CN110477921A - 基于骨架折线Ridge回归的身高测量方法 - Google Patents
基于骨架折线Ridge回归的身高测量方法 Download PDFInfo
- Publication number
- CN110477921A CN110477921A CN201910751720.4A CN201910751720A CN110477921A CN 110477921 A CN110477921 A CN 110477921A CN 201910751720 A CN201910751720 A CN 201910751720A CN 110477921 A CN110477921 A CN 110477921A
- Authority
- CN
- China
- Prior art keywords
- height
- skeleton
- offender
- point
- artis
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于骨架折线Ridge回归的身高测量方法。通过对场景中人体骨架进行标定，实现了对人体身高的测量。据此，利用人体骨架模型，对拍摄图像中人体身高骨架的关键点进行选择和提取。将得到的犯罪人身高骨架关键点的坐标，使用2范数和反正切函数来计算出身高骨架的距离形状参数和方向形状参数。再基于骨架夹角的姿态最近邻匹配，提取参考人身高骨架的距离形状参数。最后根据骨架折线身高模型的训练数据集和Ridge回归的损失函数的解析解构建身高测量预测模型，来实现犯罪人身高测量。本发明具有简单易操作，可靠性强，场景适应度高等优点，且当图像中的人体处于身体扭曲或者姿态复杂的情况下也能完成身高测量。
Description
技术领域
本发明属于身高测量技术领域，更为具体地讲，涉及一种基于骨架折线Ridge回归的身高测量方法。
背景技术
视觉测量技术是以机器视觉为基础，融合光电子学、计算机技术、激光技术、图像处理技术等现代科学技术为一体，组成光、机、电、算综合的测量系统，具有非接触、全视场测量、高精度和自动化程度高的特点。视觉测量按是否需要事先对摄像机进行标定可以分为标定下的测量和未标定下的测量。
标定下的测量是视觉测量的一种常用方法，需要借助高精度的特殊标定块来确定摄像机的内参数和畸变系数，如棋盘格等。申请号为201310192474.6的中国专利《基于双目视觉技术的人体身高测量方法及其装置》通过计算人头尖点在摄像机坐标系下的世界坐标和双目相机的俯仰角、倾斜角，测量人体目标的身高。申请号为201310288619.2的中国专利《一种基于构造平面的单幅图像人体身高测量方法》通过计算人体图像的顶点在标准矩形平面上的坐标，并结合标杆实际高度与标准矩形的对应关系来计算人体图像的高度。申请号为201611070811.4的中国专利《基于摄像头标定的视频图像中人体身高测量的系统及方法》通过获得摄像头参数及其相应的空间变换矩阵，并依靠监控视频图像数据进行地面上直立人员的身高测量。申请号为201611238644.X的中国专利《基于双目立体视觉技术的身高测量系统及方法》将检测并配对的所有人脸框对通过身高计算模块来计算被测者的身高。该类方法标定过程较为繁琐，并且需要依托外界条件，因此容易受到背景信息、复杂结构混杂信息的干扰，使其结果有较大的误差，影响了身高测量的精度。
未标定下的测量也是一种常用的视觉测量方法。未标定下的测量无需借助标定块，需要通过充分利用三维场景中的固定物体或运动物体本身的某些结构化信息，如平行、垂直、共线点等内在信息来达到测量的目的。申请号为201210137231.8的中国专利《基于人体姿态识别的身高测量方法及装置》通过对人体姿态自动识别，在人体非直立情况下利用构成身高或臂展的不同部位的长度求和来估算人体身高。申请号为201410704890.4的中国专利《一种身高测量方法》通过训练人脸分类器和人脸身高模型，将获取的目标人脸的图像数据输入到人脸身高模型中来计算出人体身高。申请号为201510851798.5的中国专利《一种基于视频处理的人体身高测量方法》依据投影中比例关系不变和三角形相似原理计算出实际人体身高。申请号为201610158363.7的中国专利《身高测量系统和方法》通过计算深度图像中的地面和人体头顶所在平面间的距离来作为身高。申请号为201610170359.2的中国专利《一种身高测量方法及系统、随身携带设备》根据身高等级、复步长和足迹长来计算待测者的身高。申请号为201710105005.4的中国专利《一种人体身高测量方法》通过测量用户与摄像头之间的距离来计算用户的身高。以上方法比较灵活，但场景适应度低，不能解决图像中人体处于身体扭曲或者姿态复杂情况下的身高测量，精确度低。
