CN108648228A - 一种双目红外人体尺寸测量方法及系统 - Google Patents

一种双目红外人体尺寸测量方法及系统 Download PDF

Info

Publication number
CN108648228A
CN108648228A CN201810469982.7A CN201810469982A CN108648228A CN 108648228 A CN108648228 A CN 108648228A CN 201810469982 A CN201810469982 A CN 201810469982A CN 108648228 A CN108648228 A CN 108648228A
Authority
CN
China
Prior art keywords
image
human body
binocular
infrared
point
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
CN201810469982.7A
Other languages
English (en)
Inventor
彭涛
姜明华
余锋
宋坤芳
周昌龙
刘军平
陈常念
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.)
Wuhan Textile University
Original Assignee
Wuhan Textile 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 Wuhan Textile University filed Critical Wuhan Textile University
Priority to CN201810469982.7A priority Critical patent/CN108648228A/zh
Publication of CN108648228A publication Critical patent/CN108648228A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/593—Depth or shape recovery from multiple images from stereo images
    • G06T7/596—Depth or shape recovery from multiple images from stereo images from three or more stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G06T7/85—Stereo camera calibration
    • 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
    • G06T2207/10048—Infrared image
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种双目红外人体尺寸测量方法及系统，属于计算机视觉三维测量技术领域，包括双目相机标定、视觉差图像获取、空间三维坐标计算、深度信息获取、人体三维信息计算和多目标的精度优化算法，相比现有人体三维测量技术，可实现非接触式的快速精准的人体三维信息测量，提高了测量的效率。

