RU2014152713A - Измерение тела - Google Patents

Измерение тела Download PDF

Info

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
Application number
RU2014152713A
Other languages
English (en)
Other versions
RU2635226C2 (ru
Inventor
Элеанор УОТСОН
Дэвид Эванс
Original Assignee
Пойкос Лимитед
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 Пойкос Лимитед filed Critical Пойкос Лимитед
Publication of RU2014152713A publication Critical patent/RU2014152713A/ru
Application granted granted Critical
Publication of RU2635226C2 publication Critical patent/RU2635226C2/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75Determining position or orientation of objects or cameras using feature-based methods involving models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30196Human 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.
19. Способ по п. 18, в котором истинную границу вычисляют, используя
Figure 00000001
, где b - истинная граница, cB - интенсивность текущего пикселя, cA - интенсивность предыдущего пикселя вдоль вектора, и cC - интенсивность следующего пикселя вдоль вектора.
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.
RU2014152713A 2012-05-25 2013-05-24 Измерение тела RU2635226C2 (ru)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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