CN109740458A - 一种基于视频处理的体貌特征测量方法及系统 - Google Patents
一种基于视频处理的体貌特征测量方法及系统 Download PDFInfo
- Publication number
- CN109740458A CN109740458A CN201811569544.4A CN201811569544A CN109740458A CN 109740458 A CN109740458 A CN 109740458A CN 201811569544 A CN201811569544 A CN 201811569544A CN 109740458 A CN109740458 A CN 109740458A
- Authority
- CN
- China
- Prior art keywords
- features
- image
- original image
- interest region
- characteristic parameter
- 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.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于视频处理的体貌特征测量方法及系统,属于计算机视觉测量领域。它包括步骤:载入原始图像,读取图像信息;选中兴趣区域,记录该兴趣区域在原始图像中的像素位置;描绘兴趣区域中待测量人员的轮廓;获取实时监控视频并调整使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;将描绘的轮廓投射到实时监控视频画面的显示区域上;模拟人进行站位和姿势模拟,生成模拟图像;在原始图像标记测量线,在模拟图像标记测量线;输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。本发明能解决目前电子监控视频中出现的人员体貌特征难以确定,导致侦寻搜索不便的问题。
Description
技术领域
本发明涉及计算机视觉测量领域,特别是涉及一种基于视频处理的体貌特征测量方法及系统。
背景技术
随着城市化进程的推进和处理突发性事件的需要,视频监控技术得到了快速地发展,并广泛应用于安防、交通监控等领域。其中,基于监控视频的目标测量技术已成为未来视频监控技术发展的重要领域。然而,由于各种装饰遮挡的存在,该目标可能存在面貌特征不便识别,因此,给后期的侦寻搜索带来阻碍。而此时,体貌特征的识别就变得尤为重要,目标人物某个关键体貌特征参数的确定就可以减少巨大的工作量。
当然,随着科技的发展,也出现了不少新的测量方法,包括利用超声波探测仪对人体身高进行测量,利用测距仪以及光学成像原理获取人体身高体貌特征等。但这些测量方法都离不开特殊的硬件工具,硬件工具成本较高,难以推广。
发明内容
1、要解决的问题
针对电子监控视频中出现的人员体貌特征难以确定,导致侦寻搜索不便的问题。本发明提供一种基于视频处理的体貌特征测量方法及系统,将获得的电子监控采集画面中的待测量人员部分图像画面先进行图像处理,再同步实时监控视频画面并使用模拟人进行动作模拟,最终采用描点算法计算获取待测量人员体貌特征数据。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
一种基于视频处理的体貌特征测量方法,包括步骤:
S1、载入原始图像,读取图像信息;
S2、在原始图像中选取兴趣区域,记录该兴趣区域在原始图像中的像素位置,放大该兴趣区域,并采用基于边缘结构的超分辨率图像插值算法,对模糊边缘进行超分辨率还原;
S3、描绘兴趣区域中待测量人员的轮廓;
S4、连接监控摄像头,获取实时监控视频并调整,使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;
S5、将描绘的轮廓投射到实时监控视频画面的显示区域上,模拟人进行站位和姿势模拟,生成模拟图像并保存;
S6、在原始图像取关键点生成原始标记测量线,在模拟图像取关键点生成模拟标记测量线;
S7、输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。
优选地,所述体貌特征参数包括身高、肩宽、足长、步伐长度中的至少一项。
优选地,按照人体骨架折线模型取关键点生成原始标记测量线和模拟标记测量线,即所述标记测量线的生成步骤包括:
S61、将待测量人员/模拟人的头顶、颈部关节、躯干中屯、右肩关节、右肘关节、右腕关节、左肩关节、左肘关节、左腕关节、右髓关节、左膝关节、左踩关节、左髓关节、左膝关节、左踩关节、左足足尖、左足足跟、右足足尖、右足足跟标注为关键点;
S62、将所述关键点依次连接,生成所述标记测量线。
优选地,S7中还包括:基于模拟人的体貌特征参数,利用正则误差分析方法拟合人体成像模型,预估待测量人员的体貌特征参数。
优选地,S1中所述原始图像的数量至少为1张,且均截取于监控视频历史记录的关键帧。
优选地,选择多个模拟人,重复S1至S7。
一种基于视频处理的体貌特征测量系统,包括:
读取模块,用于载入原始图像,读取图像信息;
处理模块,用于在原始图像中选取兴趣区域,记录该兴趣区域在原始图像中的像素位置,放大该兴趣区域,并采用基于边缘结构的超分辨率图像插值算法,对模糊边缘进行超分辨率还原;
