CN112998693A - 头部运动的测量方法、装置和设备 - Google Patents
头部运动的测量方法、装置和设备 Download PDFInfo
- Publication number
- CN112998693A CN112998693A CN202110135600.9A CN202110135600A CN112998693A CN 112998693 A CN112998693 A CN 112998693A CN 202110135600 A CN202110135600 A CN 202110135600A CN 112998693 A CN112998693 A CN 112998693A
- Authority
- CN
- China
- Prior art keywords
- dimensional image
- dimensional
- image
- head movement
- acquiring
- 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
Images
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
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请涉及一种一种头部运动的测量方法、装置和设备,该方法包括:步骤一:获取待测量头部的第一二维图像;步骤二:提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围;步骤三:获取图像采集范围内的第一三维图像;在步骤三完成后延迟一定时间,重复步骤一至步骤三,得到第二三维图像;基于所述第一三维图像和所述第二三维图像进行头部运动测量。通过本申请,减少了测量过程中数据获取、传输和计算的时间,提升了头部运动的测量速度。
Description
技术领域
本申请涉及医学成像技术领域,特别是涉及一种头部运动的测量方法、装置和设备。
背景技术
头部运动的测量是指推算人体头部相对于摄像机系统的头部位置和角度。在成像过程中,受检者头部难免会不自觉地运动,导致脑部图像产生运动伪影,利用头部运动信息可以重建出没有伪影的图像,在医学成像具有不可估量的应用前景。
目前已有多种方法用于头部运动的描述,例如控制理论、曲线拟合、时间序列分析、计算机视觉等。其中,通过视觉技术实现人头部运动测量的方法通常可以分为两种:一种是利用二维图像的方法,该方法利用面部二维图像,通过识别每帧面部图像的特征点,测量两帧图像特征点位移对应于世界坐标的真实位移,实现对头部运动参数的测量,测量精确度较低。另一种是利用头部三维图像进行头部运动测量,该方法通常需要采集整个头部的三维数据,进而对运动进行精确的物理测量。而该方法在数据获取、传输和计算过程中会产生大量的点云数据,相比于基于二维图像的方法,虽然获得了更高的精确度,但同时数据复杂、计算量大,降低了测量的速度。
发明内容
本申请实施例提供了一种头部运动的测量方法、装置和设备,以至少解决相关技术中头部运动的测量速度慢的问题。
第一方面,本申请实施例提供了一种头部运动的测量方法,包括:
步骤一:获取待测量头部的第一二维图像;
步骤二:提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围;
步骤三:获取图像采集范围内的第一三维图像;
在步骤三完成后延迟一定时间,重复步骤一至步骤三,得到第二三维图像;
基于所述第一三维图像和所述第二三维图像进行头部运动测量。
在其中一些实施例中,所述面部特征点为相对于头部整体不随面部表情变化发生位移的面部特征位置。
在其中一些实施例中,所述获取图像采集范围内的第一三维图像包括:
在所述采集范围内获取第二二维图像;
根据所述第二二维图像确定第一三维图像。
在其中一些实施例中,所述获取图像采集范围内的第一三维图像包括:
在所述采集范围内获取第三二维图像;
根据所述第一二维图像和第三二维图像得到第一三维图像。
在其中一些实施例中,根据所述第一二维图像和第三二维图像得到第一三维图像包括:
在第一二维图像中提取所述采集范围内的图像数据;
根据所述图像数据以及第三二维图像重建第一三维图像。
在其中一些实施例中,获取待测量头部的第一二维图像之前,还包括:
对相机的像素坐标系中的二维坐标与世界坐标系中的三维坐标进行配准。
在其中一些实施例中,基于所述第一三维图像和所述第二三维图像进行头部运动测量包括:
获取面部特征点的位置坐标信息对,所述位置坐标信息对包括面部特征点分别在所述第一三维图像和所述第二三维图像中的坐标;
根据所述位置坐标信息对计算对应面部特征点的运动信息;
根据所述第一三维图像和所述第二三维图像对应的二维图像采集时间确定图像采集时间间隔;
根据所述面部特征点的运动信息及所述时间间隔确定所述头部运动信息。
第二方面,本申请实施例提供了一种头部运动的测量装置,包括:
二维图像获取单元,用于执行步骤一:获取待测量头部的第一二维图像;
