CN110428434B - 一种基于图像的人体肩宽测量方法及装置 - Google Patents

一种基于图像的人体肩宽测量方法及装置 Download PDF

Info

Publication number
CN110428434B
CN110428434B CN201910621182.7A CN201910621182A CN110428434B CN 110428434 B CN110428434 B CN 110428434B CN 201910621182 A CN201910621182 A CN 201910621182A CN 110428434 B CN110428434 B CN 110428434B
Authority
CN
China
Prior art keywords
point
human body
shoulder
right shoulder
tangent
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
CN201910621182.7A
Other languages
English (en)
Other versions
CN110428434A (zh
Inventor
马燕
殷志昂
黄慧
李顺宝
张玉萍
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.)
Shanghai Normal University
Original Assignee
Shanghai Normal 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 Shanghai Normal University filed Critical Shanghai Normal University
Priority to CN201910621182.7A priority Critical patent/CN110428434B/zh
Publication of CN110428434A publication Critical patent/CN110428434A/zh
Application granted granted Critical
Publication of CN110428434B publication Critical patent/CN110428434B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A41—WEARING APPAREL
    • A41H—APPLIANCES OR METHODS FOR MAKING CLOTHES, e.g. FOR DRESS-MAKING OR FOR TAILORING, NOT OTHERWISE PROVIDED FOR
    • A41H1/00—Measuring aids or methods
    • A41H1/02—Devices for taking measurements on the human body
    • 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
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Textile Engineering (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像的人体肩宽测量方法，包括以下步骤：采集站姿状态的人体背面图像；根据采集到的人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；根据二值图，提取人体轮廓线；根据提取的人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算左肩点和右肩点切线的交点，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以Bezier曲线的长度作为肩宽。本发明的人体肩宽测量方法，能准确地从图像中获取人体肩点和肩宽，同时也为后续的人体尺寸自动测量节省了大量的人力成本。

Description

一种基于图像的人体肩宽测量方法及装置
技术领域
本发明涉及图像处理、人体测量等领域，尤其涉及一种基于图像的人体肩宽测量方法及装置。
背景技术
在网络和信息化时代，服装的款式、面料等的选择需求可以通过网络利用手机客户端完成。从服装的生产方面来说，成品化、规模化、机械化以及自动化能够提高生产效率，降低劳动成本；从服装的设计方面来说，立体化、个性化、时装化已经成为当今服装设计的潮流。
对于服装设计与加工的第一个环节——人体尺寸测量，传统方法是采用接触式手工测量，该方法的主要测量工具是软皮尺、角度计等，依据测量标准对人体进行接触测量，可以直接测出人体各部位竖向、横向、斜向以及周长等身体表面长度。但是，这种接触测量数据通常都是凭借测量者经验获得，效率低下，客观性差，存在人为误差，且人力成本较高。因此，非接触式人体尺寸的准确测量是目前服装行业亟待解决的问题。
基于二维图像的非接触式人体测量法，通过摄取人体正面、侧面和背面三幅图像，利用图像处理技术，得到人体测量学中主要特征部位的宽度、厚度等尺寸，如：颈围、肩宽、肩厚、胸宽、胸厚、腰宽、腰厚、臀宽、臀厚、立裆长、胯宽、胯厚、颈围、胸围、腰围和臀围等。
在人体尺寸中，肩部点作为人体关键点，一方面，对其余关键点位置定位的准确性起到重要作用；另一方面，由于肩部位置的特殊性，在人体服装的设计剪裁中，直接影响肩宽、袖长等尺寸的测量。因此，肩部位置的准确获得在非接触式人体测量中起到至关重要的作用。
由于肩点的特殊性，导致肩点定位的难度较大。传统的接触式测量技术中，肩点的定位是通过两食指沿肩胛骨向外摸到肩峰外侧缘中点，即肩点。现有的方法是采用图像分割方法得到人体轮廓图，再用链码编码的方法，对人体轮廓图进行分析。通过链码的定义，找出链码方向变化较大的点，作为人体轮廓的拐点或人体关键点。该方法存在以下问题：其一，由于链码编码并不是仅针对肩部点的定位方法，而是将人体轮廓中所有拐点都找出，目标不明确，不能准确快速地获得人体肩点的位置；其二，受被摄者的服装等因素影响，链码编码鲁棒性较低，从而导致肩点定位发生错误；其三，由于图像分割效果的不理想，从而导致肩点定位出错。