Description

一种双目红外人体尺寸测量方法及系统
技术领域
本发明专利涉及计算机视觉和图像处理领域，特别涉及一种双目红外人体尺寸测量方法及系统。
背景技术
随着人们生活水平的不断提高，人们对衣服的舒适度和美观性要求越来越高，即使是工装，也希望能够大方得体。精准的人体尺寸测量是服装设计的最重要的前提。传统的手工测量方法存在很多不足的地方，一是对测量的人要求较高，且存在不同的人对同一个尺寸的测量会得到不同的结果的可能；二是对于大规模的人体测量，人工测量效率较低。三是接触式的测量容易带来不必要的麻烦。虽然也存在一些非接触的人体测量方法，但是只能测量简单的尺寸，无法实现人体的三围两长的精确测量(颈围，胸围，臀围，身高，腿长)
因此，设计一种非接触式的，快速而准确的人体尺寸测量方法是目前服装设计和生产需要解决的问题。
发明内容
为克服上述问题，本发明提供了一种双目红外人体尺寸测量方法及系统，其目的在于实现人体三维信息的智能化、精准化和高效的测量。
本发明解决其技术问题所采用的技术方案是：构造一种双目红外人体尺寸测量方法，包含如下步骤：
(1)双目相机标定：利用双目相机从不同角度拍摄标定物，然后根据拍摄的图像进行双目相机的两个子相机进行标定，计算出标定参数；
(2)视觉差图像获取：利用匹配算法对两个子相机之间的所拍摄的标定物的图像进行匹配，匹配时采用Sobel边缘特征作为特征点进行稀疏匹配，以计算出两个子相机之间的视觉差；
(3)空间三维坐标计算：利用所述双目相机拍摄目标人体，根据所述视觉差以及所述标定参数推算出所述目标人体的各空间点的在相机坐标系下的三维坐标；
(4)深度信息获取：通过红外设备对目标人体进行扫描，获取目标各空间点与红外设备之间的距离，得到深度信息；
(5)人体三维信息计算：根据所述三维坐标信息和所述深度信息，计算人体的三围两长。
进一步地，在本发明的双目红外人体尺寸测量方法中，所述步骤(5)之后还包括步骤：
(6)多目标的精度优化算法：通过统计分析和图像像素点比例关系，采用多目标优化的形式对双目相机拍摄的目标人体的图像的尺寸信息进行化优化。
进一步地，在本发明的双目红外人体尺寸测量方法中，步骤(1)中，具体的标定步骤如下所示：
(1.1)通过调整标定物或子相机的方向，采用双目相机为标定物拍摄一些不同方向的照片，其中所述标定物为贴在一个平面上的一个盘格；
(1.2)对步骤(1.1)拍摄的各照片分别进行特征点提取；
(1.3)根据提取的特征点，估算相机的内参和外参；
(1.4)采用极大似然法优化步骤(1.3)的估算值，将优化后的结果作为双目相机的标定参数。
进一步地，在本发明的双目红外人体尺寸测量方法中，步骤(2)中，具体的视觉差图像获取步骤包括：
(2.1)利用Sobel算子对步骤(1)拍摄的各图像进行边缘检测，然后二值化后获取图像的边缘；
(2.2)对图像的边缘进行对象提取，形成图像矩阵，然后对矩阵进行边缘填充；
(2.4)对两个子相机得到图像提取对象并矩阵化后，分别得到边缘填充后的矩阵AL和矩阵AR，对矩阵进行对比从而得到视觉差。
进一步地，在本发明的双目红外人体尺寸测量方法中，步骤(2.4)中所述对矩阵进行对比具体的步骤为：对矩阵进行减法运算，即A＝AL-AR，将计算出的A作为两个相机的视觉差。
进一步地，在本发明的双目红外人体尺寸测量方法中，其步骤(3)中，对于目标中的某一点P，具体的空间三维坐标计算步骤如下：
(3.1)通过相机的两个子相机得到点P的图像，两个相机得到的在同一平面坐标系下的坐标分别为Pleft＝(Xleft,Yleft)、Pright＝(Xright,Yright)；
(3.2)将两个子相机的在图像拍摄时设置在同一平面上，则特征点P的图像坐标的Y坐标一定是相同的，即Yleft＝Yright＝Y；
(3.3)计算视觉差Disparity＝Xleft-Xright；
(3.4)利用视觉差计算P点在相机坐标系下的坐标。
进一步地，在本发明的双目红外人体尺寸测量方法中，步骤(4)中，具体的深度信息获取步骤如下：
(4.1)用劳斯掩膜和梯度检测器分别提取不同尺度下红外图像的纹理能量与纹理梯度,并将这两种纹理信息作为红外图像的第一种特征；
(4.2)提取所述红外图像中像元及其邻域的灰度值,以及统计其灰度直方图作为另外两种特征；
(4.3)分别用三种特征和深度信息标签训练DCNN,得到三种训练后的DCNN分别对单目红外图像进行深度估计。
进一步地，在本发明的双目红外人体尺寸测量方法中，步骤(5)中，具体的人体三维信息计算步骤如下：
(5.1)根据所述三维坐标信息结合红外图像，获得深度图像，进而获得每个像素点中每个像素点代表的真实距离；
(5.2)分别获取人体的胸部、腰部和臀部这些关键的边界点和中心点的空间位置；
(5.3)根据边界点、中心点以及关键点之间的中间点的深度信息和空间位置，计算出相连两个像素的近似弧长；
(5.4)最后采用微分的方法把中间点的弧长进行累加，从而得到所求的三围两长。
进一步地，在本发明的双目红外人体尺寸测量方法中，其步骤(6)中，具体的多目标的优化算法步骤如下：
(6.1)统计分析和图像像素点比例关系；
(6.2)采用多目标优化的形式对尺寸信息进行精确化优化。
根据本发明的另一方面，本发明为解决其技术问题，还提供了一种双目红外人体尺寸测量系统，包含如下模块：
双目相机标定模块，用于利用双目相机从不同角度拍摄标定物，然后根据拍摄的图像进行双目相机的两个相机进行标定，计算出标定参数；
