RU2014152713A - Измерение тела - Google Patents
Измерение тела Download PDFInfo
- Publication number
- RU2014152713A RU2014152713A RU2014152713A RU2014152713A RU2014152713A RU 2014152713 A RU2014152713 A RU 2014152713A RU 2014152713 A RU2014152713 A RU 2014152713A RU 2014152713 A RU2014152713 A RU 2014152713A RU 2014152713 A RU2014152713 A RU 2014152713A
- Authority
- RU
- Russia
- Prior art keywords
- diagrams
- image
- images
- dimensional
- probabilistic
- Prior art date
Links
- 238000005259 measurement Methods 0.000 title claims abstract 7
- 238000000034 method Methods 0.000 claims abstract 47
- 238000010586 diagram Methods 0.000 claims abstract 30
- 230000011218 segmentation Effects 0.000 claims abstract 15
- 238000009826 distribution Methods 0.000 claims abstract 9
- 238000013507 mapping Methods 0.000 claims abstract 4
- 238000003384 imaging method Methods 0.000 claims abstract 3
- 238000007781 pre-processing Methods 0.000 claims abstract 2
- 239000013598 vector Substances 0.000 claims 6
- 239000003086 colorant Substances 0.000 claims 4
- 230000015572 biosynthetic process Effects 0.000 claims 3
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
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
1. Способ формирования трехмерных данных тела для объекта, причем упомянутый способ содержит этапы:i) захвата одного или нескольких исходных изображений объекта с использованием цифрового устройства формирования изображений;ii) разбиения одного или нескольких исходных изображений на множество сегментов или распределений вероятностей с использованием одного или нескольких способов сегментации, эвристических правил и/или предопределенных отображений;iii) объединения результатов каждого способа сегментации на этапе ii) для создания одной или нескольких уникальных вероятностных диаграмм, представляющих объект;iv) сравнения одной или нескольких уникальных вероятностных диаграмм с базой данных представлений трехмерных тел для определения ближайшего соответствия или лучшего отображения между данной или каждой уникальной вероятностной диаграммой и представлением, определяемым из базы данных; иv) формирования трехмерных данных тела и/или измерений для объекта на основании лучшего отображения.2. Способ по п. 1, дополнительно содержащий до разбиения упомянутого одного из нескольких изображений применение одной или нескольких стадий предварительной обработки к одному или нескольким исходным изображениям для улучшения имеющихся данных до сегментации.3. Способ по п. 1, в котором объединение результатов каждого способа сегментации содержит использование математических уравнений и/или эвристических правил.4. Способ по п. 1, в котором сравнение одной или нескольких уникальных вероятностных диаграмм с базой данных представлений содержит определение лучшего отображения между каждой или всеми диаграммами из уникальных вероятнос
Claims (26)
1. Способ формирования трехмерных данных тела для объекта, причем упомянутый способ содержит этапы:
i) захвата одного или нескольких исходных изображений объекта с использованием цифрового устройства формирования изображений;
ii) разбиения одного или нескольких исходных изображений на множество сегментов или распределений вероятностей с использованием одного или нескольких способов сегментации, эвристических правил и/или предопределенных отображений;
iii) объединения результатов каждого способа сегментации на этапе ii) для создания одной или нескольких уникальных вероятностных диаграмм, представляющих объект;
iv) сравнения одной или нескольких уникальных вероятностных диаграмм с базой данных представлений трехмерных тел для определения ближайшего соответствия или лучшего отображения между данной или каждой уникальной вероятностной диаграммой и представлением, определяемым из базы данных; и
v) формирования трехмерных данных тела и/или измерений для объекта на основании лучшего отображения.
2. Способ по п. 1, дополнительно содержащий до разбиения упомянутого одного из нескольких изображений применение одной или нескольких стадий предварительной обработки к одному или нескольким исходным изображениям для улучшения имеющихся данных до сегментации.
3. Способ по п. 1, в котором объединение результатов каждого способа сегментации содержит использование математических уравнений и/или эвристических правил.
4. Способ по п. 1, в котором сравнение одной или нескольких уникальных вероятностных диаграмм с базой данных представлений содержит определение лучшего отображения между каждой или всеми диаграммами из уникальных вероятностных диаграмм и базой данных существующих известных трехмерных моделей путем применения алгоритма градиентного спуска, чтобы минимизировать различие между машинно-генерируемыми контурами для трехмерных данных и вероятностных диаграмм.
5. Способ по п. 1, в котором формирование трехмерных данных тела и/или измерений дополнительно содержит вывод трехмерных данных тела для объекта или других персональных метрик на основании лучшего отображения от этапа iv).
