CN110263662A - 一种基于分级的人体轮廓关键点和关键部位识别方法 - Google Patents

一种基于分级的人体轮廓关键点和关键部位识别方法 Download PDF

Info

Publication number
CN110263662A
CN110263662A CN201910450079.0A CN201910450079A CN110263662A CN 110263662 A CN110263662 A CN 110263662A CN 201910450079 A CN201910450079 A CN 201910450079A CN 110263662 A CN110263662 A CN 110263662A
Authority
CN
China
Prior art keywords
key
human body
contour outline
body contour
key 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.)
Granted
Application number
CN201910450079.0A
Other languages
English (en)
Other versions
CN110263662B (zh
Inventor
董宁
罗英靓
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.)
Beijing Zhisheng World Science And Technology Co Ltd
Original Assignee
Beijing Zhisheng World Science And Technology Co Ltd
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 Beijing Zhisheng World Science And Technology Co Ltd filed Critical Beijing Zhisheng World Science And Technology Co Ltd
Priority to CN201910450079.0A priority Critical patent/CN110263662B/zh
Publication of CN110263662A publication Critical patent/CN110263662A/zh
Application granted granted Critical
Publication of CN110263662B publication Critical patent/CN110263662B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/10004—Still image; Photographic image

Landscapes

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

Abstract

本发明提供了本发明所述一种基于分级的人体轮廓关键点和关键部位识别方法，所述方法包括关键点识别与测量、关键部位识别两个阶段，关键点识别与测量阶段包括如下步骤：关键点计算目标确定；关键点确定；连接关键点计算像素尺寸；根据像素尺寸计算实际尺寸。关键部位识别阶段包括如下步骤：确定被测人体轮廓关键部位的大致区域；确定关键部位分段目标；人体轮廓关键部位分段；关键部分分割与确认。本发明可有效识别人体的轮廓，通过启发式方法，确定人体轮廓测量关键点和关键部位的位置，便于进行准确的尺寸测量。

Description

一种基于分级的人体轮廓关键点和关键部位识别方法
技术领域
本发明涉及一种基于分级的人体轮廓关键点和关键部位识别方法，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：CN10387677.9)、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。
上述基于智能终端的尺寸测量方法，在服装定制、健康健身、安全监测等领域所需人体三维(胸围、腰围、臀围)、物体三维尺寸测量中，难以有效识别人体或物体、以及参照物的相关轮廓、无法识别尺寸测量过程中的关键点，有必要提出人体或物体尺寸测量中的轮廓与关键点识别方法。
本发明针对传统智能终端拍摄图像测量，无法有效识别人体或物体的轮廓与测量点位置问题，提出一种利用混合grabcut、ostu等方法与启发式方法，确定人体关键点位置、进而确定人体基本部位的像素位置的方法。
发明内容
针对本领域现有基于智能终端的尺寸测量方法中存在的缺陷，本发明的目的在于提供一种更加有效识别人体轮廓关键点和关键部位识别方法。
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关键点和关键部位识别方法，所述方法包括关键点识别与测量、关键部位识别两个阶段；
关键点识别与测量阶段包括以下步骤：
步骤S110：关键点计算目标确定；根据人体轮廓测量的目标，按照人体的年龄、性别、体形要素对人体轮廓进行分级，分别确定不同级别人体轮廓测量关键点的筛选范围；
步骤S120：确定人体轮廓关键点；采用otsu、canny、sobel、膨胀腐蚀、关键点匹配等方法的组合联合确定人体轮廓关键点；
步骤S130：计算不同关键点之间的像素尺寸；将步骤S120确定的人体轮廓关键点相连接，计算两个关键点之间的欧式距离，即为像素尺寸；
步骤S140：根据两个关键点之间的像素尺寸计算实际尺寸；根据像素尺寸和实际尺寸的比例系数，计算待测量两个关键点之间的实际尺寸；
关键部位识别阶段包括以下步骤：
步骤210：获取人体轮廓站姿的先验知识，确定被测人体轮廓的头部位、脚部位等关键部位的大致区域；
步骤220：确定关键部位分段目标；根据人体轮廓测量的目标，确定体轮廓关键部位待分段的关键目标，包括照物部位、头部位、脚部位等；
步骤230：人体轮廓关键部位分段：利用otsu、canny、sobel、膨胀腐蚀、顺序搜索、点匹配得到关键部位分段；具体过程：首先将图片变为灰度图，然后使用最大类间方差法otsu技术将前景与背景进行初步分割，利用膨胀腐蚀去除图片中的噪点；使用canny算法可以提取前景轮廓边缘，Canny算法检测图像中的水平、垂直和对角边缘；
根据用户站姿以及参照物的大致区域，先全局搜索，找出对应部位最相似的图片区域，然后分割出关键部位的大致区域，再进行如上步骤将前景与背景进行再次分割以得到更好的分割效果；
步骤240：关键部分分割与确认；通过对分隔出来的图像区域进行二值化，识别目标的整体轮廓，然后根据不同部位的特征确认不同的关键部分。
优选的，步骤S140中所述比例系数是根据标准参照物像素尺寸与标准参照物实际尺寸之比得到的数值。
本发明与现有技术相比，优点在于：
1)本发明可有效识别人体或物体的轮廓，通过启发式方法，确定人体轮廓与测量关键点的位置，进而确定人体基本部位的像素位置，便于进行准确的尺寸测量。
2)本发明可广泛应用于智能终端，拍摄图像和测量识别更加方便，利于广泛推广运用。
附图说明
图1人体轮廓关键点识别和测量基本流程
图2人体轮廓关键部位识别基本流程
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关键点和关键部位识别方法，运用智能终端拍摄人体轮廓的图像，本发明的处理方法包括关键点识别与测量、关键部位识别两个阶段：
如图1所示，关键点识别与测量包括以下步骤：
步骤S110：确定关键点计算目标；根据人体轮廓测量的目标，按照人体的年龄、性别、体形要素对人体轮廓进行分级，分别确定不同级别人体轮廓测量关键点的筛选范围；
步骤S120：确定人体轮廓关键点；采用otsu、canny、sobel、膨胀腐蚀、关键点匹配等方法的组合联合确定人体轮廓关键点；
步骤S130：计算不同关键点之间的像素尺寸；将步骤S120确定的人体轮廓关键点相连接，计算两个关键点之间的欧式距离，即为像素尺寸；
步骤S140：根据两个关键点之间的像素尺寸计算实际尺寸；根据像素尺寸和实际尺寸的比例系数，计算待测量两个关键点之间的实际尺寸。
如图2所示，关键部位识别阶段包括以下步骤：
步骤210：获取人体轮廓站姿的先验知识，确定被测人体轮廓的头部位、脚部位等关键部位的大致区域；
步骤220：确定关键部位分段目标；根据人体轮廓测量的目标，确定体轮廓关键部位待分段的关键目标，包括照物部位、头部位、脚部位等；
步骤230：人体轮廓关键部位分段；利用otsu、canny、sobel、膨胀腐蚀、顺序搜索、点匹配得到关键部位分段；具体过程：首先将图片变为灰度图，然后使用最大类间方差法otsu技术将前景与背景进行初步分割，对于图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，平均灰度为μ0；背景像素点数占整幅图像的比例为ω1，平均灰度为μ1；整幅图像的平均灰度记为μ，类间方差记为g；假设图像大小为M×N，图像中像素的灰度值小于阈值T的像素个数为N0，像素灰度大于阈值T的像素个数为N1，那么：
ω0＝N0/M×N (1)
ω1＝N1/M×N (2)
N0+N1＝M×N (3)
ω0+ω1＝1 (4)
μ＝ω0*μ0+ω1*μ1 (5)
g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)
g＝ω0ω1(μ0-μ1)^2 (7)
采用遍历的方法使得类间方差g最大的阈值T，即为所求；
利用膨胀腐蚀去除图片中的噪点；
使用canny算法可以提取前景轮廓边缘，Canny算法检测图像中的水平、垂直和对角边缘；边缘检测的算子Sobel返回水平Gx和垂直Gy方向的一阶导数值，由此便可以确定像素点的梯度G和方向theta；x和y方向的Sobel算子分别为：
其中Sx表示x方向的Sobel算子，用于检测y方向的边缘；Sy表示y方向的Sobel算子，用于检测x方向的边缘，边缘方向和梯度方向垂直；根据公式便可以计算出像素点e的梯度和方向；
根据用户站姿以及参照物的大致区域，先全局搜索，找出对应部位最相似的图片区域，然后分割出关键部位的大致区域，再进行如上步骤将前景与背景进行再次分割以得到更好的分割效果；
步骤240：关键部分分割与确认；通过对分隔出来的图像区域进行二值化，识别目标的整体轮廓，然后根据不同部位的特征确认不同的关键部分。
如上所示，本发明虽然已参照有限的实施例和附图进行了说明，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 (2)

1.一种基于分级的人体轮廓关键点和关键部位识别方法，其特征在于，所述方法包括关键点识别与测量、关键部位识别两个阶段；
关键点识别与测量阶段包括以下步骤：
步骤S110：关键点计算目标确定：根据人体轮廓测量的目标，按照人体的年龄、性别、体形要素对人体轮廓进行分级，分别确定不同级别人体轮廓测量关键点的筛选范围；
步骤S120：确定人体轮廓关键点：采用otsu、canny、sobel、膨胀腐蚀、关键点匹配等方法的组合联合确定人体轮廓关键点；
步骤S130：计算不同关键点之间的像素尺寸：将步骤S120确定的人体轮廓关键点相连接，计算两个关键点之间的欧式距离，即为像素尺寸；
步骤S140：根据两个关键点之间的像素尺寸计算实际尺寸：根据像素尺寸和实际尺寸的比例系数，计算待测量两个关键点之间的实际尺寸；
关键部位识别阶段包括以下步骤：
步骤210：获取人体轮廓站姿的先验知识，确定被测人体轮廓的头部位、脚部位等关键部位的大致区域；
步骤220：确定关键部位分段目标：根据人体轮廓测量的目标，确定体轮廓关键部位待分段的关键目标，包括照物部位、头部位、脚部位等；
步骤230：人体轮廓关键部位分段：利用otsu、canny、sobel、膨胀腐蚀、顺序搜索、点匹配得到关键部位分段；具体过程：首先将图片变为灰度图，然后使用最大类间方差法otsu技术将前景与背景进行初步分割，利用膨胀腐蚀去除图片中的噪点；使用canny算法可以提取前景轮廓边缘，Canny算法检测图像中的水平、垂直和对角边缘；
根据用户站姿以及参照物的大致区域，先全局搜索，找出对应部位最相似的图片区域，然后分割出关键部位的大致区域，再进行如上步骤将前景与背景进行再次分割；
步骤240：关键部分分割与确认；通过对分隔出来的图像区域进行二值化，识别目标的整体轮廓，然后根据不同部位的特征确认不同的关键部分。
2.根据权利要求1所述的方法，其特征在于：步骤S140中所述比例系数是根据标准参照物像素尺寸与标准参照物实际尺寸之比得到的数值。
CN201910450079.0A 2019-05-28 2019-05-28 一种基于分级的人体轮廓关键点和关键部位识别方法 Expired - Fee Related CN110263662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910450079.0A CN110263662B (zh) 2019-05-28 2019-05-28 一种基于分级的人体轮廓关键点和关键部位识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910450079.0A CN110263662B (zh) 2019-05-28 2019-05-28 一种基于分级的人体轮廓关键点和关键部位识别方法

Publications (2)

Publication Number Publication Date
CN110263662A true CN110263662A (zh) 2019-09-20
CN110263662B CN110263662B (zh) 2021-05-18

Family

ID=67915653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910450079.0A Expired - Fee Related CN110263662B (zh) 2019-05-28 2019-05-28 一种基于分级的人体轮廓关键点和关键部位识别方法

Country Status (1)

Country Link
CN (1) CN110263662B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340002A (zh) * 2020-03-25 2020-06-26 北京爱笔科技有限公司 一种提袋识别方法及装置
CN111611928A (zh) * 2020-05-22 2020-09-01 杭州智珺智能科技有限公司 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法
CN112205698A (zh) * 2020-09-11 2021-01-12 集美大学 人体三维信息获取方法及装置
CN113706600A (zh) * 2021-08-19 2021-11-26 北京欧应信息技术有限公司 用于测量身体部位的关键尺寸的方法、设备和介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201315962A (zh) * 2011-10-05 2013-04-16 Au Optronics Corp 投影式影像辨識裝置及其影像辨識方法
CN105100495A (zh) * 2015-08-25 2015-11-25 李万鸿 一种利用手机照相功能测量物体平面尺寸的方法
CN106377264A (zh) * 2016-10-20 2017-02-08 广州视源电子科技股份有限公司 一种人体身高测量方法、装置及智能镜子

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201315962A (zh) * 2011-10-05 2013-04-16 Au Optronics Corp 投影式影像辨識裝置及其影像辨識方法
CN105100495A (zh) * 2015-08-25 2015-11-25 李万鸿 一种利用手机照相功能测量物体平面尺寸的方法
CN106377264A (zh) * 2016-10-20 2017-02-08 广州视源电子科技股份有限公司 一种人体身高测量方法、装置及智能镜子

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
方强: "婴儿身高测量APP的设计与实现", 《中国优秀硕士学位论文全文数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340002A (zh) * 2020-03-25 2020-06-26 北京爱笔科技有限公司 一种提袋识别方法及装置
CN111340002B (zh) * 2020-03-25 2023-10-27 北京爱笔科技有限公司 一种提袋识别方法及装置
CN111611928A (zh) * 2020-05-22 2020-09-01 杭州智珺智能科技有限公司 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法
CN112205698A (zh) * 2020-09-11 2021-01-12 集美大学 人体三维信息获取方法及装置
CN112205698B (zh) * 2020-09-11 2022-09-20 集美大学 人体三维信息获取方法及装置
CN113706600A (zh) * 2021-08-19 2021-11-26 北京欧应信息技术有限公司 用于测量身体部位的关键尺寸的方法、设备和介质

Also Published As

Publication number Publication date
CN110263662B (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
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
CN106683076B (zh) 基于纹理特征聚类的机车轮对踏面损伤检测的方法
CN104835175B (zh) 一种基于视觉注意机制的核环境中目标检测方法
CN102982323B (zh) 快速步态识别方法
CN109118528A (zh) 基于区域分块的奇异值分解图像匹配算法
CN107730439B (zh) 一种人体图像映射方法、系统及终端设备
CN106127732B (zh) 微波图像中人体性别检测方法和装置
EP3506148A1 (en) Millimetre wave image-based human body foreign matter detection method and system
CN106204594A (zh) 一种基于视频图像的弥散性运动物体的方向检测方法
CN106372583A (zh) 一种基于毫米波图像的人体异物检测方法及系统
CN110020627A (zh) 一种基于深度图与特征融合的行人检测方法
CN111415376A (zh) 汽车玻璃亚像素轮廓提取方法及汽车玻璃检测方法
CN109330106A (zh) 一种基于手机拍照的脚码尺寸测量方法
CN110378924A (zh) 基于局部熵的水平集图像分割方法
CN109781737A (zh) 一种软管表面缺陷的检测方法及其检测系统
CN105326507A (zh) 超像素分割和曲线波相融合的三维人体测量方法
CN110222661A (zh) 一种用于运动目标识别及跟踪的特征提取方法
CN108108740B (zh) 一种主动毫米波人体图像性别识别方法
CN109886195A (zh) 基于深度相机近红外单色灰度图的皮肤识别方法
CN104794476B (zh) 一种人员痕迹的提取方法
CN105225234A (zh) 基于支持向量机mri图像分割的肺部肿瘤识别方法
CN110111368B (zh) 一种基于人体姿态识别的相似移动目标的检测跟踪方法
CN111415378A (zh) 用于汽车玻璃检测的图像配准方法及汽车玻璃检测方法
CN115222722A (zh) 一种复杂散斑背景下的实时裂缝检测方法
CN113140046A (zh) 基于三维重建的ar穿搭控制方法、系统和计算机可读介质

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210518

CF01 Termination of patent right due to non-payment of annual fee