视觉差图像获取模块，用于利用匹配算法对两个相机之间的所拍摄的标定物的图像进行匹配，匹配时采用Sobel边缘特征作为特征点进行稀疏匹配，以计算出两个相机之间的视觉差；
空间三维坐标计算模块，用于利用所述双目相机拍摄目标人体，根据所述视觉差以及所述标定参数推算出所述目标人体的各空间点的在相机坐标系下的三维坐标；
深度信息获取模块，用于通过红外设备对目标人体进行扫描，获取目标各空间点与红外设备之间的距离，得到深度信息；
人体三维信息计算模块，用于根据所述三维坐标信息和所述深度信息，计算人体的三围两长。
本发明提供的双目红外人体尺寸测量方法及系统通过计算机视觉三维测量的技术实现非接触的智能测量，在实际的应用中只需要使用带红外的双目相机就可以测量出人体的三维信息，相比于现有的人工测量方法，可极大的提高测量的效率和减少人力成本。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明的双目红外人体尺寸测量方法一实施例的流程图；
图2是本发明提供的人体三维信息测量的弧长测量方法示意图；
图3是本发明提供的人体三维信息测量的弧长计算方法示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
参考图1，其为本发明的双目红外人体尺寸测量方法一实施例的流程图。在本实施例中的双目红外人体尺寸测量方法包括双目相机标定、视觉差图像获取、空间三维坐标计算、深度信息获取、人体三维信息计算和多目标的精度优化算法步骤，下述将具体对各步骤进行详细说明。
(1)双目相机(一个相机内具有两个子相机)标定：为准确获取目标的尺寸数据，需要对相机进行精确的标定。通过标定获取两个子相机的内部参数，同时获得子相机的位置。本方法用棋盘格法进行标定：打印一张棋盘格，把它贴在一个平面上，作为标定物；通过调整标定物或相机的方向，为标定物拍摄一些不同方向的照片；从照片中提取特征点(如角点)；估算理想无畸变的情况下的内参和所有外参；然后利用内参形成的内参矩阵进行去畸变处理，具体可参照张正友标定法。
(2)视觉差图像获取：本方法利用一种大尺度的匹配算法对图像进行匹配。该方法利用Sobel边缘特征作为特征点进行稀疏匹配，以此为基础计算两幅图像的视觉差。利用Sobel算子对两个子相机拍摄的图像分别进行边缘检测，然后二值化后获取图像的边缘；对图像中的边缘进行对象提取，形成图像矩阵，然后对矩阵进行边缘填充；对两个子相机得到图像提取对象并矩阵化切进行边缘填充后，得到矩阵AL和矩阵AR，对矩阵进行对比。具体的步骤为：对矩阵进行减法运算，即A＝AL-AR，以此为基础计算两幅图像的视觉差。
(3)空间三维坐标计算：通过立体匹配获取两幅图像的视觉差后，结合标定参数推算出目标人体所形成图像中的空间点在相机坐标系下的三维坐标。对于目标中的某一点P，通过双目相机的两个子相机分别得到点P的图像，它们在以棋盘所在平面建立的坐标系下的坐标分别为Pleft＝(Xleft,Yleft)；Pright＝(Xright,Yright)；拍摄时将两子相机放置在同一水平面上，则特征点P的图像坐标的Y坐标一定是相同的，即Yleft＝Yright＝Y；计算视觉差Disparity＝Xleft-Xright；利用视觉差计算P点在相机坐标系下的坐标。
(4)深度信息获取：通过红外设备对目标人物进行扫描，获取目标各部位与设备之间的距离，即深度信息。用劳斯掩膜和梯度检测器分别提取不同尺度下红外图像的纹理能量与纹理梯度,并将这两种纹理信息作为红外图像的第一种特征；提取图像中像元及其邻域的灰度值,以及统计其灰度直方图作为另外两种特征；分别用三种特征和深度信息标签训练DCNN,得到三种训练后的DCNN分别对单目红外图像进行深度估计。
(5)人体三维信息计算：结合图像中的三维坐标信息和深度信息，计算人体的三围两长。根据人体的三维坐标信息之后，结合红外图像，获得深度图像，进而获得每个像素点中每个像素点代表的真实距离；分别获取人体的胸部、腰部和臀部这些关键的边界点和中心点的空间位置；如图2所示，根据边界点、中心点以及关键点之间的中间点的深度信息和空间位置，计算出相连两个像素的近似弧长；如图3所示，最后采用微分的方法把中间点的弧长进行累加，从而得到所求的三围(颈围，胸围，臀围)两长(身高，腿长)。
(6)多目标的精度优化算法：通过统计分析和图像像素点比例关系，采用多目标优化的形式对尺寸信息进行精确化优化。统计分析和图像像素点比例关系；采用多目标优化的形式对尺寸信息进行精确化优化。
本发明提供的人体三维信息测量的方法，在实际的应用中只需要使用带红外的双目相机就可以测量出人体的三维信息。相比于现有的人工测量方法，可极大的提高测量的效率和减少人力成本。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种双目红外人体尺寸测量方法，其特征在于，包含如下步骤：
(1)双目相机标定：利用双目相机从不同角度拍摄标定物，然后根据拍摄的图像进行双目相机的两个子相机进行标定，计算出标定参数；
(2)视觉差图像获取：利用匹配算法对两个子相机之间的所拍摄的标定物的图像进行匹配，匹配时采用Sobel边缘特征作为特征点进行稀疏匹配，以计算出两个子相机之间的视觉差；
