CN114430842A - 使用图案化床单进行测量校准 - Google Patents

使用图案化床单进行测量校准 Download PDF

Info

Publication number
CN114430842A
CN114430842A CN202080066623.2A CN202080066623A CN114430842A CN 114430842 A CN114430842 A CN 114430842A CN 202080066623 A CN202080066623 A CN 202080066623A CN 114430842 A CN114430842 A CN 114430842A
Authority
CN
China
Prior art keywords
image
patterns
pattern
sheet
person
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.)
Pending
Application number
CN202080066623.2A
Other languages
English (en)
Inventor
阿萨夫·格拉泽尔
托尔·伊夫里
阿姆农·卡尔尼
德罗尔·波拉特
亚纳伊·维克托·安克里
斯万·赫维兹
纳塔利·巴奈特
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.)
Udisense Inc
Original Assignee
Udisense Inc
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 Udisense Inc filed Critical Udisense Inc
Publication of CN114430842A publication Critical patent/CN114430842A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • 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
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/04—Babies, e.g. for SIDS detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • 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
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)

Abstract

一种用于摄影测量的方法，包括提供床单(56)，该床单(56)具有根据图案模板(66)印刷在其上的一个或更多个图案(58、62)，该图案模板(66)定义了一个或更多个图案在模板坐标系中的相应位置。在图像坐标系中接收躺在被床单覆盖的床(24)上的人(26)的图像(60)。处理图像以便识别图像中的一个或更多个图案并将在图像中识别的一个或更多个图案与图案模板中的一个或更多个图案进行匹配。基于匹配的图案计算图像坐标系和模板坐标系之间的变换。通过将计算的变换应用于人的图像来测量人的尺寸。

Description

使用图案化床单进行测量校准
发明领域
本发明总体上涉及图像处理，并且具体涉及用于测量人类对象的装置、系统和方法。
背景
PCT国际公开WO 2017/196695(其公开内容通过引用并入本文)描述了一种视频监控系统，该视频监控系统包括摄像头，该摄像头包括红外照明源和图像传感器。支架被配置成将摄像头保持在婴儿床上方的固定位置和取向，使得图像传感器从固定视角(perspective)捕获婴儿床和与婴儿床相邻的干预区域的图像。
美国专利申请公开2019/050798(其公开内容通过引用并入本文)描述了一种用于呼吸监测的系统，其中衣服紧贴地贴合在人类对象的身体周围，并且在贴合在对象的胸部周围的衣服的至少一部分上包括在近红外波长处具有高对比度的浅色和深色颜料图案。摄像头被安装在要放置对象的床附近，并且包括图像传感器和红外照明源，该红外照明源被配置成用近红外波长的辐射照射床，并被配置成向处理器传输由图像传感器捕获的床上对象的图像的视频流，该处理器分析图像中图案的移动以检测胸部的呼吸运动。
概述
下文描述的本发明的实施例提供了用于摄影测量(photogrammetricmeasurement)的系统和方法。
因此，根据本发明的实施例，提供了一种用于摄影测量的方法，该方法包括提供床单(bedsheet)，该床单具有根据图案模板印刷在其上的一个或更多个图案，该图案模板定义了该一个或更多个图案在模板坐标系中的相应位置。在图像坐标系中接收躺在被床单覆盖的床上的人的图像。处理该图像以便识别图像中的一个或更多个图案，并将在图像中识别的一个或更多个图案与图案模板中的一个或更多个图案进行匹配。基于匹配的图案计算图像坐标系和模板坐标系之间的变换。通过将计算的变换应用于人的图像来测量人的尺寸。
在公开的实施例中，人是婴儿，并且床是婴儿床。
在一些实施例中，一个或更多个图案包括多个不同的图案，它们被印刷在床单的不同的相应拐角。附加地或替代地，一个或更多个图案包括明或暗的几何形状的排列，图案的明部分和暗部分之间具有高对比度。
在公开的实施例中，处理图像包括将在图像中识别的一个或更多个图案与图案模板库进行比较，并从库中选择与图像中识别的一个或更多个图案匹配的图案模板。
在一些实施例中，处理图像包括识别一个或更多个图案中的关键点，检测与关键点相关联的特征，并将特征与图案模板进行匹配。在所公开的实施例中，一个或更多个图案各自包括多个分量，并且检测特征包括分析图像以计算分量的几何特性。例如，从特性集合中选择几何特征，该特性集合由以下项组成：分量的对称性、分量的数量、分量的比例、分量的纵横比、分量的密度、分量的凹度(concavity)、分量的线性特征和分量的纹理特征。
通常，计算变换包括补偿图像的缩放和失真。
在所公开的实施例中，测量尺寸包括计算从测量值集合中选择的至少一个测量值，该测量值集合由人身体的长度和人头部的周长组成。替代地或附加地，测量尺寸包括识别沿着人的身体的标志(landmark)在图像中的位置，以及计算所识别的位置之间的距离。
在一些实施例中，测量尺寸包括检测床单的收缩，计算校准因子以校正收缩，以及使用校准因子校正所测量的尺寸。在一个实施例中，计算校准因子包括在放置在床上的客户端设备的屏幕上显示校准目标，捕获具有校准目标的床单的校准图像，以及处理校准图像以找到校准因子。
根据本发明的实施例，还提供了一种用于摄影测量的系统，其包括床单，该床单具有根据图案模板印刷在其上的一个或更多个图案，该图案模板定义了一个或更多个图案在模板坐标系中的相应位置。相机被配置成在图像坐标系中捕获躺在被床单覆盖的床上的人的图像。处理器被配置成处理图像以便识别图像中的一个或更多个图案，将在图像中识别的一个或更多个图案与图案模板中的一个或更多个图案进行匹配，基于匹配的图案来计算图像坐标系和模板坐标系之间的变换，并通过将计算的变换应用于人的图像来测量人的尺寸。
根据本发明的实施例，另外提供了一种床单，该床单具有根据预定义的图案模板印刷在其上的多个不同的图案，该多个不同的图案在床单的不同的各个拐角具有高对比度。
在所公开的实施例中，每个图案包括明或暗的几何形状的排列，而在拐角中的图案之外的床单的剩余区域没有图案或具有低对比度的图案。
根据本发明的实施例，还提供了一种用于摄影测量的方法，该方法包括捕获躺在婴儿床中的婴儿的图像的序列。处理图像以便从一个或更多个图像中提取婴儿的骨架(skeleton)。基于提取的骨架估计婴儿的身高。
在公开的实施例中，处理图像包括在序列内选择适合进行身高测量的一个或更多个图像，并剔除不适合的图像。
附加地或替代地，估计身高包括对图像中骨架的关节之间的距离进行测量并求和。在一个实施例中，估计身高包括从多个图像中提取相应的身高测量值，并且输出身高测量值中的最大值作为婴儿的身高。
此外，根据本发明的实施例，提供了一种计算机软件产品，其包括存储有程序指令的计算机可读介质，该指令在被计算机读取时使计算机：捕获躺在婴儿床中的婴儿的图像的序列，处理图像以从一个或更多个图像中提取婴儿的骨架，并基于提取的骨架估计婴儿的身高。
根据结合附图进行的对本发明的实施例的以下详细描述，本发明将得到更充分的理解，附图中：
附图简述
图1是示意性地示出了根据本发明的实施例的用于婴儿睡眠监测和测量的系统的框图；
图2是根据本发明的实施例的摄像头安装在婴儿的婴儿床上方的示意性俯视图；
图3是根据本发明的实施例的由图2的摄像头捕获的图像的示意性表示，其示出了用于将图像中的图案映射到校准模板的方法；
图4是示意性地示出了根据本发明的实施例的使用用于校准的图案化床单进行摄影测量的方法的流程图。
图5是根据本发明的实施例在校准配置中摄像头安装在婴儿的婴儿床上方的示意性俯视图；
图6是示意性地示出了根据本发明的实施例的用于校准在摄影测量中使用的图案化床单的方法的流程图；和
图7是示意性地示出了根据本发明的实施例的用于测量婴儿的身高的方法的流程图。
实施例的详细描述
上文引用的PCT国际公开WO 2017/196695和美国专利申请公开2019/050798描述了可以用于监测婴儿床或其他床中的小孩(或其他对象)的移动、行为和呼吸的相机和系统。这些系统在检测诸如呼吸停止的健康紧急情况以及帮助养成良好的睡眠习惯方面是有用的。
除了这些类别的夜间监测应用外，许多父母还对监测他们的儿童在几周和几个月内的成长感兴趣。然而，例如使用卷尺的手动测量往往是不准确的。也可以通过对儿童的视频图像的计算机化处理来进行测量，但这些测量的准确性受到相机与对象的距离和视角(perspective angle)的变化以及儿童睡觉时的姿势(这很少从头到脚形成一条直线)的强烈影响。