描绘模块,用于描绘兴趣区域中待测量人员的轮廓;
监控模块,用于连接监控摄像头,获取实时监控视频,并调整实时监控视频,使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;
投射模拟模块,用于将描绘的轮廓投射到实时监控视频画面的显示区域上,并且在模拟人进行站位和姿势模拟时,生成模拟图像并保存;
标记测量模块,用于在原始图像取关键点生成原始标记测量线,在模拟图像取关键点生成模拟标记测量线;
计算模块,输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。
优选地,还包括:场景验证模块,用于对调整后实时监控视频显示区域的像素位置与原始图像中兴趣区域的像素位置进行比对验证。
优选地,还包括:姿态验证模块,用于对模拟人的站位和姿势进行验证。
优选地,还包括:成像模块,用于输出待测量人员体貌特征的成像模型。
3、有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明解决了目前电子监控视频中出现的人员体貌特征难以确定,导致侦寻搜索不便的问题,能够在仅有监控视频数据的场景下,快速获取监控画面中人员体貌特征数据的方法,为后期的侦寻搜索提供较为准确的参考;
(2)本发明可操作性强,使用人体骨架折线模型定位,可定位人体关键点20个以上,定位精度在3像素以内,体型特征提取计算结果精度误差在1cm以内;
(3)本发明无需额外的硬件工具,成本较低,适用范围广,便于进行推广普及。
附图说明
图1为本发明的场景示意图;
图2为本发明的实施例1的一种基于视频处理的体貌特征测量方法的步骤流程图;
图3为本发明的实施例2的一种基于视频处理的体貌特征测量系统的结构框图。
具体实施方式
下面结合附图和具体实施例对本发明进一步进行描述。
实施例1
如图1、图2和图3所示,一种基于视频处理的体貌特征测量方法,其特征在于,包括步骤:
S1、载入原始图像,读取图像信息;
S2、在原始图像中选取兴趣区域,记录该兴趣区域在原始图像中的像素位置,放大该兴趣区域,并采用基于边缘结构的超分辨率图像插值算法,提高图像分辨率,引入边缘结构约束,对模糊边缘进行超分辨率还原;
S3、描绘兴趣区域中待测量人员的轮廓;
S4、连接监控摄像头,获取实时监控视频并调整,使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;
S5、将描绘的轮廓投射到实时监控视频画面的显示区域上,模拟人进行站位和姿势模拟,生成模拟图像并保存;
S6、在原始图像取关键点生成原始标记测量线,在模拟图像取关键点生成模拟标记测量线;
其中,一种较优的生成标记测量线的方式为:在本步骤中按照人体骨架折线模型取关键点生成原始标记测量线和模拟标记测量线;
人体姿态存在复杂形变,不同形变的姿态影响了体型特征的精度,骨架折线模型是人体中关键的解剖学信息,对人体形变具有较强的约束,并可以将非刚体形变有效拆解成若干刚体部件。本发明从体型特征,提出新的骨架折线模型,实现体型特征拆解,有利于人体姿态的几何形状描述的准确性,也有利于不均匀影射关系的局部求解,并能够有效实现参考人员和目标人员姿态一致性判定。骨架折线模型的关键点包括:头顶、颈部关节、躯干中屯、右肩关节、右肘关节、右腕关节、左肩关节、左肘关节、左腕关节、右髓关节、左膝关节、左踩关节、左髓关节、左膝关节、左踩关节、左足足尖、左足足跟、右足足尖、右足足跟。
即所述标记测量线的生成步骤包括:
S61、将待测量人员/模拟人的头顶、颈部关节、躯干中屯、右肩关节、右肘关节、右腕关节、左肩关节、左肘关节、左腕关节、右髓关节、左膝关节、左踩关节、左髓关节、左膝关节、左踩关节、左足足尖、左足足跟、右足足尖、右足足跟标注为关键点;
使用关键点选点方法,达到待测量人员/模拟人基于骨架方向的测量线一致性。优选方案为:根据体型特征提取关键点和骨架,测定各骨架的方向,将人体骨架视为各网格三角形。基于相似三角形几何测度,对骨架进行点位,获得若干刚体的骨架特征点。
S62、将所述关键点依次连接,生成所述标记测量线。
S7、输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。
优选地,本步骤中所述体貌特征参数包括身高、肩宽、足长、步伐长度中的至少一项。
其中,肩宽是指左肩点(外侧)和右肩点(外侧)之间的距离,足长是指足尖和足跟两个关键点的距离,步伐长度是指左足尖/足跟和右足尖/足跟之间的距离。
优选地,还包括:基于模拟人的体貌特征参数,利用正则误差分析方法拟合人体成像模型,预估待测量人员的体貌特征参数。
为提高体貌特征测量结果的准确性,本实施例中所述原始图像的数量至少为1张,且均截取于监控视频历史记录的关键帧;选择多个模拟人,重复S1至S7。
本实施例从电子监控视频获取原始图像,进行处理并描绘轮廓,模拟人根据描绘的轮廓进行站位和姿势模拟并生成模拟图像,基于原始图像和模拟图像生成的标记测量线比例关系,输入模拟人的体貌特征参数即可获知待测量人员的体貌特征参数,从而解决了目前电子监控视频中出现的人员体貌特征难以确定,导致侦寻搜索不便的问题,能够在仅有监控视频数据的场景下,快速获取监控画面中人员体貌特征数据的方法,为后期的侦寻搜索提供较为准确的参考。