图像采集范围获取单元,用于执行步骤二:提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围;
第一三维图像获取单元,用于执行步骤三:获取图像采集范围内的第一三维图像;
第二三维图像获取单元,用于在步骤三完成后延迟一定时间,重复执行步骤一至步骤三,得到第二三维图像;
头部运动测量单元,用于基于所述第一三维图像和所述第二三维图像进行头部运动测量。
第三方面,本申请实施例提供了一种头部运动的测量设备,包括第一相机、第二相机、存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述第一相机和所述第二相机连接所述处理器;
所述第一相机和第二相机用于获取二维图像;
所述处理器执行所述计算机程序时实现如上述第一方面所述的头部运动的测量方法。
第四方面,本申请实施例提供了一种头部运动的测量设备,包括光源、二维相机、存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述光源和所述二维相机连接所述处理器;
所述光源用于向待测量头部投射结构光;
所述二维相机用于获取待测量头部经结构光投影后的二维图像;
所述处理器执行所述计算机程序时实现如上述第一方面所述的头部运动的测量方法。
相比于相关技术,本申请实施例提供的头部运动的测量方法,通过提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围,然后获取图像采集范围内的第一三维图像。实现了在获取三维图像前选定图像采集范围,无需采集整个头像的三维数据,从而相对于利用整个头部的三维图像进行头部运动测量的传统方法可以产生更少的数据量,减少了测量过程中数据获取、传输和计算的时间,提升了头部运动的测量速度。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请其中一个实施例中头部运动的测量方法的流程示意图;
图2是本申请其中一个实施例中获取图像采集范围内的第一三维图像的流程示意图;
图3是本申请另一个实施例中获取图像采集范围内的第一三维图像的流程示意图;
图4是本申请其中一个实施例中头部运动的测量装置的结构框图;
图5是本申请其中一个实施例中头部运动的测量设备的结构示意图;
图6是本申请另一个实施例中头部运动的测量设备的结构示意图。
附图说明:401、二维图像获取单元;402、图像采集范围获取单元;403、第一三维图像获取单元;404、第二三维图像获取单元;405、头部运动测量单元;50、总线;51/64、处理器;52/63、存储器;53、第一相机;54、第二相机;55、通信接口;61、光源;62、二维相机。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行描述和说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请所涉及的方法、装置、设备或者计算机可读存储介质可用于医学领域,还可以应用于计算机视觉、人机交互、智能监控、疲劳检测等领域中。在医学领域中,例如可以应用于磁共振系统(MR系统)、正电子发射型断层显像系统(PET系统)正电子发射计算机断层显像-磁共振多模态混合系统(PET-MR系统)、超声系统等医学成像系统中。本申请所涉及的方法、装置、设备或者计算机可读存储介质既可以与上述的系统集成在一起,也可以是相对独立的。
下面将以医学成像系统为例对本申请实施例进行说明。
本实施例提供了一种头部运动的测量方法,该方法可由头部运动的测量设备来执行,具体的,可由该设备内一个或多个处理器来执行。图1是根据本申请实施例的头部运动的测量方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,获取待测量头部的第一二维图像。
在本实施例中,所述头部运动的测量设备可以是三维成像设备,例如可以是双目相机、结构光相机等。所述三维成像设备的图像采集范围可以覆盖所述待测量头部的整体,以获取图像采集范围内待测量头部的二维图像和三维图像。其中,所述第一二维图像可以是所述三维成像设备通过相机摄像头的捕捉的自然图像,也可以是直接通过医学成像系统输出的医学扫描图像,如CT图像定位像、MRI图像定位像等。所述第一二维图像至少包括所述待测量头部的人脸区域。
步骤S102,提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围。
在本实施例中,面部特征点的提取可以采用现有技术进行,可以使用基于深度学习的人脸检测算法获取待检测的面部特征点,例如,基于RetinaNet和TinyYolo的人脸检测算法实现人脸目标的获取。
在本实施例中,可以根据人脸图像中面部特征点的位置对人脸图像进行分割得到图像采集范围。其中,本实施例中的图像采集范围包括一个或多个面部特征点对应的子区域,子区域的大小和数量可以根据检测需求进行设置。通常,当子区域范围越大、数量越多时,数据采集量越大,计算过程的时间复杂度增高、精确度越高;当子区域范围越小、数量越少时,获取、传输和计算的数据量减少,可以提升测量的速度但是测量准确度有所降低。其中,所述面部特征点为相对于头部整体不随面部表情变化发生位移的面部特征位置,以避免面部表情变化对头部运动测量结果带来误差,面部特征点例如可以是如鼻尖、眼角等面部固定位置,也可以是额头中线等自定义位置。
步骤S103,获取图像采集范围内的第一三维图像。
步骤S104,步骤S101-S103完成后延迟一定时间,重复步骤S101-S103,得到第二三维图像。
在本实施例中,可以利用是三维成像设备获取图像采集范围内的第一三维图像,所述第一三维图像至少包括所述待测量头部的人脸区域。本实施例通过根据面部特征点划定图像采集范围,仅获取图像采集范围内的第一三维图像,并基于该三维图像进行头部运动测量,可以实现比传统利用头部整体的三维图像进行头部运动测量的方法产生更少的数据量,减少了测量过程中获取、传输和计算的时间。所述第二三维图像的获取方法与所述第一三维图像相同,本申请在此不做赘述。
步骤S105,基于所述第一三维图像和所述第二三维图像进行头部运动测量。
在本实施例中,通过预先划定图像采集范围保证了测量精度,由于所述第一三维图像和所述第二三维图像均基于图像采集范围内的部分二维图像数据生成,当得到所述第一三维图像和所述第二三维图像后,仅基于不同时间点的两幅三维图像中的部分三维图像数据进行头部运动测量,从而保证测量精度的情况下降低了图像处理数据量。
综上,本申请实施例提供的头部运动的测量方法,通过提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围,然后获取图像采集范围内的第一三维图像。实现了在获取三维图像前选定图像采集范围,无需采集整个头像的三维数据,从而相对于利用整个头部的三维图像进行头部运动测量的传统方法可以产生更少的数据量,减少了测量过程中数据获取、传输和计算的时间,提升了头部运动的测量速度。
下面通过优选实施例对本申请实施例进行描述和说明。
在上述实施例的基础上,在其中一些实施例中,如图2所示,所述获取图像采集范围内的第一三维图像包括如下步骤:
步骤S2031,在所述采集范围内获取第二二维图像;
步骤S2032,根据所述第二二维图像确定第一三维图像。
在本实施例中,当根据面部特征点确定图像采集范围后,头部运动的测量设备仅获取对应所述图像采集范围的第二二维图像,即所述第二二维图像不采集全部的人脸像素,仅通过采集图像采集范围的人脸像素得到第二二维图像。
在本实施例中,可以根据所述第二二维图像确定第一三维图像。具体的,可以利用基于深度神经网络的单幅图像的三维重建技术,例如可以基于训练神经网络学习二维图像和三维物体之间的映射关系得到网络模型,实现单幅图像的三维重建。也可以基于结构光三维成像的机理实现,即在所述采集范围内采集一副经结构光投射后的第二二维图像,通过算法实现三维重建,得到第一三维图像,本申请对基于第二二维图像确定第一三维图像的三维重建方法不做具体限定。
在上述实施例的基础上,在其中一些实施例中,如图3所示,所述获取图像采集范围内的第一三维图像包括如下步骤:
步骤S3031,在所述采集范围内获取第三二维图像;
步骤S3032,根据所述第一二维图像和第三二维图像得到第一三维图像。
在本实施例中,当根据面部特征点确定图像采集范围后,头部运动的测量设备仅获取对应所述图像采集范围的第三二维图像,即所述第三二维图像不采集全部的人脸像素,仅通过采集图像采集范围的人脸像素得到第三二维图像。
在本实施例中,当得到第三二维图像后,可以根据所述第一二维图像和第三二维图像得到第一三维图像。首先在第一二维图像中提取所述采集范围内的图像数据,然后根据所述图像数据以及第三二维图像重建第一三维图像。具体的,可以基于所述第三二维图像获取所述图像采集范围内对应的图像数据,基于第一二维图像中采集范围内的图像数据和第三二维图像图像采集范围内对应的图像数据进行三维重建。例如,所述第一二维图像和第三二维图像可以是基于不同相机到的视差图,以根据所述视差图得到所述采集范围内的深度信息,通过所述深度信息进行像素点匹配,得到所述采集范围内每个像素的深度用于三维图像重建。
在其中一些实施例中,获取待测量头部的第一二维图像之前,还包括:对相机的像素坐标系中的二维坐标与世界坐标系中的三维坐标进行配准。
在本实施例中,获取待测量头部的第一二维图像之前,需要对三维成像设备进行系统标定,包括设备几何参数的标定和相机内部参数标定,否则很可能产生计算误差。
通常,系统标定是获取三维成像设备的像素坐标系中的二维坐标与世界坐标系中的三维坐标之间进行配准,以得到对应的映射关系。具体的,可以基于所述三维成像设备中相机获取图像样本库,根据该图像样本库中像素坐标系中二维图像的二维坐标与对应的世界坐标系中三维图像的三维坐标进行大量的样本训练,得到所述二维坐标与三维坐标的映射关系。当然,在其他实施例中,也可以利用其它方式对相机的像素坐标系中的二维坐标与世界坐标系中的三维坐标进行配准,如Tsai两步法、张氏标定法等,本申请在此不做限定。
在其中一些实施例中,基于所述第一三维图像和所述第二三维图像进行头部运动测量包括:
获取面部特征点的位置坐标信息对,所述位置坐标信息对包括面部特征点分别在所述第一三维图像和所述第二三维图像中的坐标;
根据所述位置坐标信息对计算对应面部特征点的运动信息;
根据所述第一三维图像和所述第二三维图像对应的二维图像采集时间确定图像采集时间间隔;
根据所述面部特征点的运动信息及所述时间间隔确定所述头部运动信息。
在本实施例中,所述头部运动信息是指人体头部的位置和角度,其包括但不限于待测量头部的位移信息和旋转信息。其中,所述位移信息为所述第一三维图像和所述第二三维图像中的头部位移。所述旋转信息包括头部俯仰角、偏航角和滚动角。通常定义在三维空间中,以水平方向为x轴,头部绕x轴旋转的角度为俯仰角;以垂直向下为y轴,头部绕y轴旋转的角度为偏航角;根据右手法则得到z轴,头部绕z轴旋转的角度为滚动角。
在本实施例中,可以根据所述位置坐标信息对计算对应面部特征点的运动信息。例如可以基于所述面部特征点在所述第一三维图像和所述第二三维图像中的位置坐标信息对,利用几何关系、投影变换关系计算得到面部特征点的运动信息。在本实施例中,可将一个面部特征点的运动信息作为所述第一三维图像和所述第二三维图像中面部特征点的运动信息,也可以将多个面部特征点的运动信息的加权平均值,作为所述第一三维图像和所述第二三维图像中面部特征点的运动信息。
在本实施例中,当根据所述第一三维图像和所述第二三维图像得到面部特征点的运动信息后,结合所述第一三维图像和所述第二三维图像的采集时间间隔,可以将面部特征点的运动信息作为该采集时间间隔内的头部运动信息。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种头部运动的测量装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的头部运动的测量装置的结构框图,如图4所示,该装置包括:二维图像获取单元401、图像采集范围获取单元402、第一三维图像获取单元403、第二三维图像获取单元404和头部运动测量单元405。
二维图像获取单元401,用于执行步骤一:获取待测量头部的第一二维图像;
图像采集范围获取单元402,用于执行步骤二:提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围;
第一三维图像获取单元403,用于执行步骤三:获取图像采集范围内的第一三维图像;
第二三维图像获取单元404,用于在步骤三完成后延迟一定时间,重复执行步骤一至步骤三,得到第二三维图像;
头部运动测量单元405,用于基于所述第一三维图像和所述第二三维图像进行头部运动测量。
在其中一些实施例中,所述面部特征点为相对于头部整体不随面部表情变化发生位移的面部特征位置。
在其中一些实施例中,第一三维图像获取单元403包括:第二二维图像获取模块和第一三维图像确定模块。
第二二维图像获取模块,用于在所述采集范围内获取第二二维图像;
第一三维图像确定模块,用于根据所述第二二维图像确定第一三维图像。
在其中一些实施例中,第一三维图像获取单元403包括:第三二维图像获取模块和第二三维图像确定模块。
第三二维图像获取模块,用于在所述采集范围内获取第三二维图像;
第二三维图像确定模块,用于根据所述第一二维图像和第三二维图像得到第一三维图像。
在其中一些实施例中,第二三维图像确定模块包括:图像数据提取模块和重建模块。
图像数据提取模块,用于在第一二维图像中提取所述采集范围内的图像数据;
重建模块,用于根据所述图像数据以及第三二维图像重建第一三维图像。
在其中一些实施例中,头部运动的测量装置还包括:配准单元。
配准单元,用于对相机的像素坐标系中的二维坐标与世界坐标系中的三维坐标进行配准。
在其中一些实施例中,头部运动测量单元405包括:位置坐标信息对获取模块、运动信息计算模块、运动信息计算模块和运动信息确定模块。
位置坐标信息对获取模块,用于获取面部特征点的位置坐标信息对,所述位置坐标信息对包括面部特征点分别在所述第一三维图像和所述第二三维图像中的坐标;
运动信息计算模块,用于根据所述位置坐标信息对计算对应面部特征点的运动信息;
采集时间间隔确定模块,用于根据所述第一三维图像和所述第二三维图像对应的二维图像采集时间确定图像采集时间间隔;
运动信息确定模块,用于根据所述面部特征点的运动信息及所述时间间隔确定所述头部运动信息。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
另外,结合图1和图3描述的本申请实施例头部运动的测量方法可以由头部运动的测量设备来实现。
在其中一些实施例中,图5为根据本申请实施例的头部运动的测量设备的硬件结构示意图。头部运动的测量设备包括第一相机53、第二相机54、处理器51、存储器52以及存储在所述存储器52上并可在所述处理器51上运行的计算机程序,所述第一相机53和所述第二相机54连接所述处理器51,所述第一相机53和第二相机54用于获取二维图像;具体地,所述第一相机53和第二相机54设置于不同的角度,且均能输出其拍摄范围内待测量头部的二维图像。例如,可以利用所述第一相机53获取待测量头部的第一二维图像;当确定图像采集范围后,利用所述第二相机54获取在所述采集范围内获取第三二维图像;所述处理器执行所述计算机程序时实现如上所述的头部运动的测量方法。
其中,所述处理器51可以包括中央处理器(CPU),或者特定集成电路(ApplicationSpecific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。存储器52可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器52可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(Solid State Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器52可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器52可在数据处理装置的内部或外部。在特定实施例中,存储器52是非易失性(Non-Volatile)存储器。在特定实施例中,存储器52包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(Random Access Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory,简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-AccessMemory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器52可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器51所执行的可能的计算机程序指令。
处理器51通过读取并执行存储器52中存储的计算机程序指令,以实现上述实施例中的任意一种头部运动的测量方法。
在其中一些实施例中,头部运动的测量设备设备还可包括通信接口55和总线50。其中,如图5所示,处理器51、存储器52、通信接口55通过总线50连接并完成相互间的通信。
通信接口55用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口55还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线50包括硬件、软件或两者,将头部运动的测量设备的部件彼此耦接在一起。总线50包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线50可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线50可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
在其中一些实施例中,图6是根据本申请另一个实施例中的头部运动的测量设备的结构示意图,头部运动的测量设备包括光源61、二维相机62、存储器63、处理器64以及存储在所述存储器63上并可在所述处理器64上运行的计算机程序,所述光源和所述二维相机62连接所述处理器64。
其中,所述光源61用于向待测量头部投射结构光;所述二维相机62用于获取待测量头部经结构光投影后的第二二维图像;所述处理器64执行所述计算机程序时实现如上所述的头部运动的测量方法。
在本实施例中,所述光源61可以是结构光投影器,所述光源61将结构光投射到待测量头部表面后被待测量头部高度调制,得到激光条纹、格雷码、正弦条纹等等结构信息。被调制的结构光经所述二维相机62采集得到结构光图像,然后传送至处理器64分析计算后可得出待测量头部的三维面形数据。其中,调制方式可分为时间调制与空间调制两大类。时间调制方法中最常用的是飞行时间法,该方法记录了光脉冲在空间的飞行时间,通过飞行时间解算待测物的面形信息;空间调制方法为结构光场的相位、光强等性质被待测物的高度调制后都会产生变化,根据读取这些性质的变化得出待测物的面形信息。
上述头部运动的测量设备可以基于获取到的程序指令,执行本申请实施例中的头部运动的测量方法,从而实现结合图1-2描述的头部运动的测量方法。
另外,结合上述实施例中的头部运动的测量方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种头部运动的测量方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种头部运动的测量方法,其特征在于,包括:
步骤一:获取待测量头部的第一二维图像;
步骤二:提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围;
步骤三:获取图像采集范围内的第一三维图像;
在步骤三完成后延迟一定时间,重复步骤一至步骤三,得到第二三维图像;
基于所述第一三维图像和所述第二三维图像进行头部运动测量。
2.根据权利要求1所述的头部运动的测量方法,其特征在于,所述面部特征点为相对于头部整体不随面部表情变化发生位移的面部特征位置。
3.根据权利要求1所述的头部运动的测量方法,其特征在于,所述获取图像采集范围内的第一三维图像包括:
在所述采集范围内获取第二二维图像;
根据所述第二二维图像确定第一三维图像。
4.根据权利要求1所述的头部运动的测量方法,其特征在于,所述获取图像采集范围内的第一三维图像包括:
在所述采集范围内获取第三二维图像;
根据所述第一二维图像和第三二维图像得到第一三维图像。
5.根据权利要求4所述的头部运动的测量方法,其特征在于,根据所述第一二维图像和第三二维图像得到第一三维图像包括:
在第一二维图像中提取所述采集范围内的图像数据;
根据所述图像数据以及第三二维图像重建第一三维图像。
6.根据权利要求1所述的头部运动的测量方法,其特征在于,获取待测量头部的第一二维图像之前,还包括:
对相机的像素坐标系中的二维坐标与世界坐标系中的三维坐标进行配准。
7.根据权利要求1所述的头部运动的测量方法,其特征在于,基于所述第一三维图像和所述第二三维图像进行头部运动测量包括:
获取面部特征点的位置坐标信息对,所述位置坐标信息对包括面部特征点分别在所述第一三维图像和所述第二三维图像中的坐标;
根据所述位置坐标信息对计算对应面部特征点的运动信息;
根据所述第一三维图像和所述第二三维图像对应的二维图像采集时间确定图像采集时间间隔;
根据所述面部特征点的运动信息及所述时间间隔确定所述头部运动信息。
8.一种头部运动的测量装置,其特征在于,包括:
二维图像获取单元,用于执行步骤一:获取待测量头部的第一二维图像;
图像采集范围获取单元,用于执行步骤二:提取所述第一二维图像中的至少一个面部特征点,并根据所述面部特征点确定图像采集范围;
第一三维图像获取单元,用于执行步骤三:获取图像采集范围内的第一三维图像;
第二三维图像获取单元,用于在步骤三完成后延迟一定时间,重复执行步骤一至步骤三,得到第二三维图像;
头部运动测量单元,用于基于所述第一三维图像和所述第二三维图像进行头部运动测量。
9.一种头部运动的测量设备,包括第一相机、第二相机、存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述第一相机和所述第二相机连接所述处理器;
所述第一相机和第二相机用于获取二维图像;
所述处理器执行所述计算机程序时实现如权利要求1、2、4至7中任一项所述的头部运动的测量方法。
10.一种头部运动的测量设备,包括光源、二维相机、存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述光源和所述二维相机连接所述处理器;
所述光源用于向待测量头部投射结构光;
所述二维相机用于获取待测量头部经结构光投影后的二维图像;
所述处理器执行所述计算机程序时实现如权利要求1至3、6-7中任一项所述的头部运动的测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110135600.9A CN112998693B (zh) | 2021-02-01 | 2021-02-01 | 头部运动的测量方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110135600.9A CN112998693B (zh) | 2021-02-01 | 2021-02-01 | 头部运动的测量方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112998693A true CN112998693A (zh) | 2021-06-22 |
CN112998693B CN112998693B (zh) | 2023-06-20 |
Family
ID=76384705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110135600.9A Active CN112998693B (zh) | 2021-02-01 | 2021-02-01 | 头部运动的测量方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112998693B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1163927A (ja) * | 1997-08-27 | 1999-03-05 | Mitsubishi Heavy Ind Ltd | 頭部位置・姿勢の計測装置および作業監視装置 |
JP2988933B1 (ja) * | 1999-01-20 | 1999-12-13 | 株式会社エイ・ティ・アール知能映像通信研究所 | 頭部運動測定装置 |
WO2009061283A2 (en) * | 2007-11-09 | 2009-05-14 | National University Of Singapore | Human motion analysis system and method |
CN102572220A (zh) * | 2012-02-28 | 2012-07-11 | 北京大学 | 3-3-2空间信息转换新模式的仿生复眼运动目标检测 |
US20120277890A1 (en) * | 2011-04-29 | 2012-11-01 | Zheng Han | Method of Ball Game Motion Recognition, Apparatus for the same, and motion assisting device |
CN106021803A (zh) * | 2016-06-06 | 2016-10-12 | 中国科学院长春光学精密机械与物理研究所 | 一种确定图像采集设备最优排布的方法及系统 |
CN106175780A (zh) * | 2016-07-13 | 2016-12-07 | 天远三维(天津)科技有限公司 | 面肌运动捕捉分析系统及其分析方法 |
CN107816952A (zh) * | 2017-10-27 | 2018-03-20 | 长江三峡勘测研究院有限公司(武汉) | 一种逐层开挖工程获取整体三维影像的方法 |
CN109118569A (zh) * | 2018-08-16 | 2019-01-01 | Oppo广东移动通信有限公司 | 基于三维模型的渲染方法和装置 |
US20190038181A1 (en) * | 2018-06-29 | 2019-02-07 | Intel Corporation | Measuring limb range of motion |
CN110059670A (zh) * | 2019-04-29 | 2019-07-26 | 杭州雅智医疗技术有限公司 | 人体头面部、肢体活动角度及体姿非接触测量方法及设备 |
US20200090380A1 (en) * | 2018-09-19 | 2020-03-19 | Siemens Healthcare Gmbh | Motion correction of a reconstructed three-dimensional image dataset |
CN111986242A (zh) * | 2020-07-28 | 2020-11-24 | 沈阳东软智能医疗科技研究院有限公司 | 脑组织分区的确定方法、装置、存储介质及电子设备 |
-
2021
- 2021-02-01 CN CN202110135600.9A patent/CN112998693B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1163927A (ja) * | 1997-08-27 | 1999-03-05 | Mitsubishi Heavy Ind Ltd | 頭部位置・姿勢の計測装置および作業監視装置 |
JP2988933B1 (ja) * | 1999-01-20 | 1999-12-13 | 株式会社エイ・ティ・アール知能映像通信研究所 | 頭部運動測定装置 |
WO2009061283A2 (en) * | 2007-11-09 | 2009-05-14 | National University Of Singapore | Human motion analysis system and method |
US20120277890A1 (en) * | 2011-04-29 | 2012-11-01 | Zheng Han | Method of Ball Game Motion Recognition, Apparatus for the same, and motion assisting device |
CN102572220A (zh) * | 2012-02-28 | 2012-07-11 | 北京大学 | 3-3-2空间信息转换新模式的仿生复眼运动目标检测 |
CN106021803A (zh) * | 2016-06-06 | 2016-10-12 | 中国科学院长春光学精密机械与物理研究所 | 一种确定图像采集设备最优排布的方法及系统 |
CN106175780A (zh) * | 2016-07-13 | 2016-12-07 | 天远三维(天津)科技有限公司 | 面肌运动捕捉分析系统及其分析方法 |
CN107816952A (zh) * | 2017-10-27 | 2018-03-20 | 长江三峡勘测研究院有限公司(武汉) | 一种逐层开挖工程获取整体三维影像的方法 |
US20190038181A1 (en) * | 2018-06-29 | 2019-02-07 | Intel Corporation | Measuring limb range of motion |
CN109118569A (zh) * | 2018-08-16 | 2019-01-01 | Oppo广东移动通信有限公司 | 基于三维模型的渲染方法和装置 |
US20200090380A1 (en) * | 2018-09-19 | 2020-03-19 | Siemens Healthcare Gmbh | Motion correction of a reconstructed three-dimensional image dataset |
