一种非接触式体型数据的测量方法及系统与流程

本发明涉及人体测量技术领域，尤其涉及一种非接触式体型数据的测量方法及系统。

背景技术：

传统手工测量方法主要采用软尺、测高计、测距计、角度计等工具，直接测量出人体各部位横向、纵向、斜向、周长等的表面长度。其方法简便，工具简单，但是其测量时间长，误差大，且受测量者的技术熟练度限制，不利于大范围、快速地测量人体。

技术实现要素：

本发明要解决的技术问题在于，针对上述现有技术中传统手工测量方法测量时间长，误差大，且受测量者的技术熟练度限制，不利于大范围、快速地测量人体的问题，提供一种非接触式体型数据的测量方法及系统。

本发明解决其技术问题所采用的技术方案是：

一方面，提供一种非接触式体型数据的测量方法，包括：

获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标；

依据一至多组所述体型特征点组的空间坐标计算一至多个体型数据，从而获取每个体型数据与所述多帧体型图像对应的多帧计算值；

计算每个所述体型数据的多帧计算值的算术平均值。

在本发明所述的测量方法中，所述按照获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标，包括：

通过深度传感器获取多帧所述体型图像；

依据所获取的每帧体型图像获取一至多组体型特征点组的空间坐标。

在本发明所述的测量方法中，所述依据所获取的每帧体型图像获取一至多组体型特征点组的空间坐标，包括：

通过所述深度传感器提取每帧体型图像中的深度信息；

依据exemplar-svm模型对所述深度信息进行学习及识别以获取一至多组体型特征点组的空间坐标。

在本发明所述的测量方法中，所述依据一至多组所述体型特征点组的空间坐标计算一至多个体型数据，从而获取每个体型数据与所述多帧体型图像对应的多帧计算值，包括：

计算一至多组所述体型特征点组的空间坐标之间的空间距离以获取一至多个体型数据；

判断每帧的体型数据是否超出预设的阈值范围，若是，则丢弃当前帧的体型数据，并转至所述获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标的步骤，若否，则将当前帧的体型数据加入至数据池；

判断所述数据池中的体型数据的帧数是否超过预设的阈值，若是，则获取每个体型数据与所述多帧体型图像对应的多帧计算值，转至所述计算每个所述体型数据的多帧计算值的算术平均值的步骤，若否，则转至所述获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标的步骤。

在本发明所述的测量方法中，所述计算每个所述体型数据的多帧计算值的算术平均值，包括：

计算每个所述体型数据的多帧计算值的算术平均值以作为所述体型数据的测量值；

显示所述测量值。

在本发明所述的测量方法中，一至多组所述体型特征点组包括头部特征点、左手特征点、右手特征点、左腕特征点、右腕特征点、左肘特征点、右肘特征点、左肩特征点、右肩特征点、中肩特征点、脊柱特征点、左臀特征点、右臀特征点、中臀特征点、左膝特征点、右膝特征点、左踝特征点、右踝特征点、左脚特征点及右脚特征点。

在本发明所述的测量方法中，所述计算一至多组所述体型特征点组的空间坐标之间的空间距离以获取一至多个体型数据，包括：

计算所述左腕特征点及所述左肘特征点的空间坐标之间的第一空间距离以获取左上臂长，计算所述右腕特征点及所述右肘特征点的空间坐标之间的第二空间距离以获取右上臂长；

计算所述左肩特征点及所述右肩特征点的空间坐标之间的第三空间距离以获取肩宽；

计算所述左臀特征点及所述左膝特征点的空间坐标之间的第四空间距离以获取左大腿长，计算所述右臀特征点及所述右膝特征点的空间坐标之间的第五空间距离以获取右大腿长；

计算所述左臀特征点即所述右臀特征点的空间坐标之间的第六空间距离以获取臀宽；

计算所述左踝特征点及所述左膝特征点的空间坐标之间的第七空间距离以获取左小腿长，计算所述右踝特征点及所述右膝特征点的空间坐标之间的第八空间距离以获取右小腿长；

计算所述头部特征点及所述中肩特征点的空间坐标之间的第九空间距离，计算所述中肩特征点及所述脊柱特征点的空间坐标之间的第十空间距离，计算所述脊柱特征点及所述中臀特征点的空间坐标之间的第十一空间距离，计算所述左踝特征点及所述左脚特征点的空间坐标之间的第十二空间距离，计算所述右踝特征点及所述右脚特征点的空间坐标之间的第十三空间距离；