本专利是基于骨架折线Ridge回归的一种身高测量方法，该方法比较灵活，其实现过程不需要依赖辅助设备，操作简单易行，这在实际应用中很大程度上节省了人力物力。同时当图像中的人体处于身体扭曲或者姿态复杂的情况下也能完成身高测量，且精度较高。
发明内容
本发明的目的是提出一种基于骨架折线Ridge回归的身高测量方法，克服了身高测量在拍摄图像中受到背景信息、复杂结构混杂信息的干扰，解决了图像中人体处于身体扭曲或者姿态复杂等情况下无法测量身高的问题。
本发明采用的技术方案是：
基于骨架折线Ridge回归的身高测量方法,其特征在于包括以下步骤：
(1)犯罪人图像关键点提取与度量：输入犯罪人图像并对犯罪人手工标记身高骨架关键点，提取对应关键点的坐标，分别使用2范数和反正切函数计算身高骨架距离形状参数和方向形状参数；
(2)多参考人姿态模仿和参考人身高骨架距离参数提取：输入多参考人成功模仿姿态视频帧并计算各视频帧参考人身高骨架方向形状参数，使用负的2范数来计算身高骨架的方向相似度，将最大身高骨架方向相似度的视频帧作为参考人的成功模仿姿态视频帧，并计算参考人身高骨架距离形状参数，得到多参考人的身高骨架距离参数矩阵；
(3)基于骨架折线Ridge回归犯罪人身高测量：根据所有参考人的身高骨架距离参数和真实物理身高，构建骨架折线身高模型的训练数据集，根据Ridge回归模型获得身高测量的预测模型，输入犯罪人身高骨架形状参数，实现犯罪人身高预测。
下面详细描述基于骨架折线Ridge回归的身高测量方法的各个步骤。
步骤(1)中的犯罪人图像关键点提取与度量，包括以下步骤：
步骤S1-1：输入犯罪人图像Img(0)。
步骤S1-2：犯罪人关键点定义和提取。
步骤S1-2-1:对犯罪人手工标记身高点。身高定义，人体直立状态下从足跟部，到头部最高点之间的物理距离。
步骤S1-2-2:对犯罪人手工标记身高骨架关键点，并提取对应关键点的坐标身高骨架关键点的定义，从下到上依次是，足跟部点膝关节点臀部关节点第一腰椎关节点第一胸椎关节点颈部点头部顶点共7点i＝1,.2,..,7，记作其中多关键点依次连接构建了骨架折线模型。
步骤S1-3：对犯罪人身高骨架关键点，计算身高骨架距离形状参数。
步骤S1-3-1：根据足跟部点，膝关节点，使用2范数计算小腿骨架距离
步骤S1-3-2：根据膝关节点，臀部关节点，使用2范数计算大腿骨架距离
步骤S1-3-3：根据臀部关节点，第一腰椎关节点，使用2范数计算腰部骨架距离
步骤S1-3-4：根据第一腰椎关节点，第一胸椎关节点，使用2范数计算腹部骨架距离
步骤S1-3-5：根据第一胸椎关节点，颈部点，使用2范数计算胸部骨架距离
步骤S1-3-6：根据颈部点，头部顶点，使用2范数计算头部骨架距离
步骤S1-3-7：将小腿，大腿，腰部，腹部，胸部，头部6个距离k＝1,.2,..,6，作为犯罪人身高骨架形状参数
步骤S1-4：对犯罪人身高骨架关键点，计算身高骨架方向形状参数。
步骤S1-4-1：根据足跟部点，膝关节点，使用反正切函数atan，计算小腿骨架方向
步骤S1-4-2：根据膝关节点，臀部关节点，使用反正切函数atan，计算大腿骨架方向
步骤S1-4-3：根据臀部关节点，第一腰椎关节点，使用反正切函数atan，计算腰部骨架方向
步骤S1-4-4：根据第一腰椎关节点，第一胸椎关节点，使用反正切函数atan，计算腹部骨架方向
步骤S1-4-5：根据第一胸椎关节点，颈部点，使用反正切函数atan，计算胸部骨架方向
步骤S1-4-6：根据颈部点，头部顶点，使用反正切函数atan，计算头部骨架方向
步骤S1-4-7：将小腿，大腿，腰部，腹部，胸部，头部6个方向k＝1,.2,..,6，作为犯罪人身高骨架方向参数
步骤(2)中的多参考人姿态模仿和参考人身高骨架距离参数提取，包括以下步骤：
步骤S2-1：对第1参考人视频Video(1)分析，获得成功模仿姿态视频帧。
步骤S2-1-1：输入第1参考人视频Video(1)，要求第1参考人模仿犯罪人姿态做近似的连续姿势，得到J张j＝1,2,...,J的参考人的候选视频帧
步骤S2-1-2：重复步骤1.2.2，提取第1参考人的第一张视频帧的身高骨架关键点，包括足跟部点，膝关节点，臀关节点，第一腰椎关节点，第一胸椎关节点，颈部点，头部顶点，共7点i＝1,.2,..,7，记作其中
步骤S2-1-3：输入提取第1参考人的第一张视频帧的身高骨架关键点重复步骤S1-4，计算身高骨架方向参数
步骤S2-1-4：分析犯罪人和第1参考人的第一张视频帧，使用负的2范数来计算身高骨架方向相似度
步骤S2-1-5：重复步骤S2-1-2和步骤S2-1-3，依次对各视频帧计算提取参考人的第j张视频帧的身高骨架方向相似度j＝2,,...,J。
步骤S2-1-6：对所有视频帧选择最大身高骨架方向相似度的视频帧数据作为第1参考人的成功模仿姿态视频帧
步骤S2-2：重复步骤S1-3计算1号参考人的成功模仿姿态视频帧的身高骨架距离参数
步骤S2-3：重复步骤S2-1，对第n参考人n＝2,...,N，依次获得成功模仿视频帧
步骤S2-4：重复步骤S1-3,计算第n参考人的成功模仿姿态视频帧的身高骨架距离参数
步骤S2-5：记录所有参考人的身高骨架距离参数矩阵D＝{d(n)}。
步骤(3)中的基于骨架折线Ridge回归犯罪人身高测量，包括以下步骤：
步骤S3-1：依次输入所有参考人的真实物理身高h(n)。
步骤S3-2：记录所有参考人的真实物理身高矩阵H＝{h(n)}。
步骤S3-2-1：用所有参考人的身高骨架距离参数和真实物理身高，构建骨架折线身高模型的训练数据集Dtrain＝{d(n),h(n)}。
步骤S3-3：用Ridge回归模型学习身高测量模型参数。
步骤S3-3-1：对身高测量模型进行数学建模
其中身高测量模型参数为W＝{wk}，wk依次为小腿，大腿，腰部，腹部，胸部，头部测量拟合参数，k＝1,.2,..,6。
步骤S3-3-2：对骨架折线模型，构建Ridge回归的损失函数
Ωw＝minw{||W·d(n)-h(n)||2+α||W||2}
其中α是Ridge回归的正则化强度，其取值可为α＝1
步骤S3-3-3：对Ridge回归的损失函数求导，令导数等于0，获得Ridge回归的解析解
Wridge＝(DTD+αI)-1DTH
其中I是单位矩阵，即对角线元素为1，其余元素均为0。
步骤S3-3-4：获得身高测量预测模型
h(n)＝Wridge·d(n)
步骤S3-4：犯罪人身高测量。
步骤S3-4-1：获得犯罪人身高骨架形状参数
步骤S3-4-2：带入S3-3-4训练好得到的模型，获得犯罪人身高预测
h(0)＝Wridge·d(0)。
与已有技术相比，本发明的主要优势如下：
(1)身高测量需要场景中人体状态处于直立的假设，但是目前场景采集的过程中人体存在非直立情况，因此，基于人体骨架的刚性结构，通过对身高骨架关键点的选择和提取，能够精准地实现场景中人体的身高测量。
(2)背景中存在大量复杂结构信息干扰，致使不能准确对嫌疑人姿态进行模仿，进而容易造成身高测量的误差，通过多参考人的姿态模仿，避免了单个参考人姿态模仿带来的偶然性误差，通过计算身高骨架的方向形状参数，对比嫌疑人参考人的方向相似度，选择最大身高骨架方向相似度，可以进一步降低背景信息对身高测量的干扰。
(3)通过骨架折线身高模型的训练数据集和Ridge回归的损失函数的解析解构建身高测量预测模型，提高了系统的稳定性和测量的精度。
附图说明
下面结合附图对本发明进一步说明：
图1为本发明提出的基于骨架折线Ridge回归的身高测量方法流程图。
图2(a)为本发明实施例中犯罪人身高骨架关键点标记示意图。
图2(b)为本发明实施例中犯罪人身高骨架距离形状参数示意图。
图2(c)为本发明实施例中犯罪人身高骨架方向形状参数示意图。
图3(a)为本发明实施例中参考人模仿多视频帧示意图。
图3(b)为本发明实施例中参考人身高骨架方向形状参数示意图。
图3(c)为本发明实施例中参考人多视频帧的身高骨架方向相似度示意图。
图3(d)为本发明实施例中参考人成功模仿姿态示意图。
图4为本发明实施例中犯罪人身高预测。
具体实施方式
下面结合附图及具体实施方式详细介绍本发明。本发明为基于骨架折线Ridge回归的身高测量方法，如图1-4所示，本发明的实现方案分为以下步骤：
步骤S1-1：输入犯罪人图像Img(0)。
步骤S1-2：犯罪人关键点定义和提取。
步骤S1-2-1:对犯罪人手工标记身高点。身高定义，人体直立状态下从足跟部，到头部最高点之间的物理距离。
步骤S1-2-2:对犯罪人手工标记身高骨架关键点，并提取对应关键点的坐标身高骨架关键点的定义，从下到上依次是，足跟部点膝关节点臀部关节点第一腰椎关节点第一胸椎关节点颈部点头部顶点共7点i＝1,.2,..,7，记作其中多关键点依次连接构建了骨架折线模型。
步骤S1-3：对犯罪人身高骨架关键点，计算身高骨架距离形状参数。
步骤S1-3-1：根据足跟部点，膝关节点，使用2范数计算小腿骨架距离
步骤S1-3-2：根据膝关节点，臀部关节点，使用2范数计算大腿骨架距离
步骤S1-3-3：根据臀部关节点，第一腰椎关节点，使用2范数计算腰部骨架距离
步骤S1-3-4：根据第一腰椎关节点，第一胸椎关节点，使用2范数计算腹部骨架距离
步骤S1-3-5：根据第一胸椎关节点，颈部点，使用2范数计算胸部骨架距离
步骤S1-3-6：根据颈部点，头部顶点，使用2范数计算头部骨架距离
步骤S1-3-7：将小腿，大腿，腰部，腹部，胸部，头部6个距离k＝1,.2,..,6，作为犯罪人身高骨架形状参数
步骤S1-4：对犯罪人身高骨架关键点，计算身高骨架方向形状参数。
步骤S1-4-1：根据足跟部点，膝关节点，使用反正切函数atan，计算小腿骨架方向
步骤S1-4-2：根据膝关节点，臀部关节点，使用反正切函数atan，计算大腿骨架方向
步骤S1-4-3：根据臀部关节点，第一腰椎关节点，使用反正切函数atan，计算腰部骨架方向
步骤S1-4-4：根据第一腰椎关节点，第一胸椎关节点，使用反正切函数atan，计算腹部骨架方向
步骤S1-4-5：根据第一胸椎关节点，颈部点，使用反正切函数atan，计算胸部骨架方向
步骤S1-4-6：根据颈部点，头部顶点，使用反正切函数atan，计算头部骨架方向
步骤S1-4-7：将小腿，大腿，腰部，腹部，胸部，头部6个方向k＝1,.2,..,6，作为犯罪人身高骨架方向参数
步骤S2-1：对第1参考人视频Video(1)分析，获得成功模仿姿态视频帧。
步骤S2-1-1：输入第1参考人视频Video(1)，要求第1参考人模仿犯罪人姿态做近似的连续姿势，得到J张j＝1,2,...,J的参考人的候选视频帧
步骤S2-1-2：重复步骤1.2.2，提取第1参考人的第一张视频帧的身高骨架关键点，包括足跟部点，膝关节点，臀关节点，第一腰椎关节点，第一胸椎关节点，颈部点，头部顶点，共7点i＝1,.2,..,7，记作其中
步骤S2-1-3：输入提取第1参考人的第一张视频帧的身高骨架关键点重复步骤S1-4，计算身高骨架方向参数
步骤S2-1-4：分析犯罪人和第1参考人的第一张视频帧，使用负的2范数来计算身高骨架方向相似度
步骤S2-1-5：重复步骤S2-1-2和步骤S2-1-3，依次对各视频帧计算提取参考人的第j张视频帧的身高骨架方向相似度j＝2,,...,J。
步骤S2-1-6：对所有视频帧选择最大身高骨架方向相似度的视频帧数据作为第1参考人的成功模仿姿态视频帧
步骤S2-2：重复步骤S1-3计算1号参考人的成功模仿姿态视频帧的身高骨架距离参数
步骤S2-3：重复步骤S2-1，对第n参考人n＝2,...,N，依次获得成功模仿视频帧
步骤S2-4：重复步骤S1-3,计算第n参考人的成功模仿姿态视频帧的身高骨架距离参数
步骤S2-5：记录所有参考人的身高骨架距离参数矩阵D＝{d(n)}。
步骤S3-1：依次输入所有参考人的真实物理身高h(n)。
步骤S3-2：记录所有参考人的真实物理身高矩阵H＝{h(n)}。
步骤S3-2-1：用所有参考人的身高骨架距离参数和真实物理身高，构建骨架折线身高模型的训练数据集Dtrain＝{d(n),h(n)}。
步骤S3-3：用Ridge回归模型学习身高测量模型参数。
步骤S3-3-1：对身高测量模型进行数学建模
其中身高测量模型参数为W＝{wk}，wk依次为小腿，大腿，腰部，腹部，胸部，头部测量拟合参数，k＝1,.2,..,6。
步骤S3-3-2：对骨架折线模型，构建Ridge回归的损失函数
Ωw＝minw{||W·d(n)-h(n)||2+α||W||2}
其中α是Ridge回归的正则化强度，其取值可为α＝1
步骤S3-3-3：对Ridge回归的损失函数求导，令导数等于0，获得Ridge回归的解析解
Wridge＝(DTD+αI)-1DTH
其中I是单位矩阵，即对角线元素为1，其余元素均为0。
步骤S3-3-4：获得身高测量预测模型
h(n)＝Wridge·d(n)
步骤S3-4：犯罪人身高测量。
步骤S3-4-1：获得犯罪人身高骨架形状参数
步骤S3-4-2：带入S3-3-4训练好得到的模型，获得犯罪人身高预测
h(0)＝Wridge·d(0)。
Claims (4)
1.基于骨架折线Ridge回归的身高测量方法,其特征在于包括以下步骤：
(1)犯罪人图像关键点提取与度量：对犯罪人手工标记身高骨架关键点，并提取对应关键点的坐标，分别使用2范数和反正切函数计算身高骨架距离形状参数和方向形状参数；
(2)多参考人姿态模仿和参考人身高骨架距离参数提取：通过基于骨架夹角的姿态最近邻匹配，获取所有参考人的身高骨架距离参数矩阵；
(3)基于骨架折线Ridge回归犯罪人身高测量：利用所有参考人的身高骨架距离参数和真实物理身高，构建骨架折线身高模型的训练数据集，根据Ridge回归模型实现身高的测量。
2.根据权利要求1所述的基于骨架折线Ridge回归的身高测量方法，其特征在于：所述步骤(1)中犯罪人图像关键点提取与度量,包括以下步骤：
步骤S1-1：输入犯罪人图像Img(0)；
步骤S1-2：犯罪人关键点定义和提取；
步骤S1-2-1：对犯罪人手工标记身高点；身高定义，人体直立状态下从足跟部，到头部最高点之间的物理距离；
步骤S1-2-2：对犯罪人手工标记身高骨架关键点，并提取对应关键点的坐标身高骨架关键点的定义，从下到上依次是，足跟部点膝关节点臀部关节点第一腰椎关节点第一胸椎关节点颈部点头部顶点共7点i＝1,.2,..,7，记作其中多关键点依次连接构建了骨架折线模型；
步骤S1-3：对犯罪人身高骨架关键点，计算身高骨架距离形状参数；
步骤S1-3-1：根据足跟部点，膝关节点，使用2范数计算小腿骨架距离
步骤S1-3-2：根据膝关节点，臀部关节点，使用2范数计算大腿骨架距离
步骤S1-3-3：根据臀部关节点，第一腰椎关节点，使用2范数计算腰部骨架距离
步骤S1-3-4：根据第一腰椎关节点，第一胸椎关节点，使用2范数计算腹部骨架距离
步骤S1-3-5：根据第一胸椎关节点，颈部点，使用2范数计算胸部骨架距离
步骤S1-3-6：根据颈部点，头部顶点，使用2范数计算头部骨架距离
步骤S1-3-7：将小腿，大腿，腰部，腹部，胸部，头部6个距离k＝1,.2,..,6，作为犯罪人身高骨架形状参数
步骤S1-4：对犯罪人身高骨架关键点，计算身高骨架方向形状参数；
步骤S1-4-1：根据足跟部点，膝关节点，使用反正切函数atan，计算小腿骨架方向
步骤S1-4-2：根据膝关节点，臀部关节点，使用反正切函数atan，计算大腿骨架方向
步骤S1-4-3：根据臀部关节点，第一腰椎关节点，使用反正切函数atan，计算腰部骨架方向
步骤S1-4-4：根据第一腰椎关节点，第一胸椎关节点，使用反正切函数atan，计算腹部骨架方向
步骤S1-4-5：根据第一胸椎关节点，颈部点，使用反正切函数atan，计算胸部骨架方向
步骤S1-4-6：根据颈部点，头部顶点，使用反正切函数atan，计算头部骨架方向
步骤S1-4-7：将小腿，大腿，腰部，腹部，胸部，头部6个方向k＝1,.2,..,6，作为犯罪人身高骨架方向参数
3.根据权利要求2所述的基于骨架折线Ridge回归的身高测量方法，其特征在于：所述步骤(2)中多参考人姿态模仿和参考人身高骨架距离参数提取，包括以下步骤：