实施例2
如图1、图2和图3所示,一种基于视频处理的体貌特征测量系统,包括:
读取模块,用于载入原始图像,读取图像信息;
处理模块,用于在原始图像中选取兴趣区域,记录该兴趣区域在原始图像中的像素位置,放大该兴趣区域,并采用基于边缘结构的超分辨率图像插值算法,对模糊边缘进行超分辨率还原;
描绘模块,用于描绘兴趣区域中待测量人员的轮廓;
监控模块,用于连接监控摄像头,获取实时监控视频,并调整实时监控视频,使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;
投射模拟模块,用于将描绘的轮廓投射到实时监控视频画面的显示区域上,并且在模拟人进行站位和姿势模拟时,生成模拟图像并保存;
标记测量模块,用于在原始图像取关键点生成原始标记测量线,在模拟图像取关键点生成模拟标记测量线;
计算模块,输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。
优选地,还包括:场景验证模块,用于对调整后实时监控视频显示区域的像素位置与原始图像中兴趣区域的像素位置进行比对验证。确保选取的模拟场景与原始图像中选取兴趣区域对应的场景相吻合。
优选地,还包括:姿态验证模块,用于对模拟人的站位和姿势进行验证。确保模拟人(即实验人员)站的位置和待测量人员尽量重合;较优选地,模拟人和待测量人员上选取的关键点(例如实施例1中选取的关键点)重合。
优选地,还包括:成像模块,用于(根据计算得到的待测量人员的体貌特征参数)输出待测量人员体貌特征的成像模型。
本实施例体貌特征测量系统中的读取模块从电子监控视频获取原始图像,处理模块进行处理,描绘模块基于处理后的图像描绘轮廓,监控模块获取实时监控视频还原场景,模拟人根据描绘的轮廓进行站位和姿势模拟并生成模拟图像,标记测量模块对原始图像和模拟图像选取关键点进行标记并标记测量线,计算模块基于模拟人的体貌特征参数、原始标记测量线和模拟标记测量线之间的比例关系即可获知待测量人员的体貌特征参数,从而解决了目前电子监控视频中出现的人员体貌特征难以确定,导致侦寻搜索不便的问题,能够在仅有监控视频数据的场景下,快速获取监控画面中人员体貌特征数据的方法,为后期的侦寻搜索提供较为准确的参考。
Claims (10)
1.一种基于视频处理的体貌特征测量方法,其特征在于,包括步骤:
S1、载入原始图像,读取图像信息;
S2、在原始图像中选取兴趣区域,记录该兴趣区域在原始图像中的像素位置,放大该兴趣区域,并采用基于边缘结构的超分辨率图像插值算法,对模糊边缘进行超分辨率还原;
S3、描绘兴趣区域中待测量人员的轮廓;
S4、连接监控摄像头,获取实时监控视频并调整,使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;
S5、将描绘的轮廓投射到实时监控视频画面的显示区域上,模拟人进行站位和姿势模拟,生成模拟图像并保存;
S6、在原始图像取关键点生成原始标记测量线,在模拟图像取关键点生成模拟标记测量线;
S7、输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。
2.根据权利要求1所述的基于视频处理的体貌特征测量方法,其特征在于:所述体貌特征参数包括身高、肩宽、足长、步伐长度中的至少一项。
3.根据权利要求1所述的基于视频处理的体貌特征测量方法,其特征在于:
按照人体骨架折线模型取关键点生成原始标记测量线和模拟标记测量线。
4.根据权利要求1所述的基于视频处理的体貌特征测量方法,其特征在于,S7中还包括:
基于模拟人的体貌特征参数,利用正则误差分析方法拟合人体成像模型,预估待测量人员的体貌特征参数。
5.根据权利要求1所述的基于视频处理的体貌特征测量方法,其特征在于:S1中所述原始图像的数量至少为1张,且均截取于监控视频历史记录的关键帧。
6.根据权利要求1所述的基于视频处理的体貌特征测量方法,其特征在于:选择多个模拟人,重复S1至S7。
7.一种基于视频处理的体貌特征测量系统,其特征在于,包括:
读取模块,用于载入原始图像,读取图像信息;
处理模块,用于在原始图像中选取兴趣区域,记录该兴趣区域在原始图像中的像素位置,放大该兴趣区域,并采用基于边缘结构的超分辨率图像插值算法,对模糊边缘进行超分辨率还原;
描绘模块,用于描绘兴趣区域中待测量人员的轮廓;
监控模块,用于连接监控摄像头,获取实时监控视频,并调整实时监控视频,使其显示区域的像素位置与原始图像中兴趣区域的像素位置一致;
投射模拟模块,用于将描绘的轮廓投射到实时监控视频画面的显示区域上,并且在模拟人进行站位和姿势模拟时,生成模拟图像并保存;
标记测量模块,用于在原始图像取关键点生成原始标记测量线,在模拟图像取关键点生成模拟标记测量线;
计算模块,输入模拟人的体貌特征参数,根据模拟人的体貌特征参数与原始标记测量线的比值,计算待测量人员的体貌特征参数。
8.根据权利要求7所述的基于视频处理的体貌特征测量系统,其特征在于,还包括:
场景验证模块,用于对调整后实时监控视频显示区域的像素位置与原始图像中兴趣区域的像素位置进行比对验证。
9.根据权利要求7所述的基于视频处理的体貌特征测量系统,其特征在于,还包括:
姿态验证模块,用于对模拟人的站位和姿势进行验证。
10.根据权利要求7所述的基于视频处理的体貌特征测量系统,其特征在于,还包括:
成像模块,用于输出待测量人员体貌特征的成像模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811569544.4A CN109740458B (zh) | 2018-12-21 | 2018-12-21 | 一种基于视频处理的体貌特征测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811569544.4A CN109740458B (zh) | 2018-12-21 | 2018-12-21 | 一种基于视频处理的体貌特征测量方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740458A true CN109740458A (zh) | 2019-05-10 |
CN109740458B CN109740458B (zh) | 2021-07-16 |
Family
ID=66361046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811569544.4A Active CN109740458B (zh) | 2018-12-21 | 2018-12-21 | 一种基于视频处理的体貌特征测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740458B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110477921A (zh) * | 2019-08-15 | 2019-11-22 | 合肥工业大学 | 基于骨架折线Ridge回归的身高测量方法 |
CN114267220A (zh) * | 2021-12-27 | 2022-04-01 | 林华 | 一种外科手术教学模拟方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261017A (zh) * | 2015-10-14 | 2016-01-20 | 长春工业大学 | 基于路面约束的图像分割法提取行人感兴趣区域的方法 |
CN105286871A (zh) * | 2015-11-27 | 2016-02-03 | 西安交通大学 | 一种基于视频处理的人体身高测量方法 |
CN105913464A (zh) * | 2016-04-05 | 2016-08-31 | 中国科学院自动化研究所 | 一种基于视频的多人体目标在线测量方法 |
CN106056578A (zh) * | 2016-05-18 | 2016-10-26 | 强辉 | 利用视频精确估判人体身高体形的方法 |
CN106295657A (zh) * | 2016-08-04 | 2017-01-04 | 天津汉光祥云信息科技有限公司 | 一种视频数据结构化过程中提取人体高度特征的方法 |
CN108234932A (zh) * | 2016-12-21 | 2018-06-29 | 腾讯科技(深圳)有限公司 | 视频监控图像中的人员形态提取方法及装置 |
-
2018
- 2018-12-21 CN CN201811569544.4A patent/CN109740458B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261017A (zh) * | 2015-10-14 | 2016-01-20 | 长春工业大学 | 基于路面约束的图像分割法提取行人感兴趣区域的方法 |
CN105286871A (zh) * | 2015-11-27 | 2016-02-03 | 西安交通大学 | 一种基于视频处理的人体身高测量方法 |
CN105913464A (zh) * | 2016-04-05 | 2016-08-31 | 中国科学院自动化研究所 | 一种基于视频的多人体目标在线测量方法 |
CN106056578A (zh) * | 2016-05-18 | 2016-10-26 | 强辉 | 利用视频精确估判人体身高体形的方法 |
CN106295657A (zh) * | 2016-08-04 | 2017-01-04 | 天津汉光祥云信息科技有限公司 | 一种视频数据结构化过程中提取人体高度特征的方法 |
CN108234932A (zh) * | 2016-12-21 | 2018-06-29 | 腾讯科技(深圳)有限公司 | 视频监控图像中的人员形态提取方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110477921A (zh) * | 2019-08-15 | 2019-11-22 | 合肥工业大学 | 基于骨架折线Ridge回归的身高测量方法 |
CN114267220A (zh) * | 2021-12-27 | 2022-04-01 | 林华 | 一种外科手术教学模拟方法及系统 |
