CN1987879A - 女性形体美的自动评估系统及方法 - Google Patents
女性形体美的自动评估系统及方法 Download PDFInfo
- Publication number
- CN1987879A CN1987879A CNA2005101340533A CN200510134053A CN1987879A CN 1987879 A CN1987879 A CN 1987879A CN A2005101340533 A CNA2005101340533 A CN A2005101340533A CN 200510134053 A CN200510134053 A CN 200510134053A CN 1987879 A CN1987879 A CN 1987879A
- Authority
- CN
- China
- Prior art keywords
- image
- camera
- body shape
- collection module
- automatic evaluation
- 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
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种女性形体美的自动评估系统及方法，其包括照相设备和图像获取模块，图像获取模块与照相设备通过有线或无线相连，用于获取目标图像的图像文件；还包括：图像处理模块，其与所述的图像获取模块相耦接，接收所述的图像获取模块获取的图像文件，扫描产生图像文件的轮廓图像并提取关键特征值；以及自动评估模块，其与所述的图像获取模块和所述图像处理模块分别相耦接，根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据来计算形体美特征参数和指数值，并将评估后得到的形体美特征参数和指数值由所述图像获取模块输出。本发明提供了较准确和可信的结果，且硬件的成本低、设计简单和操作方便。
Description
技术领域
本发明涉及一种女性形体美的评估系统及方法，特别涉及通过人体测量的数据和从形体图像轮廓中提取的关键特征值，对女性形体美的自动评估系统及方法。
背景技术
人的形体数据测量系统广泛应用于影视动画、人体工程学、服装、制鞋等领域，用于采集并获取高精度的人体数据。特别是近年来专家根据所收集的证据发现人体的形体和体重与疾病相关，目前评估个体健康状态的标准为体质指数(body mass index简称BMI)、体积身高指数(volume-height index简称VHI)和腰臀比(WHR)。体质指数BMI是用于体重分类的一种全球标准，分成四个级别：正常，偏瘦，超重及肥胖，体质指数等于体重(千克)除以身高(米)的平方；体积身高指数VHI为体积(公尺立方)/身高(公尺)2；腰臀比WHR是腰围与臀围的比值，直接用腰围除以臀围进行计算。
因此，在现阶段，继形体数据测量系统后，出现了在形体数据测量的基础上进行形体评估的系统；美国专利US6734980揭示了一种人体扫描仪测量设备。美国专利US2004012398-A1揭示了一种人体剖面的扫描测量系统，该发明用微波进行提取人体剖面轮廓进行扫描且把它分类为特定的描绘类型，如细腰、梨、契形等。美国专利US4406544也揭示了一种测量人体的方法和设备。美国专利US6490534揭示了一种照相机测量系统。该发明能自动地用一台照相机产生人体的侧面图像以确定裁缝师的形体测量值，即通过用原始图像去除背景图像以形成目标对象的二进制侧面图像，然后，基于该侧面图像，提取九个剪裁尺寸。上述的几种的发明均能使用各种不同的工具，如投影机、照相机和激光扫描仪等，自动地获取3D立体测量人体的数据，但均没有进行任何形体的功能分析，因此，属于形体数据测量系统。
日本JP2000325142揭示的用于健康和形体美的评估判定，包括对照目标形体的测量数据产生特定年龄群体的平均形体的形体标准。该发明能用来判断各年龄群体的平均实际体形。该系统以不同人种的不同身体部分作为测量输入(人体测量的数据)，然后，找出每个年龄群体的平均实际测量值分属的各自范畴的类型，同时也产生每个范畴的侧面图像(侧视图)，数据库还能依照用户的人体测量的数据将用户分类成相应的范畴之内。该发明在方法上产生每个年龄段和人种的平均实际体形，以人体测量的数据作为它的输入产生平均的度量标准和他们的相应的侧面图像，且在数据库中找出与目标人体测量的数据相配的目标用户形体所属的范畴。
该系统虽然属于形体评估的系统，但其没有在分类性质上的数据方面提供任何的形体美值，只是给用户留下了分类的定性资料，以帮助女性用户确定本人体形的范畴；而且这些检测评估工作主要由专家来做，并使用一套昂贵和体积庞大的装置安装在较大空间半自动地进行。
发明内容
有鉴于此，本发明目的在于提供女性形体美的自动评估系统及方法，通过测量女性的形体来自动评估女性形体美，从而帮助女性自动评估自身形体美和健康状态。
为实现上述目的，本发明提供一种女性形体美的自动评估系统，其包括照相设备和图像获取模块，图像获取模块与照相设备通过有线或无线相连，用于获取目标图像的图像文件；还包括：图像处理模块，其与所述的图像获取模块耦接，接收所述的图像获取模块获取图像文件，扫描产生图像文件的轮廓图像并提取关键特征值；以及自动评估模块，其与所述的图像获取模块和所述图像处理模块分别耦接，根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据来计算形体美特征参数和指数值，并将评估后得到的形体美特征参数和指数值由所述图像获取模块输出。
根据所述的女性形体美的自动评估系统，所述的图像获取模块还包括：硬件接口，其与照相设备建立连接并与照相设备之间的进行检测照相设备、获取图像文件的信息交互；存储器，用于存储从照相设备获取的图像文件；图形用户接口，其接收并处理用户输入的指令信息和用户测量数据，且显示所获取的目标图像以及由所述图像获取模块产生的评估结果值。