当获得准确的肩点位置后，需要测量人体肩宽。传统的接触式人体肩宽测量方法是，从左肩点经人体第7颈椎点到右肩点的曲线长度。由于无法从图像直接判断人体第7颈椎点的位置，因此，大多数基于图像的人体肩宽测量方法，是将左肩点与右肩点的直线长度作为肩宽，由于实际的肩宽是一条曲线的长度，因此，这种方法会带来一定的测量误差。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是针对现有技术图像分隔效果不理想、肩点定位如果错位、测量误差较大等问题，提出一种基于图像的人体肩宽测量方法，简单、易用、准确性高。
为实现上述目的，本发明提供了一种基于图像的人体肩宽测量方法，包括以下步骤：
采集站姿状态的人体背面图像；
根据采集到的人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；
根据二值图，提取人体轮廓线；
根据提取的人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；
根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算左肩点和右肩点切线的交点，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以Bezier曲线的长度作为肩宽。
进一步地，根据二值图，提取人体轮廓线，具体包括：
从上到下顺序地沿水平方向直线扫描二值图，当遇到水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第一人体轮廓线部分；
接着，从左到右顺序地沿垂直方向直线扫描二值图，当遇到垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第二人体轮廓线部分；
最后，合并第一人体轮廓线部分和第二人体轮廓线部分，得到人体轮廓线。
进一步地，根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算左肩点和右肩点切线的交点，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以Bezier曲线的长度作为肩宽，具体包括：
以左肩关节点、右肩关节点为基准点，沿水平和垂直方向在人体轮廓线上确定左肩起点、左肩终点、右肩起点和右肩终点；
从人体轮廓线上沿左肩起点到左肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为左肩点；
从人体轮廓线上沿右肩起点到右肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为右肩点；
计算左肩点的切线与右肩点的切线的交点；
以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽。
进一步地，计算左肩点的切线与右肩点的切线的交点，具体包括：
首先，从左肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过左肩点的第一切线；
接着，从右肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；
最后，计算第一切线和第二切线的交点。
在本发明的较佳实施方式中，本发明提供了一种基于图像的人体肩宽测量装置，包括：
采集装置，用于采集站姿状态的人体背面图像；
获取装置，用于根据采集到的人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；
提取装置，用于根据二值图，提取人体轮廓线；
根据提取的人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；
计算装置，用于根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算左肩点和右肩点切线的交点，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以Bezier曲线的长度作为肩宽。
进一步地，提取装置，包括：
第一标记模块，用于从上到下顺序地沿水平方向直线扫描二值图，当遇到水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第一人体轮廓线部分；
第二标记模块，用于从左到右顺序地沿垂直方向直线扫描二值图，当遇到垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第二人体轮廓线部分；
合并提取模块，用于合并第一人体轮廓线部分和第二人体轮廓线部分，得到人体轮廓线。
进一步地，计算装置，包括：
确定模块，用于以左肩关节点、右肩关节点为基准点，沿水平和垂直方向在人体轮廓线上确定左肩起点、左肩终点、右肩起点和右肩终点；
第一计算模块，用于从人体轮廓线上沿左肩起点到左肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为左肩点；
第二计算模块，用于从人体轮廓线上沿右肩起点到右肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为右肩点；
第三计算模块，用于计算左肩点的切线与右肩点的切线的交点；
第四计算模块，用于以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽。
进一步地，第三计算模块，包括：
第一切线计算单元，用于从左肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过左肩点的第一切线；
第二切线计算单元，用于从右肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；
交点计算单元，用于计算第一切线和第二切线的交点。
在本发明的另一较佳实施方式中，本发明提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时，实现如上述中任一项的方法。
在本发明的另一较佳实施方式中，本发明提供了一种存储有计算机程序的计算机可读存储介质，其特征在于，计算机程序使计算机执行时实现如上述中任一项的一种基于图像的人体肩宽测量方法。
技术效果
与传统的基于图像的人体肩宽测量方法相比，本发明利用百度AI接口定位人体左、右肩关节点，并以此为基准点搜索左、右肩点，这样，缩小了肩点搜索范围，提高了肩点定位的准确率。本发明以接触式肩点定位方法为依据，通过计算肩点搜索范围内，所有点的上、下两条直线间的夹角来确定肩点，从而能够准确地定位肩点。考虑到从人体图像中无法定位第7颈椎点，本发明通过左、右肩点切线的交点，以及左、右肩点这三个控制点来生成二次Bezier曲线，并将该曲线长度作为人体肩宽，创造性地用Bezier曲线来代替人体肩宽弧线。本发明采用固定阈值，不需要人工调整阈值。另外，本发明可以在复杂背景下测量人体肩宽，不需要设置单一背景。本发明提出的人体肩宽测量方法，能准确地从图像中获取人体肩点和肩宽，很好地解决了人体图像肩点定位和肩宽计算难题，同时也为后续的人体尺寸自动测量节省了大量的人力成本。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一个较佳实施例的一种基于图像的人体肩宽测量方法的流程示意图；
图2是1号志愿者背面图像；
图3是1号志愿者背面图像的二值图；
图4是1号志愿者背面轮廓图；
图5是人体背面特征点示意图；
图6是1号志愿者肩点搜索范围示意图；
图7是1号志愿者肩点位置示意图；
图8是手工测量人体肩宽示意图；
图9是肩部Bezier曲线示意图；
图10是利用本发明方法和链码法对2号志愿者的肩点检测实验结果；
图11是利用本发明方法和链码法对3号志愿者的肩点检测实验结果；
图12是利用本发明方法和链码法对4号志愿者的肩点检测实验结果；
图13是利用本发明方法和链码法对5号志愿者的肩点检测实验结果；
图14是利用本发明方法和链码法对6号志愿者的肩点检测实验结果；
图15是利用本发明方法和链码法对7号志愿者的肩点检测实验结果；
图16是利用本发明方法和链码法对8号志愿者的肩点检测实验结果；
图17是利用本发明方法和链码法对9号志愿者的肩点检测实验结果；
图18是利用本发明方法和链码法对10号志愿者的肩点检测实验结果。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下描述中，为了说明而不是为了限定，提出了诸如特定内部程序、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
如图1所示，本发明提供了一种基于图像的人体肩宽测量方法，包括以下步骤：
步骤100，采集站姿状态的人体背面图像；其具体包括如下步骤：
在普通光照条件下，利用数码相机拍摄人体背面图像，要求在被拍摄者衣着合体，颈部不能有头发遮挡，站立并挺直身体，手臂伸直与躯干呈一定角度，两腿分开。
如图2所示，是一幅1号志愿者背面图像。该志愿者身高为183cm，图像I大小为750*1000。该志愿者衣着合体，颈部没有头发遮挡，站立并挺直身体，手臂伸直与躯干夹角约为30°，双腿张开约30°。
本实施例要求采集特定站姿的人体背面图像，这是因为：为了获得比较准确的人体尺寸数据，需要对人体姿势进行规范要求。原因如下：
(1)站立并挺直身体：有利于精确测量被拍摄者的臂长、内长等尺寸；
(2)手臂伸直并与躯体呈30°角度：这种姿势使上半身和背景有清晰的区分度，便于准确定位胸部和腰部等关键点；
(3)双腿张开30°左右的角度：这种姿势使下半身和背景分离开，有利于准确测量、大腿围、小腿围等尺寸及定位裆部等关键点。
步骤200，根据采集到的人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；
百度AI提供了前景图、灰度图和二值图，保留二值图即可。
如图3所示，是1号志愿者背面图像的二值图，图像I大小为750*1000，则其二值图IB大小也为750*1000，将IB表示为矩阵，则该矩阵包括1000行和750列，矩阵中的0代表背景，1代表分割出的人体背面。
步骤300，根据二值图，提取人体轮廓线，其具体包括如下步骤：
从上到下顺序地沿水平方向直线扫描二值图，当遇到水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第一人体轮廓线部分；
接着，从左到右顺序地沿垂直方向直线扫描二值图，当遇到垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第二人体轮廓线部分；
最后，合并第一人体轮廓线部分和第二人体轮廓线部分，得到人体轮廓线。
例如，二值图IB矩阵，为说明方便，这里将IB设置为8*8较小矩阵，IB中0代表背景，1代表人体背面。
Figure BDA0002125585620000071
首先，从上到下顺序地沿水平方向直线扫描二值图IB，当遇到水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，即，遇到扫描线上像素值从0转变为1，或者从1转变为0，则将位于人体前景的像素点标记为第一人体轮廓线部分，即，将等于1的像素点标记为第一人体轮廓线部分。按上述方法，可得到下面经水平扫描线之后的结果IB1，其中，位于第一人体轮廓线部分上面的像素点加下划线表示。
Figure BDA0002125585620000072
接着，从左到右顺序地沿垂直方向直线扫描二值图IB，当遇到垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，即，遇到扫描线上像素值从0转变为1，或者从1转变为0，则将位于人体前景的像素点标记为第二人体轮廓线部分，即，将等于1的像素点标记为第二人体轮廓线部分。按上述方法，可得到下面经垂直扫描线之后的结果IB2，其中，位于第二人体轮廓线部分上面的像素点加下划线表示。
Figure BDA0002125585620000081
最后，合并两者结果，即将IB1和IB2合并，即，将IB1和IB2中被标记为第一人体轮廓线部分和第二人体轮廓线部分的像素点均加以保留，得到最终人体轮廓线IC，为表示方便，人体轮廓线IC中将位于人体轮廓线处的像素点用1表示，其余像素点则用0表示。
Figure BDA0002125585620000082
图4是按上述方法，得到的1号志愿者的背面轮廓二值图。
步骤400，根据提取的人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；
百度AI人体特征点检测接口提供了可供python使用的sdk文件，可根据官网技术文档的说明，创建相应的账号，并在代码中以指定形式调用相应的接口，如人体特征点检测需要使用bodyAnalysis模块。
百度AI人体特征点识别接口能够检测图像中的所有人体，标记出每个人体的坐标位置；不限人体数量，适应人体轻度遮挡、截断的情况。该接口可以精准定位人体的14个主要特征点，包含鼻子、颈部、四肢主要关节部位，只需在使用时提供符合要求的图片，就可以获得相应的数据，具体如下：
Figure BDA0002125585620000083
Figure BDA0002125585620000091
当导入整个百度AI模块后，依据要求依次填写APPID，AK，SK三个必要的信息，就可以建立实例client以进行人体分析。get_file_content函数用来打开需要处理的图片，参数为图片路径，因此将图片实际的路径填入括号中，获得表示该图片的变量image。最后，需要使用client中的bodyAnalysis模块来进行人体数据的分析，参数为图片image，结果为全部14个特征点的坐标信息，可以通过字典访问需要的某些数据。
因此，可以利用百度AI提供的人体特征点检测接口，保留人体左肩关节点和右肩关节点坐标。
图5是1号志愿者的人体特征点示意图，其中，左肩关节点的坐标为(383,320)，右肩关节点的坐标为(391,420)，这里的坐标(383,320)相当于二值图IB所表示矩阵中的第383行，320列，保留左肩关节点坐标(383,320)和右肩关节点坐标(391,420)。
步骤500，根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算左肩点和右肩点切线的交点，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以Bezier曲线的长度作为肩宽，具体包括：
步骤501，以左肩关节点、右肩关节点为基准点，沿水平和垂直方向在人体轮廓线上确定左肩起点、左肩终点、右肩起点和右肩终点；其具体包括如下步骤：
首先，由左肩关节点，沿水平方向向左找到人体轮廓线上的像素点，作为左肩起点，再沿垂直方向向上找到人体轮廓线上的像素点，作为左肩终点；接着，由右肩关节点，沿水平方向向右找到人体轮廓线上的像素点，作为右肩起点，再沿垂直方向向上找到人体轮廓线上的像素点，作为右肩终点。
图6是1号志愿者肩点搜索范围示意图，其中，L代表左肩关节点，由L点出发，沿水平方向向左找到人体轮廓线上的像素点L_start作为左肩起点，其坐标为(383,309)，再沿垂直方向向上找到人体轮廓线上的像素点L_end作为左肩终点，其坐标为(377,320)；接着，由右肩关节点R，沿水平方向向右找到人体轮廓线上的像素点R_start作为右肩起点，其坐标为(391,436)，再沿垂直方向向上找到人体轮廓线上的像素点R_end作为右肩终点，其坐标为(378,420)。至此，人体轮廓线上从L_start开始，到L_end结束范围内的所有像素点是左肩点的搜索范围。左肩点的搜索范围为(383,309)，(383,310)，(382,311)，(381,312)，(380,313)，(380,314)，(379,315)，(378,316)，(378,317)，(377,318)，(377,319)，(377,320)。而人体轮廓线上从R_start开始，到R_end结束范围内的所有像素点是右肩点的搜索范围。右肩点的搜索范围为(391,436),(390,436)，(389,436)，(388,435)，(387,434)，(386,433)，(385,432)，(394,431)，(383,430)，(382,429)，(382,428)，(381,427)，(381,426)，(380,425)，(380,424)，(379,423)，(379,422)，(378,421)，(378,420)。
步骤502，从人体轮廓线上沿左肩起点到左肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为左肩点，具体包括：
首先，由左肩起点，沿人体轮廓线分别向下依次取出p个像素，利用最小二乘法拟合直线1；接着，由左肩起点，沿人体轮廓线分别向上依次取出p个像素，利用最小二乘法拟合直线2；然后，计算直线1与直线2之间的夹角，将该夹角作为左肩起点的夹角；进一步，计算出人体轮廓线上沿左肩起点到左肩终点上所有点的夹角；最后，将夹角最大的点作为左肩点。
如图6所示，由左肩起点L_start，沿人体轮廓线分别向下依次取出p个像素，这里，p值可取10，利用最小二乘法拟合直线1，直线方程表示为：
y＝kx+b
则，最小二乘法拟合直线的公式为：
Figure BDA0002125585620000101
Figure BDA0002125585620000102
按上述公式利用最小二乘法得到直线1，这里，将直线1表示为y＝k1x+b1。
接着，由左肩起点L_start，沿人体轮廓线分别向上依次取出10个像素，利用最小二乘法拟合直线2，这里，将直线2表示为y＝k2x+b2。
然后，计算直线1与直线2之间的夹角，两直线夹角θ的计算公式为：
Figure BDA0002125585620000103
其中，k1与k2分别为直线1与直线2的斜率。按上述方法计算左肩起点L_start的角度为27.5788。
进一步，计算出人体轮廓线上沿左肩起点L_start到左肩终点L_end上所有点的夹角，对应的角度为{27.5788,26.2896,26.7929,26.0701,26.1809,23.5373,23.7556,22.9703,21.2688,21.8064,17.7950,16.5944}。
最后，将夹角最大的点作为左肩点。在左肩点得到的角度{27.5788,26.2896,26.7929,26.0701,26.1809,23.5373,23.7556,22.9703,21.2688,21.8064,17.7950,16.5944}中，夹角最大为27.5788，对应的坐标为(383,309)，则左肩点的坐标为(383,309)。
步骤503，从人体轮廓线上沿右肩起点到右肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为右肩点，其具体包括如下步骤：
首先，由右肩起点，沿人体轮廓线分别向下依次取出p个像素，利用最小二乘法拟合直线1；接着，由右肩起点，沿人体轮廓线分别向上依次取出p个像素，利用最小二乘法拟合直线2；然后，计算直线1与直线2之间的夹角，将该夹角作为右肩起点的夹角；进一步，计算出人体轮廓线上沿右肩起点到右肩终点上所有点的夹角；最后，将夹角最大的点作为右肩点。
如图6所示，由右肩起点R_start，沿人体轮廓线分别向下依次取出p个像素，这里，p值可取10，利用最小二乘法拟合直线1，直线方程表示为：
y＝kx+b
则，最小二乘法拟合直线的公式为：
Figure BDA0002125585620000111
Figure BDA0002125585620000112
按上述公式利用最小二乘法得到直线1，这里，将直线1表示为y＝k1x+b1。
接着，由右肩起点R_start，沿人体轮廓线分别向上依次取出10个像素，利用最小二乘法拟合直线2，这里，将直线2表示为y＝k2x+b2。
然后，计算直线1与直线2之间的夹角，两直线夹角θ的计算公式为：
Figure BDA0002125585620000113
其中，k1与k2分别为直线1与直线2的斜率。按上述方法计算右肩起点R_start的角度为10.4059。
进一步，计算出人体轮廓线上沿右肩起点R_start到右肩终点R_end上所有点的夹角，对应的角度为{10.4059,12.1986,15.8982,18.4192,20.3317,22.6054,24.5344,24.3582,25.5029,23.8935,20.7401,18.9303,16.6392,16.3952,14.4853,14.9974,13.3000,12.8565,10.7117}。
最后，将夹角最大的点作为右肩点。在右肩点得到的角度{10.4059,12.1986,15.8982,18.4192,20.3317,22.6054,24.5344,24.3582,25.5029,23.8935,20.7401,18.9303,16.6392,16.3952,14.4853,14.9974,13.3000,12.8565,10.7117}中，夹角最大为25.5029，对应的坐标为(383,430)，则右肩点的坐标为(383,430)。
图7是1号志愿者肩点位置示意图，其中，左肩点的坐标为(383,309)，右肩点的坐标为(383,430)。
步骤504，计算左肩点的切线与右肩点的切线的交点，其具体包括如下步骤：
首先，从左肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过左肩点的第一切线；
接着，从右肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；
最后，计算第一切线和第二切线的交点。
图8为手工测量人体肩宽示意图，其方法是从左肩点经人体第7颈椎点到右肩点的曲线长度。在基于图像的人体肩宽测量中，本发明采用Bezier曲线来模拟人体肩宽曲线。
图9为肩部Bezier曲线示意图。图9中，按上述步骤得到的左肩点和右肩点分别用A和B表示。首先，由左肩点A点，沿人体轮廓线向上依次取出q个像素，本发明中，q值设置为5，利用最小二乘法生成一条经过左肩点的第一切线。
切线生成方法如下：
以左肩点为原点，直线方程可以表示为：
yi＝kxi
Figure BDA0002125585620000121
Figure BDA0002125585620000122
Figure BDA0002125585620000123
Figure BDA0002125585620000124
本发明中q取值为5，则直线斜率k的计算公式为：
Figure BDA0002125585620000125
接着，由右肩点B点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；最后，计算第一切线和第二切线的交点。如图9所示，第一切线和第二切线的交点为C。
步骤505，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽，其具体包括如下步骤：
以左肩点，左、右肩点切线的交点，右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽。
Bezier曲线具有以下特点：曲线起点的切线方向等于第1和第2个控制点的连线方向，终点的切线方向等于最后2个控制点的连线方向。
如图9所示，以左肩点A点，左、右肩点切线的交点C点，右肩点B点为控制点，生成二次Bezier曲线，其中，AC的连线方向即为Bezier曲线上A点的切线方向，BC的连线方向即为Bezier曲线上B点的切线方向。
二次Bezier曲线公式如下：
B(t)＝(1-t)2P0+2t(1-t)P1+t2P2
其中，P0，P1和P2为控制点，这三个控制点对应的坐标分别为(x0,y0)，(x1,y1)，(x2,y2)，将坐标代入上面二次Bezier曲线公式，得到：
x(t)＝(1-t)2x0+2t(1-t)x1+t2x2
y(t)＝(1-t)2y0+2t(1-t)y1+t2y2
其中，变量t取值范围为[0,1]。利用x(t)和y(t)这两个公式，可以计算得到Bezier曲线的长度D，计算公式为：
Figure BDA0002125585620000131
其中，x′(t)和y′(t)分别为x(t)和y(t)的微分。这里的得到的肩宽D是指图像上的肩宽，如果需要得到人体实际肩宽，可以利用下列转换公式：
Figure BDA0002125585620000132
其中，true_H表示人体实际身高，H表示二值图中人体身高。二值图中的人体身高可以通过下述方法获得：
对于二值图IB矩阵，首先，从第一行开始由上往下逐行扫描矩阵，遇到数值为1的行则停止扫描，并将该行的坐标记录下来，记作Htop，接着，再从最后一行开始由下往上逐行扫描矩阵，遇到数值为1的行则停止扫描，并将该行的坐标记录下来，记作Hbottom，则二值图中人体身高等于：
H＝Hbottom-Htop
为验证本发明测量人体肩宽的准确率，我们利用本发明方法，基于链码的方法(以下简称链码法)对2号—10号志愿者的肩点进行了搜索，图10—18是分别利用本发明方法和链码法得到的肩点，其中，本发明方法用实心圆表示，链码法用叉表示。对于图10，图11，图13，图17，链码法能够正确定位肩点。对于图12，图14，图15，链码法错误地将左颈点定位成左肩点。图16所示志愿者为窄肩，链码法定位的右肩点处于偏高的位置。图18所示志愿者为溜肩，链码法定位的左肩点处于偏低的位置，右肩点则处于偏高的位置。与链码法相比，本发明方法定位的肩点都处于准确位置。
为进一步验证本发明测量人体肩宽的准确率，利用本发明方法定位肩点，接着利用本发明方法测量人体肩宽，直接利用直线距离测量左、右肩点间的肩宽(以下简称直线法)分别测量1号—10号志愿者的肩宽，并采用手工测量方法获取这10名志愿者的真实肩宽，再按以下公式计算绝对误差(绝对误差＝测量肩宽-真实肩宽)，结果如表1所示。从表1可见，利用本发明方法，人体肩宽的绝对误差范围在±1cm以内，而利用直线法测量，人体肩宽的最小绝对误差是-3.52cm，误差远大于本发明方法。
表1 10名志愿者在2种不同肩宽测量方法下的结果(单位：cm)
Figure BDA0002125585620000141
实施例二
在本发明的较佳实施方式中，本发明提供了一种基于图像的人体肩宽测量装置，包括：
采集装置，用于采集站姿状态的人体背面图像；