CN110059670A (zh) * | 2019-04-29 | 2019-07-26 | 杭州雅智医疗技术有限公司 | 人体头面部、肢体活动角度及体姿非接触测量方法及设备 |
CN111986242A (zh) * | 2020-07-28 | 2020-11-24 | 沈阳东软智能医疗科技研究院有限公司 | 脑组织分区的确定方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112998693B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11576645B2 (en) | Systems and methods for scanning a patient in an imaging system | |
CN109949899B (zh) | 图像三维测量方法、电子设备、存储介质及程序产品 | |
US11253171B2 (en) | System and method for patient positioning | |
US11576578B2 (en) | Systems and methods for scanning a patient in an imaging system | |
Yang | Dealing with textureless regions and specular highlights-a progressive space carving scheme using a novel photo-consistency measure | |
US10362941B2 (en) | Method and apparatus for performing registration of medical images | |
US8731268B2 (en) | CT device and method based on motion compensation | |
CN110009672A (zh) | 提升ToF深度图像处理方法、3D图像成像方法及电子设备 | |
KR20170008638A (ko) | 3차원 컨텐츠 생성 장치 및 그 3차원 컨텐츠 생성 방법 | |
EP2781190B1 (en) | System and method for automatic planning of views in 3D images of brain | |
JP7241933B2 (ja) | 画像レジストレーション方法及びそれに関係するモデルトレーニング方法、デバイス、装置 | |
CN107374638A (zh) | 一种基于双目视觉模块的身高测量系统及方法 | |
US9020215B2 (en) | Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images | |
US11361407B2 (en) | Motion correction systems and methods for improving medical image data | |
CN108876783B (zh) | 图像融合方法及系统、医疗设备和图像融合终端 | |
Meyer et al. | Real-time 3D face modeling with a commodity depth camera | |
CN111612867B (zh) | 运动伪影校正方法、装置、计算机设备和可读存储介质 | |
CN111161330B (zh) | 非刚性图像配准方法、装置、系统、电子设备、存储介质 | |
US20230172488A1 (en) | Systems and methods for determining motion information of a subject | |
JP6944492B2 (ja) | 画像取得方法、関連装置及び読み取り可能な記憶媒体 | |
CN112998693B (zh) | 头部运动的测量方法、装置和设备 | |
Wasza | Real-time Respiratory Motion Analysis Using GPU-accelerated Range Imaging | |
Economopoulos et al. | Automatic correspondence on medical images: a comparative study of four methods for allocating corresponding points | |
JP2024523447A (ja) | Mriシステムでの3d位置決めデータの決定 | |
KR20240008545A (ko) | 비대 흉터의 다시점 연속 영상을 이용한 3차원 분석 시스템 및 그 방법 |
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 |