步骤S2-1：对第1参考人视频Video(1)分析，获得成功模仿姿态视频帧；
步骤S2-1-1：输入第1参考人视频Video(1)，要求第1参考人模仿犯罪人姿态做近似的连续姿势，得到J张j＝1,2,...,J的参考人的候选视频帧
步骤S2-1-2：重复步骤1.2.2，提取第1参考人的第一张视频帧的身高骨架关键点，包括足跟部点，膝关节点，臀关节点，第一腰椎关节点，第一胸椎关节点，颈部点，头部顶点，共7点i＝1,.2,..,7，记作其中
步骤S2-1-3：输入提取第1参考人的第一张视频帧的身高骨架关键点重复步骤S1-4，计算身高骨架方向参数
步骤S2-1-4：分析犯罪人和第1参考人的第一张视频帧，使用负的2范数来计算身高骨架方向相似度
步骤S2-1-5：重复步骤S2-1-2和步骤S2-1-3，依次对各视频帧计算提取参考人的第j张视频帧的身高骨架方向相似度
步骤S2-1-6：对所有视频帧选择最大身高骨架方向相似度的视频帧数据作为第1参考人的成功模仿姿态视频帧
步骤S2-2：重复步骤S1-3计算第1参考人的成功模仿姿态视频帧的身高骨架距离参数
步骤S2-3：重复步骤S2-1，对第n参考人n＝2,...,N，依次获得成功模仿视频帧
步骤S2-4：重复步骤S1-3,计算第n参考人的成功模仿姿态视频帧的身高骨架距离参数
步骤S2-5：记录所有参考人的身高骨架距离参数矩阵D＝{d(n)}。
4.根据权利要求1所述的基于骨架折线Ridge回归的身高测量方法，其特征在于：所述步骤(3)中基于骨架折线Ridge回归犯罪人身高测量，包括以下步骤：
步骤S3-1：依次输入所有参考人的真实物理身高h(n)；
步骤S3-2：记录所有参考人的真实物理身高矩阵H＝{h(n)}；
步骤S3-2-1：用所有参考人的身高骨架距离参数和真实物理身高，构建骨架折线身高模型的训练数据集Dtrain＝{d(n),h(n)}；
步骤S3-3：用Ridge回归模型学习身高测量模型参数；
步骤S3-3-1：对身高测量模型进行数学建模
其中身高测量模型参数为W＝{wk}，wk依次为小腿，大腿，腰部，腹部，胸部，头部测量拟合参数，k＝1,.2,..,6；
步骤S3-3-2：对骨架折线模型，构建Ridge回归的损失函数
Ωw＝minw{||W·d(n)-h(n)||2+α||W||2}；
其中α是Ridge回归的正则化强度，其取值可为α＝1；
步骤S3-3-3：对Ridge回归的损失函数求导，令导数等于0，获得Ridge回归的解析解
Wridge＝(DTD+αI)-1DTH；
其中I是单位矩阵，即对角线元素为1，其余元素均为0；
步骤S3-3-4：获得身高测量预测模型
h(n)＝Wridge·d(n)；
步骤S3-4：犯罪人身高测量；
步骤S3-4-1：获得犯罪人身高骨架形状参数
步骤S3-4-2：带入S3-3-4训练好得到的模型，获得犯罪人身高预测
h(0)＝Wridge·d(0)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910751720.4A CN110477921B (zh) | 2019-08-15 | 2019-08-15 | 基于骨架折线Ridge回归的身高测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910751720.4A CN110477921B (zh) | 2019-08-15 | 2019-08-15 | 基于骨架折线Ridge回归的身高测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110477921A true CN110477921A (zh) | 2019-11-22 |
| CN110477921B CN110477921B (zh) | 2022-02-15 |
Family