CN114267220B (zh) * | 2021-12-27 | 2024-01-26 | 林华 | 一种外科手术教学模拟方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109740458B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104700433B (zh) | 一种基于视觉的实时人体全身体运动捕捉方法及其系统 | |
Liu et al. | Tracking-based 3D human skeleton extraction from stereo video camera toward an on-site safety and ergonomic analysis | |
CN108475439B (zh) | 三维模型生成系统、三维模型生成方法和记录介质 | |
CN108376405B (zh) | 基于双体感追踪系统的人体运动捕捉系统及捕捉方法 | |
Bottino et al. | A silhouette based technique for the reconstruction of human movement | |
Choppin et al. | The potential of the Microsoft Kinect in sports analysis and biomechanics | |
CN106780619A (zh) | 一种基于Kinect深度相机的人体尺寸测量方法 | |
D'Apuzzo | Surface measurement and tracking of human body parts from multi-image video sequences | |
CN109508702A (zh) | 一种基于单一图像采集设备的三维人脸活体检测方法 | |
CN111012353A (zh) | 一种基于人脸关键点识别的身高检测方法 | |
CN112016497A (zh) | 基于人工智能的单视角太极拳动作分析及考核系统 | |
CN112330813A (zh) | 一种基于单目深度摄像头的着装下三维人体模型重建方法 | |
CN109949900B (zh) | 三维脉波的显示方法、装置、计算机设备及存储介质 | |
CN113449570A (zh) | 图像处理方法和装置 | |
Kaashki et al. | Deep learning-based automated extraction of anthropometric measurements from a single 3-D scan | |
Thang et al. | Estimation of 3-D human body posture via co-registration of 3-D human model and sequential stereo information | |
CN110477921B (zh) | 基于骨架折线Ridge回归的身高测量方法 | |
CN109740458A (zh) | 一种基于视频处理的体貌特征测量方法及系统 | |
CN104732586A (zh) | 一种三维人体动态形体和三维运动光流快速重建方法 | |
WO2022003963A1 (ja) | データ生成方法、データ生成プログラムおよび情報処理装置 | |
CN116740618A (zh) | 一种运动视频动作评估方法、系统、计算机设备及介质 | |
CN113487726B (zh) | 动作捕捉系统和方法 | |
Bottino et al. | Toward non-intrusive motion capture | |
Liu et al. | New anti-blur and illumination-robust combined invariant for stereo vision in human belly reconstruction | |
Zhang et al. | Motion damage attitude acquisition based on three-dimensional image analysis |
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 | ||
CB02 | Change of applicant information |
Address after: 230088 Room 01, 16th Floor, Block A, J1 Building, Phase II Innovation Industrial Park, Hefei High-tech Zone, Anhui Province Applicant after: Anhui Zhihengxin Technology Co., Ltd. Address before: 230088 Room 01, 16th Floor, Block A, J1 Building, Phase II Innovation Industrial Park, Hefei High-tech Zone, Anhui Province Applicant before: Anhui wisdom Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |