CN110245575B - 一种以人体轮廓线为基础的人体体型参数捕获方法 - Google Patents

一种以人体轮廓线为基础的人体体型参数捕获方法 Download PDF

Info

Publication number
CN110245575B
CN110245575B CN201910425390.XA CN201910425390A CN110245575B CN 110245575 B CN110245575 B CN 110245575B CN 201910425390 A CN201910425390 A CN 201910425390A CN 110245575 B CN110245575 B CN 110245575B
Authority
CN
China
Prior art keywords
human body
image
contour curve
method based
closed contour
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.)
Active
Application number
CN201910425390.XA
Other languages
English (en)
Other versions
CN110245575A (zh
Inventor
冯世阳
张小璇
王辰
徐一可
姚劼
孙浩
高世宇
陈天悦
杜杰
吴晨瑄
王超明
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.)
Donghua University
Original Assignee
Donghua 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 Donghua University filed Critical Donghua University
Priority to CN201910425390.XA priority Critical patent/CN110245575B/zh
Publication of CN110245575A publication Critical patent/CN110245575A/zh
Application granted granted Critical
Publication of CN110245575B publication Critical patent/CN110245575B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • 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
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种以人体轮廓线为基础的人体体型参数捕获方法，包括以下步骤：通过红外‑彩色双目摄像头采集人体正面图像和人体侧面图像；对采集到的人体正面图像和人体侧面图像进行预处理；对预处理后的图像行边缘检测及图形形态学处理，得到红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线；对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行轮廓提取，将两个轮廓置于同一坐标系下，并对两个轮廓的中心线进行运算，最终得到的中心轮廓曲线；对得到的中心轮廓曲线进行特征点标定，根据标定的特征点得到人体体型参数。本发明能够基本消除人体由于穿着衣服等造成的误差项。

Description

一种以人体轮廓线为基础的人体体型参数捕获方法
技术领域
本发明涉及人体体型参数获取技术领域，特别是涉及一种以人体轮廓线为基础的人体体型参数捕获方法。
背景技术
随着人们可选择服装的日渐多样化，服装的穿搭在人们的生活中占据了越来越重要的地位，人们的体型更是服装选择的重要考量因素。可以预见，服装推荐系统在未来将得到广泛应用，但就许多人对自身体态以及自身体态适合的服装款式缺乏一定了解的现状来说，如果没有人体体型参数作为服装推荐系统的参考依据，即使服装搭配推荐慢慢得到普及，推荐系统仍有很大可能会为用户推荐与其身形大相径庭的服装搭配，从而使智能服装推荐的效果大打折扣，降低用户对推荐系统的满意度，并在一定程度上阻碍服装推荐系统的智能化发展。
发明内容
本发明所要解决的技术问题是提供一种以人体轮廓线为基础的人体体型参数捕获方法，能够基本消除人体由于穿着衣服等造成的误差项。
本发明解决其技术问题所采用的技术方案是：提供一种以人体轮廓线为基础的人体体型参数捕获方法，包括以下步骤：
(1)通过红外-彩色双目摄像头采集人体正面图像和人体侧面图像；
(2)对采集到的人体正面图像和人体侧面图像进行预处理；
(3)对预处理后的图像行边缘检测及图形形态学处理，得到红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线；
(4)对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行轮廓提取，将两个轮廓置于同一坐标系下，并对两个轮廓的中心线进行运算，最终得到的中心轮廓曲线；
(5)对得到的中心轮廓曲线进行特征点标定，根据标定的特征点得到人体体型参数。
所述步骤(2)中的预处理具体为：对于红外成像的人体正面图像和人体侧面图像通过基于场景的人工神经网络法进行非均匀性校正，并对校正后的图像进行分段拉伸增强处理以突出所需灰色区域；对于彩色成像的人体正面图像和人体侧面图像对每个像素进行灰度标度变换以扩大图像的灰度范围，再用高斯平滑法处理图像以抑制图像噪声。
所述步骤(3)具体为：将Sobel算子的纵向模板矩阵和横向模板矩阵分别与图像做平面卷积处理，得到横向和纵向的亮度差分近似值，再计算图像中每个像素点的灰度值以突出显示目标边界，然后用迭代阈值分割法抑制非目标边缘，最后对图像各像素进行取反得到闭合轮廓曲线。
所述步骤(4)具体为：分别对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行Freeman编码提取轮廓，将得到的两个轮廓置于同一坐标系下，并采用最小直径圆滚动追踪算法进行运算，最终得到的两个轮廓的中心夹线作为中心轮廓曲线。
所述步骤(5)具体为：从图像左上角开始由左至右逐行向下遍历图像，直到遇到第一个像素值为1的黑点，即为头顶点；从图像左下角开始由左至右逐行向上遍历图像，直到遇到第一个像素值为1的黑点，即为足底点；记录两点的坐标，并以两点的纵坐标差值作为图像坐标系下的身高值；按照人体部位尺寸和身高的比例关系确定其余初始特征点的位置；基于初始特征点的位置展开10x10像素的窗口，利用Harris算法提出曲率最大的点作为精确的特征点位置；根据得到的特征点计算图像坐标系下的人体参数，并将图像坐标系变换为世界坐标系，即得到人体参数测量结果的真实值。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明借助红外摄像头与彩色成像摄像头相结合组成的双目视觉系统对人体进行图像采集，并对采集到的图像分别进行分析处理，利用Freeman链码进行轮廓追踪与提取，再通过对闭合轮廓进行特征点标定和坐标变换等，最终得到可以用于服装推荐的真实人体体型参数，最终得到的体型参数基本消除人体由于穿着衣服等造成的误差项。本发明适用于着衣测量，相对误差为5.32％，能够控制在合理范围，且对测量环境要求不高，因此也可以嵌入到商场的试衣镜中，方便顾客进行服装大小的选择或服装定制。
附图说明
图1是本发明的流程图；
图2是本发明中对人体图像的处理过程示意图；
图3是本发明中人体轮廓中心夹线的运算及运算结果示意图；
图4是本发明中得到的人体正侧面特征点示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种以人体轮廓线为基础的人体体型参数捕获方法，该方法可以基于以下硬件系统，整个系统设计以树莓派+Movidius 2为运算核心，具体包括：双目摄像头模块、运算核心加速处理模块、显示驱动模块与显示模块。双目摄像头模块主要负责的是采集人体图像并将图像传入树莓派微控制器模块。运算核心加速处理模块主要负责的是对采集图像的处理和相关的运算。显示驱动模块负责驱动显卡的程序。显示模块主要负责的是处理系统输出信息，并将其传送到显示屏上呈现。整个方法的具体流程如图1所示，具体如下：
首先为双目视觉系统内外参数标定，接着通过红外-彩色双目摄像头采集人体正面图像和人体侧面图像，对采集到的图像还需要进行预处理。在预处理时，对于红外成像的图像和彩色成像的图像分别进行操作。对于红外成像的人体正面图像和人体侧面图像通过基于场景的人工神经网络法进行非均匀性校正以抑制固有噪声和时域漂移，突出人体与衣物的边界，并对校正后的图像进行分段拉伸增强处理以突出所需灰色区域；受测量环境影响，彩色成像图的对比度较差，对于彩色成像的人体正面图像和人体侧面图像对每个像素进行灰度标度变换以扩大图像的灰度范围，实现对比度增强，再用高斯平滑法处理图像以抑制图像噪声。
然后进行边缘检测及图形形态学处理，本实施方式选取改进的Sobel梯度算子模板，具体为：将原Sobel算子的纵向模板矩阵和横向模板矩阵与图像做平面卷积处理，再计算图像中每个像素点的灰度值，然后用迭代阈值分割法抑制非目标边缘，并对图像各像素再进行取反和细化，生成两组闭合轮廓线(见图2)。
接着进行轮廓提取及中心夹线运算，对轮廓曲线进行Freeman编码，图像轮廓曲线以逆时针方向搜索编码的8连线数字的封闭曲线且边缘点上一点的前后点是以逆时针循环方式获得的，然后进行轮廓的提取，并将得到的红外成像轮廓线和彩色成像轮廓线置于同一坐标系下，并采用最小直径圆滚动追踪算法进行运算，最终得到的两个轮廓的中心夹线作为中心轮廓曲线(见图3)。
最终进行特征点的标定、距离测量及坐标变换，具体如下：(1)从图像左上角开始由左至右逐行向下遍历图像，直到遇到第一个像素值为1的黑点，即为头顶点；(2)同样的方法由左下角开始遍历，寻找到第一个像素值为1的黑点，即为足底点；(3)记录两点的坐标，并以两点的纵坐标差值作为图像坐标系下的身高值。由表征身高的两特征点按照人体某些部位尺寸和身高的比例关系确定其余9个初始特征点的位置，并展开10x10像素的窗口，利用Harris算法提出曲率最大的点作为精确的特征点位置，用于参数测量和坐标变换。图4所示的是得到的人体正侧面特征点示意图。根据得到的特征点位置可以计算图像坐标系下的人体参数，将图像坐标系变换为世界坐标系，即得到人体参数测量结果的真实值。
测量时，测量者站在双目视觉系统摄像头前，正面和侧面分别面对摄像头各拍摄一张照片，然后等待2-3s(等待时长受环境影响)即可得到相关人体体型参数，能够基本消除人体由于穿着衣服等造成的误差项。
在社会经济层面，本发明的硬件设施体积小且造价低，可推广性较强；在技术层面，本发明测量运算量小，算法复杂度较低，占用很小运算资源的情况下具有很高的运算速度，平均每人测量时间为2-3s，能够保证实时测量的需求，因此可以作为独立设备使用；在实际应用层面，该方案适用于着衣测量，相对误差为5.32％，能够控制在合理范围，且对测量环境要求不高，因此也可以嵌入到商场的试衣镜中，方便顾客进行服装大小的选择或服装定制。

Claims (5)

1.一种以人体轮廓线为基础的人体体型参数捕获方法，其特征在于，包括以下步骤：
(1)通过红外-彩色双目摄像头采集人体正面图像和人体侧面图像；
(2)对采集到的人体正面图像和人体侧面图像进行预处理；
(3)对预处理后的图像行边缘检测及图形形态学处理，得到红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线；
(4)对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行轮廓提取，将两个轮廓置于同一坐标系下，并对两个轮廓的中心线进行运算，最终得到的中心轮廓曲线；
(5)对得到的中心轮廓曲线进行特征点标定，根据标定的特征点得到人体体型参数。
2.根据权利要求1所述的以人体轮廓线为基础的人体体型参数捕获方法，其特征在于，所述步骤(2)中的预处理具体为：对于红外成像的人体正面图像和人体侧面图像通过基于场景的人工神经网络法进行非均匀性校正，并对校正后的图像进行分段拉伸增强处理以突出所需灰色区域；对于彩色成像的人体正面图像和人体侧面图像对每个像素进行灰度标度变换以扩大图像的灰度范围，再用高斯平滑法处理图像以抑制图像噪声。
3.根据权利要求1所述的以人体轮廓线为基础的人体体型参数捕获方法，其特征在于，所述步骤(3)具体为：将Sobel算子的纵向模板矩阵和横向模板矩阵分别与图像做平面卷积处理，得到横向和纵向的亮度差分近似值，再计算图像中每一像素点的灰度值以突出显示目标边界，然后用迭代阈值分割法抑制非目标边缘，最后对图像各像素进行取反得到闭合轮廓曲线。
4.根据权利要求1所述的以人体轮廓线为基础的人体体型参数捕获方法，其特征在于，所述步骤(4)具体为：分别对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行Freeman编码提取轮廓，将得到的两个轮廓置于同一坐标系下，并采用最小直径圆滚动追踪算法进行运算，最终得到的两个轮廓的中心夹线作为中心轮廓曲线。
5.根据权利要求1所述的以人体轮廓线为基础的人体体型参数捕获方法，其特征在于，所述步骤(5)具体为：从图像左上角开始由左至右逐行向下遍历图像，直到遇到第一个像素值为1的黑点，即为头顶点；从图像左下角开始由左至右逐行向上遍历图像，直到遇到第一个像素值为1的黑点，即为足底点；记录两点的坐标，并以两点的纵坐标差值作为图像坐标系下的身高值；按照人体部位尺寸和身高的比例关系确定其余初始特征点的位置；基于初始特征点的位置展开10x10像素的窗口，利用Harris算法提出曲率最大的点作为精确的特征点位置；根据得到的特征点计算图像坐标系下的人体参数，并将图像坐标系变换为世界坐标系，即得到人体参数测量结果的真实值。
CN201910425390.XA 2019-05-21 2019-05-21 一种以人体轮廓线为基础的人体体型参数捕获方法 Active CN110245575B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910425390.XA CN110245575B (zh) 2019-05-21 2019-05-21 一种以人体轮廓线为基础的人体体型参数捕获方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910425390.XA CN110245575B (zh) 2019-05-21 2019-05-21 一种以人体轮廓线为基础的人体体型参数捕获方法

Publications (2)

Publication Number Publication Date
CN110245575A CN110245575A (zh) 2019-09-17
CN110245575B true CN110245575B (zh) 2023-04-25

Family

ID=67884572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910425390.XA Active CN110245575B (zh) 2019-05-21 2019-05-21 一种以人体轮廓线为基础的人体体型参数捕获方法

Country Status (1)

Country Link
CN (1) CN110245575B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111289076B (zh) * 2020-05-13 2020-08-21 成都泰盟软件有限公司 自动采集人体基础数据的人体生理实验系统
CN113112407B (zh) * 2021-06-11 2021-09-03 上海英立视电子有限公司 基于电视的照镜视野生成方法、系统、设备及介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1084374A (zh) * 1992-09-22 1994-03-30 东北工学院 人体三维结构数据自动测量系统
CN1596827A (zh) * 2004-07-19 2005-03-23 北京服装学院 一种人体计测分析方法
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
CN102252623A (zh) * 2011-06-24 2011-11-23 西安工程大学 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN104021568A (zh) * 2014-06-25 2014-09-03 山东大学 基于轮廓多边形拟合的可见光与红外图像的自动配准方法
CN105701437A (zh) * 2014-11-11 2016-06-22 沈阳新松机器人自动化股份有限公司 基于机器人的肖像绘制系统
CN106384126A (zh) * 2016-09-07 2017-02-08 东华大学 基于轮廓曲率特征点和支持向量机的服装款式识别方法
CN108830897A (zh) * 2018-06-11 2018-11-16 东南大学 一种道路中心线提取方法
CN109409228A (zh) * 2018-09-25 2019-03-01 湖南省忘不了服饰有限公司 适用于服装定制的基于形状上下文的人体体型识别方法
CN109522886A (zh) * 2019-01-15 2019-03-26 广州唯品会研究院有限公司 形体数据的测量方法、装置以及计算机可读存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1084374A (zh) * 1992-09-22 1994-03-30 东北工学院 人体三维结构数据自动测量系统
CN1596827A (zh) * 2004-07-19 2005-03-23 北京服装学院 一种人体计测分析方法
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
CN102252623A (zh) * 2011-06-24 2011-11-23 西安工程大学 基于视频差异分析的输电线路导/地线覆冰厚度测量方法
CN104021568A (zh) * 2014-06-25 2014-09-03 山东大学 基于轮廓多边形拟合的可见光与红外图像的自动配准方法
CN105701437A (zh) * 2014-11-11 2016-06-22 沈阳新松机器人自动化股份有限公司 基于机器人的肖像绘制系统
CN106384126A (zh) * 2016-09-07 2017-02-08 东华大学 基于轮廓曲率特征点和支持向量机的服装款式识别方法
CN108830897A (zh) * 2018-06-11 2018-11-16 东南大学 一种道路中心线提取方法
CN109409228A (zh) * 2018-09-25 2019-03-01 湖南省忘不了服饰有限公司 适用于服装定制的基于形状上下文的人体体型识别方法
CN109522886A (zh) * 2019-01-15 2019-03-26 广州唯品会研究院有限公司 形体数据的测量方法、装置以及计算机可读存储介质

Also Published As

Publication number Publication date
CN110245575A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN107578035B (zh) 基于超像素-多色彩空间的人体轮廓提取方法
CN108090888B (zh) 基于视觉注意模型的红外图像和可见光图像的融合检测方法
CN106372629A (zh) 一种活体检测方法和装置
CN106651899A (zh) 基于Adaboost的眼底图像微动脉瘤检测系统
CN111062891A (zh) 图像处理方法、装置、终端及计算机可读存储介质
CN110245575B (zh) 一种以人体轮廓线为基础的人体体型参数捕获方法
CN109725721A (zh) 用于裸眼3d显示系统的人眼定位方法及系统
CN109190617B (zh) 一种图像的矩形检测方法、装置及存储介质
CN109886195B (zh) 基于深度相机近红外单色灰度图的皮肤识别方法
CN102860814A (zh) 一种oct合成眼底图视盘中心定位方法及设备
CN114219984A (zh) 一种基于改进YOLOv3的微小病虫害检测系统及其方法
CN110210292A (zh) 一种基于深度学习的目标识别方法
CN109308462B (zh) 一种指静脉和指节纹感兴趣区域定位方法
Asmuni et al. An improved multiscale retinex algorithm for motion-blurred iris images to minimize the intra-individual variations
CN113283466A (zh) 一种仪表读数识别方法及装置、可读存储介质
CN114677356A (zh) 一种基于多视角图像融合的酒瓶外观缺陷检测方法
CN116342519A (zh) 一种基于机器学习的图像处理方法
CN116843581A (zh) 一种多场景图的图像增强方法、系统、设备和存储介质
CN106600615B (zh) 一种图像边缘检测算法评价系统及方法
Wang et al. Depth map recovery based on a unified depth boundary distortion model
CN117496019B (zh) 一种驱动静态图像的图像动画处理方法及系统
CN111144413A (zh) 虹膜定位方法及计算机可读存储介质
CN110751690A (zh) 铣床刀头视觉定位方法
CN111881924B (zh) 结合光照不变性与短曝光光照增强的暗光车照识别方法
CN109493293A (zh) 一种图像处理方法及装置、显示设备

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
GR01 Patent grant
GR01 Patent grant