6. Способ по п. 1, дополнительно содержащий этап:
после захвата упомянутого одного или нескольких изображений предоставление одной диаграммы или нескольких вероятностных диаграмм, которые идентифицируют ожидаемую форму и позу объекта в одном или нескольких изображениях и/или предоставление последовательности способов сегментации для применения в соответствии с ожидаемой формой и позой объекта в каждом изображении.
7. Способ по п. 6, дополнительно содержащий этап:
определения позы объекта и предоставления одной или нескольких вероятностных диаграмм на основании определенной позы.
8. Способ по п. 1, в котором сравнение одной или нескольких уникальных вероятностных диаграмм с базой данных трехмерных представлений тела для определения лучшего отображения содержит этапы:
формирования среднего трехмерного изображения тела, исходя из базы данных трехмерных представлений тела;
формирования, по меньшей мере, одного контура среднего трехмерного изображения тела; и
сравнения контура с одной или несколькими уникальными вероятностными диаграммами для объекта и определения степени соответствия.
9. Способ по п. 8, дополнительно содержащий этапы:
предоставления предопределенных последовательностей векторов, которые задают, каким образом среднее трехмерное изображение тела может быть изменено;
применения предопределенных последовательностей векторов с весовыми коэффициентами к среднему трехмерному изображению тела для формирования модифицированного трехмерного изображения тела;
формирования контура модифицированного трехмерного изображения тела; и
сравнения контура с уникальной вероятностной диаграммой объекта и определения степени соответствия.
10. Способ по п. 9, дополнительно содержащий этап:
сравнения степени соответствия множественных контуров, сформированных согласно различным весовым коэффициентам, чтобы определить лучшее соответствие.
11. Способ по п. 1, дополнительно содержащий этап:
изменения трехмерного изображения тела и/или сформированных контуров, чтобы учесть факторы формирования изображений, присутствующие в пределах одного или нескольких изображений объекта.
12. Способ по п. 11, в котором присутствующими факторами формирования изображений являются, по меньшей мере, одно из: «тангажа» камеры; «рыскания» камеры; расстояния от камеры (до объекта) и бочкообразного искажения.
13. Способ по п. 1, дополнительно содержащий этапы:
определения немасштабированных измерений для лучшего соответствия на основании справочной таблицы известных измерений трехмерных изображений тела; и масштабирования измерений лучшего соответствия или скан-изображения на основании опорных данных, предоставленных объектом, упомянутые опорные данные являются одними или несколькими из: высоты объекта; расстояния между объектом и камерой; ссылки на калиброванный известный предмет.
14. Способ по п. 1, в котором разбиение одного или нескольких изображений на множество сегментов содержит этап:
сравнения позиции пикселей в данном или каждом изображении с их соответствующими позициями на вероятностных диаграммах, чтобы определить вероятность того, что пиксель представляет объект в изображении.
15. Способ по п. 1, в котором разбиение одного или нескольких изображений на множество сегментов содержит этап:
взвешивания пикселей в данном или каждом изображении согласно соответствующим позициям на вероятностных диаграммах, чтобы сформировать соответствующее взвешенное изображение, и идентификации цветов и/или пространственного распределения в пределах этих взвешенных изображений;
16. Способ по п. 1, в котором после объединения результатов для каждого способа сегментации на этапе ii) для создания одной или нескольких уникальных вероятностных диаграмм, представляющих объект, причем способ дополнительно содержит этап:
применения одного или нескольких способов(а) окончательной сегментации с использованием объединенных результатов способов предшествующей сегментации в качестве «затравки».
17. Способ по п. 1, в котором после объединения результатов каждого способа сегментации на этапе ii) для создания одной или нескольких уникальных вероятностных диаграмм, представляющих объект, способ дополнительно содержит этап:
добавления области неопределенности вокруг краев одной или нескольких уникальных вероятностных диаграмм (например, размытием), чтобы компенсировать переменную резкость линии, чтобы создать границу из неопределенных пикселей;
идентификации градиента для краев одной или нескольких уникальных вероятностных диаграмм, чтобы определить направление объекта в каждом неопределенном пикселе, для создания соответствующей векторной вероятностной диаграммы контура; и применения векторной вероятностной диаграммы контура к изображению, чтобы определить точки с наивысшей контрастностью; и идентификации в упомянутой точке наивысшей контрастности граничного пикселя, находящегося на границе объекта.