本发明的实施例通过使用专门设计的床单作为用于儿童摄影测量的校准模板来解决这些问题。床单在多个位置(例如在床的拐角处)被印有或以其他方式装饰有已知图案。相机(诸如专用监控相机)或手持式设备(例如，智能手机摄像头)捕获儿童或其他对象躺在此类床单上的图像。计算机或其他处理器处理图像中的一个或更多个，以便检测图案并精确识别它们在图像中的相应位置(定位和取向)。基于这些位置，处理器计算图像中的像素坐标与床单的精确几何坐标之间的变换。该方案使处理器甚至能够补偿具有可变视点(point of view)的高角度图像，当图像由手持式设备捕获时可能会出现具有可变视点的高角度图像。
通过将这种变换应用于图像中出现的儿童身体，处理器能够准确测量身体尺寸并报告诸如身体和身体部位(例如头部)的长度、宽度和周长的特征，以及估计儿童的体重和体重指数(BMI)。为了更精确的测量，处理器可以自动识别儿童身体中的关节和其他关键标志的位置，或者在用户帮助在图像中标记这些位置的情况下识别这些位置。然后，处理器计算这些位置之间的距离，并在测量身体尺寸时使用这些距离。
图1是示意性地示出了根据本发明的实施例的用于婴儿睡眠监测的系统20的框图。系统20包括安装在婴儿床24上方的监控摄像头22，其中婴儿26正在住宅28中睡觉。替代地，摄像头22可以安装在靠近婴儿床的另一个合适的位置，例如安装在墙壁或桌面上。进一步替代地，如前所述，摄像头22的一些功能可以使用具有合适的通信能力的手持式相机(未示出)(诸如智能手机中的相机)来执行。
为了在所示系统中捕获图像，摄像头22下侧的红外(IR)发光二极管(LED)25照射正在睡觉的婴儿26。可以使用漫射器将红外光均匀地散布在婴儿床上。摄像头22还包括红外敏感图像传感器23。图像传感器23的分辨率和灵敏度可以针对夜间条件，特别是针对LED25的波长范围进行优化。在上述PCT国际公开WO 2017/196695中(具体在图4A/图4B和图5中以及在说明书中第8-9页的相应描述中)描述了摄像头22的进一步细节(包括其内部部件和操作模式)。该PCT公开也描述了将摄像头安装在婴儿床上方或旁边的不同方式。
摄像头22通常经由无线局域网(LAN)链路(诸如Wi-Fi连接)或有线链路(诸如以太网连接)，在本地网络上将数字化的流式传输视频以及可能的其他信号传输到路由器30。摄像头22以分组(packet)的形式传输数字化的视频数据，这些分组被分配地址，以便路由器30进行以下中的一者或两者：将视频分组转发到本地网络上的本地客户端设备32，以及经由公共网络36(例如互联网)将视频分组转发到远程服务器38。客户端设备32通常包括智能手机、平板电脑或个人计算机，其使得即使在没有可用的互联网连接时，在住宅28的另一个房间中的看护人34也能够监控婴儿26。服务器38使经授权的远程客户端设备44可以使用视频图像和其他数据，从而使看护人46能够在可以访问公共网络36的任何定位处监控婴儿26。即使外部互联网连接不工作，Wi-Fi或其他局域网连接也以高带宽和低延迟提供从摄像头22到客户端设备32的可靠的视频流式传输。然而，只要互联网被连接，视频流也被传输到服务器38用于分析和重新传输的目的。
服务器38通常包括通用计算机，该计算机包括处理器40和存储器42，该计算机接收、存储和分析来自住宅28中的摄像头22以及类似地来自其他住宅(未示出)中的其他相机的图像。如下文进一步描述的，在本实施例中，处理器40分析图像以便对婴儿26进行摄影测量。此外，处理器可以检测和测量婴儿26的胸部的呼吸运动，并且因此可以向看护人34和46提供关于婴儿的呼吸模式的报告和(在需要时)警报，如上述美国专利申请公开2019/050798中所述。处理器40通常在软件的控制下执行这些功能，该软件例如可以通过网络以电子形式下载到服务器38，也可以存储在有形的、非暂时性的计算机可读介质(诸如磁、光或电子存储器介质)上。替代地或附加地，这些处理、测量和监控功能中的一些或全部可以例如由摄像头22中的微处理器和/或由在客户端设备32和/或44中的处理器上运行的合适的应用软件在本地执行。
图2是示出了根据本发明的实施例的在婴儿床24上方部署和使用监控摄像头22的细节的示意性俯视图。在图示的实施例中，出于呼吸监测的目的(如上述美国专利申请公开2019/050798中所述)，婴儿床24中的婴儿26穿着服装52(例如睡衣或襁褓袋)，其中周期性图案被印在贴合婴儿胸部周围的衣服的部分54上。婴儿床24覆盖有专用床单56，其中具有预定的、可区分的形式的图案58被印在预定位置的床单的拐角上，以用作用于婴儿26的摄影测量的校准模板。在本示例中，特别选择图案58以便与服装52上的图案清楚地区分开。
在图示的实施例中，监控摄像头22靠在婴儿床24上方的墙壁上。例如，摄像机头22在婴儿床长边的中点处被保持在婴儿床24后面的三脚架安装件上端处的臂的末端处。该实施例中的摄像头22被定位和调整，使得摄像头具有从包含婴儿床24的全部或大部分区域的视角看的视场50。该视角向服务器38提供可以方便地且可靠地分析的图像信息。
替代地，摄像头可以安装在靠近婴儿床24的任何其他合适的位置；或者如上所述可以使用手持式相机。例如，如图2所示，可以使用诸如客户端设备32的智能手机来捕获婴儿床24和婴儿的图像。在图示的示例中，客户端设备32从高角度从婴儿床24的短边上的位置捕获图像。在本文描述的变换和测量方法也可以应用于这样的图像。
图3是根据本发明的实施例的由摄像头22捕获的图像60的示意性图示，示出了用于将图像中的图案62映射到校准模板66的方法。图像60由于偏离中心的相机位置和视角而失真。失真在图像60中反映在图案62的位置和形状的相应改变中。
根据本发明的实施例，服务器38(图1)接收并处理图像60以便将图像60中的床单上的图案62映射到校准模板66的对应图案64。假设在不同的用户场所部署了多种不同样式的图案化床单，服务器38在存储器42中维护模板66的库68，每个模板包含属于不同样式的图案64。图案特征可以以合适的数据结构(诸如数据库)存储在存储器42中，以使处理器40能够有效地分类并为每个图像60选择合适的模板。为了图案匹配的目的，校准模板66中的图案64的特征可以以合适的数据结构(诸如数据库)存储在存储器42中，例如以特征向量的形式，其中特征对应于每个图案中的关键点。替代地，处理器40可以从图像60中提取关键点，然后处理模板66，以便找到并选择与图像60最接近地匹配的模板。
图案62被选择以包括大量独特的关键点，以便于处理器40对其进行识别。在图示的示例中，关键点具有拐角的形式，即图案中直线或曲边的交点。这样的关键点可以根据它们在图像中的相应坐标以及对应的相交边之间的角度来被识别。图案62和对应的图案64中的每一个具有不同的、有区别的关键点集合，从而使处理器40能够容易地区分图像60中的图案。通常希望图案中关键点的排列是不规则的，即不是周期性的，以减少图案匹配中出错的可能性。