获取装置，用于根据采集到的人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；
提取装置，用于根据二值图，提取人体轮廓线；
根据提取的人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；
计算装置，用于根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算左肩点和右肩点切线的交点，以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以Bezier曲线的长度作为肩宽。
进一步地，提取装置，包括：
第一标记模块，用于从上到下顺序地沿水平方向直线扫描二值图，当遇到水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第一人体轮廓线部分；
第二标记模块，用于从左到右顺序地沿垂直方向直线扫描二值图，当遇到垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第二人体轮廓线部分；
合并提取模块，用于合并第一人体轮廓线部分和第二人体轮廓线部分，得到人体轮廓线。
进一步地，计算装置，包括
确定模块，用于以左肩关节点、右肩关节点为基准点，沿水平和垂直方向在人体轮廓线上确定左肩起点、左肩终点、右肩起点和右肩终点；
第一计算模块，用于从人体轮廓线上沿左肩起点到左肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为左肩点；
第二计算模块，用于从人体轮廓线上沿右肩起点到右肩终点，计算所有点的上、下两条直线间的夹角，将夹角最大的点作为右肩点；
第三计算模块，用于计算左肩点的切线与右肩点的切线的交点；
第四计算模块，用于以左肩点、左肩点的切线和右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽。
进一步地，第三计算模块，包括：
第一切线计算单元，用于从左肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过左肩点的第一切线；
第二切线计算单元，用于从右肩点，沿人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；
交点计算单元，用于计算第一切线和第二切线的交点。
本实施例为实现实施一中的方法，其实现方式同实施例一，此处将不再赘述。
实施例三
本发明实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时，实现上述任一项的方法。
该实施例的计算机设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序。所述处理器执行所述计算机程序时实现上述基于图像的人体肩宽测量方法实施例中的步骤。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。
示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述计算机设备中的执行过程。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，本实施例并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是所述计算机设备的内部存储单元，例如计算机设备的硬盘或内存。所述存储器也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器还可以既包括所述计算机设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述计算机设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例还提供了一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现上述任一项所述的基于图像的人体肩宽测量方法。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于图像的人体肩宽测量方法，其特征在于，包括以下步骤：
采集站姿状态的人体背面图像；
根据采集到的所述人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；
根据所述二值图，提取人体轮廓线；
根据提取的所述人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；
根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算所述左肩点和所述右肩点切线的交点，以所述左肩点、所述左肩点的切线和所述右肩点的切线的交点、所述右肩点为控制点，生成二次Bezier曲线，并以所述Bezier曲线的长度作为肩宽。
2.如权利要求1所述的一种基于图像的人体肩宽测量方法，其特征在于，根据所述二值图，提取人体轮廓线，具体包括：
从上到下顺序地沿水平方向直线扫描所述二值图，当遇到所述水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第一人体轮廓线部分；
接着，从左到右顺序地沿垂直方向直线扫描所述二值图，当遇到所述垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第二人体轮廓线部分；
最后，合并所述第一人体轮廓线部分和所述第二人体轮廓线部分，得到所述人体轮廓线。
3.如权利要求1所述的一种基于图像的人体肩宽测量方法，其特征在于，根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算所述左肩点和所述右肩点切线的交点，以所述左肩点、所述左肩点的切线和所述右肩点的切线的交点、所述右肩点为控制点，生成二次Bezier曲线，并以所述Bezier曲线的长度作为肩宽，具体包括：
以所述左肩关节点、所述右肩关节点为基准点，沿水平和垂直方向在所述人体轮廓线上确定左肩起点、左肩终点、右肩起点和右肩终点；
从所述人体轮廓线上沿所述左肩起点到所述左肩终点，计算所有点的上、下两条直线间的夹角，将所述夹角最大的点作为左肩点；
从人体轮廓线上沿所述右肩起点到所述右肩终点，计算所有点的上、下两条直线间的夹角，将所述夹角最大的点作为右肩点；
计算所述左肩点的切线与所述右肩点的切线的交点；