ID=68551074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910751720.4A Active CN110477921B (zh) | 2019-08-15 | 2019-08-15 | 基于骨架折线Ridge回归的身高测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110477921B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985443A (zh) * | 2020-09-01 | 2020-11-24 | 安徽炬视科技有限公司 | 一种鲁棒的人体姿态估计算法 |
| CN114005199A (zh) * | 2021-10-26 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种门锁控制方法、装置、电子设备及存储介质 |
| US11928839B2 (en) | 2020-01-19 | 2024-03-12 | Udisense Inc. | Measurement calibration using patterned sheets |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007156642A (ja) * | 2005-12-01 | 2007-06-21 | Matsushita Electric Works Ltd | 仮想空間体験システム |
| CN102074034A (zh) * | 2011-01-06 | 2011-05-25 | 西安电子科技大学 | 多模型人体运动跟踪方法 |
| CN102509338A (zh) * | 2011-09-20 | 2012-06-20 | 北京航空航天大学 | 一种基于轮廓骨架图的视频场景行为生成方法 |
| CN102944200A (zh) * | 2012-11-01 | 2013-02-27 | 沈阳工业大学 | 一种获取髋关节角度及髋关节中心到平台位移的方法 |
| CN106056578A (zh) * | 2016-05-18 | 2016-10-26 | 强辉 | 利用视频精确估判人体身高体形的方法 |
| CN106815855A (zh) * | 2015-12-02 | 2017-06-09 | 山东科技职业学院 | 基于产生式和判别式结合的人体运动跟踪方法 |
| CN109740458A (zh) * | 2018-12-21 | 2019-05-10 | 安徽智恒信科技有限公司 | 一种基于视频处理的体貌特征测量方法及系统 |
-
2019
- 2019-08-15 CN CN201910751720.4A patent/CN110477921B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007156642A (ja) * | 2005-12-01 | 2007-06-21 | Matsushita Electric Works Ltd | 仮想空間体験システム |
| CN102074034A (zh) * | 2011-01-06 | 2011-05-25 | 西安电子科技大学 | 多模型人体运动跟踪方法 |
| CN102509338A (zh) * | 2011-09-20 | 2012-06-20 | 北京航空航天大学 | 一种基于轮廓骨架图的视频场景行为生成方法 |
| CN102944200A (zh) * | 2012-11-01 | 2013-02-27 | 沈阳工业大学 | 一种获取髋关节角度及髋关节中心到平台位移的方法 |
| CN106815855A (zh) * | 2015-12-02 | 2017-06-09 | 山东科技职业学院 | 基于产生式和判别式结合的人体运动跟踪方法 |
| CN106056578A (zh) * | 2016-05-18 | 2016-10-26 | 强辉 | 利用视频精确估判人体身高体形的方法 |
| CN109740458A (zh) * | 2018-12-21 | 2019-05-10 | 安徽智恒信科技有限公司 | 一种基于视频处理的体貌特征测量方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11928839B2 (en) | 2020-01-19 | 2024-03-12 | Udisense Inc. | Measurement calibration using patterned sheets |
| CN111985443A (zh) * | 2020-09-01 | 2020-11-24 | 安徽炬视科技有限公司 | 一种鲁棒的人体姿态估计算法 |
| CN114005199A (zh) * | 2021-10-26 | 2022-02-01 | 珠海格力电器股份有限公司 | 一种门锁控制方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110477921B (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101322589B (zh) | 用于服装设计的非接触式人体测量方法 | |
| CN110074788B (zh) | 一种基于机器学习的身体数据获取方法和装置 | |
| CN110477921A (zh) | 基于骨架折线Ridge回归的身高测量方法 | |
| CN103035008B (zh) | 一种多相机系统的加权标定方法 | |
| CN109919141A (zh) | 一种基于骨架姿态的行人再识别方法 | |
| CN106780619A (zh) | 一种基于Kinect深度相机的人体尺寸测量方法 | |
| CN108154550A (zh) | 基于rgbd相机的人脸实时三维重建方法 | |
| CN104036488B (zh) | 一种基于双目视觉的人体姿态动作研究方法 | |
| CN106097348A (zh) | 一种三维激光点云与二维图像的融合方法 | |
| CN107016721A (zh) | 人体三维模型的建模方法 | |
| CN105534694A (zh) | 一种人体特征可视化装置及方法 | |
| CN102801994B (zh) | 一种信息物理图像融合装置与方法 | |
| CN111012353A (zh) | 一种基于人脸关键点识别的身高检测方法 | |
| US20220092302A1 (en) | Skeleton recognition method, computer-readable recording medium storing skeleton recognition program, skeleton recognition system, learning method, computer-readable recording medium storing learning program, and learning device | |
| CN112016497A (zh) | 基于人工智能的单视角太极拳动作分析及考核系统 | |
| CN105913444B (zh) | 基于软激光测距的牲畜体型轮廓重构方法及体况评分方法 | |
| CN105469679A (zh) | 基于Kinect的心肺复苏辅助训练系统及方法 | |
| CN108209926A (zh) | 基于深度图像的人体身高测量系统 | |
| CN109816784A (zh) | 三维重构人体的方法和系统及介质 | |
| CN112419479A (zh) | 一种基于体重身高及身体影像的体型数据计算方法 | |
| CN110179192A (zh) | 一种人体三维模型的测量系统及其测量方法 | |
| CN106384380A (zh) | 3d人体扫描建模量测方法及其系统 | |
| CN112184898A (zh) | 一种基于动作识别的数字人体建模方法 | |
| CN109655011A (zh) | 一种人体建模维度测量的方法及系统 | |
| CN113065532A (zh) | 一种基于rgbd图像的坐姿几何参数检测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |