CN110135443A - 一种基于机器学习的人体三维尺寸预测方法 - Google Patents
一种基于机器学习的人体三维尺寸预测方法 Download PDFInfo
- Publication number
- CN110135443A CN110135443A CN201910450077.1A CN201910450077A CN110135443A CN 110135443 A CN110135443 A CN 110135443A CN 201910450077 A CN201910450077 A CN 201910450077A CN 110135443 A CN110135443 A CN 110135443A
- Authority
- CN
- China
- Prior art keywords
- human body
- machine learning
- image
- dimensional
- measured
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于机器学习的人体三维尺寸预测方法,所述方法包括训练阶段与应用阶段两个阶段;训练阶段包括如下步骤:搜集人体基本信息参数,拍摄人体正面、侧面图像,确定待测三维尺寸位置;获得该位置的正面长度、侧面长度,进行机器学习,建立机器学习模型。应用阶段包括以下步骤:获取人体信息;拍摄人体正面、侧面图像;确定待测人体的测量位置,获得该位置的正面长度、侧面长度;选择最佳机器学习模型预测出人体的三维尺寸数据。本发明解决智能终端非接触式测量应用中,对人体三维尺寸、物体三维尺寸无法精确测量的问题,满足服装定制等高精度测量应用需求。
Description
技术领域
本发明涉及一种基于机器学习的人体三维尺寸预测方法,属于采用智能终端进行测量技术领域。
背景技术
随着智能手机、平板电脑等智能终端的普及,基于智能终端拍摄图像、视频进行人体身高测量、物体尺寸测量相关的技术不断发展。
例如一种智能身高测试仪(申请号:CN 10387677.9)、一种利用手机照相功能测量物体平面尺寸的方法(申请号:CN201510521937.8)等专利提出了针对人体身高、物体平面尺寸等一维长度或物体平面尺寸测量的方法。
然而,上述基于智能终端的尺寸测量方法,只能测量一维长度或平面尺寸,无法满足服装定制、健康健身、安全监测等领域所需人体三维(胸围、腰围、臀围)、物体三维尺寸测量的需求,有必要提出人体或物体三维尺寸测量的技术方法。
本发明针对传统智能终端拍摄图像测量方法,无法解决人体三维、物体三维尺寸测量的问题,提出一种基于机器学习的人体或物体三维尺寸预测方法。
发明内容
针对传统智能终端拍摄图像测量方法,无法解决人体、物体三维尺寸测量的问题,本发明的目的在于提出一种基于机器学习的人体或物体三维尺寸预测方法。
本发明的技术方案如下:
本发明所述一种基于分级的人体轮廓及关键点识别方法,包括以下步骤:分为训练与应用两个阶段;
一种基于机器学习的人体三维尺寸预测方法,其特征在于,所述方法基于分级的人体轮廓及关键点识别技术,包括关键点识别与测量、关键部位识别与测量等两部分;所述方法包括训练阶段与应用阶段两个阶段;
训练阶段包括如下步骤:
步骤S110:搜集用户年龄、地域、性别、体型、衣着尺码等基本信息参数,建立人体参数据库;
步骤S120:基于智能终端拍摄人体正面、侧面图像,建立人体图像数据库;
步骤S130:根据人体正面、侧面拍摄图像,通过交互式确认或经验模型确认,确定待测三维尺寸位置;交互式确认是通过图像拍摄者在图像中手动操控测试基准线,指定待测量目标位置;经验模型确认是通过人体或物体特定位置的经验公式或常见位置,确定待测目标位置;
步骤S140:根据步骤S130中确定的测量位置,获得该位置的正面长度、侧面长度;
步骤S150:以测量的正面长度、侧面长度作为输入,以及步骤S110中获取的参数信息,以待测位置的三维尺寸预测值作为输出,进行机器学习,建立机器学习模型;利用人体参数据库和人体图像数据库,进行多次机器学习,建立多个机器学习模型,形成机器学习模型库。
应用阶段包括以下步骤:
步骤S210:获取被测用户的年龄、性别、地域等人物画像信息;
步骤S220:利用智能终端拍摄人体正面、侧面图像;
步骤S230:根据人体正面、侧面拍摄图像,通过交互式确认或经验模型确认,确定待测人体的测量位置,获得该位置的正面长度、侧面长度;
步骤S240:基于步骤S210用户个人信息,以及步骤S220基于智能终端的正面、侧向拍摄图像、S230中测量的正面、侧面尺寸,代入不同的机器学习模型中,选择最佳机器学习模型预测出人体的三维尺寸数据。
本发明与现有技术相比,优点在于:
本发明可解决智能终端非接触式测量应用中,对人体三维尺寸、物体三维尺寸无法精确测量的问题,满足服装定制等高精度测量应用需求。
附图说明
图1本发明训练阶段基本流程
图2本发明应用阶段基本流程
具体实施方式
下面结合附图对本发明的实施方式作详细说明。本发明所述一种基于分级的人体轮廓及关键点识别方法,分为训练与应用两个阶段;
如图1所示,训练阶段包括如下步骤:
步骤S110:搜集用户年龄、地域、性别、体型、衣着尺码等基本信息参数,建立人体参数据库;
步骤S120:基于智能终端拍摄人体正面、侧面图像,建立人体图像数据库;
步骤S130:根据人体正面、侧面拍摄图像,通过交互式确认或经验模型确认,确定待测三维尺寸位置;交互式确认是通过图像拍摄者在图像中手动操控测试基准线,指定待测量目标位置;经验模型确认是通过人体或物体特定位置的经验公式或常见位置,确定待测目标位置;
步骤S140:根据步骤S130中确定的测量位置,获得该位置的正面长度、侧面长度;
步骤S150:以测量的正面长度、侧面长度作为输入,以及步骤S110中获取的参数信息,以待测位置的三维尺寸预测值作为输出,进行机器学习,建立机器学习模型;利用人体参数据库和人体图像数据库,进行多次机器学习,建立多个机器学习模型,形成机器学习模型库。
如图2所示,应用阶段包括以下步骤:
步骤S210:获取被测用户的年龄、性别、地域等人物画像信息;
步骤S220:利用智能终端拍摄人体正面、侧面图像;
步骤S230:根据人体正面、侧面拍摄图像,通过交互式确认或经验模型确认,确定待测人体的测量位置,获得该位置的正面长度、侧面长度;
步骤S240:基于步骤S210用户个人信息,以及步骤S220基于智能终端的正面、侧向拍摄图像、S230中测量的正面、侧面尺寸,代入不同的机器学习模型中,选择最佳机器学习模型预测出人体的三维尺寸数据。
本发明所述方法也可以用于物体的三维尺寸数据测量,通过获取物体的轮廓及关键点信息和图像,通过机器学习,建立物体的机器学习模型,基于建立的机器模型,利用智能终端拍摄物体图像,结合物体信息预测出物体的三维尺寸数据。该方法可以应用于机械测量和制造、工程测量和施工之中。
如上所示,本发明虽然已参照有限的附图进行了说明,但在本发明所属领域中具备通常知识的人均可以从此记载中进行各种修改和变形。由此,其他实施例及权利要求书与等同物均属于权利要求的保护范围。
Claims (1)
1.一种基于机器学习的人体三维尺寸预测方法,其特征在于,所述方法包括训练阶段与应用阶段两个阶段;
训练阶段包括如下步骤:
步骤S110:搜集用户年龄、地域、性别、体型、衣着尺码等基本信息参数,建立人体参数据库;
步骤S120:利用智能终端拍摄人体正面、侧面图像,建立人体图像数据库;
步骤S130:根据人体正面、侧面拍摄图像,通过交互式确认或经验模型确认,确定待测三维尺寸位置;交互式确认是通过图像拍摄者在图像中手动操控测试基准线,指定待测量目标位置;经验模型确认是通过人体或物体特定位置的经验公式或常见位置,确定待测目标位置;
步骤S140:根据步骤S130中确定的测量位置,获得该位置的正面长度、侧面长度;
步骤S150:以测量的正面长度、侧面长度作为输入,以及步骤S110中获取的参数信息,以待测位置的三维尺寸预测值作为输出,进行机器学习,建立机器学习模型;利用人体参数据库和人体图像数据库,进行多次机器学习,建立多个机器学习模型,形成机器学习模型库;
应用阶段包括以下步骤:
步骤S210:获取被测用户的年龄、性别、地域、体型等人物图像信息参数;
步骤S220:利用智能终端拍摄人体正面、侧面图像;
步骤S230:根据人体正面、侧面拍摄图像,通过交互式确认或经验模型确认,确定待测人体的测量位置,获得该位置的正面长度、侧面长度;
步骤S240:基于步骤S210用户个人信息,以及步骤S220基于智能终端的正面、侧向拍摄图像、S230中测量的正面、侧面尺寸,代入不同的机器学习模型中,选择最佳机器学习模型预测出人体的三维尺寸数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910450077.1A CN110135443A (zh) | 2019-05-28 | 2019-05-28 | 一种基于机器学习的人体三维尺寸预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910450077.1A CN110135443A (zh) | 2019-05-28 | 2019-05-28 | 一种基于机器学习的人体三维尺寸预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110135443A true CN110135443A (zh) | 2019-08-16 |
Family
ID=67582177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910450077.1A Pending CN110135443A (zh) | 2019-05-28 | 2019-05-28 | 一种基于机器学习的人体三维尺寸预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135443A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001413A (zh) * | 2020-07-13 | 2020-11-27 | 中国标准化研究院 | 一种基于人体尺寸数据库的人体外形数据预测系统 |
CN112700540A (zh) * | 2021-01-12 | 2021-04-23 | 北京著手健康科技有限公司 | 三维人体模型构建方法、装置、设备及可读存储介质 |
CN112733804A (zh) * | 2021-01-29 | 2021-04-30 | 闽江学院 | 人体参数测量的摄像装置 |
CN112819881A (zh) * | 2021-01-29 | 2021-05-18 | 福州靠谱云科技有限公司 | 人体测量方法 |
CN110570438B (zh) * | 2019-09-05 | 2021-09-24 | 武汉纺织大学 | 着装人体二维尺寸测量方法、系统、存储介质及电子设备 |
CN114630734A (zh) * | 2019-09-30 | 2022-06-14 | 西门子股份公司 | 具有专用硬件加速的支持机器学习的视觉伺服 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322589A (zh) * | 2008-07-16 | 2008-12-17 | 苏州大学 | 用于服装设计的非接触式人体测量方法 |
CN106600595A (zh) * | 2016-12-21 | 2017-04-26 | 厦门可睿特信息科技有限公司 | 一种基于人工智能算法的人体特征尺寸自动测量方法 |
CN107016721A (zh) * | 2017-03-07 | 2017-08-04 | 上海优裁信息技术有限公司 | 人体三维模型的建模方法 |
US10210627B1 (en) * | 2017-01-23 | 2019-02-19 | Amazon Technologies, Inc. | Image processing system for determining metrics of objects represented therein |
CN109559373A (zh) * | 2018-10-25 | 2019-04-02 | 武汉亘星智能技术有限公司 | 一种基于2d人体图像进行量体的方法及系统 |
-
2019
- 2019-05-28 CN CN201910450077.1A patent/CN110135443A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322589A (zh) * | 2008-07-16 | 2008-12-17 | 苏州大学 | 用于服装设计的非接触式人体测量方法 |
CN106600595A (zh) * | 2016-12-21 | 2017-04-26 | 厦门可睿特信息科技有限公司 | 一种基于人工智能算法的人体特征尺寸自动测量方法 |
US10210627B1 (en) * | 2017-01-23 | 2019-02-19 | Amazon Technologies, Inc. | Image processing system for determining metrics of objects represented therein |
CN107016721A (zh) * | 2017-03-07 | 2017-08-04 | 上海优裁信息技术有限公司 | 人体三维模型的建模方法 |
CN109559373A (zh) * | 2018-10-25 | 2019-04-02 | 武汉亘星智能技术有限公司 | 一种基于2d人体图像进行量体的方法及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570438B (zh) * | 2019-09-05 | 2021-09-24 | 武汉纺织大学 | 着装人体二维尺寸测量方法、系统、存储介质及电子设备 |
CN114630734A (zh) * | 2019-09-30 | 2022-06-14 | 西门子股份公司 | 具有专用硬件加速的支持机器学习的视觉伺服 |
US11883947B2 (en) | 2019-09-30 | 2024-01-30 | Siemens Aktiengesellschaft | Machine learning enabled visual servoing with dedicated hardware acceleration |
CN112001413A (zh) * | 2020-07-13 | 2020-11-27 | 中国标准化研究院 | 一种基于人体尺寸数据库的人体外形数据预测系统 |
CN112001413B (zh) * | 2020-07-13 | 2023-06-06 | 中国标准化研究院 | 一种基于人体尺寸数据库的人体外形数据预测系统 |
CN112700540A (zh) * | 2021-01-12 | 2021-04-23 | 北京著手健康科技有限公司 | 三维人体模型构建方法、装置、设备及可读存储介质 |
CN112733804A (zh) * | 2021-01-29 | 2021-04-30 | 闽江学院 | 人体参数测量的摄像装置 |
CN112819881A (zh) * | 2021-01-29 | 2021-05-18 | 福州靠谱云科技有限公司 | 人体测量方法 |
CN112819881B (zh) * | 2021-01-29 | 2023-10-31 | 福州靠谱云科技有限公司 | 人体测量方法 |
CN112733804B (zh) * | 2021-01-29 | 2024-01-19 | 闽江学院 | 人体参数测量的摄像装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135443A (zh) | 一种基于机器学习的人体三维尺寸预测方法 | |
US9183431B2 (en) | Apparatus and method for providing activity recognition based application service | |
CN104966070B (zh) | 基于人脸识别的活体检测方法和装置 | |
CN111368810A (zh) | 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法 | |
CN106666903A (zh) | 一种利用图像测量人体体型参数的方法及装置 | |
CN110476141A (zh) | 视线跟踪方法及用于执行该方法的用户终端 | |
CN112541434B (zh) | 一种基于中心点跟踪模型的人脸识别方法 | |
CN105095853A (zh) | 图像处理装置及图像处理方法 | |
CN103767219A (zh) | 非接触式人体三维尺寸测量方法 | |
CN112862757A (zh) | 一种基于计算机视觉技术的重量评估系统及实现方法 | |
CN109919166A (zh) | 获取属性的分类信息的方法和装置 | |
CN110263662A (zh) | 一种基于分级的人体轮廓关键点和关键部位识别方法 | |
CN115439927A (zh) | 基于机器人的步态监测方法、装置、设备及存储介质 | |
CN113557546B (zh) | 图像中关联对象的检测方法、装置、设备和存储介质 | |
CN117152092B (zh) | 全参考图像评价方法、装置、电子设备和计算机存储介质 | |
CN114565976A (zh) | 一种训练智能测试方法以及装置 | |
CN109934129A (zh) | 一种人脸特征点定位方法、装置、计算机设备及存储介质 | |
CN106156739A (zh) | 一种基于脸部轮廓分析的证件照耳朵检测与提取方法 | |
CN113159876B (zh) | 服装搭配推荐装置、方法及存储介质 | |
CN113297883A (zh) | 信息处理方法、分析模型的获得方法、装置及电子设备 | |
CN102783174A (zh) | 图像处理设备、内容传递系统、图像处理方法和程序 | |
Miyamoto et al. | Gender prediction by gait analysis based on time series variation on joint position | |
CN102148919A (zh) | 一种球类检测的方法及系统 | |
CN111080754A (zh) | 一种头部肢体特征点连线的人物动画制作方法及装置 | |
CN115953834A (zh) | 面向仰卧起坐的多头注意力姿态估计方法及检测系统 |
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: 20190816 |
|
RJ01 | Rejection of invention patent application after publication |