根据所述的女性形体美的自动评估系统，所述用户输入的指令信息为设定初始化值、启动系统开始图像获取、图像轮廓的边界识别、提取关键特征值和计算形体美特征参数和指数值。
根据所述的女性形体美的自动评估系统，所述的设定初始化值包括捕获时间延迟设定。
根据所述的女性形体美的自动评估系统，所述的图像处理模块包括：轮廓图像检测器，其通过将彩色图像的像素转换成灰度像素，以及根据目标与背景图像的灰度值，将目标的形体图像从背景图像中分离出来，产生目标的形体图像轮廓；特征提取器，其通过对目标的形体图像轮廓的扫描，获得各视图的形体轮廓图像的每个特征点的位置，以及用线形回归的算法产生形体图像轮廓曲线，并根据形体图像轮廓的曲线确定各视图的形体关键特征值。
根据所述的女性形体美的自动评估系统，所述的图像处理模块可包括：投影修正模块，其用于对各视图中相对应的形体关键特征值相互进行适应性修正，并将修正后的关键特征值存储在数据库中。
根据所述的女性形体美的自动评估系统，所述的适应性修正为基于形体在各视图中的轮廓图像的特征点相对照相机的水平距离，以及形体在各视图中的轮廓图像的特征点相对照相机的垂直距离进行适应性修正。
根据所述的女性形体美的自动评估系统，所述的照相设备包括：照相机；照相背景；足迹纸板，其位于照相机和照相背景之间，用于女性用户照相时站立的参考足迹点；以及可调节垂直参考条，其位于背景的上侧，用于获取图像时的定位标志以及计算分类特征参数时的参考标尺。
根据所述的女性形体美的自动评估系统，所述的照相机为网络照相机或移动电话照相机。
本发明还提供一种女性形体美的自动评估方法，实施其方法配置的包括照相设备、图像获取模块、图像处理模块和自动评估模块；其中，照相设备与图像获取模块与照相设备通过有线或无线相连，图像获取模块、图像处理模块和自动评估模块依次相耦接，自动评估模块与图像获取模块耦接；该女性形体美的自动评估方法包括如下步骤：
步骤1：由图像获取模块控制照相设备获取目标的图像；
步骤2：由图像处理模块接收所述的图像获取模块获取图像文件，扫描获取的图像文件，产生目标图像的形体轮廓图像并提取关键特征值；以及
步骤3：由自动评估模块根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据来计算形体美特征参数和指数值；
步骤4：由所述图像获取模块输出计算出的形体美特征参数和指数值。
根据所述的女性形体美的自动评估方法，步骤1具体包括如下步骤：
步骤11：配置照相设备；
步骤12：所述的图像获取模块通过其硬件接口与照相设备建立连接；
步骤13：根据用户输入的指令信息启动系统并控制照相设备获取目标图像的图像文件；
步骤14：将获取的目标图像和用户测量数据存储在存储器中。
根据所述的女性形体美的自动评估方法，所述的步骤13具体包括：
步骤131：所述的图像获取模块通过图形用户接口接收用户输入的指令信息，根据用户输入的指令信息启动照相设备，并在图形用户接口显示动态图像；
步骤132：调节照相机的位置，以使动态图像的躯干区域和用于获取图像时的定位标志均位于照相机捕获的合适区域；
步骤133：设置捕获时间延迟，照相机捕获图像，并将图像显示在图形用户接口中；
步骤134：用户判断所捕获的图像是否满意，如满意，执行步骤135，否则，执行步骤132；
步骤135：用户是否需要捕获的另外的图像，如果需要，则执行步骤132，否则，执行步骤14。
根据所述的女性形体美的自动评估方法，步骤2具体包括如下步骤：
步骤21：接收所述的图像获取模块发送的或从存储器中提取目标图像，如果获取的包括目标与背景的图像文件为彩色位图，则执行步骤22，否则执行步骤23；
步骤22：将包括目标与背景的彩色位图中的每个像素值转换成灰度像素值；
步骤23：以目标与背景图像的灰度值为基础，将目标的形体图像从背景图像中分离出来，产生目标的形体图像轮廓；
步骤24：通过对目标的形体图像轮廓的扫描，获得各视图的形体轮廓图像的每个特征点的位置，以及用线形回归的算法产生形体图像轮廓曲线，从而确定形体图像轮廓的关键特征值。
根据所述的女性形体美的自动评估方法，步骤2还包括步骤：
步骤25：将各视图中相应的形体轮廓图像获得的特征点的位置信息进行适应性修正，并将关键特征值存储在数据库中。
根据所述的女性形体美的自动评估方法，所述的适应性修正为基于形体在各视图中的轮廓图像的特征点相对照相机的水平距离，以及形体在各视图中的轮廓图像的特征点相对照相机的垂直距离进行适应性修正。
根据所述的女性形体美的自动评估方法，步骤3具体包括如下步骤：
步骤31：通过所述的图像获取模块的图形用户接口接收用户测量数据；
步骤32：根据关键特征值和用户测量数据来计算形体美特征参数；
步骤33：根据女性形体美特征参数和用户测量数据评估女性形体美指数值；
步骤34：将评估后得到的女性形体美特征参数和指数值由所述图像获取模块输出。
根据所述的女性形体美的自动评估系统，所述的分类特征参数包括腰臀比、体积高度比和体质指数。
根据所述的女性形体美的自动评估系统，用户测量数据为用户的年龄、身高和体重。
从上述技术方案可以看出，本发明能自动地确定女性形体美的程度。在照相机之前穿着紧身的衣服或内衣的女性用户，将会站立在定位足迹纸板上。然后照相机捕捉其图像，接着计算机将会自动扫描来自图像的形体，且自动提取关键特征值。除此之外，用户还可以手动输入一些人体测量的数据(如重量、高度和年龄)到计算机内，计算机根据输入的人体测量的数据和从图像提取的关键特征值，确定女性形体美程度的分值。
本发明的优点为：
1)硬件的成本底、设计简单和操作方便；
2)基于输入的人体测量的数据和从图像提取的关键特征值，确定女性形体美程度的分值，使评估结果更加准确。
该检测评估系统可安装于衣服商店和健身中心，还可以安装在用户家中的键身房间、密室或浴室中。本发明能作为女性紧身胸衣较佳方案的设计和选择的工具，或为女性用户评估自身健康状况的参考，除此之外，也作为女性用户在参加了阶段性健身程序或体形整形的程序之后检测进展情况的评估器。
附图说明
图1为本发明实施例的女性形体美的评估系统硬件结构示意图；
图2为本发明在捕获正视图和侧视图时的站立姿势和捕获正视图和侧视图的尺寸范围(躯干部分)示意图；
图3A为本发明实施例的女性形体美的评估系统捕获的躯干部分图像的侧视图和正视图；
图3B为本发明实施例的女性形体美的评估系统通过扫描正视图和侧视图而产生的目标图像的轮廓，以及从目标图像轮廓所提取关键特征值后的示意图；
图4为本发明女性形体美的评估系统的功能模块示意图；
图5A为本发明实施例的女性形体美的评估系统的图形用户接口示意图；
图5B为操作主菜单放大图。
图6为2D投影中测量误差产生的示意图；
图7示出为正视图中手臂下扫描困难的区域；
图8示出为侧视图中胸部下最凹点没有被正确测出时的情况。
具体实施方式
下面结合附图和实施例对本发明进行详细说明。
请参阅图1和图4，如图所示，女性形体美的评估系统包括照相设备和图像获取模块，图像获取模块与照相设备通过有线或无线相连，用于获取目标图像的图像文件；还包括：图像处理模块，其与所述的图像获取模块耦接，接收所述的图像获取模块获取的图像文件，扫描产生图像文件的轮廓图像并提取关键特征值；以及自动评估模块，其与所述的图像获取模块和所述图像处理模块分别耦接，根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据评估形体美值，并将评估后得到的形体美值由所述图像获取模块输出。
照相设备包括：照相机2；照相背景4；定位足迹纸板3，其位于照相机2和照相背景4之间，用于女性用户照相时的定位参考足迹点；以及可调节垂直参考条5，其位于背景4的上侧，用于获取图像时的定位标志以及计算分类特征参数时的参考标尺。
该系统设计用于取得女性的两幅图像照片，从而获取她的轮廓图像，且通过那些轮廓图像确定相应的形体美评估值。因此，获取她的轮廓图像前，首先调整照相机2的三脚架高度，使可调节垂直参考条5和将捕获的躯干部分的图像显示在计算机1屏幕中的动态图像中；调整好照相机2后，用户站立在正视图和侧视图的足迹板6上，开始分别捕获她侧视躯干和正视图躯干的图像照片。女性的动态图像由照相机2捕获并送到计算机屏幕上显示。图2为本发明在捕获正视图和侧视图时的站立位置和捕获正视图和侧视图范围(躯干尺寸)示意图。在系统取得了两幅图像后，评估系统将会自动地显示用户的形体美评估值。然而，作为系统的核心的计算机将会控制图像获取操作、用户信息的输入以及确定形体美评估值。请参阅图4，图4为本发明女性形体美的评估系统的功能模块示意图；如图所示，所述的图像获取模块包括硬件接口，其与照相设备建立连接并与照相设备之间的进行检测照相设备、获取图像文件的信息交互；存储器，用于存储从照相设备获取的图像文件；图形用户接口，其接收并处理用户输入的指令信息和用户测量数据，且显示所获取的目标图像以及由所述图像获取模块产生的评估结果值。图像获取模块通过两个子模块与外界交互信息，硬件接口和图形用户接口(GUI)。硬件接口进行软件和照相机之间的交互。交互包括检测照相机，与照相机建立连接，获取和存储图像文件。GUI和用户交互信息，用户指示系统设定捕获时间延迟、显示动态图像、开始获取静态的图像、图像轮廓的边界识别、提取关键特征值以及直到产生形体美评估值。在取得图像之后，图像获取模块将会以预先定义的文件名字在数据库中以至少24比特的彩色位图格式存储所捕获的图像文件。
图像处理模块包括：轮廓图像检测器，其通过将彩色图像的像素转换成灰度像素，以及根据目标与背景图像的灰度值为基础，将目标的形体图像从背景图像中分离出来，产生目标的形体图像轮廓；特征提取器，其通过对目标的形体图像轮廓的扫描，获得各视图的形体轮廓图像的每个特征点的位置，以及用线形回归的算法产生形体图像轮廓曲线，并根据形体图像轮廓的曲线确定各视图的形体关键特征值。
图像处理模块还包括：投影修正模块，其用于对各视图中相对应的形体关键特征值相互进行适应性修正，并将修正后的关键特征值存储在数据库中。适应性修正为基于形体在各视图中的轮廓图像的特征点相对照相机的水平距离，以及形体在各视图中的轮廓图像的特征点相对照相机的垂直距离进行适应性修正。
具体地说，图像处理模块的目的为提取原始图像的主要特征并且把它转变成有代表意义的关键特征值。请参阅图3A，图3A为本发明实施例的女性形体美的评估系统捕获的躯干部分图像的侧视图和正视图；第一处理步骤为轮廓图像检测，其将用户形体的图像(以下称目标图像)从背景图像中分离出来。该过程以目标与背景图像的灰度值为基础。为了实现这种方式，使用下列的luma公式，24比特的彩色图像的每个像素将会转换成灰度像素：
灰度值(R，G，B)＝0.299×R+0.587×G+0.114×B
图像处理模块接收用户输入的灰度阈值，一般选择灰度阈值为30，由于我们使用暗色的(黑色)背景，当灰度阈值＞30时，实现目标的轮廓图像从暗色的(黑色)背景中分离和识别出来，得到了目标在侧视图和正视图中躯干部分的轮廓图像。由于纯蓝色的灰度值(0，0，255)等于29，因此该过滤机制的不适用于蓝色目标的边界识别，例如，不适用于穿蓝色衣服或黑暗彩色衣服的用户。
由于我们只需要目标的轮廓图像的边界曲线，那么图像处理模块将会从左右方同时扫描图像，直到目标的边界点被测出，也就是当它的灰度值比灰度阈值更高，在计算机的显示屏上示出为纯绿色RGB(0，255，0)标记的点即为边界点；在所有的边界点扫描测出之后，图像处理模块用线性回归的方法垂直跟踪连接这些纯绿色的邻近点，从而得到了目标的轮廓图像的边界曲线。
正视图的扫描与侧视图相同，但也有特殊情况。请参阅图7，图7示出为正视图中手臂下扫描困难的区域；如图所示，正视图中手臂下有一类似三角形的区域，如果我们从左到由或从右到左扫描时，测出目标的边界点就停止的话，均不能测出该类似三角形区域的轮廓点；因此，遇到这种情况，我们必须调整扫描图像的方式，即从图像的中轴向两边扫描。
另外，胸部下最凹点的测试有一定的困难，因为该点有可能不是右侧的最凹点，请参阅图8，图8示出为侧视图中胸部下最凹点没有被正确测出时的情况。图8左侧的曲线图为胸部下正确的最凹点，而图8右侧的曲线图为胸部下不正确的最凹点。因此，只能采用观察曲线的斜率的变化，进行试探性的识别，从而避免最凹点的误差。举例来说，假设如果Y轴方向以固定的差值(例如Δy＝3)增加，可使用下列条件：10×((Δxd)2+1)＞(Δxu)2＞2×((Δxd)2+1)进行判断，这里，Δxd为待确定的特征点与曲线上后一点的差值，Δxu为待确定的特征点与曲线上前一点的差值。
请参阅图3B，图3B为本发明实施例的女性形体美的评估系统通过扫描正视图和侧视图而产生的目标图像的轮廓，以及从目标图像轮廓所提取关键特征值后的示意图。
在我们获得了轮廓图像的边界曲线之后，第二处理步骤为提取关键特征值，确定轮廓图像(人体)的特征信息。该过程基于人体躯干部位的轮廓图像的边界曲线。例如，胸部最外侧点是通过扫描目标侧视轮廓图像的上半部分，直到我们找最外测点(如图3B中的①)来确定。同样，颈点也能通过扫描侧视轮廓图像得出，如通过从胸部最外侧点向上跟踪直到我们找拐点或凹点(如图3B中的②即为颈点)。另外再次利用侧视图轮廓图像能测出胸部最外侧点以下的点，通过从胸部最外侧点向下跟踪，直到我们找到斜率变化效大的转折点，此点为乳下位(如图3B中的③)；最后，通过跟踪侧视图轮廓图像的左边线能测出腰部凹点和臀部最外侧点；从胸部最外侧点以下开始向下跟踪，直到我们找到腰部凹点(如图3B中的④)，而且继续向下跟踪，直到我们找到臀部的最外侧点(如图3B中的⑤)。
在我们获得了侧视图的轮廓图像的每个特征点的位置之后，我们将会把信息映射到正视图的轮廓图像。由于两者轮廓图像的投影点不同，该映像不能够直接对照，而需要做一些调整。例如，侧视图的轮廓图像的肩点的位置要高于正视图的轮廓图像的肩点高。因此，这种调整要基于在侧视和正视图中照相机到特征点的相对距离，使用下列的公式来完成：
其中Δy为相应于在侧视图的图像位置点的特征点的垂直调整的值，Hs为侧视图中的特征点相对照相机的水平高度(假设照相机没有倾斜)，近似于图像的中心)，s和f分别为在侧视图和正视图中的特征点相对照相机的水平距离。由于每个特征点的水平距离随形体尺寸和照相机的相对位置变化，那么我们使用预估器来估算点的位置。预估器基于正视图中轮廓信息的形体的宽度，例如，对于一个相对瘦的用户，在侧视图中胸部最外侧点和臀部最外侧点距照相机的距离相对较远；或相对瘦小的人的s值相对胖人的s值较大。而且，距离f值也能从侧视图的轮廓图像中预测出，例如，如果胸部最外侧点更加向右边凸出，那么正视图中的胸部最外侧点应该比较靠近照相机，或f值比较小。利用该原理，我们能预测每个特征点的s值和f值，且调整在正视图轮廓图像的相对应的点。该预估器完全能根据经验的获得。
当然，该调整不仅用于垂直方向，同样也用于水平方向。例如，如果照相机离目标非常接近放置，那么图像中的目标宽度不可能是图像的真正宽度(见图6)，图6为2D投影中典型测量误差示意图。如果我们将照相机移离目标远些，那么误差减少，但图像也随之变小。因此，为了要得到实际的宽度，在图像中显示的宽度必须进行较正。有两个方法可以较正测量值。第一种方法是通过加大目标到照相机的距离来减少误差。第二种方法是利用人体测量的统计结果而获得的公式进行图像修正。建议的修正公式和相应的女性用户的平均尺寸如表1所示。
表1为根据图像尺寸用回归系数计算出实际的(a)正视图和(b)侧视图的例子。
| (a) | a | b | c | R2 | 标准误差(mm) | 数据量 |
| 胸(L) | 0.9215 | -0.4994 | -8.1571 | 0.9467 | 2.9856 | 118 |
| (R) | 1.0000 | -0.6953 | 13.7905 | 0.9324 | 3.3932 | 118 |
| 腰(L) | 0.9285 | -0.5567 | -10.9024 | 0.9927 | 0.9312 | 121 |
| (R) | 0.9195 | -0.5910 | 7.8641 | 0.9839 | 1.1180 | 121 |
| 臀(L) | 0.6454 | -0.4795 | 10.7824 | 0.9903 | 1.1144 | 120 |
| (R) | 0.6620 | -0.2749 | -15.3733 | 0.9732 | 1.8706 | 120 |
*实际的前视宽度＝a×前视宽度+b×前视宽度×侧视宽度+c
| (b) | A | b | c | R2 | 标准误差(mm) | 数据量 |
| 胸(F) | 0.6555 | 0.1713 | 10.6256 | 0.9478 | 3.2659 | 118 |
| (B) | 0.7497 | 0.1848 | -6.7244 | 0.9236 | 3.5201 | 118 |
| 腰(F) | 0.7734 | -0.1042 | -0.8584 | 0.9915 | 1.0965 | 121 |
| (B) | 0.8455 | 0.6578 | -2.4663 | 0.9802 | 1.8092 | 121 |
| 臀(F) | 0.7727 | -0.0762 | -1.7326 | 0.9683 | 1.7348 | 120 |
| (B) | 0.5817 | -0.1699 | -24.7747 | 0.9364 | 2.7455 | 120 |
*实际的侧视宽度＝a×侧视宽度+b×前视宽度×侧视宽+c
(L)：左侧；(R)：右侧；(F)：前侧；(B)：后侧
在我们获得了轮廓图像的边界曲线和提取关键特征值之后，将启动自动评估模块，自动评估模块的主要功能为根据提取的关键特征值和用户测量数据来计算形体美特征参数；根据女性形体美特征参数和用户测量数据评估女性形体美指数值。例如，女性形体美特征参数包括腰臀比(WHR)、体积高度比(VHI)或体质指数(BMI)等。这些特征参数的量化与解释发表在文献[1]、[2]和[3]中。参考文献[1]、[2]和[3]如下：
[1]Fan，J.，Liu，F.，Wu，J.and Dai，W.(2004).Visual perception of femalephysical attractiveness.Proceedings of the Royal Society of London B，271，pp.357-352.
[2]Singh，D.(1993).Adaptive significance of female physical attractiveness：Role of waist-to-hip ratio.Journal of Personality and Social Psychology，65(2)，pp.293-307.
[3]Tovee，M.J.，Maisey，D.S.，Emery，J.L.，and Conrelissen，P.L.(1999).Visual cues to female physical attractiveness.Proceedings of the Royal Society ofLondon，266，pp.211-218.
这些文献比较了BMI、VHI、WHR等重要的形体美特征参数，并提出了计算形体美指数值的回归公式。例如文献[3]中发表了下列的回归公式：形体美指数值＝4.65-0.016年龄-3.59 WHR+0.025 BMI-0.035 BMI2+0.0014 BMI3
在此，自动评估模块通过用户手动输入有关的数据(例如，体重、身高、年龄和臀部和腰围等等)，产生了用户的评估值。如果用户知道不知道围长，系统可依照表2评估。这些回归参数是从女性的平均尺寸的经验数据获得。
表2.胸围、臀围和腰围的线性回归分析。
| a | b | R2 | 标准误差(cm) | 数据量 | |
| 胸 | 1.0106 | 2.3327 | 0.8795 | 2.239 | 119 |
| 腰 | 1.4371 | 1.8281 | 0.9693 | 0.886 | 121 |
| 臀 | 0.9013 | 2.2574 | 0.9657 | 1.091 | 120 |
*围长＝a×侧视宽度+b×前视宽度
此外，在参考文献[1]还提出了以下形体美指数值的回归公式。
形体美指数值＝inverse log(-4.431-1.367 log(V/HC2.16))
这里，V为从下巴到脚的躯体的体积，HC为下巴的高度。为了使用该模型，自动求值模块必须获得来自可得的V值和HC值。用户的下巴高度能从侧视图的轮廓中参照可调节垂直参考条5得到(如果我们有可调节垂直参考条5)，她的体积可通过轮廓图像中的关键特征值来估算。
下面总结描述一下女性形体美的自动评估方法，该方法包括如下步骤：
步骤1：由图像获取模块控制照相设备获取目标的图像；
步骤2：由图像处理模块接收所述的图像获取模块获取图像文件，扫描获取的图像文件，产生目标图像的形体轮廓图像并提取关键特征值；以及
步骤3：由自动评估模块根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据来计算形体美特征参数和指数值；
步骤4：由所述图像获取模块输出计算出的形体美特征参数和指数值。
该系统设计用于取得女性的两幅图像照片，从而获取她的轮廓图像，且通过那些轮廓图像确定相应的形体美特征参数和指数值。由图像获取模块控制照相设备获取目标的图像具体包括如下步骤：
步骤11：配置照相设备；
步骤12：所述的图像获取模块通过其硬件接口与照相设备建立连接；
步骤13：根据用户输入的指令信息启动系统并控制照相设备获取目标图像的图像文件；
步骤14：将获取的目标图像和用户测量数据存储在存储器中。
根据用户输入的指令信息启动系统并控制照相设备获取目标图像的图像文件具体包括如下步骤：
步骤131：所述的图像获取模块通过图形用户接口接收用户输入的指令信息，根据用户输入的指令信息启动照相设备，并在图形用户接口显示动态图像；
步骤132：调节照相机的位置，以使动态图像的躯干区域和用于获取图像时的定位标志均位于照相机捕获的合适区域；
步骤133：设置捕获时间延迟，照相机捕获图像，并将图像显示在图形用户接口中；
步骤134：用户判断所捕获的图像是否满意，如满意，执行步骤135，否则，执行步骤132；
步骤135：用户是否需要捕获的另外的图像，如果需要，则执行步骤132，否则，执行步骤14。
由图像处理模块接收所述的图像获取模块获取图像文件，扫描获取的图像文件，产生目标图像的形体轮廓图像并提取关键特征值具体包括如下步骤：
步骤21：接收所述的图像获取模块发送的或从存储器中提取目标图像，如果获取的包括目标与背景的图像文件为彩色位图，则执行步骤22，否则执行步骤23；
步骤22：将包括目标与背景的彩色位图中的每个像素值转换成灰度像素值；
步骤23：以目标与背景图像的灰度值为基础，将目标的形体图像从背景图像中分离出来，产生目标的形体图像轮廓；
步骤24：通过对目标的形体图像轮廓的扫描，获得各视图的形体轮廓图像的每个特征点的位置，以及用线形回归的算法产生形体图像轮廓曲线，从而确定形体图像轮廓的关键特征值。
由图像处理模块接收所述的图像获取模块获取图像文件，扫描获取的图像文件，产生目标图像的形体轮廓图像并提取关键特征值还包括步骤：
步骤25：将各视图中相应的形体轮廓图像获得的特征点的位置信息进行适应性修正，并将关键特征值存储在数据库中。
上述的适应性修正为基于形体在各视图中的轮廓图像的特征点相对照相机的水平距离，以及形体在各视图中的轮廓图像的特征点相对照相机的垂直距离进行适应性修正。
由自动评估模块根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据评估形体美值具体包括如下步骤：
步骤31：通过所述的图像获取模块的图形用户接口接收用户测量数据；
步骤32：根据关键特征值和用户测量数据来计算形体美特征参数；
步骤33：根据女性形体美特征参数和用户测量数据评估女性形体美指数值；
步骤34：将评估后得到的女性形体美特征参数和指数值由所述图像获取模块输出。
上述的形体美特征参数包括腰臀比、体积高度比和体质指数。用户测量数据为用户的年龄、身高和体重。
接下来通过一个具体的使用实施例来进一步说明解释本发明。
请参阅图1，图1为本发明实施例的女性形体美的评估系统硬件结构示意图；如图所示，本发明实施例硬件的包含固定安装在三脚架上的网络照相机或照相机2、计算机1、黑色的背景4、二对定位足迹纸板3以及可调节垂直参考条5，用于用户颈项的可调节垂直参考条5位于黑色背景4的上端且位于用户颈项附近，黑色背景4的边长大于80cm，且其顶边距地面约180cm，穿着紧身的衣服或内衣的女性用户，将会站立在照相机前的定位足迹纸板3上。三脚架的高度在100cm～150cm间可调，二对女性用户的足迹纸板3的位置分别为获取正视图和正视图像照片时用户所站立的位置，二对定位足迹纸板3的中心点离照相机2为90～100±1cm，以及离黑色背景4为40±1cm，照相机获取的体形图像通过有线(如USB)或无线连接送到计算机中，其中该被捕获的图像的精度一定要达到2毫米，因此，照相机至少为480×640像素的分辨率。在现阶段，该评估系统适用于1.5m到1.8m身高的用户，重量少于80公斤。放置包括计算机在内的整个系统的房间要大于0.9×1.5公尺，且在房间正常的照明之下就可以了。如果有特殊的需求可能通过硬件和/或软件的改进来实现。
为了操作该系统，首先，用户需要打开计算机1且运行软件，该软件由MS Visual C++6.0用MFC开发，为了运行现在的软件，用户需要在PC机中安装activeX ActiveID。个人计算机或笔记本运行环境为：
1、Windows XP操作系统，至少128 MB RAM；
2、安装软件需10MB硬盘的自由空间容量，和大约需2MB硬盘的自由空间容量用于存储每对位图数据；
3、1280×1024屏幕分辨率和至少32位真彩的显示器。
请参阅图5A、5B，图5A为本发明实施例的女性形体美的评估系统的图形用户接口示意图；如图所示，在计算机的显示器上显示了捕获的动态的和静态的图像，下方为操作主菜单。图5B为操作主菜单放大图。
使用这个软件，要按照左侧主菜单的按钮的每个命令的步骤进行。当用户点击“初始化”时，软件在图5A的矩阵(I)中显示动态图像。然后，用户能调节照相机的位置，以使它的躯干区域能被照相机捕获。完成上述步骤后，在捕获侧视图像(用户必须脸朝右)前，先设置第一定时器，然后点击“捕获侧视图”按钮，几秒钟延时后，照相机捕获了她的图像，并将图像显示在区域(II)中。如果用户对这个结果满意，那么设置第二定时器，进入步骤③，并且点击“捕获正视图”；该结果将显示在区域(III)中。如果她对上述任何一个结果不满意，均可以重复步骤②或步骤③任意多次。当她对上述两幅图像满意之后，执行步骤④，设定轮廓识别的门限值。如果她不知道这个值，她跳过该步直接进入步骤⑤；点击“边界识别”后，侧视图和正视图将同时显示在区域5A(II)和区域5A(III)中。然而，如果该轮廓不是平滑的，她必须在点击第⑥步的“识别特征”的按钮，执行该步骤后，在轮廓上显示几条红线，此时，用户准备在步骤⑦中填入她的信息，并且点击“计算美指数值”的按钮，得到最终的美评估值。
在该软件中，我们将过程划分为几个详细的步骤，在实际应用中，我们可以根据需要，跳过步骤①和步骤④，或合并步骤②和③，同样，步骤⑤、⑥和⑦也能合并。
以上所述，仅为本发明中的较佳实施例而已，并非用来限定本发明的实施范围；即凡依本发明申请专利范围所作的均等变化与修饰，皆为本发明专利范围所涵盖。
Claims (18)
1、一种女性形体美的自动评估系统，其包括照相设备和图像获取模块，图像获取模块与照相设备通过有线或无线相连，用于获取目标图像的图像文件；其特征在于，还包括：
图像处理模块，其与所述的图像获取模块耦接，接收所述的图像获取模块获取的图像文件，扫描产生图像文件的轮廓图像并提取关键特征值；以及
自动评估模块，其与所述的图像获取模块和所述图像处理模块分别耦接，根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据来计算形体美特征参数和指数值，并将计算得到的形体美特征参数和指数值由所述图像获取模块输出。
2、根据权利要求1所述的女性形体美的自动评估系统，其特征在于，所述的图像获取模块还包括：
硬件接口，其与照相设备建立连接并与照相设备之间的进行检测照相设备、获取图像文件的信息交互；
存储器，用于存储从照相设备获取的图像文件；
图形用户接口，其接收并处理用户输入的指令信息和用户测量数据，且显示所获取的目标图像以及由所述图像获取模块产生的评估结果值。
3、根据权利要求2所述的女性形体美的自动评估系统，其特征在于，其中，所述用户输入的指令信息为设定初始化值、启动系统开始图像获取、图像轮廓的边界识别、提取关键特征值和计算形体美特征参数和指数值。
4、根据权利要求3所述的女性形体美的自动评估系统，其特征在于，所述的设定初始化值包括捕获时间延迟设定。
5、根据权利要求1所述的女性形体美的自动评估系统，其特征在于，所述的图像处理模块包括：
轮廓图像检测器，其通过将彩色图像的像素转换成灰度像素，以及根据目标与背景图像的灰度值为基础，将目标的形体图像从背景图像中分离出来，产生目标的形体图像轮廓；
特征提取器，其通过对目标的形体图像轮廓的扫描，获得各视图的形体轮廓图像的每个特征点的位置，以及用线形回归的算法产生形体图像轮廓曲线，并根据形体图像轮廓的曲线确定各视图的形体关键特征值。
6、根据权利要求5所述的女性形体美的自动评估系统，其特征在于，所述的图像处理模块还包括：投影修正模块，其用于对各视图中相对应的形体关键特征值相互进行适应性修正，并将修正后的关键特征值存储在数据库中。
7、根据权利要求6所述的女性形体美的自动评估系统，其特征在于，所述的适应性修正为基于形体在各视图中的轮廓图像的特征点相对照相机的水平距离，以及形体在各视图中的轮廓图像的特征点相对照相机的垂直距离进行适应性修正。
8、根据权利要求1所述的女性形体美的自动评估系统，其特征在于，所述的照相设备包括：
照相机(2)；
照相背景(4)；
定位足迹纸板(3)，其位于照相机(2)和照相背景(4)之间，用于女性用户照相时的定位参考足迹点；以及
可调节垂直参考条(5)，其位于背景(4)的上侧，用于获取图像时的定位标志以及计算分类特征参数时的参考标尺。
9、根据权利要求1所述的女性形体美的自动评估系统，其特征在于，所述的照相机(2)为网络照相机。
10、一种女性形体美的自动评估方法，实施其方法配置的系统包括照相设备、图像获取模块、图像处理模块和自动评估模块；其中，照相设备与图像获取模块与照相设备通过有线或无线相连，图像获取模块、图像处理模块和自动评估模块依次松耦接，自动评估模块与图像获取模块耦接；其特征在于，该女性形体美的自动评估方法包括如下步骤：
步骤1：由图像获取模块控制照相设备获取目标的图像；
步骤2：由图像处理模块接收所述的图像获取模块获取图像文件，扫描获取的图像文件，产生目标图像的形体轮廓图像并提取关键特征值；以及
步骤3：由自动评估模块根据所述图像处理模块提取的关键特征值和通过所述图像获取模块输入的用户测量数据来计算形体美特征参数和指数值；
步骤4：由所述图像获取模块输出计算出的形体美特征参数和指数值。
11、根据权利要求10所述的女性形体美的自动评估方法，其特征在于，步骤1具体包括如下步骤：
步骤11：配置照相设备；
步骤12：所述的图像获取模块通过其硬件接口与照相设备建立连接；
步骤13：根据用户输入的指令信息启动系统并控制照相设备获取目标图像的图像文件；
步骤14：将获取的目标图像和用户测量数据存储在存储器中。
12、根据权利要求10所述的女性形体美的自动评估方法，其特征在于，所述的步骤13具体包括：
步骤131：所述的图像获取模块通过图形用户接口接收用户输入的指令信息，根据用户输入的指令信息启动照相设备，并在图形用户接口显示动态图像；
步骤132：调节照相机的位置，以使动态图像的躯干区域和用于获取图像时的定位标志均位于照相机捕获的合适区域；
步骤133：设置捕获时间延迟，照相机捕获图像，并将图像显示在图形用户接口中；
步骤134：用户判断所捕获的图像是否满意，如满意，执行步骤135，否则，执行步骤132；
步骤135：用户是否需要捕获的另外的图像，如果需要，则执行步骤132，否则，执行步骤14。
13、根据权利要求10所述的女性形体美的自动评估方法，其特征在于，步骤2具体包括如下步骤：
步骤21：接收所述的图像获取模块发送的或从存储器中提取目标图像，如果获取的包括目标与背景的图像文件为彩色位图，则执行步骤22，否则执行步骤23；
步骤22：将包括目标与背景的彩色位图中的每个像素值转换成灰度像素值；
步骤23：以目标与背景图像的灰度值为基础，将目标的形体图像从背景图像中分离出来，产生目标的形体图像轮廓；
步骤24：通过对目标的形体图像轮廓的扫描，获得各视图的形体轮廓图像的每个特征点的位置，以及用线形回归的算法产生形体图像轮廓曲线，从而确定形体图像轮廓的关键特征值。
14、根据权利要求10所述的女性形体美的自动评估方法，其特征在于，步骤2还包括步骤：
步骤25：将各视图中相应的形体轮廓图像获得的特征点的位置信息进行适应性修正，并将关键特征值存储在数据库中。
15、根据权利要求14所述的女性形体美的自动评估方法，其特征在于，所述的适应性修正为基于形体在各视图中的轮廓图像的特征点相对照相机的水平距离，以及形体在各视图中的轮廓图像的特征点相对照相机的垂直距离进行适应性修正。
16、根据权利要求10所述的女性形体美的自动评估方法，其特征在于，步骤3具体包括如下步骤：
步骤31：通过所述的图像获取模块的图形用户接口接收用户测量数据；
步骤32：根据关键特征值和用户测量数据来计算形体美特征参数；
步骤33：根据女性形体美特征参数和用户测量数据评估女性形体美指数值；
步骤34：将评估后得到的女性形体美特征参数和指数值由所述图像获取模块输出。
17、根据权利要求16所述的女性形体美的自动评估系统，其特征在于，所述的女性形体美特征参数包括腰臀比、体积高度比和体质指数。
18、根据权利要求16所述的女性形体美的自动评估系统，其特征在于，用户测量数据为用户的年龄、身高和体重。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2005101340533A CN1987879A (zh) | 2005-12-21 | 2005-12-21 | 女性形体美的自动评估系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2005101340533A CN1987879A (zh) | 2005-12-21 | 2005-12-21 | 女性形体美的自动评估系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1987879A true CN1987879A (zh) | 2007-06-27 |
Family
ID=38184673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2005101340533A Pending CN1987879A (zh) | 2005-12-21 | 2005-12-21 | 女性形体美的自动评估系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1987879A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101769723B (zh) * | 2008-12-30 | 2013-07-03 | 鸿富锦精密工业（深圳）有限公司 | 电子装置及其物体形状参数测量方法 |
| CN102106719B (zh) * | 2009-12-24 | 2013-09-25 | 财团法人工业技术研究院 | 采用影像识别技术的健康信息分析方法及应用其的系统 |
| CN105184068A (zh) * | 2015-08-27 | 2015-12-23 | 努比亚技术有限公司 | 身材评估装置和方法 |
| CN106419922A (zh) * | 2016-09-23 | 2017-02-22 | 武汉必腾移动科技有限责任公司 | 一种人体数据分类方法 |
| CN106503664A (zh) * | 2016-10-26 | 2017-03-15 | 北京邮电大学 | 一种用户体型评估方法及装置 |
| CN107194987A (zh) * | 2017-05-12 | 2017-09-22 | 西安蒜泥电子科技有限责任公司 | 对人体测量数据进行预测的方法 |
| CN110751200A (zh) * | 2019-10-15 | 2020-02-04 | 辽宁师范大学 | 一种基于多元高斯的鞋印身高估计方法 |
| WO2021175208A1 (zh) * | 2020-03-02 | 2021-09-10 | 京东方科技集团股份有限公司 | 人体模型的建模方法、建模装置、电子设备及存储介质 |
| TWI824912B (zh) * | 2022-12-14 | 2023-12-01 | 財團法人工業技術研究院 | 身形數據的量測方法及量測系統 |
-
2005
- 2005-12-21 CN CNA2005101340533A patent/CN1987879A/zh active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101769723B (zh) * | 2008-12-30 | 2013-07-03 | 鸿富锦精密工业（深圳）有限公司 | 电子装置及其物体形状参数测量方法 |
| CN102106719B (zh) * | 2009-12-24 | 2013-09-25 | 财团法人工业技术研究院 | 采用影像识别技术的健康信息分析方法及应用其的系统 |
| CN105184068A (zh) * | 2015-08-27 | 2015-12-23 | 努比亚技术有限公司 | 身材评估装置和方法 |
| CN106419922A (zh) * | 2016-09-23 | 2017-02-22 | 武汉必腾移动科技有限责任公司 | 一种人体数据分类方法 |
| CN106503664A (zh) * | 2016-10-26 | 2017-03-15 | 北京邮电大学 | 一种用户体型评估方法及装置 |
| CN106503664B (zh) * | 2016-10-26 | 2019-05-31 | 北京邮电大学 | 一种用户体型评估方法及装置 |
| CN107194987A (zh) * | 2017-05-12 | 2017-09-22 | 西安蒜泥电子科技有限责任公司 | 对人体测量数据进行预测的方法 |
| CN107194987B (zh) * | 2017-05-12 | 2021-12-10 | 西安蒜泥电子科技有限责任公司 | 对人体测量数据进行预测的方法 |
| CN110751200A (zh) * | 2019-10-15 | 2020-02-04 | 辽宁师范大学 | 一种基于多元高斯的鞋印身高估计方法 |
| CN110751200B (zh) * | 2019-10-15 | 2023-09-29 | 辽宁师范大学 | 一种基于多元高斯的鞋印身高估计方法 |
| WO2021175208A1 (zh) * | 2020-03-02 | 2021-09-10 | 京东方科技集团股份有限公司 | 人体模型的建模方法、建模装置、电子设备及存储介质 |
| TWI824912B (zh) * | 2022-12-14 | 2023-12-01 | 財團法人工業技術研究院 | 身形數據的量測方法及量測系統 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1987879A (zh) | 女性形体美的自动评估系统及方法 | |
| CN107194987B (zh) | 对人体测量数据进行预测的方法 | |
| US7242999B2 (en) | Method and apparatus for identifying virtual body profiles | |
| US7826997B2 (en) | Method for acquiring and managing morphological data of persons on a computer network and device for carrying out said method | |
| CN101228973B (zh) | 人体外形尺寸非接触式测量方法及测量系统 | |
| US20100312143A1 (en) | Human body measurement system and information provision method using the same | |
| US9076023B2 (en) | Method for remotely determining clothes dimensions | |
| CN110074788B (zh) | 一种基于机器学习的身体数据获取方法和装置 | |
| CN106340000A (zh) | 骨龄评估方法 | |
| CN102589705A (zh) | 热成像仪单黑体温控mrtd野外在线自动检测装置及检测方法 | |
| CN107016353B (zh) | 一种变分辨率目标探测与识别一体化的方法与系统 | |
| CN104080372A (zh) | 一种用于为个人确定最佳床垫特征的系统 | |
| CN110415040A (zh) | 一种基于人体数据库的非量体合体定制服装的方法及系统 | |
| CN108618752A (zh) | 肌肤产品适配方法及其电子装置 | |
| CN105466921A (zh) | 一种多样品同时检测的方法 | |
| CN109299632A (zh) | 皮肤检测方法、系统、设备及存储介质 | |
| CN107525768A (zh) | 一种dna倍体分析设备的质量控制方法 | |
| KR102030131B1 (ko) | 적외선 영상을 이용한 연속적인 피부 상태 측정 방법 | |
| CN105488303B (zh) | 一种基于特征距离集的腰腹臀体型分类方法及其测量装置 | |
| KR20190095231A (ko) | 깊이 카메라의 영상정보를 이용한 3d 비만 관리 시스템 | |
| CN106204523A (zh) | 一种图像质量度量方法及装置 | |
| Sands et al. | Measurement of body image satisfaction using computer manipulation of a digital image | |
| CN104568639B (zh) | 一种水果糖度的确定方法和装置 | |
| CN108564586A (zh) | 一种基于深度学习的人体曲线测量方法及系统 | |
| CN107680076A (zh) | 基于显著性区域的立体图像舒适度对比度范围测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |