误差并且估算出人体密度；所述输出模块输出待检测人体的最终人体体型参数。
7.根据权利要求6所述的基于Kinect的人体主要体型参数的测量系统，其特征在于，所述人体体型参数包括：人体体积和人体三围和人体身高；所述人体体型参数计算模块利用积分法计算出人体体积和人体三围，并且利用点坐标作差计算出人体的身高。
8.根据权利要求7所述的基于Kinect的人体主要体型参数的测量系统，其特征在于，所述误差估算模块中利用利用分布式数据库对计算得出的人体三围的误差进行分析和统计，并且估算出人体密度。
9.根据权利要求7所述的基于Kinect人体主要体型参数的测量系统，其特征在于，所述误差估算模块中利用特征变量通过大量的人体体型数据进行分析和比较，比对出视觉图像与计算得到的人体实际尺寸的差异进行误差分析。
CN201710357623.8A 2017-05-19 2017-05-19 基于Kinect的人体主要体型参数的测量方法和系统 Pending CN107256565A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710357623.8A CN107256565A (zh) 2017-05-19 2017-05-19 基于Kinect的人体主要体型参数的测量方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710357623.8A CN107256565A (zh) 2017-05-19 2017-05-19 基于Kinect的人体主要体型参数的测量方法和系统

Publications (1)

Publication Number Publication Date
CN107256565A true CN107256565A (zh) 2017-10-17

Family

ID=60027652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710357623.8A Pending CN107256565A (zh) 2017-05-19 2017-05-19 基于Kinect的人体主要体型参数的测量方法和系统

Country Status (1)

Country Link
CN (1) CN107256565A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801329A (zh) * 2019-01-25 2019-05-24 成都深黎科技有限公司 基于多摄像头的人体体型数据测量方法
WO2022012019A1 (zh) * 2020-07-15 2022-01-20 华为技术有限公司 身高测量方法、身高测量装置和终端
WO2024082912A1 (zh) * 2022-10-20 2024-04-25 华为技术有限公司 体型测量方法及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103535960A (zh) * 2012-07-12 2014-01-29 温州职业技术学院 基于数码图像的人体三维测量方法
CN103955963A (zh) * 2014-04-30 2014-07-30 崔岩 一种基于 Kinect设备的数字化人体三维重建方法及系统
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
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
CN106056580A (zh) * 2016-05-20 2016-10-26 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
CN106529400A (zh) * 2016-09-26 2017-03-22 深圳奥比中光科技有限公司 移动终端及其人体监测方法、装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103535960A (zh) * 2012-07-12 2014-01-29 温州职业技术学院 基于数码图像的人体三维测量方法
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
CN103955963A (zh) * 2014-04-30 2014-07-30 崔岩 一种基于 Kinect设备的数字化人体三维重建方法及系统
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
CN106056580A (zh) * 2016-05-20 2016-10-26 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
CN106529400A (zh) * 2016-09-26 2017-03-22 深圳奥比中光科技有限公司 移动终端及其人体监测方法、装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
万燕 等: "基于Kinect的三维人体扫描测量技术", 《东华大学学报（自然科学版）》 *
王玉秀: "非接触式人体测量系统的研究", 《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅰ辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109801329A (zh) * 2019-01-25 2019-05-24 成都深黎科技有限公司 基于多摄像头的人体体型数据测量方法
WO2022012019A1 (zh) * 2020-07-15 2022-01-20 华为技术有限公司 身高测量方法、身高测量装置和终端
WO2024082912A1 (zh) * 2022-10-20 2024-04-25 华为技术有限公司 体型测量方法及电子设备

Similar Documents

Publication Publication Date Title
CN103323615B (zh) 一种通过加速度传感器计算步行速度的移动终端及方法
CN109461188B (zh) 一种二维x射线头影测量图像解剖特征点自动定位方法
CN104155580B (zh) 一种关联分析与电力计算相结合的电压暂降源定位方法
CN107256565A (zh) 基于Kinect的人体主要体型参数的测量方法和系统
CN105054936A (zh) 基于Kinect景深图像的快速身高和体重测量方法
CN106418847A (zh) 一种基于计算机视觉技术的人体三维尺寸测量方法
CN104636559B (zh) 一种利用三维检验模型对飞机零件进行检验的方法
CN103948196A (zh) 人体数据的测量方法
CN104766322B (zh) 基于测地线的脑血管长度及弯曲度度量方法
CN101311967A (zh) 一种基于实测人群体型的虚拟人台的建立方法及虚拟人台
CN204070693U (zh) 一种基于结构光技术的三维人体测量装置
CN105046046B (zh) 一种集合卡尔曼滤波局地化方法
CN105120517A (zh) 基于多维尺度分析的室内wlan信号平面图构建与定位方法
CN106447707A (zh) 一种图像实时配准方法及系统
CN108805980A (zh) 一种基于3d的马体尺测量系统及数据修正方法
CN105771224B (zh) 一种基于多传感器的运动评估系统
CN106327536A (zh) 一种基于切面点云的领围测量方法
CN102865814B (zh) 植物群体三维重建误差测量方法
CN103020351A (zh) 一种飞机位姿的三维实时显示方法
CN101750616A (zh) 植被风阻的测量方法及系统
CN108846859A (zh) 一种基于费歇尔信息矩阵的三维重建误差界限评定方法
CN108053485A (zh) 一种基于轮廓图像的马铃薯三维建模方法
Petrak et al. Research of 3D body models computer adjustment based on anthropometric data determined by laser 3D scanner
CN107270829A (zh) 一种基于深度图像的人体三围测量方法
CN111125845A (zh) 基于质心连线法的空间直线度误差评定方法

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

Application publication date: 20171017

RJ01 Rejection of invention patent application after publication