專利名稱：基于計算機視覺的人體軀干圍度測量方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機視覺技術(shù)，具體涉及基于計算機視覺的人體軀干圍度測量方法和裝置。
背景技術(shù)：
隨著互聯(lián)網(wǎng)以及圖像處理技術(shù)發(fā)展，在游戲、人-機交互、安全、遠程呈現(xiàn)和健康保健等諸多應用中均需要獲取人體的體型參數(shù)。人體軀干圍度，例如胸圍、腰圍和臀圍等是人體的重要體型參數(shù)。傳統(tǒng)的軀干圍度測量方式，需要被測試人到體檢現(xiàn)場通過標尺或光學設備測量。這種傳統(tǒng)的測量方式效率較低，需要測量人員進行現(xiàn)場的操作和記錄，也不能進行批量的人體軀干圍度測量。特別在進行人體建模時，需要批量測量人體體型參數(shù)，利用、傳統(tǒng)方式難以滿足需求。同時，計算機視覺技術(shù)是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，并進一步做圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺技術(shù)試圖建立能夠從圖像或者多維數(shù)據(jù)中獲取‘信息’的人工智能系統(tǒng)。現(xiàn)有的計算機視覺技術(shù)對于三維深度圖像的處理取得許多成果。例如，文獻I “Real-Time Human Pose Recognition in Parts from Single Depth Images” JamieShotton, Andrew Fitzgibbon, Mat Cook, Toby Sharp, Mark Finocchio, Richard Moore,Alex Kipman, and Andrew Blake. CVPR, 2011公開了一種深度圖像實時人體部分識別方法，通過對深度圖像進行處理將困難的姿態(tài)估計問題轉(zhuǎn)化為簡單的逐像素分類問題實現(xiàn)了從深度圖像中分離獲取人體不同部位點云(Point Cloud)數(shù)據(jù)的目的。而且，用于進行點云數(shù)據(jù)拼接以從多個圖像中獲取物體整體立體數(shù)據(jù)的技術(shù)包括粗拼接技術(shù)和精確拼接技術(shù)，其實質(zhì)是把不同坐標系下測得的數(shù)據(jù)點云進行坐標變換，計算旋轉(zhuǎn)矩陣和平移矢量。粗拼接的常用方法有轉(zhuǎn)臺法、標簽法和曲面特征法。精確拼接技術(shù)的代表是迭代近點算法(Iterative Closest Point, ICP),其重復進行“確定對應關(guān)系點集”以及“計算最優(yōu)坐標變換矩陣”的過程，直到某個表示正確匹配的收斂準則得到滿足。其中，文獻 2 “Efficient Variant of the ICP Algorithm”，Szymon Rusinkiewicz, MarcLevoy,3-DDigital Imaging and Modeling,2001. Proceedings. Third InternationalConference on.公開了一種優(yōu)化的ICP算法，其通過對常規(guī)空間統(tǒng)一采樣以獲得較快的收斂速度，適于進行快速精確的點云數(shù)據(jù)拼接。在利用計算機視覺技術(shù)進行人體測量方面，現(xiàn)有技術(shù)中，通過非接觸方式進行人體體型參數(shù)測量的技術(shù)方案通常基于少量人體數(shù)據(jù)通過曲線擬合或經(jīng)驗數(shù)據(jù)估算來估算人體體型信息。例如，中國專利申請CN101322589A公開了一種非接觸式人體測量方法，通過獲取人體正面或側(cè)面圖像，從圖像中獲取人體身高和肩寬，根據(jù)人體身高和肩寬來進行BP神經(jīng)網(wǎng)絡仿真和回歸預測處理估算人體圍度。這類方法由于使用經(jīng)驗估計的方式，其精確度較差。
由此，亟需一種非接觸的可以精確測量人體軀干圍度的，便于進行批量處理的人體軀干圍度測量方法和裝置。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種非接觸的可以精確測量人體軀干圍度的，便于進行批量處理的人體軀干圍度測量方法和裝置。本發(fā)明公開了一種基于計算機視覺的人體軀干圍度測量方法，包括獲取立體軀干點云數(shù)據(jù)，所述立體軀干點云數(shù)據(jù)包括軀干表面的所有采樣點的空間坐標；選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像；
計算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列；計算所述像素序列中每個像素對應的剖面坐標，所述剖面坐標為空間坐標在所述剖面的投影坐標；根據(jù)所述剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值。優(yōu)選地，所述選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像包括計算立體軀干點云數(shù)據(jù)的主軸，并進行空間坐標變換,將立體軀干點云數(shù)據(jù)的空間坐標轉(zhuǎn)換到以所述主軸為坐標軸的新坐標系中，在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集；將所述構(gòu)成軀干剖面的點集沿與軀干圍度垂直的主軸按預定分辨率進行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點的數(shù)量確定對應像素的灰度值，構(gòu)建軀干剖面圖像。優(yōu)選地，所述計算軀干剖面圖像的最大的內(nèi)輪廓包括對軀干剖面圖像進行二值化，對二值化后的剖面圖像進行連通域分析，獲得最大的內(nèi)輪廓。優(yōu)選地，所述獲取立體軀干點云數(shù)據(jù)包括深度攝像裝置圍繞人體軀干相對移動一周，獲取包括人體軀干的深度圖像序列；對所述深度圖像序列的每一幀深度圖像進行人體姿態(tài)識別，分別獲得每一幀深度圖像的軀干像素點云數(shù)據(jù)形成軀干像素點云數(shù)據(jù)序列；選取相互差異度大于預定閾值的多個幀的軀干像素點云數(shù)據(jù)，進行軀干像素點云數(shù)據(jù)拼接，獲得包括人體軀干采樣點空間坐標的立體軀干點云數(shù)據(jù)。優(yōu)選地，所述在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集包括在需要測量圍度的主軸位置建立垂直于主軸的平面，提取立體軀干點云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點作為構(gòu)成軀干剖面的點集。優(yōu)選地，所述計算所述像素序列中每個像素對應的剖面坐標包括根據(jù)下式計算所述像素序列的每個像素對應的剖面坐標
X — X ■V — V ■
r汽汽V _ VImaxmin -., _ -.,. -.. ^ max ^ minX1 - xmin + U1---— ,y,-少min + V1-—
cols — Irows — I
其中，(Ui, Vi)為像素坐標，(Xi, Yi)為像素序列中第i個像素對應的剖面坐標，Xfflax和Xmin分別為所述構(gòu)成軀干剖面的點集中投影到剖面上的X坐標的最大值和最小值，和Yfflin分別為所述構(gòu)成軀干剖面的點集中投影到剖面上的I坐標的最大值和最小值，cols和rows為圖像的預定分辨率。優(yōu)選地，所述根據(jù)所述剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值包括通過下式計算人體軀干圍度測量值L =乞7(義+1 ~xi)2 +(兄.+I ~y,)2 + ^IixI ~xn)2 +(少I _>v)2
/=1其中，L為所述人體軀干圍度測量值，(Xi，Yi)為像素序列中第i個像素對應的剖 面坐標，N為像素序列中像素的總數(shù)。優(yōu)選地，所述選取相互差異度大于預定閾值的多個幀的軀干像素點云數(shù)據(jù)，進行軀干像素點云數(shù)據(jù)拼接，獲得包括人體軀干采樣點空間坐標的立體軀干點云數(shù)據(jù)包括按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度，從所述軀干像素點云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)進行配準拼接，獲得所述立體軀干點云數(shù)據(jù)；其中，所述按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度包括通過主元分析分別獲得的進行比較的兩幀軀干像素點云數(shù)據(jù)的第二主軸或第三主軸；判斷所述進行比較的兩幀軀干像素點云數(shù)據(jù)的第二主軸之間或第三主軸之間的夾角是否大于夾角閾值。優(yōu)選地，所述選取相互差異度大于預定閾值的多個幀的軀干像素點云數(shù)據(jù)，進行軀干像素點云數(shù)據(jù)拼接，獲得包括人體軀干采樣點空間坐標的立體軀干點云數(shù)據(jù)包括按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度，從所述軀干像素點云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)進行配準拼接，獲得所述立體軀干點云數(shù)據(jù)；其中，所述按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度包括分別計算進行比較的兩幀軀干像素點云數(shù)據(jù)的重心坐標；根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值當Covprev

> kj Covprev [2] [2]時，|zprev_zk| > threshj當Covprev

< k2 Covprev [2] [2]時，|xprev_xk| > thresh2其它情況時，IZprev-Zk I +1 Xprev-Xk I > thresh3其中，Covpmv為上一個被確定為需要進行拼接的深度圖像的協(xié)方差矩陣，(xpMV，Yprev^ Zprev)為上一個被確定為需要進行拼接的深度圖像的重心坐標，Uk，Yk, Zk)為軀干像素點云數(shù)據(jù)序列中當前待選深度圖像的重心坐標，k:和k2為預定權(quán)值，k2 < k1； thresh^thresh2、thresh3為預定的第一重心變化閾值，第二重心變化閾值和第三重心變化閾值。優(yōu)選地，通過如下方式確定所述軀干像素點云數(shù)據(jù)序列的結(jié)束幀確定所述軀干像素點云數(shù)據(jù)序列的起始幀；計算所有軀干像素點云數(shù)據(jù)與所述起始幀的軀干像素點云數(shù)據(jù)的相似度，并按照所對應的深度圖像的排列順序記錄所述相似度的變化趨勢；選取與所述起始幀相似度高且排列于相似度經(jīng)歷了兩次下降上升過程的位置的幀對應的軀干像素點云數(shù)據(jù)作為所述結(jié)束幀。本發(fā)明還公開了一種基于計算機視覺的人體軀干圍度測量裝置，包括軀干點云獲取模塊，用于獲取立體軀干點云數(shù)據(jù)，所述立體軀干點云數(shù)據(jù)包括軀干表面的所有采樣點的空間坐標；剖面圖像計算模塊，用于選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像；內(nèi)輪廓計算模塊，用于計算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列；剖面坐標計算模塊，用于計算所述像素序列中每個像素對應的剖面坐標，所述剖面坐標為空間坐標在所述剖面的投影坐標；軀干圍度計算模塊，用于根據(jù)所述剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值。優(yōu)選地，所述剖面圖像計算模塊包括剖面構(gòu)建模塊，用于計算立體軀干點云數(shù)據(jù)的主軸，并進行空間坐標變換，將立體軀干點云數(shù)據(jù)的空間坐標轉(zhuǎn)換到以所述主軸為坐標軸的新坐標系中，在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集；剖面圖像構(gòu)建模塊，用于將所述構(gòu)成軀干剖面的點集沿與軀干圍度垂直的主軸按預定分辨率進行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點的數(shù)量確定對應像素的灰度值，構(gòu)建軀干剖面圖像。優(yōu)選地，所述計算軀干剖面圖像的最大的內(nèi)輪廓包括對軀干剖面圖像進行二值化，對二值化后的剖面圖像進行連通域分析，獲得最大 的內(nèi)輪廓。優(yōu)選地，所述軀干點云獲取模塊包括深度圖像序列獲取單元，用于通過深度攝像機圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列；圖像分割單元，用于對所述深度圖像序列的每一幀深度圖像分別進行人體姿態(tài)識另IJ，分割獲得每一幀深度圖像的軀干像素點云數(shù)據(jù)形成軀干像素點云數(shù)據(jù)序列；立體數(shù)據(jù)拼接單元，用于對需要進行拼接的多個幀的深度圖像進行拼接，獲得包括人體軀干表面立體信息的軀干立體點云數(shù)據(jù)。本發(fā)明通過人體軀干三維數(shù)據(jù)建模獲取人體軀干立體點云數(shù)據(jù)，通過投影獲得軀干剖面圖像，并根據(jù)剖面圖像計算人體軀干圍度，獲得的測量值精度高，便于測量人員批量處理數(shù)據(jù)，大大提高了人體體型數(shù)據(jù)測量的自動化程度和效率。


圖I是本發(fā)明實施例的人體軀干圍度測量方法的方法流程圖；圖2是本發(fā)明實施例的人體軀干圍度測量方法的獲取立體軀干點云數(shù)據(jù)的流程圖；圖3是本發(fā)明一實施例提供的對軀干像素點云數(shù)據(jù)進行選取的方法流程圖；圖4是本發(fā)明實施例的人體軀干圍度測量方法計算獲得的人體軀干剖面圖；圖5是本發(fā)明實施例的人體軀干圍度測量裝置的系統(tǒng)框圖。
具體實施例方式下面結(jié)合附圖并通過具體實施方式
來進一步說明本發(fā)明的技術(shù)方案。 本發(fā)明實施例的總體方式是人體面對深度攝像裝置轉(zhuǎn)一圈，采集包含軀干的深度圖像序列。對深度圖像序列進行拼接，形成軀干一周的點云數(shù)據(jù)，根據(jù)點云數(shù)據(jù)測量人體三圍。圖I是本發(fā)明實施例的人體軀干圍度測量方法的方法流程圖。如圖I所示，所述方法包括如下步驟。步驟100、獲取立體軀干點云數(shù)據(jù)，所述立體軀干點云數(shù)據(jù)反映人體軀干表面的所有采樣點的空間坐標。其中，點云數(shù)據(jù)(point colud)是指透過3D掃瞄儀所取得之數(shù)據(jù)型式。掃描數(shù)據(jù)以點的型式記錄，每一個點包含有三維座標，有些可能含有色彩資訊(R，G，B)或物體反射面強度。步驟200、通過主元分析(PCA)求取立體軀干點云數(shù)據(jù)的主軸，并進行空間坐標變換，以使得立體軀干點云數(shù)據(jù)的空間坐標轉(zhuǎn)換到以所述主軸為坐標軸的新坐標系中，在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集。所述構(gòu)成軀干剖面的點集是立體軀干點云數(shù)據(jù)中指在圍度測量位置附近的點的集合，其構(gòu)成人體軀干在測量位置的圍度。主元分析(PCA,Principal Component Analysis)是一種對數(shù)據(jù)進行分析的技術(shù)，最重要的應用是對原有數(shù)據(jù)進行簡化，其可以有效的找出數(shù)據(jù)中最“主要”的元素和結(jié)構(gòu)，去除噪音和冗余，將原有的復雜數(shù)據(jù)降維，揭示隱藏在復雜數(shù)據(jù)背后的簡單結(jié)構(gòu)。主元分析廣泛應用于計算機視覺技術(shù)中，可用于求取模型所在的各個自然軸。當然，在計算機圖形學的技術(shù)中，通過計算最小外接矩形或最小外接長方體，或者通過計算圖形慣量矩陣的特征向量也均可以計算獲得立體軀干點云數(shù)據(jù)的主軸。在本發(fā)明的一個實施例中，在所述步驟200中，優(yōu)選通過下述方式選取構(gòu)成軀干剖面的點集在需要測量圍度的主軸位置建立垂直于主軸的平面，提取立體軀干點云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點作為構(gòu)成軀干剖面的點集。其中，可以根據(jù)現(xiàn)有的統(tǒng)計知識確定需要測量的主軸位置，以腰圍為例，在手工測量腰圍時，皮尺水平放在髖骨上、肋骨下最窄的部位(腰最細的部位)，根據(jù)該特點，可確定剖面的位置。首先根據(jù)先驗知識確定腰部剖面在軀干主軸上的大致區(qū)間，例如腰位于軀干中下部，1/2到4/5之間,在區(qū)間內(nèi)，構(gòu)建一系列剖面，求剖面的周長，確定周長最小剖面的周長為腰圍。步驟300、將所述構(gòu)成軀干剖面的點集沿與軀干圍度垂直的主軸按預定分辨率進行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點的數(shù)量確定對應像素的灰度值，構(gòu)建軀干剖面圖像。在本發(fā)明的另一個實施例中，步驟300中進行投影，計算落入像素中的投影點的數(shù)量可以通過統(tǒng)計坐標滿足如下 公式的點的數(shù)量來確定
(Ui, Vi)為像素坐標，(Xi, Yi)為像素對應的剖面坐標，Xfflax和Xmin分別為所述構(gòu)成軀干剖面的點集中的X坐標的最大值和最小值，Yfflax和ymin分別為所述構(gòu)成軀干剖面的點集中的y坐標的最大值和最小值，cols和rows為圖像的預定分辨率,即所述圖像為cols列*rows行像素構(gòu)成的數(shù)字圖像。步驟400、對剖面圖像進行二值化(如果灰度值大于等于灰度閾值設置該像素灰度為1，反之設置為0)，對二值化后的剖面圖像進行連通域分析，求取最大的內(nèi)輪廓，得到內(nèi)輪廓按逆時針順序排列的像素序列。步驟500、根據(jù)投影到所述軀干剖面圖像中的構(gòu)成軀干剖面的點集的最大、最小剖面坐標以及所述軀干剖面圖像的分辨率計算所述像素序列的每個像素對應的剖面坐標。所述剖面坐標為空間坐標在所述剖面的投影坐標在一個優(yōu)選實施例中，所述步驟500中，根據(jù)下式計算所述像素序列的每個像素對應的剖面坐標
其中，(UijVi)為像素坐標，(Xij7i)為像素對應的剖面坐標，Xmax和Xmin分別為所述構(gòu)成軀干剖面的點集中的X坐標的最大值和最小值，yfflax和ymin分別為所述構(gòu)成軀干剖面的點集中的I坐標的最大值和最小值，cols和rows為圖像的預定分辨率,即所述圖像為cols列*rows行像素構(gòu)成的數(shù)字圖像。實際上，上述實施例中利用像素對應區(qū)域的最小坐標作為像素對應坐標，在其它實施方式中，也可以采用像素對應的最大坐標或最大最小坐標的均值作為像素對應坐標。步驟600、基于剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值。其中，空間實際距離指的是圖片中像素所對應的成像物體所在位置之間的實際距離。在本發(fā)明實施例中，所述步驟600可以通過下式計算人體軀干圍度測量值
其中，L為所述人體軀干圍度測量值，(Xi，Yi)為像素序列中第i個像素對應的空間坐標，N為像素序列中像素的總數(shù)。其中，由于圍度的是閉合的圖形，因此像素序列中第一個像素和第N個像素(最后一個像素)是相鄰的。
在本發(fā)明實施例中，采用深度攝像裝置圍繞人體軀干拍攝，并進行人體姿態(tài)識別和點云數(shù)據(jù)拼接的操作來獲取所述的立體軀干點云數(shù)據(jù)。圖2是本發(fā)明實施例的人體軀干圍度測量方法獲取立體軀干點云數(shù)據(jù)的流程圖。如圖2所示，所述獲取立體軀干點云數(shù)據(jù)的步驟包括步驟101、通過深度攝像機圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列。步驟102、對所述深度圖像序列的每一幀深度圖像分別進行人體姿態(tài)識別，分割獲得每一幀深度圖像的軀干像素點云數(shù)據(jù)形成軀干像素點云數(shù)據(jù)序列。
步驟103、對需要進行拼接的多個幀的深度圖像的軀干像素點云數(shù)據(jù)進行拼接，獲得包括人體軀干所有表面信息的軀干立體點云數(shù)據(jù)。在本實施例中，優(yōu)選使用現(xiàn)有的ICP算法來進行深度圖像拼接。當兩幀軀干點云存在公共區(qū)域時，可以根據(jù)公共區(qū)域信息，對兩幀軀干點云進行拼接。拼接方法可采用剛體配準方法，求出兩幀之間的平移向量T和旋轉(zhuǎn)矩陣R。基于ICP算法配準方法，先求對應點對，然后求平移向量T和旋轉(zhuǎn)矩陣R，進行迭代，直至收斂。步驟103對所有需要參與拼接的圖像按時間順序相鄰幀之間兩兩配準，計算后一幀相對于前一幀的旋轉(zhuǎn)矩陣和平移向量，找一個基準幀，例如第一幀，計算后續(xù)幀相對于第一幀的平移和旋轉(zhuǎn)，并旋轉(zhuǎn)后續(xù)幀軀干點云，即可形成拼接后的點云。在點云拼接過程，由于配準誤差積累，對深度圖像序列的全部幀進行兩兩配準有可能達不到預期結(jié)果，即人轉(zhuǎn)一圈后，軀干點云不能封閉，參與配準的幀數(shù)越多，該問題就越嚴重。為處理該問題，在本發(fā)明的一個實施例中，僅在兩幀間差異度較大時才進行配準，即，從所述的深度圖像序列中選取差異度較大的幀構(gòu)成具有較少數(shù)量深度圖像點云數(shù)據(jù)的拼接數(shù)據(jù)序列，對拼接數(shù)據(jù)序列中的點云數(shù)據(jù)進行配準拼接，從而避免軀干點云不能封閉的問題。圖3是本發(fā)明一實施例提供的對軀干像素點云數(shù)據(jù)進行選取的方法流程圖。如圖3所示，本實施例對軀干像素點云數(shù)據(jù)進行拼接的步驟包括步驟103A、從所述軀干像素點云數(shù)據(jù)序列中確定第一幅需要進行拼接的深度圖像的軀干像素點云數(shù)據(jù)；在本實施例中，確定所述深度圖像序列的第一幀的軀干像素點云數(shù)據(jù)作為所述第一幅需要進行拼接的深度圖像。步驟103B、比較上一個被確定為需要進行拼接的軀干像素點云數(shù)據(jù)與軀干像素點云數(shù)據(jù)序列中當前待選軀干像素點云數(shù)據(jù)之間的差異度是否大于差異閾值，如果大于，則執(zhí)行步驟103C，否則執(zhí)行步驟103D。步驟103C、將所述當前待選的軀干像素點云數(shù)據(jù)確定為需要進行拼接的軀干像素點云數(shù)據(jù)放入拼接數(shù)據(jù)序列。步驟103D、判斷軀干像素點云數(shù)據(jù)序列是否結(jié)束，如果否，執(zhí)行步驟103E，如果是，執(zhí)行步驟103F。步驟103E、將所述軀干像素點云數(shù)據(jù)序列中的下一幀軀干像素點云數(shù)據(jù)作為當前待選軀干像素點云數(shù)據(jù)，轉(zhuǎn)而執(zhí)行步驟103B進行新的差異度比較。步驟103F、輸出選取得到的待拼接點云數(shù)據(jù)序列。對于差異度是否大于閾值的判斷，本發(fā)明實施例提供以下兩種方式
方法A、對需要進行比較的兩幀深度圖像對應的軀干像素點云數(shù)據(jù)分別進行主元分析，分別得到兩幀深度圖像對應的軀干像素點云數(shù)據(jù)的第一主軸、第二主軸、第三主軸。所述第一主軸、第二主軸和第三主軸為所述人體軀干像素點云數(shù)據(jù)的主要分布方向，由于人體軀干沿人體高度方向分布，因此計算得到的第一主軸為人體高度方向，第二和第三主軸代表人體轉(zhuǎn)動的角度。在求得需要進行比較的點云數(shù)據(jù)的第二主軸和第三主軸后，比較兩幀需要進行比較的軀干像素點云數(shù)據(jù)的第二主軸或第三主軸之間的夾角是否大于夾角閾值。如果夾角大于某閾值，則認為差異度大于閾值。方法B、方法A的PCA分析過程需要先計算協(xié)方差矩陣，然后求協(xié)方差矩陣特征值，求矩陣特征值過程計算量較大，會影響進行點云數(shù)據(jù)選取和拼接的計算速度。由此，提出簡化的差異度計算方法。在方法B中，通過比較兩幀深度圖像對應的軀干像素點云數(shù)據(jù)之間的相對重心變化，根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值 當Covprev

> kj Covprev [2] [2]時，|zprev_zk| > threshj當Covprev

< k2 Covprev [2] [2]時，|xprev_xk| > thresh2其它情況時，IZprev-Zk I +1 Xprev-Xk I > thresh3其中，CoVev為上一個被確定為需要進行拼接的深度圖像的協(xié)方差矩陣，(Vev，Yprev Zprev)為上一個被確定為需要進行拼接的深度圖像的重心坐標，(Xk，yk, Zk)為深度圖像序列中當前待選深度圖像的重心坐標，kj和k2為預定權(quán)值，k2 < k1； thresh^ thresh2、thresh3為預定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。在本發(fā)明的一個優(yōu)選實施例中，k: = 4、k2 = 2、thresh: = 13mm、thresh2 = 10mm. thresh3 = 20mm。同時，在實時測量中，需要確定所述深度圖像的軀干像素點云數(shù)據(jù)序列的起始幀和結(jié)束幀。在本發(fā)明的實施例中，起始幀的確定可采用手動設定的方式，也可以采用自動設定的方式，可以優(yōu)選人正對深度圖像設備時開始。 以人正對深度圖像設備時開始為例，在人體轉(zhuǎn)一周過程中，要經(jīng)過正面-側(cè)面-背面-側(cè)面-正面一個過程。在該過程中，對軀干像素點云數(shù)據(jù)進行PCA分析，則點云數(shù)據(jù)第二個主軸的方向變化、軀干點云數(shù)據(jù)與開始幀的軀干點云數(shù)據(jù)相似度變化會呈現(xiàn)一定的規(guī)律，通過判斷該規(guī)律，即可確定結(jié)束幀。以軀干點云與開始幀的軀干點云相似度為例，在該過程中，軀干點云與開始幀的軀干點云相似度變化過程為從I減少至第一相似度值，從第一相似度值增加到第二相似度值，從第二相似度值減少至第三相似度值，從第三相似度值增加至接近1，這里第一相似度值為人體第一側(cè)面與人體正面的相似度，第二相似度值為人體背面與正面的相似度，第三相似度值為人體第二側(cè)面與人體正面的相似度。當某一幀軀干像素點云數(shù)據(jù)與第一幀軀干像素點云數(shù)據(jù)的相似度接近于1，并且經(jīng)歷了從I減少至第一相似度值，從第一相似度值增加到第二相似度值，從第二相似度值減少至第三相似度值，從第三相似度值增加至接近I的過程，則可確定該幀為結(jié)束幀。在步驟400進行二值化后得到的圖像如圖4所示。步驟500基于該剖面圖像進行人體軀干圍度的計算。圖5是本發(fā)明實施例的基于計算機視覺的人體軀干圍度測量裝置的框圖。如圖5所示，所述裝置包括
軀干點云獲取模塊，用于獲取立體軀干點云數(shù)據(jù)，所述立體軀干點云數(shù)據(jù)包括軀干表面的所有采樣點的空間坐標；剖面圖像計算模塊，用于選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像；內(nèi)輪廓計算模塊，用于對剖面圖像進行二值化，對二值化后的剖面圖像進行連通域分析，求取最大的內(nèi)輪廓，得到內(nèi)輪廓按逆時針順序排列的像素序列；剖面坐標計算模塊，用于根據(jù)投影到所述軀干剖面圖像中的構(gòu)成軀干剖面的點集的最大、最小剖面坐標以及所述軀干剖面圖像的分辨率計算所述像素序列的每個像素對應的剖面坐標；軀干圍度計算模塊，用于計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值。其中，所述軀干點云獲取模塊包括 深度圖像序列獲取單元，用于通過深度攝像機圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列；圖像分割單元，用于對所述深度圖像序列的每一幀深度圖像分別進行人體姿態(tài)識另IJ，分割獲得每一幀深度圖像的軀干像素點云數(shù)據(jù)形成軀干像素點云數(shù)據(jù)序列；立體數(shù)據(jù)拼接單元，用于對需要進行拼接的多個幀的深度圖像進行拼接，獲得包括人體軀干所有表面信息的軀干立體點云數(shù)據(jù)。其中，所述剖面圖像計算模塊包括剖面構(gòu)建模塊，用于計算立體軀干點云數(shù)據(jù)的主軸，并進行空間坐標變換，將立體軀干點云數(shù)據(jù)的空間坐標轉(zhuǎn)換到以所述主軸為坐標軸的新坐標系中，在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集；剖面圖像構(gòu)建模塊，用于將所述構(gòu)成軀干剖面的點集沿與軀干圍度垂直的主軸按預定分辨率進行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點的數(shù)量確定對應像素的灰度值，構(gòu)建軀干剖面圖像。本發(fā)明通過人體軀干三維數(shù)據(jù)建模獲取人體軀干立體點云數(shù)據(jù)，通過投影獲得軀干剖面圖像，并根據(jù)剖面圖像計算人體軀干圍度，獲得的測量值精度高，便于測量人員批量處理數(shù)據(jù)，大大提高了人體體型數(shù)據(jù)測量的自動化程度和效率。顯然，本領(lǐng)域技術(shù)人員應該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計算裝置來實現(xiàn)，它們可以集中在單個計算裝置上，或者分布在多個計算裝置所組成的網(wǎng)絡上，可選地，他們可以用計算機裝置可執(zhí)行的程序代碼來實現(xiàn)，從而可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件的結(jié)合。以上所述僅為本發(fā)明的優(yōu)選實施例，并不用于限制本發(fā)明，對于本領(lǐng)域技術(shù)人員而言，本發(fā)明可以有各種改動和變化。凡在本發(fā)明的精神和原理之內(nèi)所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于計算機視覺的人體軀干圍度測量方法，包括 獲取立體軀干點云數(shù)據(jù)，所述立體軀干點云數(shù)據(jù)包括軀干表面的所有采樣點的空間坐標； 選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像； 計算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列； 計算所述像素序列中每個像素對應的剖面坐標，所述剖面坐標為空間坐標在所述剖面的投影坐標； 根據(jù)所述剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值。
2.如權(quán)利要求I所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像包括 計算立體軀干點云數(shù)據(jù)的主軸，并進行空間坐標變換，將立體軀干點云數(shù)據(jù)的空間坐標轉(zhuǎn)換到以所述主軸為坐標軸的新坐標系中，在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集； 將所述構(gòu)成軀干剖面的點集沿與軀干圍度垂直的主軸按預定分辨率進行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點的數(shù)量確定對應像素的灰度值，構(gòu)建軀干剖面圖像。
3.如權(quán)利要求I所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述計算軀干剖面圖像的最大的內(nèi)輪廓包括 對軀干剖面圖像進行二值化，對二值化后的剖面圖像進行連通域分析，獲得最大的內(nèi)輪廓。
4.如權(quán)利要求I所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述獲取立體軀干點云數(shù)據(jù)包括 深度攝像裝置圍繞人體軀干相對移動一周，獲取包括人體軀干的深度圖像序列； 對所述深度圖像序列的每一幀深度圖像進行人體姿態(tài)識別，分別獲得每一幀深度圖像的軀干像素點云數(shù)據(jù)形成軀干像素點云數(shù)據(jù)序列； 選取相互差異度大于預定閾值的多個幀的軀干像素點云數(shù)據(jù)，進行軀干像素點云數(shù)據(jù)拼接，獲得包括人體軀干采樣點空間坐標的立體軀干點云數(shù)據(jù)。
5.如權(quán)利要求2所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集包括 在需要測量圍度的主軸位置建立垂直于主軸的平面，提取立體軀干點云數(shù)據(jù)中到所述垂直于主軸的平面的距離小于第一閾值的點作為構(gòu)成軀干剖面的點集。
6.如權(quán)利要求2所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述計算所述像素序列中每個像素對應的剖面坐標包括 根據(jù)下式計算所述像素序列的每個像素對應的剖面坐標
7.如權(quán)利要求I所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述根據(jù)所述剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值包括通過下式計算人體軀干圍度測量值
8.如權(quán)利要求4所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述選取相互差異度大于預定閾值的多個幀的軀干像素點云數(shù)據(jù)，進行軀干像素點云數(shù)據(jù)拼接，獲得包括人體軀干采樣點空間坐標的立體軀干點云數(shù)據(jù)包括 按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度，從所述軀干像素點云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)進行配準拼接，獲得所述立體軀干點云數(shù)據(jù)； 其中，所述按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度包括 通過主元分析分別獲得的進行比較的兩幀軀干像素點云數(shù)據(jù)的第二主軸或第三主軸； 判斷所述進行比較的兩幀軀干像素點云數(shù)據(jù)的第二主軸之間或第三主軸之間的夾角是否大于夾角閾值。
9.如權(quán)利要求4所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，所述選取相互差異度大于預定閾值的多個幀的軀干像素點云數(shù)據(jù)，進行軀干像素點云數(shù)據(jù)拼接，獲得包括人體軀干采樣點空間坐標的立體軀干點云數(shù)據(jù)包括 按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度，從所述軀干像素點云數(shù)據(jù)序列中選取相互差異度大于差異閾值的軀干像素點云數(shù)據(jù)構(gòu)成拼接數(shù)據(jù)序列，基于拼接數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)進行配準拼接，獲得所述立體軀干點云數(shù)據(jù)； 其中，所述按順序比較所述軀干像素點云數(shù)據(jù)序列中的軀干像素點云數(shù)據(jù)之間的差異度包括 分別計算進行比較的兩幀軀干像素點云數(shù)據(jù)的重心坐標； 根據(jù)是否滿足如下條件判斷所述差異度是否大于差異閾值當 Covprev

> kj Covprev [2] [2]時，|zprev_zk| > threshj當 Covprev

< k2 Covprev [2] [2]時，|xprev_xk| > thresh2其它情況時，I Zprev-Zk I +1 Xprev-Xk I > thresh3 其中，Covprev為上一個被確定為需要進行拼接的深度圖像的協(xié)方差矩陣，(xpMV，yprev,Zprev)為上一個被確定為需要進行拼接的深度圖像的重心坐標，(xk，yk，zk)為軀干像素點云數(shù)據(jù)序列中當前待選深度圖像的重心坐標，kj和k2為預定權(quán)值,k2 < k1； thresh^ thresh2>thresh3為預定的第一重心變化閾值,第二重心變化閾值和第三重心變化閾值。
10.如權(quán)利要求4所述的基于計算機視覺的人體軀干圍度測量方法，其特征在于，通過如下方式確定所述軀干像素點云數(shù)據(jù)序列的結(jié)束幀 確定所述軀干像素點云數(shù)據(jù)序列的起始幀； 計算所有軀干像素點云數(shù)據(jù)與所述起始幀的軀干像素點云數(shù)據(jù)的相似度，并按照所對應的深度圖像的排列順序記錄所述相似度的變化趨勢； 選取與所述起始幀相似度高且排列于相似度經(jīng)歷了兩次下降上升過程的位置的幀對應的軀干像素點云數(shù)據(jù)作為所述結(jié)束幀。
11.一種基于計算機視覺的人體軀干圍度測量裝置，包括 軀干點云獲取模塊，用于獲取立體軀干點云數(shù)據(jù)，所述立體軀干點云數(shù)據(jù)包括軀干表面的所有采樣點的空間坐標； 剖面圖像計算模塊，用于選取圍度測量位置的采樣點進行投影構(gòu)建軀干剖面圖像； 內(nèi)輪廓計算模塊，用于計算軀干剖面圖像的最大的內(nèi)輪廓，得到所述最大內(nèi)輪廓按逆時針順序排列的像素序列； 剖面坐標計算模塊，用于計算所述像素序列中每個像素對應的剖面坐標，所述剖面坐標為空間坐標在所述剖面的投影坐標； 軀干圍度計算模塊，用于根據(jù)所述剖面坐標計算所述像素序列中所有相鄰像素間空間實際距離，對所述相鄰像素間空間實際距離求和獲得人體軀干圍度測量值。
12.如權(quán)利要求11所述的基于計算機視覺的人體軀干圍度測量裝置，其特征在于，所述剖面圖像計算模塊包括 剖面構(gòu)建模塊，用于計算立體軀干點云數(shù)據(jù)的主軸，并進行空間坐標變換，將立體軀干點云數(shù)據(jù)的空間坐標轉(zhuǎn)換到以所述主軸為坐標軸的新坐標系中，在需要測量圍度的主軸位置按預定條件提取立體軀干點云數(shù)據(jù)作為構(gòu)成軀干剖面的點集； 剖面圖像構(gòu)建模塊，用于將所述構(gòu)成軀干剖面的點集沿與軀干圍度垂直的主軸按預定分辨率進行平面圖像投影，根據(jù)落入每個像素面積內(nèi)的點的數(shù)量確定對應像素的灰度值，構(gòu)建軀干剖面圖像。
13.如權(quán)利要求11所述的基于計算機視覺的人體軀干圍度測量裝置，其特征在于，所述計算軀干剖面圖像的最大的內(nèi)輪廓包括 對軀干剖面圖像進行二值化，對二值化后的剖面圖像進行連通域分析，獲得最大的內(nèi)輪廓。
14.如權(quán)利要求11所述的基于計算機視覺的人體軀干圍度測量裝置，其特征在于，所述軀干點云獲取模塊包括 深度圖像序列獲取單元，用于通過深度攝像機圍繞人體軀干相對移動拍攝一周獲取包括人體軀干的深度圖像序列； 圖像分割單元，用于對所述深度圖像序列的每一幀深度圖像分別進行人體姿態(tài)識別，分割獲得每一幀深度圖像的軀干像素點云數(shù)據(jù)形成軀干像素點云數(shù)據(jù)序列； 立體數(shù)據(jù)拼接單元，用于對需要進行拼接的多個幀的深度圖像進行拼接，獲得包括人體軀干表面立體信息的軀干立體點云數(shù)據(jù)。
全文摘要
本發(fā)明公開了一種基于計算機視覺的人體軀干圍度測量方法和裝置，本發(fā)明通過深度攝像裝置圍繞人體拍攝獲得人體軀干深度圖像序列，通過人體姿態(tài)識別分割和點云配準拼接獲取人體軀干立體點云數(shù)據(jù)，通過立體軀干點云數(shù)據(jù)的重投影獲得軀干剖面圖像，并根據(jù)剖面圖像計算人體軀干圍度。依據(jù)本發(fā)明獲得的圍度測量值精度高，便于測量人員批量處理數(shù)據(jù)，大大提高了人體體型數(shù)據(jù)測量的自動化程度和效率。
文檔編號A61B5/107GK102657531SQ201210132769
公開日2012年9月12日 申請日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者柳林祥 申請人:深圳泰山在線科技有限公司