以所述左肩点、所述左肩点的切线和所述右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽。
4.如权利要求3所述的一种基于图像的人体肩宽测量方法，其特征在于，计算所述左肩点的切线与所述右肩点的切线的交点，具体包括：
首先，从所述左肩点，沿所述人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过所述左肩点的第一切线；
接着，从所述右肩点，沿所述人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；
最后，计算第一切线和第二切线的交点。
5.一种基于图像的人体肩宽测量装置，其特征在于，包括：
采集装置，用于采集站姿状态的人体背面图像；
获取装置，用于根据采集到的所述人体背面图像，利用百度AI的人体分割接口，获得人体背面图像的二值图；
提取装置，用于根据所述二值图，提取人体轮廓线；
根据提取的所述人体轮廓线，利用百度AI的人体特征点检测接口，获取人体左肩关节点和右肩关节点；
计算装置，用于根据获取的人体左肩关节点和右肩关节点，确定左肩点和右肩点，计算所述左肩点和所述右肩点切线的交点，以所述左肩点、所述左肩点的切线和所述右肩点的切线的交点、所述右肩点为控制点，生成二次Bezier曲线，并以所述Bezier曲线的长度作为肩宽。
6.如权利要求5所述的一种基于图像的人体肩宽测量装置，其特征在于，提取装置，包括：
第一标记模块，用于从上到下顺序地沿水平方向直线扫描所述二值图，当遇到所述水平方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第一人体轮廓线部分；
第二标记模块，用于从左到右顺序地沿垂直方向直线扫描所述二值图，当遇到所述垂直方向直线上从背景转变为人体前景，或者从人体前景转变为背景时，则将位于人体前景的像素点标记为第二人体轮廓线部分；
合并提取模块，用于合并所述第一人体轮廓线部分和所述第二人体轮廓线部分，得到所述人体轮廓线。
7.如权利要求5所述的一种基于图像的人体肩宽测量装置，其特征在于，计算装置，包括
确定模块，用于以所述左肩关节点、所述右肩关节点为基准点，沿水平和垂直方向在所述人体轮廓线上确定左肩起点、左肩终点、右肩起点和右肩终点；
第一计算模块，用于从所述人体轮廓线上沿所述左肩起点到所述左肩终点，计算所有点的上、下两条直线间的夹角，将所述夹角最大的点作为左肩点；
第二计算模块，用于从人体轮廓线上沿所述右肩起点到所述右肩终点，计算所有点的上、下两条直线间的夹角，将所述夹角最大的点作为右肩点；
第三计算模块，用于计算所述左肩点的切线与所述右肩点的切线的交点；
第四计算模块，用于以所述左肩点、所述左肩点的切线和所述右肩点的切线的交点、右肩点为控制点，生成二次Bezier曲线，并以该曲线的长度作为肩宽。
8.如权利要求7所述的一种基于图像的人体肩宽测量装置，其特征在于，第三计算模块，包括：
第一切线计算单元，用于从所述左肩点，沿所述人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过所述左肩点的第一切线；
第二切线计算单元，用于从所述右肩点，沿所述人体轮廓线向上依次取出q个像素，利用最小二乘法生成一条经过右肩点的第二切线；
交点计算单元，用于计算第一切线和第二切线的交点。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-4中任一项所述的方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序使计算机执行时实现如权利要求1-4中任一项所述的一种基于图像的人体肩宽测量方法。
CN201910621182.7A 2019-07-10 2019-07-10 一种基于图像的人体肩宽测量方法及装置 Active CN110428434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910621182.7A CN110428434B (zh) 2019-07-10 2019-07-10 一种基于图像的人体肩宽测量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910621182.7A CN110428434B (zh) 2019-07-10 2019-07-10 一种基于图像的人体肩宽测量方法及装置

Publications (2)

Publication Number Publication Date
CN110428434A CN110428434A (zh) 2019-11-08
CN110428434B true CN110428434B (zh) 2022-12-13

Family

ID=68409143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910621182.7A Active CN110428434B (zh) 2019-07-10 2019-07-10 一种基于图像的人体肩宽测量方法及装置

Country Status (1)

Country Link
CN (1) CN110428434B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6184684A (ja) * 1984-09-10 1986-04-30 ライノタイプ・カンパニー 曲線を表わす信号の組を発生させるための方法
US4623977A (en) * 1984-09-10 1986-11-18 Allied Corporation Method and apparatus for linear interpolation
TW210952B (en) * 1992-02-24 1993-08-11 China Textile Inst Method of making sleeve with shoulder pad
JP2008121134A (ja) * 2006-11-10 2008-05-29 Emborich Co Ltd パーソナル人台生成装置、型紙パターン生成支援装置
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
CN102902868A (zh) * 2011-07-26 2013-01-30 赵朔琼 一种应用于网络的三维仿真服装试穿系统
CN103455919A (zh) * 2012-05-30 2013-12-18 盛乐信息技术（上海）有限公司 试衣模型生成方法及系统
