WO2018076977A1 - 一种基于单目机器视觉的身高测量方法 - Google Patents
一种基于单目机器视觉的身高测量方法 Download PDFInfo
- Publication number
- WO2018076977A1 WO2018076977A1 PCT/CN2017/102997 CN2017102997W WO2018076977A1 WO 2018076977 A1 WO2018076977 A1 WO 2018076977A1 CN 2017102997 W CN2017102997 W CN 2017102997W WO 2018076977 A1 WO2018076977 A1 WO 2018076977A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- head
- tested
- person
- image
- face
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- 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
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
Definitions
- the invention relates to the technical field of length measurement, in particular to a height measurement method based on monocular machine vision.
- the problem to be solved by the present invention is to provide a height measurement method based on monocular machine vision, which can realize automatic contactless automatic measurement of human body height, convenient operation and accurate measurement.
- the method for measuring the height of a monocular machine vision based on the present invention comprises the following steps:
- the person to be tested stands in the area designated on the plane logo;
- the robot keeps the head in a horizontal state, and the RGB camera located at the robot head captures a two-dimensional identifier of the head and the foot of the person to be tested by adjusting the distance between the robot and the person to be tested;
- (x, y, 1) represents the homogeneous coordinates of the pixel coordinates of any corner point in the visual positioning identifier in the image coordinate system of the first camera;
- s is the introduced arbitrary scale proportional parameter
- M is the camera internal parameter matrix, r1, r2, r3 respectively represent the three column vectors in the rotation matrix of the visual positioning identification coordinate system relative to the camera coordinate system, and
- t is the translation vector;
- the image segmentation algorithm is used to segment the image area of the head to be tested, thereby calculating the pixel coordinates (x0, y0) of the head of the person to be tested;
- the Haar-Adaboost face detection algorithm is used to detect a rectangular area of a face in an image.
- the Haar-Adaboost face detection algorithm uses a face detector trained by face image samples to identify a rectangular area of the face in the image.
- the head region is segmented by a watershed algorithm. After identifying the face area, the face position can be marked as the foreground image area, and the non-face background area on both sides of the face is marked as the back view image area, and the outline of the head of the person to be tested is completed by using the watershed image segmentation algorithm. Split in the background.
- the head of the person to be tested is kept vertical, and the pixel coordinate x0 of the head vertex in the x-axis direction is equal to the x coordinate value of the center of the face rectangular area.
- the watershed image segmentation algorithm can segment the overall contour of the head. By calculating the y-coordinate average of the head contour points of the x-coordinates in the range of (x0– ⁇ x, x0+ ⁇ x), the pixel coordinates y0 of the head-vertex y-axis direction can be obtained. .
- the height measurement method based on monocular machine vision of the invention is simple in operation and calculation, and is to be tested The person can complete the self-measurement without the help of others, and the measurement method is non-contact, which further improves the measurement accuracy and speeds up the measurement.
- FIG. 1 is a schematic structural view of a robot used in the measuring method of the present invention
- FIG. 2 is a schematic view of a measurement area when the measurement method of the present invention is used
- FIG. 3 is a schematic diagram of an embodiment of the present invention for extracting a contour image of a human head.
- the method for measuring the height of a monocular machine vision based on the present invention comprises the following steps:
- the person to be tested stands in the area designated on the plane logo;
- the robot keeps the head in a horizontal state, and the RGB camera located at the robot head captures a two-dimensional identifier of the head and the foot of the person to be tested by adjusting the distance between the robot and the person to be tested;
- (x, y, 1) represents the homogeneous coordinates of the pixel coordinates of any corner point in the visual positioning identifier (ie, the plane identifier) in the image coordinate system of the first camera;
- (X, Y, Z, 1) indicates the The homogeneous coordinates of the corner points in the visual positioning identification coordinate system (because the positions of the four corner points are known, therefore, the homogeneous coordinates in the visual positioning identification coordinate system are also preset), s is introduced Any scale ratio parameter, M is the camera internal parameter matrix, r1, r2, r3 respectively represent three column vectors in the rotation matrix of the visual positioning identification coordinate system relative to the camera coordinate system, and t is a translation vector;
- the homogeneous coordinates of the corner points in the visual positioning identification coordinate system are simplified as (X, Y, 0, 1), and the homography matrix can be transformed, thereby Four corner points are calculated to obtain r1, r2, and t.
- R1, r2, and r3 are the column vectors of the rotation matrix R. Since the rotation R is a unit orthogonal matrix, r1, r2, and r3 are mutually orthogonal unit vectors.
- the Haar-Adaboost face detection algorithm is used to detect the rectangular area of the face in the image.
- the Haar-Adaboost face detection algorithm uses a face detector trained by face image samples to identify a rectangular area of the face in the image.
- the head region is segmented by a watershed algorithm. After identifying the face area, the face position can be marked as the foreground image area, and the non-face background area on both sides of the face is marked as the back view image area, and the outline of the head of the person to be tested is completed by using the watershed image segmentation algorithm. Split in the background.
- Watershed algorithm ie watershed image segmentation algorithm
- the algorithm can automatically segment the boundary contours of the two regions.
- the present invention uses a watershed algorithm to segment the contour region of the head, and then obtains the pixel coordinates of the highest point of the head through the contour of the head. The specific process is as follows:
- the background image area 2 that does not include the human head by the size and position of the rectangular area 1 of the face.
- the specific method is to infer the position and size of the contour of the human head through the rectangular area of the human face, and then mark the outside of the contour area of the human head as the background image area 2, thereby automatically generating the head image area 3 of the person to be tested, that is, the contour image of the human head ( This is a function that can be realized by the watershed algorithm, and will not be described in detail here, as shown in FIG.
- other methods such as a background map and the like can also be adopted.
- the pixel coordinate of the center of the rectangular area of the known detected face be (x1, y1), and the head of the person to be tested remains vertical, and the vertical line of the center of the rectangular area of the face and the contour image of the human head The intersection of the top contour of the head is the head vertex 4.
- the position at which the person to be tested stands is fixed with respect to the position of the visual positioning identification coordinate system O1, and therefore, the coordinates of the center point of the standing position thereof are also fixed.
- the coordinate value of the X axis in the visual positioning identification coordinate system O1 is 0.
- the Z of the head coordinate can be obtained (the person to be tested) height).
- the plane logo the height should be measured to ensure that the robot sees the plane logo.
- Standing area The area where the person to be tested stands on both feet.
- O1 is the identification coordinate system with the identification center as the origin
- the height measurement method based on monocular machine vision of the present invention uses a robot, and the RGB color camera 1 is located at the robot head.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Dentistry (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
一种基于单目机器视觉的身高测量方法，包括以下步骤：机器人头部的RGB摄像机（1）拍摄到待测人的头部及脚下的二维标识；机器人根据检测到的二维标识上四个角点，计算出当前视场的单应性矩阵；通过图像分割算法分割出待测人头部图像区域（3），从而计算出待测人头顶的像素坐标；进而计算出待测人的身高。基于单目机器视觉的身高测量方法，操作及计算简单，待测人员无需他人帮助即可完成自我测高，测量方法为非接触式的，进一步提高了测量精度，也加快了测量速度。
Description
本申请要求2016年10月27日提交的申请号为：201610955233.6、发明名称为“一种基于单目机器视觉的身高测量方法”的中国专利申请的优先权，其全部内容合并在此。
本发明涉及长度测量技术领域，具体是一种基于单目机器视觉的身高测量方法。
由于各种需要，比如体检、运动员选拔等，需要对人的身高进行测量。目前的身高测量方法如使用尺子、标杆等方式操作起来都不太方便，需要直接接触到人体，不能做到自动测量，容易由于操作不当造成误差。
发明内容
本发明要解决的问题是提供一种基于单目机器视觉的身高测量方法，该方法能够实现对人体身高进行无接触自动测量，操作方便，测量精确。
为实现上述发明目的，本发明的基于单目机器视觉的身高测量方法，包括以下步骤：
待测人站在平面标识上指定的区域；
机器人保持头部处于水平状态，通过调整所述机器人与所述待测人的距离使位于所述机器人头部的RGB摄像机拍摄到所述待测人的头部及脚下的二维标识；
所述机器人根据检测到的二维标识上四个角点，根据预设方程组：
计算出当前视场的单应性矩阵H＝M[r1,r2,r3,t]；
其中，(x，y，1)表示视觉定位标识中任一角点在第一摄像机的图像坐标系中像素坐标的齐次坐标；(X，Y，Z，1)表示所述角点在视觉定位标识坐标系中的齐次坐标，选取视觉定位标识平面为Z＝0，则所述角点在所述视觉定位标识坐标系中的齐次坐标即简化为(X，Y，0，1)；s为引入的任意尺度比例参数，M为摄像机内部参数矩阵，r1、r2、r3分别表示视觉定位标识坐标系相对于摄像机坐标系的旋转矩阵中的三个列向量，t为平移向量；
通过图像分割算法分割出待测人头部图像区域，从而计算出待测人头顶的像素坐标(x0,y0)；
根据单应性矩阵
代入x＝x0,y＝y0,X＝0即可求得Z，Z即所述待测人的身高。
计算出待测人头顶的像素坐标分为如下三步：
(1)使用Haar-Adaboost人脸检测算法在图像中检测人脸的矩形区域。Haar-Adaboost人脸检测算法使用通过人脸图像样本训练好的人脸检测器，在图像中识别到人脸的矩形区域。
(2)通过分水岭算法分割出头部区域。识别到人脸区域后可将人脸位置标记为前景图像区域，将人脸两边的非人脸背景区域标记为后景图像区域，使用分水岭图像分割算法将待测人头部的轮廓完整的从背景中分割出来。
(3)得到待测人头部的像素坐标。默认待测人的头部保持竖直，头顶点x轴方向的像素坐标x0等于人脸矩形区域中心的x坐标值。分水岭图像分割算法能够分割出头顶的整体轮廓，通过计算x坐标在(x0–Δx,x0+Δx)范围内的头顶轮廓点的y坐标平均值即可求得头顶点y轴方向的像素坐标y0。
本发明的基于单目机器视觉的身高测量方法，操作及计算简单，待测
人员无需他人帮助即可完成自我测高，测量方法为非接触式的，进一步提高了测量精度，也加快了测量速度。
图1为本发明的测量方法使用的机器人结构示意图；
图2是本发明使用测量方法时测量区域示意图；
图3是本发明提取出人头轮廓图像一个实施例的示意图。
下面结合附图，对本发明提出的一种基于单目机器视觉的身高测量方法进行详细说明。
本发明的基于单目机器视觉的身高测量方法，包括以下步骤：
待测人站在平面标识上指定的区域；
机器人保持头部处于水平状态，通过调整所述机器人与所述待测人的距离使位于所述机器人头部的RGB摄像机拍摄到所述待测人的头部及脚下的二维标识；
所述机器人根据检测到的二维标识上四个角点，根据下述预设方程组
计算出当前视场的单应性矩阵H＝sM[r1,r2,r3,t]；
其中，(x，y，1)表示视觉定位标识(即平面标识)中任一角点在第一摄像机的图像坐标系中像素坐标的齐次坐标；(X，Y，Z，1)表示所述角点在视觉定位标识坐标系中的齐次坐标(因4个角点的位置是已知的，因此，其在视觉定位标识坐标系中的齐次坐标也是预先设置好的)，s为引入的任意尺度比例参数，M为摄像机内部参数矩阵，r1、r2、r3分别表示视觉定位标识坐标系相对于摄像机坐标系的旋转矩阵中的三个列向量，t为平移向量；
选取视觉定位标识平面为Z＝0，则所述角点在所述视觉定位标识坐标系中的齐次坐标即简化为(X，Y，0，1)，单应性矩阵可以转化，从而根据四个角点计算得到r1、r2和t。r1、r2及r3都是旋转矩阵R的列向量，由于旋转R是单位正交矩阵，所以r1、r2及r3是相互正交的单位向量。单位向量r3可以通过r1及r2的叉乘计算r3＝r1×r2。
分割出待测人头部图像区域，从而计算出待测人头顶的像素坐标(x0,y0)；
计算出待测人头顶的像素坐标分为如下三步：
(4)使用Haar-Adaboost人脸检测算法在图像中检测人脸的矩形区域。Haar-Adaboost人脸检测算法使用通过人脸图像样本训练好的人脸检测器，在图像中识别到人脸的矩形区域。
(5)通过分水岭算法分割出头部区域。识别到人脸区域后可将人脸位置标记为前景图像区域，将人脸两边的非人脸背景区域标记为后景图像区域，使用分水岭图像分割算法将待测人头部的轮廓完整的从背景中分割出来。
分水岭算法(即分水岭图像分割算法)：
该算法通过分别标记出前景图像及背景图像区域，可以自动分割出两区域的边界轮廓。本发明使用分水岭算法分割出头顶的轮廓区域，然后通过头顶的轮廓获取头顶最高点的像素坐标。具体过程如下：
a.通过人脸检测算法，检测出人脸的矩形区域1；
b.将人脸的矩形区域1标记为所要分割的前景图像区域
c.通过人脸的矩形区域1的大小及位置，标记出不包括人头的后景图像区域2。具体方法是通过人脸的矩形区域推断人头轮廓的位置及大小，然后将人头轮廓区域之外标记为后景图像区域2，从而自动生成待测人的头部图像区域3，即人头轮廓图像(此为分水岭算法所能实现的功能，在此不作具体描述)，如图3所示。为了提取出人头轮廓图像，还可以采用其他方法，例如：背景抠图等。
(6)得到待测人头部顶点的像素坐标。
设已知检测到的人脸的矩形区域的中心的像素坐标为(x1,y1)，待测人的头部保持竖直，则通过人脸的矩形区域的中心的竖直线与人头轮廓图像中头顶轮廓的交叉点即为头部顶点4。在头顶轮廓上找到头部顶点的像素坐标(x0,y0)，其中x0＝x1。
根据下述预设方程组：
代入x＝x0,y＝y0,X＝0，Y＝Y0，即可求得Z，Z即所述待测人的身高。
如图2所示，待测人站立的位置相对于视觉定位标识坐标系O1的位置是固定的，因此，其站立的位置的中心点坐标也是固定。设该位置的中心点在视觉定位标识坐标系O1中的Y轴的坐标值为常量Y＝Y0，X轴的坐标为X＝0。人垂直站立在该区域中心上，即人的头部顶点在视觉定位标识坐标系O1中Y轴的坐标值为常量Y0，在视觉定位标识坐标系O1中X轴的坐标值为0。根据以上公式，当头顶的像素坐标(x0,y0)已知，头部顶点在平面标识坐标系O1中的X轴及Y轴坐标已知，则可以求出头顶坐标的Z(待测人的高度)。
①如图2所示，平面标识：身高测量时应当确保机器人看到该平面标识。站立区域：待测者双脚站立的区域。O1为以标识中心为原点的标识坐标系
如图1所示，本发明的基于单目机器视觉的身高测量方法，使用的机器人，RGB彩色摄像机1位于机器人头部。
以上实施例仅用以说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
- 一种基于单目机器视觉的身高测量方法，其特征在于，包括以下步骤：当待测人站在视觉定位标识对应的指定的区域时，机器人上的摄像机拍摄到图像，所述图像中包括从所述待测人的头部到脚下的所述视觉定位标识；所述机器人根据检测到的所述视觉定位标识上的四个角点，计算出当前视场的单应性矩阵；从所述图像中分割出待测人的头部图像区域，从而计算出待测人的头部顶点的像素坐标；根据所述待测人的头部顶点的像素坐标和所述当前视场的单应性矩阵，计算得到所述待测人的身高。
- 根据权利要求1所述的基于单目机器视觉的身高测量方法，其特征在于，所述机器人根据检测到的所述视觉定位标识上的四个角点，计算出当前视场的单应性矩阵的过程如下：将每个所述角点分别代入下述预设方程组：
其中，(x，y，1)为所述视觉定位标识中任一角点在所述摄像机的图像坐标系中像素坐标的齐次坐标；s为引入的任意尺度比例参数，M为所述摄像机的内部参数矩阵，r1、r2、r3分别表示视觉定位标识坐标系相对于所述摄像机的图像坐标系的旋转矩阵中的三个列向量，t为平移向量；(X，Y，Z，1)为所述角点在所述视觉定位标识坐标系中的齐次坐标；选取视觉定位标识平面Z＝0，则所述角点在所述视觉定位标识坐标 系中的齐次坐标简化为(X，Y，0，1)，所述单应性矩阵转化为：
计算出当前视场的单应性矩阵H＝M[r1,r2,r3,t]。 - 根据权利要求1所述的基于单目机器视觉的身高测量方法，其特征在于，所述从所述图像中分割出待测人的头部图像区域，从而计算出待测人的头部顶点的像素坐标的过程如下：使用Haar-Adaboost人脸检测算法在拍摄的所述图像中检测人脸的矩形区域；通过分水岭算法分割出头部图像区域；根据所述矩形区域和分割出的所述头部图像区域，得到待测人的头部顶点的像素坐标。
- 根据权利要求3所述的基于单目机器视觉的身高测量方法，其特征在于，所述使用Haar-Adaboost人脸检测算法在拍摄的所述图像中检测人脸的矩形区域具体为：Haar-Adaboost人脸检测算法使用通过人脸图像样本训练的人脸检测器，在所述图像中识别到人脸的矩形区域。
- 根据权利要求3所述的基于单目机器视觉的身高测量方法，其特征在于，所述通过分水岭算法分割出头部图像区域包括：识别到人脸的矩形区域后，将人脸的矩形区域标记为前景图像区域；通过人脸的矩形区域的大小及位置，标记出不包括人头的后景图像区域，从而得到待测人的头部图像区域。
- 根据权利要求3所述的基于单目机器视觉的身高测量方法，其特 征在于，所述根据所述矩形区域和分割出的所述头部图像区域，得到待测人的头部顶点的像素坐标包括：通过人脸的矩形区域的中心点、与y轴方向平行的竖直线与头部图像区域中头部顶点轮廓的交叉点即为头部顶点；所述待测人的头部顶点的x轴方向的像素坐标为所述人脸的矩形区域的中心点的x轴坐标值。
- 根据权利要求1所述的基于单目机器视觉的身高测量方法，其特征在于，所述根据所述待测人的头部顶点的像素坐标和所述当前视场的单应性矩阵，计算得到所述待测人的身高的过程如下：将所述头部顶点的像素坐标、所述当前视场的单应性矩阵代入下述预设方程组，计算得到所述待测人的身高：
其中，x为计算出的所述待测人的头部顶点的x轴方向的像素坐标，y为计算出的所述待测人的头部顶点的y轴方向的像素坐标，X为0，Y为待测人站的指定的区域的中心点的在视觉定位标识坐标系中的Y轴坐标，Z为所述待测人的身高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/806,308 US20180116556A1 (en) | 2016-10-27 | 2017-11-07 | Height measurement method based on monocular machine vision |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610955233.6 | 2016-10-27 | ||
| CN201610955233.6A CN106419923A (zh) | 2016-10-27 | 2016-10-27 | 一种基于单目机器视觉的身高测量方法 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| US15/806,308 Continuation US20180116556A1 (en) | 2016-10-27 | 2017-11-07 | Height measurement method based on monocular machine vision |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2018076977A1 true WO2018076977A1 (zh) | 2018-05-03 |
Family
ID=58179349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2017/102997 WO2018076977A1 (zh) | 2016-10-27 | 2017-09-22 | 一种基于单目机器视觉的身高测量方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN106419923A (zh) |
| WO (1) | WO2018076977A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211148A (zh) * | 2019-06-04 | 2019-09-06 | 哈尔滨工程大学 | 一种基于目标状态预估的水下图像预分割方法 |
| CN111046725A (zh) * | 2019-10-24 | 2020-04-21 | 宝略科技(浙江)有限公司 | 一种基于监控视频的人脸识别和点云融合的空间定位方法 |
| CN111079589A (zh) * | 2019-12-04 | 2020-04-28 | 常州工业职业技术学院 | 基于深度摄像和身高阈值像素标定的自动身高检测方法 |
| CN111067530A (zh) * | 2019-12-04 | 2020-04-28 | 常州工业职业技术学院 | 基于深度摄像的地铁乘客身高自动检测方法和系统 |
| CN111273701A (zh) * | 2020-02-28 | 2020-06-12 | 佛山科学技术学院 | 一种云台视觉控制系统以及控制方法 |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106419923A (zh) * | 2016-10-27 | 2017-02-22 | 南京阿凡达机器人科技有限公司 | 一种基于单目机器视觉的身高测量方法 |
| CN108171803B (zh) * | 2017-11-21 | 2021-09-21 | 深圳市朗形数字科技有限公司 | 一种图像制作方法及相关装置 |
| CN108627092A (zh) * | 2018-04-17 | 2018-10-09 | 南京阿凡达机器人科技有限公司 | 一种包裹体积的测量方法、系统、储存介质及移动终端 |
| CN108665471A (zh) * | 2018-05-30 | 2018-10-16 | 高鹏 | 一种基于摄像头的人体背部曲线获取方法及系统 |
| CN110306463B (zh) * | 2019-07-09 | 2021-11-19 | 南京美基森信息技术有限公司 | 一种测量身高的闸机 |
| CN110604574A (zh) * | 2019-09-16 | 2019-12-24 | 河北微幼趣教育科技有限公司 | 一种基于视频成像原理的人体身高测量方法 |
| CN111012353A (zh) * | 2019-12-06 | 2020-04-17 | 西南交通大学 | 一种基于人脸关键点识别的身高检测方法 |
| CN113397526A (zh) * | 2020-03-17 | 2021-09-17 | 苹果公司 | 人体高度估计 |
| CN112419390A (zh) * | 2020-11-26 | 2021-02-26 | 北京华捷艾米科技有限公司 | 一种人体身高测量方法及系统 |
| CN112561997B (zh) * | 2020-12-10 | 2022-07-26 | 之江实验室 | 一种面向机器人的行人定位方法、装置、电子设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100277571A1 (en) * | 2009-04-30 | 2010-11-04 | Bugao Xu | Body Surface Imaging |
| CN102103690A (zh) * | 2011-03-09 | 2011-06-22 | 南京邮电大学 | 一种自动的头发区域分割方法 |
| CN103099623A (zh) * | 2013-01-25 | 2013-05-15 | 中国科学院自动化研究所 | 一种人体运动学参数的提取方法 |
| CN104274180A (zh) * | 2013-07-03 | 2015-01-14 | 中山大学深圳研究院 | 一种基于构造平面的单幅图像人体身高测量方法 |
| CN106419923A (zh) * | 2016-10-27 | 2017-02-22 | 南京阿凡达机器人科技有限公司 | 一种基于单目机器视觉的身高测量方法 |
-
2016
- 2016-10-27 CN CN201610955233.6A patent/CN106419923A/zh active Pending
-
2017
- 2017-09-22 WO PCT/CN2017/102997 patent/WO2018076977A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100277571A1 (en) * | 2009-04-30 | 2010-11-04 | Bugao Xu | Body Surface Imaging |
| CN102103690A (zh) * | 2011-03-09 | 2011-06-22 | 南京邮电大学 | 一种自动的头发区域分割方法 |
| CN103099623A (zh) * | 2013-01-25 | 2013-05-15 | 中国科学院自动化研究所 | 一种人体运动学参数的提取方法 |
| CN104274180A (zh) * | 2013-07-03 | 2015-01-14 | 中山大学深圳研究院 | 一种基于构造平面的单幅图像人体身高测量方法 |
| CN106419923A (zh) * | 2016-10-27 | 2017-02-22 | 南京阿凡达机器人科技有限公司 | 一种基于单目机器视觉的身高测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| PARK, SANG-WOOK: "Real-time Estimation of Trajectories and Heights of Pedestrians", 2011 INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND APPLICATIONS, 23 May 2011 (2011-05-23), XP031947682, ISSN: 2162-9048 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211148A (zh) * | 2019-06-04 | 2019-09-06 | 哈尔滨工程大学 | 一种基于目标状态预估的水下图像预分割方法 |
| CN110211148B (zh) * | 2019-06-04 | 2022-09-27 | 哈尔滨工程大学 | 一种基于目标状态预估的水下图像预分割方法 |
| CN111046725A (zh) * | 2019-10-24 | 2020-04-21 | 宝略科技(浙江)有限公司 | 一种基于监控视频的人脸识别和点云融合的空间定位方法 |
| CN111046725B (zh) * | 2019-10-24 | 2023-01-10 | 宝略科技(浙江)有限公司 | 一种基于监控视频的人脸识别和点云融合的空间定位方法 |
| CN111079589A (zh) * | 2019-12-04 | 2020-04-28 | 常州工业职业技术学院 | 基于深度摄像和身高阈值像素标定的自动身高检测方法 |
| CN111067530A (zh) * | 2019-12-04 | 2020-04-28 | 常州工业职业技术学院 | 基于深度摄像的地铁乘客身高自动检测方法和系统 |
| CN111079589B (zh) * | 2019-12-04 | 2022-09-20 | 常州工业职业技术学院 | 基于深度摄像和身高阈值像素标定的自动身高检测方法 |
| CN111067530B (zh) * | 2019-12-04 | 2022-09-20 | 常州工业职业技术学院 | 基于深度摄像的地铁乘客身高自动检测方法和系统 |
| CN111273701A (zh) * | 2020-02-28 | 2020-06-12 | 佛山科学技术学院 | 一种云台视觉控制系统以及控制方法 |
| CN111273701B (zh) * | 2020-02-28 | 2023-10-31 | 佛山科学技术学院 | 一种云台视觉控制系统以及控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106419923A (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018076977A1 (zh) | 一种基于单目机器视觉的身高测量方法 | |
| US20180116556A1 (en) | Height measurement method based on monocular machine vision | |
| US10417775B2 (en) | Method for implementing human skeleton tracking system based on depth data | |
| TWI498580B (zh) | 長度量測方法與長度量測裝置 | |
| CN105447853B (zh) | 飞行装置、飞行控制系统及方法 | |
| CN106826815A (zh) | 基于彩色图像与深度图像的目标物体识别与定位的方法 | |
| US8565479B2 (en) | Extraction of skeletons from 3D maps | |
| US7760242B2 (en) | Information processing method and information processing apparatus | |
| CN108932475A (zh) | 一种基于激光雷达和单目视觉的三维目标识别系统及方法 | |
| US20160117824A1 (en) | Posture estimation method and robot | |
| CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
| CN104766309A (zh) | 一种平面特征点导航定位方法与装置 | |
| CN106441163B (zh) | 一种非接触式柱状物垂直度检测方法及装置 | |
| CN103954458B (zh) | 一种非接触式四轮定位仪及其检测方法 | |
| CN106503605A (zh) | 基于立体视觉技术的人体目标识别方法 | |
| US9746966B2 (en) | Touch detection apparatus, touch detection method, and non-transitory computer-readable recording medium | |
| CN114627080B (zh) | 基于计算机视觉的车辆冲压配件缺陷检测方法 | |
| US9235895B2 (en) | Method for estimating direction of person standing still | |
| CN106482636B (zh) | 图像测量装置 | |
| KR102642264B1 (ko) | 싱글 카메라를 이용한 평면 이동 구체의 운동 센싱장치 및 방법과, 퍼팅매트를 이동하는 골프공의 운동 센싱장치 및 방법 | |
| CN107680130A (zh) | 一种基于图像人体测量的方法及系统 | |
| CN108416735B (zh) | 基于几何特征的数字化x线图像的拼接方法及装置 | |
| CN206410679U (zh) | 一种非接触式柱状物垂直度测量装置 | |
| CN113420702A (zh) | 基于人脸进行温度检测的方法、装置、系统以及存储介质 | |
| Hosoki et al. | Detection of facial symmetric plane based on registration of 3D point cloud |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 17864052 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 17864052 Country of ref document: EP Kind code of ref document: A1 |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 17864052 Country of ref document: EP Kind code of ref document: A1 |