在图示的实施例中，图案62包括明或暗的几何形状的排列，这些明或暗的几何形状之间具有高对比度，并且图案62局限于特定的有界区域，特别是在床单的拐角中。床单的剩余区域通常没有图案，或者可能具有易于与图案62区分开来的低对比度图案。图案62的区域之间的分离在计算几何变换以补偿图像60的缩放和失真时是有用的。此外，床单的拐角最不可能被婴儿床中的婴儿遮挡。即使其中一个拐角被遮挡，其他拐角中的图案在图像60中将是可见的，并且处理器40将能够在此基础上计算变换。希望所有四个拐角中的图案都是独特的，每个拐角都与所有其他拐角不同，以避免错误的匹配并确保床单(sheet)上的图像以正确的取向与合适的模板匹配。
以这种方式计算的几何变换假定：对于属于库68的任何给定床单模板，图案62的尺寸是已知的和固定的。在实践中，尺寸可能会存在一些偏差，例如，由于洗涤导致的床单的收缩。为了避免由于这些偏差导致的测量误差，可以通过将已知的固定尺寸的校准目标放置在床单上，然后捕获和处理类似于图像60但用校准目标代替婴儿的图像，来验证和校准床单上的图案的尺寸。作为一个示例，校准目标可以是由运行在客户端设备32上的应用软件在屏幕上绘制的已知大小的矩形、圆形或其他形状。下面将参照图5和图6进一步描述这种方案。替代地，可以将已知尺寸的物理对象或具有已知尺寸的印刷图案的物理对象用作校准目标。
除了将图像60与模板66匹配之外，处理器40还识别婴儿26的身体的图像中关节和其他关键标志的位置67，并在构建几何骨架69时使用这些点。(在本说明书的上下文和权利要求书中使用的术语“骨架”是指连接关节和/或图像中识别的其他标志的几何构造，不一定对应于婴儿的生理骨架。)在图示的示例中，位置67包括婴儿的头顶、婴儿的颈部底部、髋部中心、膝盖和脚底。替代地或附加地，可以识别其他点。处理器40可以使用本领域已知的图像处理方法自动地或在用户的帮助下识别位置67。对于后一目的，例如，图像60可以呈现在客户端设备32的触摸屏上，并且可以提示用户在触摸屏上手动标记位置。在任一情况下，处理器40在测量婴儿26的身体尺寸时使用骨架69的分段的校准后的长度。在下文参考图7中进一步描述该测量方法。
图4是示意性地示出了根据本发明的实施例的使用用于校准的图案化床单56进行摄影测量的方法的流程图。为了具体和清楚起见，参考图1中所示的系统20的元素以及图3中所示的床单56和图案62和图案64的特征来描述该方法。为了提高准确性，该方法可以可选地在校准过程之前进行，在下文参考图5和图6描述了校准过程。本文描述的摄影测量方法的原理可以类似地使用其他类别的图案化床单以及用于图像捕获和处理的其他相机和处理器来实现。所有这样的替代实现都被认为在本发明的范围内。
图4的方法通过在图像捕获步骤70处，捕获在诸如床单56的图案化床单上的人的图像(诸如婴儿26的图像60)来启动。为了识别图像60中的图案62，处理器40在关键点识别步骤72处，应用特征检测算法来识别图案中的关键点。例如，处理器40可以为此目的应用尺度不变特征变换(SIFT)。SIFT(和其他类似的算法)在能够识别图案62中的关键点方面是有利的，尽管图像60中的缩放、取向、照明和失真发生变化。
在特征检测步骤74处，处理器40在图像60中搜索候选图案62，然后计算这些图案的关键点上的相应特征向量。在向量匹配步骤76处，处理器40将在图案62上计算的特征向量与数据库中的特征向量进行比较，并通常通过计算特征向量之间的欧几里德距离来找到匹配的图案64。替代地或附加地，在提取图像60中的图案62的关键点之后，处理器可以搜索并从模板66的图案64中提取相似的关键点，以便找到匹配的图案。进一步的过滤和置信度测试步骤可用于验证所有图案62(图示示例中的四个图案)与数据库中给定模板的对应图案64相匹配。替代地，在图案62中的一个被婴儿或另一个对象遮挡的情况下，找到与图案64的子集(例如，四个图案中的三个)的匹配可能就足够了。
进一步替代地，处理器40可以应用本领域已知的其他图案匹配方法，以便将图像60中的图案62与床单模板中的对应图案64进行匹配。例如，处理器可以在空间域或频域中执行图案之间的互相关。作为另一个示例，可以训练神经网络以将图案62与模板66进行匹配。
一旦处理器40用模板66中的对应图案64识别出图案62，处理器在变换计算步骤78中计算图像中图案62的坐标与模板66中图案64的坐标之间的几何变换。例如，处理器40可以计算齐次坐标中的变换矩阵，其将图像60的坐标系中的每个点投影到由模板66定义的精确笛卡尔坐标系上。该变换包括缩放和旋转分量(类似于仿射变换)，以便补偿摄像头22的视角并且可能补偿由于相机光学器件引起的图像失真。例如，可以通过优化过程来计算变换矩阵的系数，在优化过程中调整系数直到图像60中的关键点的映射误差被最小化。
为了测量婴儿26的身体尺寸的目的，处理器40在骨架标记步骤79中标记出现在图像60中的骨架69上的点的位置67。如前所解释的，此步骤可以自动执行或在用户的帮助下执行。附加地或替代地，处理器40可以识别和分析婴儿的图像中的其他几何特征，诸如婴儿头部和/或躯干的轮廓、或婴儿手的位置。下面参考图7描述可以在该步骤处应用的方法的进一步细节。
模板66的笛卡尔坐标系给出了该坐标系中的任意两点之间的精确的线性距离，并且一旦应用了坐标变换，因此会给出图像60中的任意两点之间的精确的线性距离。在摄影测量步骤80处，处理器40在测量婴儿26的尺寸时应用该坐标系。基于这些特征的坐标(在变换后的坐标系中)，处理器40计算诸如婴儿身体的长度和婴儿头部的周长的测量值。例如，处理器40可以变换位置67的坐标，然后对这些位置的变换后的坐标之间沿着骨架69的距离进行测量并求和，以便找到婴儿26的身高，而不管婴儿的睡眠姿势如何。处理器将测量值存储在存储器42中和/或将测量值输出到例如客户端设备32和/或44。
回到步骤72和74，识别图像60中的图案62的任务可能由于婴儿床24内的其他图案化物品的杂乱而变得复杂。在这方面，在图示的示例中，服装52上的图案可能引起混淆。其他物品，例如服装、毯子和玩具，可能会增加杂乱并导致错误地识别在步骤70处捕获的图像中的图案。这样的错误将增加处理器40的负担并且可能导致整个测量过程失败。
为了帮助处理器40区分图案62和可能出现在摄像头22的视场内的其他图案，图案62的分量可以具有含有有区别的光学和几何特性的特征。在一些实施例中，光学特性通常包括在宽范围的光照条件下，特别是(但不仅是)在由摄像头提供的红外照明下，图案的明部分和暗部分之间的高对比度。“高对比度”在此上下文中意味着图案62的图像内的明亮像素的强度值至少是附近暗像素的强度值的两倍，甚至可能更大，使得可以容易地将图案的图像进行二值化而不会丢失细节。为此目的，床单56可以用高对比度的染料印刷。替代地或附加地，当可以在明亮的环境光下进行测量时，颜色特性可以用于识别图案62。
在下文进一步描述了可以在识别图案62时应用的几何特性。在一个实施例中，处理器40应用形态分析技术，以便基于这些几何特性来识别图案62。附加地或替代地，处理器40可以在识别图案62时应用其他图像分析方法，诸如基于深度学习的技术。
在这方面可以计算和应用的几何特性的示例包括：
·图案分量之间的对称性。
·每个图案中有区别的分量的数量。
·图案分量和/或整个图案区域的比例。
·图案的密度，即图案的明部分和暗部分之间的比例或面积。
·图案分量和/或整个图案区域的纵横比。
·图案分量的凹度，例如基于在包围图案的连接分量的凸包内暗区域与明区域的比率。
·图案分量的线性特征和线性特征之间的角度。
·图案分量的纹理特征。
在一些实施例中，诸如图2和图3中所示的那些，每个图案62由相互靠近的多个分量(例如多于二十个单独的分量)组成，以便于处理器40识别图案。因此，在识别图像60中的候选分量之后，处理器可以对相互靠近的候选分量的数量进行计数，并且识别包括足够数量的分量的局部簇(cluster)作为对应于图案62的候选。处理器40从分量中提取关键点，并将每个候选分量簇中的关键点集合与存储器42中的模板66的关键点集合进行比较，以便将图像中的床单与适当的模板进行匹配。如上面所解释的，然后可以进行校准和测量。
现在参考图5和图6，其示意性地示出了根据本发明的实施例的用于校准在摄影测量中使用的图案化床单的方法。图5是婴儿床24和摄像头22的示意性俯视图，客户端设备32被放置在床单56上并且在客户端设备的显示屏82上呈现校准目标84。图6是示出校准过程中的步骤的流程图。如前所述，该方法可用于补偿图案58的尺寸例如由于洗涤导致的床单56的收缩而可能发生的变化。(虽然有可能用非收缩织物和/或超低收缩织物生产床单56，但婴儿床床单中优选的柔软天然织物在洗涤时可能会收缩。)在替代实施例中，如上所述，物理对象可以用作校准目标。
看护人34(图1)在客户端设备32上运行测量应用。作为设置过程的一部分，在用户提示步骤90处，应用提示看护人将客户端设备32(或已知尺寸的物理对象)放置在摄像头22下方的床单56上。看护人例如通过按下屏幕82上的“就绪”按钮，向应用指示可以进行校准。看护人然后从摄像头的视场中撤出，并且在显示步骤92处，客户端设备32显示校准目标84。通常(尽管不是必须的)，以像素为单位的校准目标84的大小根据客户端设备32和屏幕82的特性来设置，使得无论客户端设备的类型和屏幕的尺寸如何，校准目标的物理尺寸都是相同的。例如，服务器38可以指示客户端设备32渲染校准目标，同时考虑屏幕82的已知像素大小，即，以像素为单位的校准目标的尺寸与像素大小成反比地变化。
在图像捕获步骤94处，摄像头22捕获床单56的图像，该图像包括在适当位置的客户端设备32和在显示器82上的校准目标84。摄像头22将图像传输到服务器38以用于分析。在计算和校准步骤96处，处理器40处理图像以便检测和测量校准目标84和图案58两者的大小。图像中校准目标的大小给出了绝对尺寸参考，处理器40可以按照该绝对尺寸参考检测床单56上的图案相对于图案的默认尺寸的任何收缩，并计算校准因子以校正收缩。随后，在步骤80(图4)处，处理器在校正婴儿26的所测量的尺寸中将这个校准因子应用于变换后的图像坐标。
图7是示意性地示出了根据本发明的实施例的用于测量婴儿26的身高的方法的流程图。这种方法解决了与测量婴儿相关联的独特问题，婴儿不能站起来，也不能容易地使其以仰卧位静静地躺着。它可以有利地与图2和图3中所示的图案化床单以及图4所示的图像校准和变换的方法结合应用。替代地，图7的方法可以使用本领域中已知的图像缩放校准和校正的其他方法来应用。本方法可以有利地使用提供固定的、良好控制的视角的相机(诸如图2中的摄像头22)来应用。替代地，该方法也可用于从使用(如在客户端设备32中的)手持式相机捕获的图像中提取身高测量值。
在序列捕获步骤100处，相机捕获婴儿床中的婴儿的视频图像的序列。为了提高找到将有助于准确测量的图像的机会，希望捕获图像序列而不是单个静止图像。计算机(例如服务器38(图1)或客户端设备32)处理图像以便计算每个图像的缩放和视角。计算机然后对每个图像应用适当的单应变换(homographic transformation)，使得所有图像被校正为相同的缩放和视角。如上所述，可以使用在婴儿的婴儿床中的床单上的图案来计算变换。替代地，本领域已知的缩放和视角校准的任何其他方法可在该步骤处使用。在单应剔除步骤102处，计算机剔除任何非单应图像帧，即校准失败的帧(例如，因为婴儿躺在用于校准的图案上)。
在骨架提取步骤104处，计算机处理剩余图像以便识别每个剩余图像中的关节位置67和骨架69。如前所述，该步骤可以在人类用户(例如婴儿的看护人)的支持下执行，该人类用户可以选择一个或更多个图像并在客户端设备的屏幕上标记关节位置。为此目的，用户可以滚动浏览视频序列以便找到一个或更多个最佳帧。然后计算机可以使用用户输入的提示来处理序列中的其他图像。替代地或附加地，计算机可以使用本领域已知的人类姿势估计方法自主地提取骨架。深度学习方法可以有效地用于此目的，例如如由Toshev等人在“DeepPose:Human Pose Estimation via Deep Neural Networks”中描述的，该文献发表在arXiv:1312.4659中，并通过引用被并入本文。
在无效姿势剔除步骤106处，计算机分析每个图像中婴儿的姿势以选择婴儿的姿势适合进行身高测量的一个或更多个图像帧，并剔除不适合的图像帧。例如，计算机可以移除婴儿侧卧的图像。在身高提取步骤108处，计算机例如通过对沿着骨架的关节之间的距离进行测量和求和，来测量每个剩余图像中婴儿的身高。
当婴儿在婴儿床中移动时，在步骤108处进行的身高测量通常会因图像而不同。在身高选择步骤110处，计算机将决策标准应用于身高测量值的集合，以便选择和输出最可能正确的测量值。在图7所示的实施例中，计算机简单地(在剔除远处离群值(distantoutliers)之后)选择最大的身高测量值，理由是婴儿在双腿伸直的情况下平躺的姿势将给出最大且最正确的身高读数。替代地，可以应用其他标准和估计技术，例如基于身高测量值的统计分析。
下表呈现了用于婴儿身高测量的方法的伪代码实现：
表1-婴儿身高测量
Figure BDA0003559202440000141
Figure BDA0003559202440000151
应当理解，上述实施例是通过示例的方式引用的，并且本发明不限于已经在上文具体示出和描述的内容。相反，本发明的范围包括上文所述的各种特征的组合和子组合二者，以及本领域技术人员在阅读前述描述后会想到的并且在现有技术中未公开的这些特征的变型和修改。

Claims (34)

1.一种用于摄影测量的方法，包括：
提供床单，所述床单具有根据图更多案模板印刷在其上的一个或更多个图案，所述图案模板定义了所述一个或个图案在模板坐标系中的相应位置；
在图像坐标系中接收躺在被所述床单覆盖的床上的人的图像；
处理所述图像以识别所述图像中的一个或更多个图案并将在所述图像中识别的一个或更多个图案与所述图案模板中的一个或更多个图案进行匹配；
基于匹配的图案计算所述图像坐标系和所述模板坐标系之间的变换；以及
通过将计算的变换应用于所述人的所述图像来测量所述人的尺寸。
2.根据权利要求1所述的方法，其中，所述人为婴儿，并且所述床为婴儿床。
3.根据权利要求1所述的方法，其中，所述一个或更多个图案包括多个不同的图案，所述多个不同的图案被印刷在所述床单的不同的各个拐角。
4.根据权利要求1所述的方法，其中，所述一个或更多个图案包括明或暗的几何形状的排列，所述图案的明部分和暗部分之间具有高对比度。
5.根据权利要求1所述的方法，其中，处理所述图像包括将在所述图像中识别的一个或更多个图案与图案模板的库进行比较，并从所述库中选择与在所述图像中识别的一个或更多个图案匹配的图案模板。
6.根据权利要求1-5中任一项所述的方法，其中，处理所述图像包括：识别所述一个或更多个图案中的关键点，检测与所述关键点相关联的特征，以及将所述特征与所述图案模板进行匹配。
7.根据权利要求6所述的方法，其中，所述一个或更多个图案各自包括多个分量，并且其中，检测所述特征包括分析所述图像以便计算所述分量的几何特性。
8.根据权利要求7所述的方法，其中，所述几何特性选自特性集合，所述特性集合由以下项组成：
所述分量的对称性；
所述分量的数量；
所述分量的比例；
所述分量的纵横比；
所述分量的密度；
所述分量的凹度；
所述分量的线性特征；和
所述分量的纹理特征。
9.根据权利要求1-5中任一项所述的方法，其中，计算所述变换包括补偿所述图像的缩放和失真。
10.根据权利要求1-5中任一项所述的方法，其中，测量所述尺寸包括计算从测量值集合中选择的至少一个测量值，所述测量值集合由所述人的身体的长度和所述人的头部的周长组成。
11.根据权利要求1-5中任一项所述的方法，其中，测量所述尺寸包括识别沿着所述人的身体的标志在所述图像中的位置，以及计算所识别的位置之间的距离。
12.根据权利要求1-5中任一项所述的方法，其中，测量所述尺寸包括：检测所述床单的收缩，计算校准因子以校正所述收缩，以及使用所述校准因子来校正所测量的尺寸。
13.根据权利要求12所述的方法，其中，计算所述校准因子包括：在放置在所述床上的客户端设备的屏幕上显示校准目标，捕获具有所述校准目标的床单的校准图像，以及处理所述校准图像以便找到所述校准因子。
14.一种用于摄影测量的系统，包括：
床单，所述床单具有根据图案模板印刷在其上的一个或更多个图案，所述图案模板定义了所述一个或更多个图案在模板坐标系中的相应位置；
相机，所述相机被配置成在图像坐标系中捕获躺在被所述床单覆盖的床上的人的图像；和
处理器，所述处理器被配置成：处理所述图像以便识别所述图像中的一个或更多个图案，将在所述图像中识别的一个或更多个图案与所述图案模板中的一个或更多个图案进行匹配，基于匹配的图案计算所述图像坐标系和所述模板坐标系之间的变换，以及通过将计算的变换应用于所述人的所述图像来测量所述人的尺寸。
15.根据权利要求14所述的系统，其中，所述人为婴儿，并且所述床为婴儿床。
16.根据权利要求14所述的系统，其中，所述一个或更多个图案包括多个不同的图案，所述多个不同的图案被印刷在所述床单的不同的各个拐角。
17.根据权利要求14所述的系统，其中，所述一个或更多个图案包括明或暗的几何形状的排列，所述图案的明部分和暗部分之间具有高对比度。
18.根据权利要求14所述的系统，以及所述系统包括存储图案模板的库的存储器，其中，所述处理器被配置成将在所述图像中识别的一个或更多个图案与所述库进行比较，并从所述库中选择与在所述图像中识别的一个或更多个图案匹配的图案模板。
19.根据权利要求14-18中任一项所述的系统，其中，所述处理器被配置成识别所述一个或更多个图案中的关键点，检测与所述关键点相关联的特征，并将所述特征与所述图案模板进行匹配。
20.根据权利要求19所述的系统，其中，所述一个或更多个图案各自包括多个分量，并且其中，所述处理器被配置成分析所述图像以便计算所述分量的几何特性。
21.根据权利要求20所述的系统，其中，所述几何特性选自特性集合，所述特性集合由以下项组成：
所述分量的对称性；
所述分量的数量；
所述分量的比例；
所述分量的纵横比；
所述分量的密度；
所述分量的凹度；
所述分量的线性特征；和
所述分量的纹理特征。
22.根据权利要求14-18中任一项所述的系统，其中，所述处理器被配置成计算所述变换以补偿所述图像的缩放和失真。
23.根据权利要求14-18中任一项所述的系统，其中，所述处理器被配置成计算从测量值集合中选择的至少一个测量值，所述测量值集合由所述人的身体的长度和所述人的头部的周长组成。
24.根据权利要求14-18中任一项所述的系统，其中，所述处理器被配置成通过识别沿着所述人的身体的标志在所述图像中的位置并计算所识别的位置之间的距离来测量所述尺寸。
25.根据权利要求14-18中任一项所述的系统，其中，所述处理器被配置成检测所述床单的收缩，计算校准因子以校正所述收缩，并使用所述校准因子来校正所测量的尺寸。
26.根据权利要求25所述的系统，其中，所述相机被配置成捕获校准目标的校准图像，所述校准目标被显示在放置在所述床上的客户端设备的屏幕上，并且所述处理器被配置成处理所述校准图像以找到所述校准因子。
27.一种床单，所述床单具有根据预定义的图案模板印刷在其上的多个不同的图案，所述多个不同的图案在所述床单的不同的各个拐角具有高对比度。
28.根据权利要求27所述的床单，其中，所述图案中的每一个包括明或暗的几何形状的排列。
29.根据权利要求27或28所述的床单，其中，所述拐角中的图案之外的所述床单的剩余区域没有图案或具有低对比度的图案。
30.一种用于摄影测量的方法，包括：
捕获躺在婴儿床中的婴儿的图像的序列；
处理所述图像以从所述图像中的一个或更多个图像中提取所述婴儿的骨架；以及
基于提取的骨架估计所述婴儿的身高。
31.根据权利要求30所述的方法，其中，处理所述图像包括在所述序列内选择适合进行身高测量的一个或更多个图像，并剔除不适合的图像。
32.根据权利要求30或31所述的方法，其中，估计所述身高包括对所述图像中所述骨架的关节之间的距离进行测量并求和。
33.根据权利要求32所述的方法，其中，估计所述身高包括从多个图像中提取相应的身高测量值，并且输出所述身高测量值中的最大值作为所述婴儿的身高。
34.一种计算机软件产品，其包括其中存储有程序指令的计算机可读介质，所述指令在被计算机读取时使所述计算机：捕获躺在婴儿床中的婴儿的图像的序列，处理所述图像以从所述图像中的一个或更多个图像中提取所述婴儿的骨架，并基于提取的骨架估计所述婴儿的身高。
CN202080066623.2A 2020-01-19 2020-12-21 使用图案化床单进行测量校准 Pending CN114430842A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202062963042P 2020-01-19 2020-01-19
US62/963,042 2020-01-19
PCT/US2020/066288 WO2021146031A1 (en) 2020-01-19 2020-12-21 Measurement calibration using patterned sheets

Publications (1)

Publication Number Publication Date
CN114430842A true CN114430842A (zh) 2022-05-03

Family

ID=76864419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080066623.2A Pending CN114430842A (zh) 2020-01-19 2020-12-21 使用图案化床单进行测量校准

Country Status (4)

Country Link
US (2) US11928839B2 (zh)
EP (1) EP4091137A4 (zh)
CN (1) CN114430842A (zh)
WO (1) WO2021146031A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019089645A1 (en) 2017-10-31 2019-05-09 Swanson James Martin Systems and methods to estimate human length
CN113812942A (zh) * 2021-09-10 2021-12-21 宁德市闽东医院 一种红外线儿童头围测量笔
USD1042596S1 (en) 2022-12-12 2024-09-17 Masimo Corporation Monitoring camera

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1961335A (zh) * 2004-05-28 2007-05-09 皇家飞利浦电子股份有限公司 用于对图像上的对象进行缩放的图像处理设备、成像系统、计算机程序、和方法
US20140300722A1 (en) * 2011-10-19 2014-10-09 The Regents Of The University Of California Image-based measurement tools
US20160012611A1 (en) * 2013-01-07 2016-01-14 Wexenergy Innovations Llc System And Method Of Measuring Distances Related To An Object Utilizing Ancillary Objects
CN108701397A (zh) * 2015-12-11 2018-10-23 N·V·努特里奇亚 婴儿追踪器
US10470584B2 (en) * 2014-01-24 2019-11-12 Chapelglade Limited System, apparatus and method for measuring body characteristics
CN110533647A (zh) * 2019-08-28 2019-12-03 东北大学 一种基于线特征匹配的液晶屏Mark点定位方法

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4934939A (en) * 1988-11-28 1990-06-19 Bonneville Jeffrey H Method of teaching bed-making
USD347540S (en) 1993-01-15 1994-06-07 Renita Brainard Replacement cover for a playpen mattress
USD372622S (en) 1994-06-09 1996-08-13 Nickerson Elwood H Combined top and bottom bedsheet set
US6026172A (en) * 1996-09-06 2000-02-15 Lewis, Jr.; Clarence A. System and method for zoom lens calibration and method using same
US6732389B2 (en) * 2002-05-28 2004-05-11 Edwin Drexler Bed sheet with traction areas
US8488847B2 (en) * 2005-11-25 2013-07-16 Nikon Corporation Electronic camera and image processing device
JP5141264B2 (ja) * 2008-01-24 2013-02-13 ブラザー工業株式会社 ミシン
US8438679B2 (en) * 2008-02-15 2013-05-14 Homtex, Inc. Bedding system and the like having orientation means
JP4737210B2 (ja) * 2008-02-29 2011-07-27 ブラザー工業株式会社 画像記録装置及び画像記録方法
USD612616S1 (en) 2008-08-25 2010-03-30 The Procter & Gamble Company Paper product having a surface pattern
US8922653B1 (en) * 2011-09-20 2014-12-30 Lawren Reeve Crib mobile and surveillance system
KR101849373B1 (ko) * 2012-01-31 2018-04-17 한국전자통신연구원 인체의 관절구조를 추정하기 위한 장치 및 방법
WO2014037939A1 (en) 2012-09-05 2014-03-13 Body Pass Ltd. System and method for deriving accurate body size measures from a sequence of 2d images
US9538158B1 (en) * 2012-10-16 2017-01-03 Ocuvera LLC Medical environment monitoring system
BR112015020944B1 (pt) 2013-02-28 2020-12-08 Neil M. Day E Jing Dong método implementado por computador para determinar um tamanho de partícula, e, mídia legível por computador
US9952042B2 (en) * 2013-07-12 2018-04-24 Magic Leap, Inc. Method and system for identifying a user location
USD719740S1 (en) 2013-11-18 2014-12-23 The Procter & Gamble Company Substrate for an absorbent article
US11297284B2 (en) 2014-04-08 2022-04-05 Udisense Inc. Monitoring camera and mount
WO2015157440A1 (en) 2014-04-08 2015-10-15 Assaf Glazer Systems and methods for configuring baby monitor cameras to provide uniform data sets for analysis
US10708550B2 (en) 2014-04-08 2020-07-07 Udisense Inc. Monitoring camera and mount
US9934594B2 (en) * 2015-09-09 2018-04-03 Spell Disain Ltd. Textile-based augmented reality systems and methods
WO2017132766A1 (en) * 2016-02-03 2017-08-10 Sportlogiq Inc. Systems and methods for automated camera calibration
USD795597S1 (en) 2016-02-11 2017-08-29 Tanya Taylor Designs Llc Fabric
US9928438B2 (en) * 2016-03-10 2018-03-27 Conduent Business Services, Llc High accuracy localization system and method for retail store profiling via product image recognition and its corresponding dimension database
EP3455839A4 (en) 2016-05-08 2020-02-12 UdiSense Inc. SURVEILLANCE CAMERA AND BRACKET
US10447972B2 (en) * 2016-07-28 2019-10-15 Chigru Innovations (OPC) Private Limited Infant monitoring system
EP3525666A4 (en) * 2016-10-14 2020-03-18 Rutgers, The State University of New Jersey SYSTEMS AND METHODS FOR TRACKING DISTURBANCES IN THE DEVELOPMENT OF THE NERVOUS SYSTEM
US20190082866A1 (en) 2017-09-20 2019-03-21 Terry Michael Merchant All in one, single piece bedsheet set
TWI647625B (zh) * 2017-10-23 2019-01-11 緯創資通股份有限公司 判斷使用者之姿勢之影像偵測方法以及影像偵測裝置
WO2019089645A1 (en) 2017-10-31 2019-05-09 Swanson James Martin Systems and methods to estimate human length
JP2019087791A (ja) * 2017-11-01 2019-06-06 キヤノン株式会社 情報処理装置、情報処理方法、及び、プログラム
WO2019104108A1 (en) 2017-11-22 2019-05-31 Udisense Inc. Respiration monitor
USD853269S1 (en) 2017-11-25 2019-07-09 Grant Van Der Jagt Floral fire suppressant ball
CN108209926A (zh) 2018-01-08 2018-06-29 西安科技大学 基于深度图像的人体身高测量系统
WO2019173237A1 (en) 2018-03-05 2019-09-12 Kineticor, Inc. Systems, devices, and methods for tracking and analyzing subject motion during a medical imaging scan and/or therapeutic procedure
GB2572755B (en) * 2018-04-05 2020-06-10 Imagination Tech Ltd Matching local image feature descriptors
FI20185517A1 (en) 2018-06-06 2019-12-07 Nomo Tech Oy Measurement of surface distances on human bodies
CN109631764B (zh) 2018-11-22 2020-12-04 南京理工大学 基于RealSense相机的尺寸测量系统及方法
USD900430S1 (en) 2019-01-28 2020-11-03 Udisense Inc. Swaddle blanket
USD900431S1 (en) 2019-01-28 2020-11-03 Udisense Inc. Swaddle blanket with decorative pattern
USD900429S1 (en) 2019-01-28 2020-11-03 Udisense Inc. Swaddle band with decorative pattern
USD900428S1 (en) 2019-01-28 2020-11-03 Udisense Inc. Swaddle band
CN109724569A (zh) 2019-02-02 2019-05-07 西安卡拉光电科技有限公司 一种使用手机摄像头测量物体平面尺寸的方法
CN110477921B (zh) 2019-08-15 2022-02-15 合肥工业大学 基于骨架折线Ridge回归的身高测量方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1961335A (zh) * 2004-05-28 2007-05-09 皇家飞利浦电子股份有限公司 用于对图像上的对象进行缩放的图像处理设备、成像系统、计算机程序、和方法
US20140300722A1 (en) * 2011-10-19 2014-10-09 The Regents Of The University Of California Image-based measurement tools
US20160012611A1 (en) * 2013-01-07 2016-01-14 Wexenergy Innovations Llc System And Method Of Measuring Distances Related To An Object Utilizing Ancillary Objects
US10470584B2 (en) * 2014-01-24 2019-11-12 Chapelglade Limited System, apparatus and method for measuring body characteristics
CN108701397A (zh) * 2015-12-11 2018-10-23 N·V·努特里奇亚 婴儿追踪器
US20180360393A1 (en) * 2015-12-11 2018-12-20 N.V. Nutricia Baby tracker
CN110533647A (zh) * 2019-08-28 2019-12-03 东北大学 一种基于线特征匹配的液晶屏Mark点定位方法

Also Published As

Publication number Publication date
WO2021146031A1 (en) 2021-07-22
EP4091137A1 (en) 2022-11-23
EP4091137A4 (en) 2024-01-17
US11928839B2 (en) 2024-03-12
US20240177344A1 (en) 2024-05-30
US20210350120A1 (en) 2021-11-11

Similar Documents

Publication Publication Date Title
US11928839B2 (en) Measurement calibration using patterned sheets
CN106859675B (zh) 用3d相机进行的用于x射线管的扫描仪自动化的方法和系统
CA3042819A1 (en) Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning
US11622703B2 (en) Respiration monitor
CN107708555A (zh) 测量装置和测量方法
CN112102947B (zh) 用于身体姿态评估的装置和方法
US20230005154A1 (en) Apparatus, method and computer program for monitoring a subject during a medical imaging procedure
Bragança et al. Current state of the art and enduring issues in anthropometric data collection
US11443486B2 (en) Mobile 3D body scanning methods and apparatus
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
JP7136344B2 (ja) カメラの較正方法、カメラ及びプログラム
CN108885087A (zh) 测量装置、测量方法和计算机可读记录介质
KR101398193B1 (ko) 캘리브레이션 장치 및 방법
JP2004360131A (ja) 被服用体格寸法測定方法及び測定システム
US20220412725A1 (en) Photogrammetric measurement of body dimensions using patterned garments
US20240153204A1 (en) Information processing device, information processing method, and a non-transitory computer-readable storage medium
US20240161275A1 (en) Indicating Baby torticollis using child growth monitoring system
US20240206765A1 (en) Photogrammetric measurement of body dimensions using patterned garments
US20230329590A1 (en) Non-Contact Monitoring System and Method
US11783564B2 (en) Contactless parameters measurement system and method
US20240350226A1 (en) Non-contact monitoring of neonate physiological characteristics and development
KR102502438B1 (ko) Ar 기반의 신장 측정 방법 및 이를 이용한 성장 상태 측정 시스템
Chen et al. Estimation of 3-D foot parameters using hand-held RGB-D camera
WO2023199193A1 (en) Non-contact monitoring system and method
US20210386148A1 (en) System and method to select wearable items

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