CN103810750A (zh) * 2014-01-16 2014-05-21 北京航空航天大学 一种基于人体截面环的参数化变形方法
CN106418847A (zh) * 2015-08-04 2017-02-22 王廷金 一种基于计算机视觉技术的人体三维尺寸测量方法
CN107041585A (zh) * 2017-03-07 2017-08-15 上海优裁信息技术有限公司 人体尺寸的测量方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6184684A (ja) * 1984-09-10 1986-04-30 ライノタイプ・カンパニー 曲線を表わす信号の組を発生させるための方法
US4623977A (en) * 1984-09-10 1986-11-18 Allied Corporation Method and apparatus for linear interpolation
TW210952B (en) * 1992-02-24 1993-08-11 China Textile Inst Method of making sleeve with shoulder pad
JP2008121134A (ja) * 2006-11-10 2008-05-29 Emborich Co Ltd パーソナル人台生成装置、型紙パターン生成支援装置
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
CN102902868A (zh) * 2011-07-26 2013-01-30 赵朔琼 一种应用于网络的三维仿真服装试穿系统
CN103455919A (zh) * 2012-05-30 2013-12-18 盛乐信息技术（上海）有限公司 试衣模型生成方法及系统
CN103810750A (zh) * 2014-01-16 2014-05-21 北京航空航天大学 一种基于人体截面环的参数化变形方法
CN106418847A (zh) * 2015-08-04 2017-02-22 王廷金 一种基于计算机视觉技术的人体三维尺寸测量方法
CN107041585A (zh) * 2017-03-07 2017-08-15 上海优裁信息技术有限公司 人体尺寸的测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Shoulder Point Detection: A Fast Geometric Data Fitting Algorithm;Hadi Mansourifar等;《2011 International Conference on Cyberworlds》;20111004;第152-159页 *
紧身原型的建立及版型设计;李明菊等;《东华大学学报(自然科学版)》;20020630;第49-52页 *
计算机辅助纸样设计和裁片自动生成系统;邵平平;《计算机应用与软件》;19950331;第30-34页 *

Also Published As

Publication number Publication date
CN110428434A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN106780619B (zh) 一种基于Kinect深度相机的人体尺寸测量方法
US10650523B2 (en) Image segmentation method, image segmentation system and storage medium and apparatus including the same
US20240233177A9 (en) System and method for efficiently scoring probes in an image with a vision system
CN106971406B (zh) 物体位姿的检测方法和装置
CN101639947A (zh) 基于图像的植物三维形态测量与重建方法及系统
CN106418847A (zh) 一种基于计算机视觉技术的人体三维尺寸测量方法
CN104766309A (zh) 一种平面特征点导航定位方法与装置
US6993177B1 (en) Gauging based on global alignment and sub-models
WO2018133691A1 (zh) 用户身材参数获取方法和装置
US20150104068A1 (en) System and method for locating fiducials with known shape
CN112116702A (zh) 一种基于正面和侧面轮廓的人体测量三维建模方法及系统
CN103218809A (zh) 一种珍珠长度参数的图像测量方法
CN112244401A (zh) 基于人体样本库的人体测量误差修正方法和系统
Zhou et al. Vision-based pose estimation from points with unknown correspondences
CN107194916A (zh) 一种基于特征点匹配的视觉测量系统
CN115937003A (zh) 图像处理方法、装置、终端设备和可读存储介质
CN109509194B (zh) 一种复杂背景下正面人体图像分割方法及装置
Yang et al. Auto-recognition Method for Pointer-type Meter Based on Binocular Vision.
CN110428434B (zh) 一种基于图像的人体肩宽测量方法及装置
KR101528757B1 (ko) 이분된 로컬 영역을 가지는 윤곽선 분할 기반 특징을 이용한 물체 인식 방법
CN115239789A (zh) 用于确定液体体积的方法及装置、存储介质、终端
CN114140414A (zh) 非接触式人体测量方法、装置和电子设备
Yu et al. Shape analysis and recognition based on skeleton and morphological structure
CN112464753A (zh) 图像中关键点的检测方法、检测装置及终端设备
CN116225236B (zh) 基于声光控制智能家居情景交互方法

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