(3)空间三维坐标计算：利用所述双目相机拍摄目标人体，根据所述视觉差以及所述标定参数推算出所述目标人体的各空间点的在相机坐标系下的三维坐标；
(4)深度信息获取：通过红外设备对目标人体进行扫描，获取目标各空间点与红外设备之间的距离，得到深度信息；
(5)人体三维信息计算：根据所述三维坐标信息和所述深度信息，计算人体的三围两长。
2.根据权利要求1所述的双目红外人体尺寸测量方法，其特征在于，所述步骤(5)之后还包括步骤：
(6)多目标的精度优化算法：通过统计分析和图像像素点比例关系，采用多目标优化的形式对双目相机拍摄的目标人体的图像的尺寸信息进行化优化。
3.根据权利要求1所述的双目红外人体尺寸测量方法，其特征在于，步骤(1)中，具体的标定步骤如下所示：
(1.1)通过调整标定物或双目相机的方向，采用双目相机为标定物拍摄一些不同方向的照片，其中所述标定物为贴在一个平面上的一个盘格；
(1.2)对步骤(1.1)拍摄的各照片分别进行特征点提取；
(1.3)根据提取的特征点，估算相机的内参和外参；
(1.4)采用极大似然法优化步骤(1.3)的估算值，将优化后的结果作为双目相机的标定参数。
4.根据权利要求1所述的双目红外人体尺寸测量方法，其特征在于，步骤(2)中，具体的视觉差图像获取步骤包括：
(2.1)利用Sobel算子对步骤(1)拍摄的各图像进行边缘检测，然后二值化后获取图像的边缘；
(2.2)对图像的边缘进行对象提取，形成图像矩阵，然后对矩阵进行边缘填充；
(2.4)对两个子相机得到图像提取对象并矩阵化后，分别得到边缘填充后的矩阵AL和矩阵AR，对矩阵进行对比从而得到视觉差。
5.根据权利要求4所述的双目红外人体尺寸测量方法，其特征在于，步骤(2.4)中所述对矩阵进行对比具体的步骤为：对矩阵进行减法运算，即A＝AL-AR，将计算出的A作为两个子相机的视觉差。
6.根据权利要求1所述的双目红外人体尺寸测量方法，其特征在于，其步骤(3)中，对于目标中的某一点P，具体的空间三维坐标计算步骤如下：
(3.1)通过双目相机的两个子相机得到点P的图像，两个子相机得到的在同一平面坐标系下的坐标分别为Pleft＝(Xleft,Yleft)、Pright＝(Xright,Yright)；
(3.2)将两个子相机的在图像拍摄时设置在同一平面上，则特征点P的图像坐标的Y坐标一定是相同的，即Yleft＝Yright＝Y；
(3.3)计算视觉差Disparity＝Xleft-Xright；
(3.4)利用视觉差计算P点在相机坐标系下的坐标。
7.根据权利要求1所述的双目红外人体尺寸测量方法，其特征在于，步骤(4)中，具体的深度信息获取步骤如下：
(4.1)用劳斯掩膜和梯度检测器分别提取不同尺度下红外图像的纹理能量与纹理梯度,并将这两种纹理信息作为红外图像的第一种特征；
(4.2)提取所述红外图像中像元及其邻域的灰度值,以及统计其灰度直方图作为另外两种特征；
(4.3)分别用三种特征和深度信息标签训练DCNN,得到三种训练后的DCNN分别对单目红外图像进行深度估计。
8.根据权利要求1所述的双目红外人体尺寸测量方法，其特征在于，步骤(5)中，具体的人体三维信息计算步骤如下：
(5.1)根据所述三维坐标信息结合红外图像，获得深度图像，进而获得每个像素点中每个像素点代表的真实距离；
(5.2)分别获取人体的胸部、腰部和臀部这些关键的边界点和中心点的空间位置；
(5.3)根据边界点、中心点以及关键点之间的中间点的深度信息和空间位置，计算出相连两个像素的近似弧长；
(5.4)最后采用微分的方法把中间点的弧长进行累加，从而得到所求的三围两长。
9.根据权利要求2所述的双目红外人体尺寸测量方法，其特征在于，其步骤(6)中，具体的多目标的优化算法步骤如下：
(6.1)统计分析和图像像素点比例关系；
(6.2)采用多目标优化的形式对尺寸信息进行精确化优化。
10.一种双目红外人体尺寸测量系统，其特征在于，包含如下模块：
双目相机标定模块，用于利用双目相机从不同角度拍摄标定物，然后根据拍摄的图像进行双目相机的两个子相机进行标定，计算出标定参数；
视觉差图像获取模块，用于利用匹配算法对两个子相机之间的所拍摄的标定物的图像进行匹配，匹配时采用Sobel边缘特征作为特征点进行稀疏匹配，以计算出两个子相机之间的视觉差；
空间三维坐标计算模块，用于利用所述双目相机拍摄目标人体，根据所述视觉差以及所述标定参数推算出所述目标人体的各空间点的在相机坐标系下的三维坐标；
深度信息获取模块，用于通过红外设备对目标人体进行扫描，获取目标各空间点与红外设备之间的距离，得到深度信息；
人体三维信息计算模块，用于根据所述三维坐标信息和所述深度信息，计算人体的三围两长。
CN201810469982.7A 2018-05-16 2018-05-16 一种双目红外人体尺寸测量方法及系统 Pending CN108648228A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810469982.7A CN108648228A (zh) 2018-05-16 2018-05-16 一种双目红外人体尺寸测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810469982.7A CN108648228A (zh) 2018-05-16 2018-05-16 一种双目红外人体尺寸测量方法及系统

Publications (1)

Publication Number Publication Date
CN108648228A true CN108648228A (zh) 2018-10-12

Family

ID=63756411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810469982.7A Pending CN108648228A (zh) 2018-05-16 2018-05-16 一种双目红外人体尺寸测量方法及系统

Country Status (1)

Country Link
CN (1) CN108648228A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435345A (zh) * 2020-12-14 2021-03-02 武汉纺织大学 一种基于深度学习的人体三维测量方法及系统
CN113032961A (zh) * 2021-02-24 2021-06-25 湖州师范学院 对服装消费行为进行分析的服装营销虚拟仿真系统及方法
CN113670421A (zh) * 2021-08-25 2021-11-19 聊城大学 一种马属动物体尺及体重快速测量仪
CN114159049A (zh) * 2021-12-01 2022-03-11 中国科学院空天信息创新研究院 一种基于立体红外相机的动物体尺测量系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104173054A (zh) * 2013-05-21 2014-12-03 杭州海康威视数字技术股份有限公司 基于双目视觉技术的人体身高测量方法及其装置
CN105326507A (zh) * 2015-10-23 2016-02-17 天津工业大学 超像素分割和曲线波相融合的三维人体测量方法
CN107374638A (zh) * 2017-07-07 2017-11-24 华南理工大学 一种基于双目视觉模块的身高测量系统及方法
US20180116556A1 (en) * 2016-10-27 2018-05-03 Nanjing Avatarmind Robot Technology Co., Ltd. Height measurement method based on monocular machine vision

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104173054A (zh) * 2013-05-21 2014-12-03 杭州海康威视数字技术股份有限公司 基于双目视觉技术的人体身高测量方法及其装置
CN105326507A (zh) * 2015-10-23 2016-02-17 天津工业大学 超像素分割和曲线波相融合的三维人体测量方法
US20180116556A1 (en) * 2016-10-27 2018-05-03 Nanjing Avatarmind Robot Technology Co., Ltd. Height measurement method based on monocular machine vision
CN107374638A (zh) * 2017-07-07 2017-11-24 华南理工大学 一种基于双目视觉模块的身高测量系统及方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
侯静: "人体外观几何特征尺寸动态测量技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）计算机软件及计算机应用》 *
杜宇: "三维重建中双目立体视觉关键技术的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑（月刊）计算机软件及计算机应用》 *
杨冬梅: "基于双目视觉的人体参数获取方法的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑（月刊）汽车工业》 *
许路 等: "基于深层卷积神经网络的单目红外图像深度估计", 《光学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112435345A (zh) * 2020-12-14 2021-03-02 武汉纺织大学 一种基于深度学习的人体三维测量方法及系统
CN113032961A (zh) * 2021-02-24 2021-06-25 湖州师范学院 对服装消费行为进行分析的服装营销虚拟仿真系统及方法
CN113670421A (zh) * 2021-08-25 2021-11-19 聊城大学 一种马属动物体尺及体重快速测量仪
CN114159049A (zh) * 2021-12-01 2022-03-11 中国科学院空天信息创新研究院 一种基于立体红外相机的动物体尺测量系统及方法
CN114159049B (zh) * 2021-12-01 2022-08-30 中国科学院空天信息创新研究院 一种基于立体红外相机的动物体尺测量系统及方法

Similar Documents

Publication Publication Date Title
CN108648228A (zh) 一种双目红外人体尺寸测量方法及系统
CN105528785B (zh) 一种双目视觉图像立体匹配方法
CN107292948B (zh) 一种人体建模方法、装置及电子设备
CN101996407B (zh) 一种多相机颜色标定方法
CN106981081A (zh) 一种基于深度信息提取的墙面平整度检测方法
CN107679503A (zh) 一种基于深度学习的人群计数算法
CN107248159A (zh) 一种基于双目视觉的金属工件缺陷检测方法
CN110378931A (zh) 一种基于多摄像头的行人目标移动轨迹获取方法及系统
CN109938737A (zh) 一种基于深度学习关键点检测的人体身型测量方法及装置
CN104504688A (zh) 基于双目立体视觉的客流密度估计的方法和系统
CN109785379A (zh) 一种对称物体尺寸及重量的测量方法及测量系统
CN106251399A (zh) 一种基于lsd‑slam的实景三维重建方法
CN104751146B (zh) 一种基于3d点云图像的室内人体检测方法
CN106503605A (zh) 基于立体视觉技术的人体目标识别方法
CN107392950A (zh) 一种基于弱纹理检测的跨尺度代价聚合立体匹配方法
CN105976351B (zh) 基于中央偏移的立体图像质量评价方法
CN109308718A (zh) 一种基于多深度相机的空间人员定位装置及方法
CN109461206A (zh) 一种多目立体视觉的人脸三维重建装置及方法
CN108563975A (zh) 一种基于深度学习的高密度人群人数估计方法
CN107845059A (zh) 人体经络穴位状态动态标准化数字分析系统和方法
CN106152978B (zh) 一种基于图像分析的非接触性面积测量方法
CN110020627A (zh) 一种基于深度图与特征融合的行人检测方法
CN108230290A (zh) 基于立体视觉的生猪体尺检测方法
CN114022798A (zh) 一种基于数字孪生技术的变电站巡检机器人避障方法
CN109509194B (zh) 一种复杂背景下正面人体图像分割方法及装置

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: 20181012