18. Способ по п. 17, дополнительно содержащий этапы:
сравнения цвета граничного пикселя с цветами соседних пикселей, чтобы определять, исходя из интенсивностей, истинную границу с субпиксельным разрешением.
20. Способ по п. 1, в котором цветовое распределение идентифицируют в пределах взвешенных изображений, и идентификация цветового распределения дополнительно содержит этапы:
выборки пикселей изображения, чтобы идентифицировать их цвета; и
отображения позиции выбранных пикселей на предварительно визуализированную вероятностную диаграмму, чтобы определить ожидаемый цвет для этой области вероятностной диаграммы.
21. Способ по п. 20, в котором идентификация цветового распределения дополнительно содержит этапы:
получения распределения вероятностей для цвета пикселей внутри всех упомянутых сегментов изображения; и
формирования многомерного (многовариантного) распределения вероятностей для изображения по интенсивности, цвету и/или пространственному объему.
22. Способ по п. 1, дополнительно содержащий этап:
сравнения распределения вероятностей с ожидаемым цветом для соответствующих областей вероятностной диаграммы, чтобы определить вероятность того, что пиксель представляет объект.
23. Способ по п. 1, дополнительно содержащий этап:
преобразования каждого изображения из одного или нескольких изображений в RGB-изображение, чтобы идентифицировать искажения в одном или нескольких изображениях.
24. Способ по п. 1, в котором объединение результатов для каждого способа сегментации на этапе ii) для создания одной или нескольких уникальных вероятностных диаграмм, представляющих объект, использует достоверную и/или пространственную информацию для взвешивания способов сегментации в областях расхождения.
25. Способ по п. 1, дополнительно содержащий этап:
вывода трехмерных данных тела для объекта.
26. Способ по п. 25, в котором трехмерные данные тела выводятся на одно или несколько устройств из запоминающего устройства; онлайн-хранилища на основе облака; мобильного телефона; экрана устройства отображения или персонального вычислительного устройства.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1209382.9 | 2012-05-25 | ||
GBGB1209382.9A GB201209382D0 (en) | 2012-05-25 | 2012-05-25 | Body measurement |
PCT/GB2013/051371 WO2013175228A1 (en) | 2012-05-25 | 2013-05-24 | Body measurement |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2014152713A true RU2014152713A (ru) | 2016-07-20 |
RU2635226C2 RU2635226C2 (ru) | 2017-11-09 |
Family
ID=46546015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014152713A RU2635226C2 (ru) | 2012-05-25 | 2013-05-24 | Измерение тела |
Country Status (10)
Country | Link |
---|---|
US (1) | US8842906B2 (ru) |
EP (1) | EP2856426B1 (ru) |
JP (1) | JP6368709B2 (ru) |
CN (1) | CN104508704B (ru) |
BR (1) | BR112014029372B1 (ru) |
ES (1) | ES2797537T3 (ru) |
GB (1) | GB201209382D0 (ru) |
IL (1) | IL235860B (ru) |
RU (1) | RU2635226C2 (ru) |
WO (1) | WO2013175228A1 (ru) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201209382D0 (en) | 2012-05-25 | 2012-07-11 | Poikos Ltd | Body measurement |
EP3097384A4 (en) | 2014-01-21 | 2017-09-20 | My Size Israel 2014 Ltd. | Method and system for measuring a path length using a handheld electronic device |
JP6547282B2 (ja) * | 2014-11-28 | 2019-07-24 | 東芝エネルギーシステムズ株式会社 | 医用画像生成装置、方法、及びプログラム |
MA41117A (fr) * | 2014-12-05 | 2017-10-10 | Myfiziq Ltd | Imagerie d'un corps |
CN106264537B (zh) * | 2015-05-25 | 2020-02-18 | 杭州海康威视系统技术有限公司 | 图像中人体姿态高度的测量系统及方法 |
US10521429B2 (en) * | 2015-06-09 | 2019-12-31 | Microsoft Technology Licensing, Llc. | Interactive graphical system for estimating body measurements |
US9443316B1 (en) | 2015-07-21 | 2016-09-13 | Sony Corporation | Semi-automatic image segmentation |
BR112018016910A2 (pt) * | 2016-02-19 | 2018-12-26 | Koninklijke Philips Nv | sistema de tratamento, método para determinar a posição de um dispositivo de tratamento de um sistema de tratamento, e produto de programa de computador |
CN107507213A (zh) * | 2016-06-13 | 2017-12-22 | 北京理工大学 | 一种基于消失点提取图像信息的方法及装置 |
US10303417B2 (en) | 2017-04-03 | 2019-05-28 | Youspace, Inc. | Interactive systems for depth-based input |
US10303259B2 (en) | 2017-04-03 | 2019-05-28 | Youspace, Inc. | Systems and methods for gesture-based interaction |
US10437342B2 (en) | 2016-12-05 | 2019-10-08 | Youspace, Inc. | Calibration systems and methods for depth-based interfaces with disparate fields of view |
US10867374B2 (en) * | 2017-02-13 | 2020-12-15 | Sensors Unlimited, Inc. | Auto-focusing system and method by determining contrast difference between adjacent pixels using sobel filter |
US10706262B2 (en) | 2018-01-08 | 2020-07-07 | 3DLOOK Inc. | Intelligent body measurement |
US10321728B1 (en) * | 2018-04-20 | 2019-06-18 | Bodygram, Inc. | Systems and methods for full body measurements extraction |
US10832472B2 (en) | 2018-10-22 | 2020-11-10 | The Hong Kong Polytechnic University | Method and/or system for reconstructing from images a personalized 3D human body model and thereof |
WO2020141751A1 (ko) * | 2019-01-03 | 2020-07-09 | 주식회사 미즈 | 신체 사이즈 측정용 사진 획득 방법 및 이를 이용한 신체 사이즈 측정 방법, 서버 및 프로그램 |
KR102132721B1 (ko) * | 2019-01-03 | 2020-07-10 | (주) 아이딕션 | 신체 사이즈 측정용 사진 획득 방법 및 이를 이용한 신체 사이즈 측정 방법, 서버 및 프로그램 |
CN110110235B (zh) * | 2019-05-14 | 2021-08-31 | 北京百度网讯科技有限公司 | 用于推送信息的方法和装置 |
CN114375177A (zh) * | 2019-09-01 | 2022-04-19 | Lg电子株式会社 | 身体测量装置及其控制方法 |
CN111079575B (zh) * | 2019-11-29 | 2023-06-23 | 拉货宝网络科技有限责任公司 | 一种基于包装图像特征的物料识别方法及系统 |
CN111199576B (zh) * | 2019-12-25 | 2023-08-18 | 中国人民解放军军事科学院国防科技创新研究院 | 一种基于移动平台的室外大范围人体姿态重建方法 |
EP3846123B1 (en) * | 2019-12-31 | 2024-05-29 | Dassault Systèmes | 3d reconstruction with smooth maps |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5680528A (en) * | 1994-05-24 | 1997-10-21 | Korszun; Henry A. | Digital dressing room |
JP3585703B2 (ja) * | 1997-06-27 | 2004-11-04 | シャープ株式会社 | 画像処理装置 |
JP4438971B2 (ja) * | 1999-10-20 | 2010-03-24 | グンゼ株式会社 | データ立体化装置及びデータ立体化プログラムを記録したコンピュータ読み取り可能な記録媒体 |
US6763148B1 (en) * | 2000-11-13 | 2004-07-13 | Visual Key, Inc. | Image recognition methods |
US7130484B2 (en) * | 2001-10-15 | 2006-10-31 | Jonas August | Biased curve indicator random field filters for enhancement of contours in images |
JP3945279B2 (ja) * | 2002-03-15 | 2007-07-18 | ソニー株式会社 | 障害物認識装置、障害物認識方法、及び障害物認識プログラム並びに移動型ロボット装置 |
JP3861781B2 (ja) * | 2002-09-17 | 2006-12-20 | 日産自動車株式会社 | 前方車両追跡システムおよび前方車両追跡方法 |
RU2270593C2 (ru) * | 2004-03-10 | 2006-02-27 | Хокурику Стр Кооператив | Способ формирования предмета одежды, соответствующего форме тела индивидуума |
US9820658B2 (en) * | 2006-06-30 | 2017-11-21 | Bao Q. Tran | Systems and methods for providing interoperability among healthcare devices |
US7840898B2 (en) * | 2005-11-01 | 2010-11-23 | Microsoft Corporation | Video booklet |
FR2914466B1 (fr) * | 2007-04-02 | 2009-06-12 | Inst Nat Rech Inf Automat | Dispositif de traitement d'images pour la mise en correspondance d'images d'une meme portion d'un corps obtenues par resonance magnetique et par ultrasons. |
US7623625B2 (en) * | 2007-04-11 | 2009-11-24 | Searete Llc | Compton scattered X-ray visualization, imaging, or information provider with scattering event locating |
CN101611939B (zh) * | 2008-06-26 | 2012-05-23 | 上海一格信息科技有限公司 | 三维人体图像数据网络远程智能化测试方法 |
US9182814B2 (en) * | 2009-05-29 | 2015-11-10 | Microsoft Technology Licensing, Llc | Systems and methods for estimating a non-visible or occluded body part |
CN102175179A (zh) * | 2011-02-23 | 2011-09-07 | 东南大学 | 一种人体表面轮廓三维重建的方法与装置 |
GB201209382D0 (en) | 2012-05-25 | 2012-07-11 | Poikos Ltd | Body measurement |
-
2012
- 2012-05-25 GB GBGB1209382.9A patent/GB201209382D0/en not_active Ceased
- 2012-08-08 US US13/569,504 patent/US8842906B2/en active Active
-
2013
- 2013-05-24 ES ES13728505T patent/ES2797537T3/es active Active
- 2013-05-24 JP JP2015513274A patent/JP6368709B2/ja active Active
- 2013-05-24 WO PCT/GB2013/051371 patent/WO2013175228A1/en active Application Filing
- 2013-05-24 CN CN201380039600.2A patent/CN104508704B/zh active Active
- 2013-05-24 BR BR112014029372-4A patent/BR112014029372B1/pt active IP Right Grant
- 2013-05-24 EP EP13728505.2A patent/EP2856426B1/en active Active
- 2013-05-24 RU RU2014152713A patent/RU2635226C2/ru active
-
2014
- 2014-11-23 IL IL235860A patent/IL235860B/en active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
GB201209382D0 (en) | 2012-07-11 |
CN104508704A (zh) | 2015-04-08 |
IL235860A0 (en) | 2015-01-29 |
IL235860B (en) | 2018-12-31 |
JP6368709B2 (ja) | 2018-08-01 |
RU2635226C2 (ru) | 2017-11-09 |
JP2015527625A (ja) | 2015-09-17 |
EP2856426B1 (en) | 2020-02-26 |
ES2797537T3 (es) | 2020-12-02 |
WO2013175228A1 (en) | 2013-11-28 |
EP2856426A1 (en) | 2015-04-08 |
BR112014029372A8 (pt) | 2018-04-03 |
US20130315470A1 (en) | 2013-11-28 |
US8842906B2 (en) | 2014-09-23 |
BR112014029372B1 (pt) | 2021-10-05 |
CN104508704B (zh) | 2018-12-04 |
BR112014029372A2 (pt) | 2017-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014152713A (ru) | Измерение тела | |
CN110046673B (zh) | 基于多特征融合的无参考色调映射图像质量评价方法 | |
KR102134405B1 (ko) | 적대적 생성망을 이용한 저조도 영상 개선을 위한 장치 및 방법 | |
US9922443B2 (en) | Texturing a three-dimensional scanned model with localized patch colors | |
CN102682446B (zh) | 使用自适应联合双边滤波器生成稠密深度图的设备和方法 | |
US9697583B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
CN108470350B (zh) | 折线图中的折线分割方法及装置 | |
JP2014089626A (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
WO2021253940A1 (en) | Systems and methods for object measurement | |
US20160005226A1 (en) | Classifying contiguous objects from polygonal meshes with spatially grid-like topology | |
US10475229B2 (en) | Information processing apparatus and information processing method | |
US8559714B2 (en) | Post processing for improved generation of intrinsic images | |
US8908994B2 (en) | 2D to 3d image conversion | |
CN116883588A (zh) | 一种大场景下的三维点云快速稠密重建方法及系统 | |
CN111641822A (zh) | 一种重定位立体图像质量评价方法 | |
CN111742352B (zh) | 对三维对象进行建模的方法和电子设备 | |
JP2023003763A (ja) | 学習装置、画像処理装置、学習処理方法、及びプログラム | |
JP2014078799A (ja) | 画像処理装置及び画像処理方法 | |
US20130321419A1 (en) | Automatic Processing Scale Estimation for Use in an Image Process | |
JP2014120079A (ja) | 陰影情報導出装置、陰影情報導出方法及びプログラム | |
CN110991230A (zh) | 基于旋转候选框的任意方向遥感影像舰船检测方法及系统 | |
Mahdi et al. | Satellite images classification in rural areas based on fractal dimension | |
Skabek et al. | Improvement and unification of input images for photogrammetric reconstruction | |
CN105389775B (zh) | 融合图像灰度特征与结构化表示的图像群组配准方法 | |
KR101893793B1 (ko) | 컴퓨터 그래픽 영상의 실감도 증강을 위한 장치 및 방법 |