CN109875562A - 一种基于体感设备多视觉分析的人体体型监测系统 - Google Patents
一种基于体感设备多视觉分析的人体体型监测系统 Download PDFInfo
- Publication number
- CN109875562A CN109875562A CN201811574556.6A CN201811574556A CN109875562A CN 109875562 A CN109875562 A CN 109875562A CN 201811574556 A CN201811574556 A CN 201811574556A CN 109875562 A CN109875562 A CN 109875562A
- Authority
- CN
- China
- Prior art keywords
- person
- human body
- body type
- tested
- point cloud
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 230000003238 somatosensory effect Effects 0.000 title claims abstract description 18
- 238000012544 monitoring process Methods 0.000 title claims description 22
- 230000000007 visual effect Effects 0.000 title abstract 2
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000037237 body shape Effects 0.000 claims abstract description 15
- 235000005911 diet Nutrition 0.000 claims abstract description 13
- 230000037213 diet Effects 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 8
- 230000007774 longterm Effects 0.000 claims abstract description 5
- 238000013500 data storage Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 19
- 235000006694 eating habits Nutrition 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 6
- 235000014443 Pyrus communis Nutrition 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 abstract description 16
- 230000008859 change Effects 0.000 abstract description 7
- 238000012360 testing method Methods 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000011534 incubation Methods 0.000 abstract 1
- 235000013305 food Nutrition 0.000 description 7
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- 210000000577 adipose tissue Anatomy 0.000 description 5
- 235000012055 fruits and vegetables Nutrition 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 210000003205 muscle Anatomy 0.000 description 4
- 208000008589 Obesity Diseases 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- 206010033307 Overweight Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000004800 psychological effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于体感设备多视觉分析的人体体型监测系统，不仅用于体型的检测，还可以监测人体体型参数，生成测试人员的体型参数变化曲线，通过长期跟踪被测者身体体型的变化特征，提出更加个性化和针对性的饮食运动建议。本发明采用基于体感设备的多视觉协同分析方式进行体型测试，通过人体正面侧面安装两个体感设备感应器分别获取人体深度数据，滤波拼接得到人体点云模型，再经过滤波、三维重建等算法进行人体模型的三维建模，同时获取人体体型参数，根据该结果、被测人性别年龄等参数结合进行人体体型分析，并给出相关体型改进意见，有助于人们健康生活方式的育成。
Description
技术领域
本发明涉及计算机视觉和健康管理技术领域，尤其是一种基于体感设备多视觉分析的人体体型监测系统。
背景技术
肥胖和超重从20世纪70年代开始流行于发达国家的学龄儿童，大部分国家的儿童和青少年肥胖检出率均呈现不断上升趋势。肥胖严重影响着儿童和青少年的身心健康，可导致儿童和青少年睡眠呼吸障碍、哮喘，影响学习和记忆功能，也容易造成个体自卑、抑郁等不良心理影响，甚至还会给儿童和青少年带来高血压、糖尿病等原本只出现在成人身上的疾病。可见，儿童和青少年的体型监测问题具有十分重要的社会意义。
研究表明，体型健康与一些慢性病紧密相关，其中腰围，臀围、胸围、BMI指数、体脂率、大腿围、颈围等都被认为与人体健康有关。比较受公众认可的身体体型健康判定标准主要包括：BMI指数(身体质量指数)、体脂率和体型。其中BMI指数是最为简单粗略的评估方法，已普遍用于衡量中小学和大学学生的体型体重水平，但这种方法忽视了肌肉的重量是脂肪的四倍，有调查显示肌肉较多的人例如足球运动员也可能被认为超重。近几年在很多健身房、医院和社区已使用体脂秤测量身体脂肪肌肉及骨骼含量，但获取的是身体总体的脂肪肌肉等含量，无法获取具体的三维长度信息，对人体体型健康的评估是不全面的。
发明内容
为了克服上述现有技术中的缺陷，本发明提供一种基于体感设备多视觉分析的人体体型监测系统，不仅实现了体型检测的功能，还实现了人体体型参数监测的功能，且生成测试人员的体型参数的变化曲线，通过长期跟踪被测者身体体型的变化特征，提出更加个性化和针对性的饮食运动建议；本发明可作为中小学和大学学生的体检时的体型测量及管理的工具，便于进行青少年体型测量和体型健康评估，给出评估结果和体型优化建议。
为实现上述目的，本发明采用以下技术方案，包括：
一种基于体感设备多视觉分析的人体体型监测系统，所述人体体型监测系统包括：用户管理单元、体型检测单元、数据处理单元、数据存储单元、体型分析单元、显示器；其中，
所述用户管理单元用于注册或登陆待测人员的账户及密码；
所述体型检测单元包括：第一体感设备、第二体感设备、人体感应区；
所述第一体感设备和所述第二体感设备分别位于所述人体感应区的不同方位向上，且方位向的夹角为90°；所述第一体感设备到所述人体感应区之间的距离与所述第二体感设备到所述人体感应区之间的距离保持一致；待测人员站立在所述人体感应区上时，待测人员的正面对准所述第一体感设备，待测人员的侧面对准所述第二体感设备；
所述第一体感设备获取待测人员的正面深度图像，且与此同时，所述第二体感设备获取待测人员的侧面深度图像；
所述体型检测单元将待测人员的正面深度图像和侧面深度图像均发送至所述数据处理单元；
所述数据处理单元根据待测人员的正面深度图像和侧面深度图像得到人体点云模型，并根据该人体点云模型得到人体体型参数；所述数据处理单元将人体体型参数分别发送至所述体型分析单元和所述数据存储单元；所述数据处理单元还将人体点云模型和人体体型参数发送至所述显示器；
所述数据存储单元用于存储该待测人员的人体体型参数，并对该待测人员长期以来的人体体型参数按时间顺序进行存储；
所述体型分析单元对人体体型参数进行分析，并得到该待测人员的体型特征；所述体型分析单元根据所述数据存储单元所存储的该待测人员长期以来的人体体型参数生成跟踪曲线；所述体型分析单元将该待测人员的体型特征、跟踪曲线分别发送至所述显示器；
所述显示器用于显示该待测人员的人体点云模型、人体体型参数、体型特征、跟踪曲线。
所述数据存储单元为每个账户即每个待测人员均划分出一个独立的存储空间，专门用于存储该待测人员长期以来的人体体型参数；当待测人员通过所述用户管理单元登陆账号时，所述数据存储单元则根据该账户找出对应的存储空间；当待测人员通过所述用户管理单元注册账号时，所述数据存储单元则直接为该账户划分出一个对应的存储空间；所述数据存储单元采用一个单独的服务器。
待测人员通过所述用户管理单元注册账户及密码时，需填写年龄、性别、饮食习惯、运动水平；且所述数据存储单元还对该待测人员的年龄、性别、饮食习惯、运动水平进行存储，存储至该待测人员的账户所对应的存储空间。
所述数据处理单元的处理方式，包括以下具体步骤：
S1，先分别对正面深度图像的深度数据和侧面深度图像的深度数据进行数据转换，分别转换为正面点云数据和侧面点云数据；
S2，分别对正面点云数据和侧面点云数据进行点云滤波，以去除杂点；
S3，分别对滤波后的正面点云数据和侧面点云数据进行坐标转换，基于该坐标转换对正面点云数据和侧面点云数据进行点云粗配准和融合，得到人体点云模型，并根据该人体点云模型得到人体体型参数。
所述人体体型参数包括：肩宽、胸围、腰围、臀围、臂长、腿长、身高。
所述体型特征包括：苹果型、H型、梨形、沙漏型、V型；
所述体型分析单元采用预先设定阈值的方式对待测人员的人体体型参数进行分析，判断待测人员的体型特征；
所述体型分析单元的分析方式为：根据待测人员的腰围和臀围的比值即腰臀比，并结合胸围、肩宽、腰围、臀围判断该待测人员的体型特征的所属类型。
所述体型分析单元还根据该待测人员的体型特征对待测人员提供饮食建议和运动建议。
所述体型分析单元还根据该待测人员的跟踪曲线对待测人员提供个性化意见；所述个性化意见是将所述跟踪曲线与该待测人员在注册账户时所填写的填写年龄、性别、饮食习惯、运动水平相结合后进行综合分析所得。
所述体型分析单元还将该待测人员的饮食建议、运动建议、个性化意见发送至所述显示器，且所述显示器上还显示该待测人员的饮食建议、运动建议、个性化意见。
本发明的优点在于：
(1)本发明不仅用于体型的检测，还可以用于监测体型数据，生成测试者体型变化曲线，通过长期跟踪被测者身体体型变化特征，提出更加个性化和针对性的饮食运动建议，有助于人们健康生活方式的育成。
(2)本发明的人体点云模型的重建和场景化测试采用Unity3D搭建场景，将重建的人体点云模型融入其中，增强用户体验感。
(3)本发明先已知待测人员的相关数据即年龄、性别、饮食习惯、运动水平，再根据本发明的体型检测结果，二者相互结合以提供相对应的运动建议和饮食建议。
(4)本发明采用单独的服务器作为数据存储单元，且数据存储单元为每个账户均划分单独的存储空间，有利于对人员体型参数的管理。
附图说明
图1为本发明的一种基于体感设备多视觉分析的人体体型监测系统的整体架构图。
图2为本发明的一种基于体感设备多视觉分析的人体体型监测系统的体型检测示意图。
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做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。
由图1所示，一种基于体感设备多视觉分析的人体体型监测系统，所述人体体型监测系统包括：用户管理单元1、体型检测单元2、数据处理单元3、数据存储单元4、体型分析单元5、显示器6。其中，
所述用户管理单元1用于注册或登陆待测人员的账户及密码。
其中，由于不同的体型特征与年龄、性别、身体代谢水平、运动水平、饮食习惯、生长发育水平甚至遗传与地理环境因素等都有较强的相关性，本实施例中不考虑先天不可抗因素，仅考虑比较重要的影响因素，如运动水平、身体代谢、饮食习惯等。因此，当待测人员通过所述用户管理单元1注册账户及密码时，需填写年龄、性别、饮食习惯、运动水平。本发明先已知待测人员的相关数据即年龄、性别、饮食习惯、运动水平，再根据本发明的体型检测结果，二者相互结合以提供相对应的运动建议和饮食建议。
由图2所示，所述体型检测单元2包括：第一体感设备21、第二体感设备22、人体感应区23。
所述第一体感设备21和所述第二体感设备22分别位于所述人体感应区的不同方位向上，且方位向的夹角为90°；所述第一体感设备21到所述人体感应区23之间的距离与所述第二体感设备22到所述人体感应区23之间的距离保持一致；待测人员站立在所述人体感应区23上时，待测人员的正面对准所述第一体感设备21，待测人员的侧面对准所述第二体感设备22。
所述第一体感设备21获取待测人员的正面深度图像，与此同时，所述第二体感设备22获取待测人员的侧面深度图像。所述深度图像是一种普遍的三维场景信息的表达方式，深度图像的每个像素点的灰度值均可用于表征场景中某一点距离摄像机的远近。本实施例中，所述第一体感设备21和所述第二体感设备22均采用Kinect V2相机。
所述体型检测单元2将待测人员的正面深度图像和侧面深度图像均发送至所述数据处理单元3。
所述数据处理单元3根据待测人员的正面深度图像和侧面深度图像得到人体点云模型，并根据该人体点云模型得到人体体型参数；所述数据处理单元3将人体体型参数分别发送至所述体型分析单元5和所述数据存储单元4；所述数据处理单元还将人体点云模型和人体体型参数发送至所述显示器6。
所述数据处理单元3的处理方式，包括以下具体步骤：
S1，先分别对正面深度图像的深度数据和侧面深度图像的深度数据进行数据转换，分别转换为正面点云数据和侧面点云数据；
S2，分别对正面点云数据和侧面点云数据进行点云滤波，以去除杂点；
S3，分别对滤波后的正面点云数据和侧面点云数据进行坐标转换，基于该坐标转换对正面点云数据和侧面点云数据进行点云粗配准和融合，得到人体点云模型，并根据该人体点云模型得到人体体型参数；所述粗配准采用通用性较好的4PC算法；所述人体体型参数包括：肩宽、胸围、腰围、臀围、臂长、腿长、身高。
本发明中，人体点云模型的重建和场景化测试采用Unity3D搭建场景，将重建的人体点云模型融入其中，增强用户体验感；且三维的人体点云模型建立具体可参见现有技术。
所述数据存储单元4用于存储该待测人员的人体体型参数；且所述数据存储单元4为每个账户即每个待测人员均划分出一个独立的存储空间，专门用于存储该待测人员长期以来的人体体型参数，并对该待测人员长期以来的所储存的人体体型参数按时间顺序进行存储；所述数据存储单元4还对该待测人员的年龄、性别、饮食习惯、运动水平进行存储，存储至该待测人员的账户所对应的存储空间。本实施例中，数据存储单元4采用一个专门的服务器来存储数据。
当待测人员通过所述用户管理单元1登陆账号时，所述数据存储单元4则根据该账户找出对应的存储空间；当待测人员通过所述用户管理单元1注册账号时，所述数据存储单元4则直接为该账户划分出一个对应的存储空间。
所述体型分析单元5对人体体型参数进行分析，并得到该待测人员的体型特征；所述体型特征包括：苹果型、H型、梨形、沙漏型、V型；
所述体型分析单元5采用预先设定阈值的方式对待测人员的人体体型参数进行分析，判断待测人员的体型特征；所述体型分析单元5的分析方式为：根据待测人员的腰围和臀围的比值即腰臀比，并结合胸围、肩宽、腰围、臀围判断该待测人员的体型特征的所属类型；其中，
若该待测人员的胸围>85cm，且腰臀比<＝0.85，且腰围>＝75cm，则该待测人员的体型特征为梨形；
若该待测人员的胸围>85cm，且腰臀比>0.85，则该待测人员的体型特征为苹果型；
若该待测人员的胸围<＝85cm，且|肩宽-臀宽|<3cm，且腰臀比>0.85，则该待测人员的体型特征为H型；
若该待测人员的胸围>85cm，|肩宽-臀宽|<3cm，且腰臀比<＝0.85cm，则该待测人员的体型特征为沙漏型；
若该待测人员的肩宽>臀宽，且腰臀比>0.85cm，则该待测人员的体型特征为V型；
所述体型分析单元5根据该待测人员的体型特征对待测人员提供健康意见，包括饮食建议和运动建议；其中，
若体型特征为梨形时，则健康意见为：多运动，多吃水果蔬菜粗粮，少吃富含脂肪、胆固醇的食物；
若体型特征为H形时，则健康意见为：少坐多站，多摄入水果蔬菜粗粮等，少摄入高脂肪、高胆固醇食物；
若体型特征为沙漏形时，则健康意见为：生活状态很好，请继续保持；
若体型特征为V形时，则健康意见为：少坐多站，饮食多摄入水果蔬菜粗粮等，少摄入高脂肪、高胆固醇食物；
若体型特征为苹果形时，则健康意见为：少坐多站，饮食多摄入水果蔬菜粗粮等，少摄入高脂肪、高胆固醇食物。
所述体型分析单元5还根据所述数据存储单元4所存储的该待测人员长期以来的所储存的人体体型参数生成跟踪曲线；所述体型分析单元根据该待测人员的跟踪曲线对待测人员提供个性化意见；
所述体型分析单元5将该待测人员的体型特征、跟踪曲线、健康意见分别发送至所述显示器6。
所述显示器6用于显示该待测人员的人体点云模型、人体体型参数、体型特征、跟踪曲线、健康意见、个性化意见。
本发明不仅用于体型的检测，还可以监测人体体型参数，生成测试人员的体型参数变化曲线，通过长期跟踪被测者身体体型的变化特征，提出更加个性化和针对性的饮食运动建议；本发明采用基于体感设备的多视觉协同分析方式进行体型测试，通过人体正面侧面安装两个体感设备感应器分别获取人体深度数据，滤波拼接得到人体点云模型，再经过滤波、三维重建等算法进行人体模型的三维建模，同时获取人体体型参数，根据该结果、被测人性别年龄等参数结合进行人体体型分析，并给出相关体型改进意见，有助于人们健康生活方式的育成；其中，多体感设备感应器的深度数据融合方法是利用不同方位安装的体感设备感应器获取多视觉人体深度数据，通过相关算法进行人体点云模型的滤波拼接，进而进行人体体型模型建模和人体体型参数参数的计算。
本发明的一种基于体感设备多视觉分析的人体体型监测系统，可以作为中小学和大学学生的体检时的体型测量及管理的工具，便于进行青少年体型测量和体型健康评估，给出评估结果和体型优化建议。
以上仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。
Claims (9)
1.一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述人体体型监测系统包括：用户管理单元(1)、体型检测单元(2)、数据处理单元(3)、数据存储单元(4)、体型分析单元(5)、显示器(6)；其中，
所述用户管理单元(1)用于注册或登陆待测人员的账户及密码；
所述体型检测单元(2)包括：第一体感设备(21)、第二体感设备(22)、人体感应区(23)；
所述第一体感设备(21)和所述第二体感设备(22)分别位于所述人体感应区(23)的不同方位向上，且方位向的夹角为90°；所述第一体感设备(21)到所述人体感应区(23)之间的距离与所述第二体感设备(22)到所述人体感应区(23)之间的距离保持一致；待测人员站立在所述人体感应区(23)上时，待测人员的正面对准所述第一体感设备(21)，待测人员的侧面对准所述第二体感设备(22)；
所述第一体感设备(21)获取待测人员的正面深度图像，且与此同时，所述第二体感设备(22)获取待测人员的侧面深度图像；
所述体型检测单元(2)将待测人员的正面深度图像和侧面深度图像均发送至所述数据处理单元(3)；
所述数据处理单元(3)根据待测人员的正面深度图像和侧面深度图像得到人体点云模型，并根据该人体点云模型得到人体体型参数；所述数据处理单元(3)将人体体型参数分别发送至所述体型分析单元(5)和所述数据存储单元(4)；所述数据处理单元(3)还将人体点云模型和人体体型参数发送至所述显示器(6)；
所述数据存储单元(4)用于存储该待测人员的人体体型参数，并对该待测人员长期以来的人体体型参数按时间顺序进行存储；
所述体型分析单元(5)对人体体型参数进行分析，并得到该待测人员的体型特征；所述体型分析单元(5)根据所述数据存储单元(4)所存储的该待测人员长期以来的人体体型参数生成跟踪曲线；所述体型分析单元(5)将该待测人员的体型特征、跟踪曲线分别发送至所述显示器(6)；
所述显示器(6)用于显示该待测人员的人体点云模型、人体体型参数、体型特征、跟踪曲线。
2.根据权利要求1所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述数据存储单元(4)为每个账户即每个待测人员均划分出一个独立的存储空间，专门用于存储该待测人员长期以来的人体体型参数；当待测人员通过所述用户管理单元(1)登陆账号时，所述数据存储单元(4)则根据该账户找出对应的存储空间；当待测人员通过所述用户管理单元(1)注册账号时，所述数据存储单元(4)则直接为该账户划分出一个对应的存储空间；所述数据存储单元(4)采用一个单独的服务器。
3.根据权利要求2所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，待测人员通过所述用户管理单元(1)注册账户及密码时，需填写年龄、性别、饮食习惯、运动水平；且所述数据存储单元(4)还对该待测人员的年龄、性别、饮食习惯、运动水平进行存储，存储至该待测人员的账户所对应的存储空间。
4.根据权利要求1所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述数据处理单元(3)的处理方式，包括以下具体步骤：
S1，先分别对正面深度图像的深度数据和侧面深度图像的深度数据进行数据转换，分别转换为正面点云数据和侧面点云数据；
S2，分别对正面点云数据和侧面点云数据进行点云滤波，以去除杂点；
S3，分别对滤波后的正面点云数据和侧面点云数据进行坐标转换，基于该坐标转换对正面点云数据和侧面点云数据进行点云粗配准和融合，得到人体点云模型，并根据该人体点云模型得到人体体型参数。
5.根据权利要求1所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述人体体型参数包括：肩宽、胸围、腰围、臀围、臂长、腿长、身高。
6.根据权利要求5所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述体型特征包括：苹果型、H型、梨形、沙漏型、V型；
所述体型分析单元(5)采用预先设定阈值的方式对待测人员的人体体型参数进行分析，判断待测人员的体型特征；
所述体型分析单元(5)的分析方式为：根据待测人员的腰围和臀围的比值即腰臀比，并结合胸围、肩宽、腰围、臀围判断该待测人员的体型特征的所属类型。
7.根据权利要求1所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述体型分析单元(5)还根据该待测人员的体型特征对待测人员提供饮食建议和运动建议。
8.根据权利要求1所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述体型分析单元(5)还根据该待测人员的跟踪曲线对待测人员提供个性化意见；所述个性化意见是将所述跟踪曲线与该待测人员在注册账户时所填写的填写年龄、性别、饮食习惯、运动水平相结合后进行综合分析所得。
9.根据权利要求7或8所述的一种基于体感设备多视觉分析的人体体型监测系统，其特征在于，所述体型分析单元(5)还将该待测人员的饮食建议、运动建议、个性化意见发送至所述显示器(6)，且所述显示器(6)上还显示该待测人员的饮食建议、运动建议、个性化意见。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574556.6A CN109875562A (zh) | 2018-12-21 | 2018-12-21 | 一种基于体感设备多视觉分析的人体体型监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811574556.6A CN109875562A (zh) | 2018-12-21 | 2018-12-21 | 一种基于体感设备多视觉分析的人体体型监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109875562A true CN109875562A (zh) | 2019-06-14 |
Family
ID=66925070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811574556.6A Pending CN109875562A (zh) | 2018-12-21 | 2018-12-21 | 一种基于体感设备多视觉分析的人体体型监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109875562A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113299368A (zh) * | 2021-05-20 | 2021-08-24 | 中国农业大学 | 一种辅助群体健康饮食的系统以及方法 |
| CN113628233A (zh) * | 2021-08-02 | 2021-11-09 | 嘉兴九全科技服务有限公司 | 基于互联网的体型管理方法、装置、设备及存储介质 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279987A (zh) * | 2013-06-18 | 2013-09-04 | 厦门理工学院 | 基于Kinect的物体快速三维建模方法 |
| CN203616780U (zh) * | 2013-11-08 | 2014-05-28 | 杭州电子科技大学 | 一种人体三维扫描重建装置 |
| CN104732585A (zh) * | 2015-03-23 | 2015-06-24 | 腾讯科技（深圳）有限公司 | 一种人体体型重构的方法及装置 |
| CN104933734A (zh) * | 2015-06-26 | 2015-09-23 | 西安理工大学 | 一种基于多kinect的人体姿态数据融合方法 |
| CN105468912A (zh) * | 2015-11-26 | 2016-04-06 | 四川长虹电器股份有限公司 | 基于图像和语音识别的饮食健康管理系统 |
| CN105513128A (zh) * | 2016-01-13 | 2016-04-20 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于Kinect的三维数据融合处理方法 |
| CN105740450A (zh) * | 2016-02-03 | 2016-07-06 | 浙江大学 | 一种基于多台Kinect的3D人体姿态数据库构建方法 |
| CN106503664A (zh) * | 2016-10-26 | 2017-03-15 | 北京邮电大学 | 一种用户体型评估方法及装置 |
| CN106652291A (zh) * | 2016-12-09 | 2017-05-10 | 华南理工大学 | 一种基于Kinect的室内简易监控报警系统及方法 |
| CN106846461A (zh) * | 2016-12-30 | 2017-06-13 | 西安交通大学 | 一种人体三维扫描方法 |
| CN106952335A (zh) * | 2017-02-14 | 2017-07-14 | 深圳奥比中光科技有限公司 | 建立人体模型库的方法及其系统 |
| CN107341844A (zh) * | 2017-06-21 | 2017-11-10 | 上海大学 | 一种基于多Kinect的实时三维人体绘制方法 |
| CN107545598A (zh) * | 2017-07-31 | 2018-01-05 | 深圳市蒜泥科技有限公司 | 一种人体三维模型合成及身体数据获取方法 |
| CN107591199A (zh) * | 2017-08-09 | 2018-01-16 | 广东欧珀移动通信有限公司 | 信息推送方法及其装置 |
| CN107633518A (zh) * | 2017-09-26 | 2018-01-26 | 南昌航空大学 | 一种基于Kinect的产品外形检测方法 |
| CN107767442A (zh) * | 2017-10-16 | 2018-03-06 | 浙江工业大学 | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 |
| CN107851323A (zh) * | 2015-05-13 | 2018-03-27 | 无装饰实验室奥地利股份有限公司 | 3d身体扫描仪数据处理流程 |
| CN207164768U (zh) * | 2017-07-20 | 2018-03-30 | 真玫智能科技（深圳）有限公司 | 一种人体三维数据采集装置 |
-
2018
- 2018-12-21 CN CN201811574556.6A patent/CN109875562A/zh active Pending
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279987A (zh) * | 2013-06-18 | 2013-09-04 | 厦门理工学院 | 基于Kinect的物体快速三维建模方法 |
| CN203616780U (zh) * | 2013-11-08 | 2014-05-28 | 杭州电子科技大学 | 一种人体三维扫描重建装置 |
| CN104732585A (zh) * | 2015-03-23 | 2015-06-24 | 腾讯科技（深圳）有限公司 | 一种人体体型重构的方法及装置 |
| CN107851323A (zh) * | 2015-05-13 | 2018-03-27 | 无装饰实验室奥地利股份有限公司 | 3d身体扫描仪数据处理流程 |
| CN104933734A (zh) * | 2015-06-26 | 2015-09-23 | 西安理工大学 | 一种基于多kinect的人体姿态数据融合方法 |
| CN105468912A (zh) * | 2015-11-26 | 2016-04-06 | 四川长虹电器股份有限公司 | 基于图像和语音识别的饮食健康管理系统 |
| CN105513128A (zh) * | 2016-01-13 | 2016-04-20 | 中国空气动力研究与发展中心低速空气动力研究所 | 基于Kinect的三维数据融合处理方法 |
| CN105740450A (zh) * | 2016-02-03 | 2016-07-06 | 浙江大学 | 一种基于多台Kinect的3D人体姿态数据库构建方法 |
| CN106503664A (zh) * | 2016-10-26 | 2017-03-15 | 北京邮电大学 | 一种用户体型评估方法及装置 |
| CN106652291A (zh) * | 2016-12-09 | 2017-05-10 | 华南理工大学 | 一种基于Kinect的室内简易监控报警系统及方法 |
| CN106846461A (zh) * | 2016-12-30 | 2017-06-13 | 西安交通大学 | 一种人体三维扫描方法 |
| CN106952335A (zh) * | 2017-02-14 | 2017-07-14 | 深圳奥比中光科技有限公司 | 建立人体模型库的方法及其系统 |
| CN107341844A (zh) * | 2017-06-21 | 2017-11-10 | 上海大学 | 一种基于多Kinect的实时三维人体绘制方法 |
| CN207164768U (zh) * | 2017-07-20 | 2018-03-30 | 真玫智能科技（深圳）有限公司 | 一种人体三维数据采集装置 |
| CN107545598A (zh) * | 2017-07-31 | 2018-01-05 | 深圳市蒜泥科技有限公司 | 一种人体三维模型合成及身体数据获取方法 |
| CN107591199A (zh) * | 2017-08-09 | 2018-01-16 | 广东欧珀移动通信有限公司 | 信息推送方法及其装置 |
| CN107633518A (zh) * | 2017-09-26 | 2018-01-26 | 南昌航空大学 | 一种基于Kinect的产品外形检测方法 |
| CN107767442A (zh) * | 2017-10-16 | 2018-03-06 | 浙江工业大学 | 一种基于Kinect和双目视觉的脚型三维重建与测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| 邓南山: "基于Kinect的室内空间三维场景建模进度分析", 《第九届京港澳测绘地理信息技术交流会论文集 大数据时代的智慧城市建设与发展》 * |
| 陈兴等: "采用两台Kinect相机的三维人体数字化", 《电脑知识与技术》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113299368A (zh) * | 2021-05-20 | 2021-08-24 | 中国农业大学 | 一种辅助群体健康饮食的系统以及方法 |
| CN113628233A (zh) * | 2021-08-02 | 2021-11-09 | 嘉兴九全科技服务有限公司 | 基于互联网的体型管理方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pourahmadi et al. | A new iPhone application for measuring active craniocervical range of motion in patients with non-specific neck pain: a reliability and validity study | |
| Sasaki et al. | Measurement of physical activity using accelerometers | |
| CN109637625B (zh) | 自学习式健身计划生成系统 | |
| US20100114499A1 (en) | System and method for processing raw activity energy expenditure data | |
| US20110243392A1 (en) | Information processing apparatus, information outputting method and computer program storage device | |
| MX2013007965A (es) | Sistema posturografico utilizando una plataforma de balance. | |
| CN104217095A (zh) | 人体健康功能状态评估模型 | |
| Lowes et al. | Proof of concept of the ability of the kinect to quantify upper extremity function in dystrophinopathy | |
| CN104699928A (zh) | 3-15岁体质发育评估模型 | |
| TWI541737B (zh) | 攝入量分析系統及其方法 | |
| CN104083174A (zh) | 运动能力评估模型 | |
| CN113951879B (zh) | 血糖预测方法和装置、监测血糖水平的系统 | |
| Rantalainen et al. | Concurrent validity and reliability of torso-worn inertial measurement unit for jump power and height estimation | |
| CN109528201A (zh) | 一种平衡能力检测方法 | |
| Zakeri et al. | Multivariate adaptive regression splines models for the prediction of energy expenditure in children and adolescents | |
| Hussey et al. | The measurement of physical activity in children | |
| CN109875562A (zh) | 一种基于体感设备多视觉分析的人体体型监测系统 | |
| CN105534500A (zh) | 一种整合生理参数监测的平衡功能测评装置及方法 | |
| Dafkin et al. | The accuracy of subjective clinical assessments of the patellar reflex | |
| Akhtar et al. | Eating Habits and Nutritional Status of Female Students of a Medical College of Lahore. | |
| CN110634543A (zh) | 一种减脂管理平台及其实现方法 | |
| CN215741734U (zh) | 一种评定有氧锻炼的运动强度的可穿戴设备及系统 | |
| Honorato et al. | Regional phase angle, not whole-body, is augmented in response to pre-season in professional soccer players | |
| Cleland et al. | Combined associations of sitting time and physical activity with obesity in young adults | |
| CN107242853A (zh) | 腰部活动风险评估和监测设备 |
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: 20190614 |
|
| RJ01 | Rejection of invention patent application after publication |