依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离获取身高，或者，依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离获取身高。

在本发明所述的测量方法中，所述依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离获取身高，或者，依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离获取身高，包括：

将所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离相加以获取所述身高；或者

将所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离相加以获取所述身高。

另一方面，提供一种非接触式体型数据的测量系统，包括：

深度传感器，用于获取多帧体型图像，并将每帧所述体型图像生成一至多组体型特征点组的空间坐标；

处理装置，用于依据一至多组所述体型特征点组的空间坐标计算一至多个体型数据，从而获取每个体型数据的多帧计算值，并计算每个所述体型数据的多帧计算值的算术平均值。

在本发明所述的测量系统中，还包括：

显示器，用于显示所述体型数据的测量值，其中所述测量值为每个所述体型数据的多帧计算值的算术平均值。

上述公开的一种非接触式体型数据的测量方法及系统具有以下有益效果：通过深度传感器及处理器的搭配即可实现非接触式体型数据的测量，硬件成本较低，测量速度快，测量精度高且测量可全自动完成，测量过程简单，对操作人员要求低，对被测量者的姿势要求低。

附图说明

图1为本发明一实施例提供的一种非接触式体型数据的测量方法的流程图；

图2为本发明一实施例提供的深度传感器的深度示意图；

图3为本发明一实施例提供的一至多组体型特征点组的空间坐标的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供了一种非接触式体型数据的测量方法及系统，其目的在于，通过深度传感器及处理器的搭配即可实现非接触式体型数据的测量，硬件成本较低，测量速度快，测量精度高且测量可全自动完成，测量过程简单，对操作人员要求低，对被测量者的姿势要求低。

参见图1，图1为本发明一实施例提供的一种非接触式体型数据的测量方法的流程图，该测量方法包括步骤s1-s3：

s1、获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标；步骤s1包括子步骤s11-s12：

s11、通过深度传感器获取多帧所述体型图像；一般的，通过深度传感器以每秒30帧的速度获取人体的体型图像，例如，包括绝对空间坐标的人体点云数据。参见图2，图2为本发明一实施例提供的深度传感器的深度示意图。示出了空间直角坐标系的三维坐标及体型图像在三维坐标中的空间坐标信息。

s12、依据所获取的每帧体型图像获取一至多组体型特征点组的空间坐标。步骤s12包括子步骤s121-s122：

s121、通过所述深度传感器提取每帧体型图像中的深度信息；

s122、依据exemplar-svm模型对所述深度信息进行学习及识别以获取一至多组体型特征点组的空间坐标。例如，通过exemplar-svm模型进行机器学习及识别获取到关节点的空间坐标，在机器学习领域，支持向量机svm(supportvectormachine)是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。参见图3，图3为本发明一实施例提供的一至多组体型特征点组的空间坐标的示意图，一至多组所述体型特征点组包括头部特征点1、左手特征点9、右手特征点10、左腕特征点7、右腕特征点8、左肘特征点5、右肘特征点6、左肩特征点3、右肩特征点4、中肩特征点2、脊柱特征点11、左臀特征点13、右臀特征点14、中臀特征点12、左膝特征点15、右膝特征点16、左踝特征点17、右踝特征点18、左脚特征点19及右脚特征点20。体型特征点还可以包括其他关节点或者其他特征点。

s2、依据一至多组所述体型特征点组的空间坐标计算一至多个体型数据，从而获取每个体型数据与所述多帧体型图像对应的多帧计算值；步骤s2包括子步骤s21-s23：

s21、计算一至多组所述体型特征点组的空间坐标之间的空间距离以获取一至多个体型数据。所述步骤s21包括子步骤s211-s217：

s211、计算所述左腕特征点7及所述左肘特征点5的空间坐标之间的第一空间距离以获取左上臂长，计算所述右腕特征点8及所述右肘特征点6的空间坐标之间的第二空间距离以获取右上臂长；即第一空间距离为左上臂长，第二空间距离为右上臂长，例如，左上臂长为d，左腕特征点7的空间坐标为(x1,y1,z1)，左肘特征点5的空间坐标为(x2,y2,z2)，则

s212、计算所述左肩特征点3及所述右肩特征点4的空间坐标之间的第三空间距离以获取肩宽；

s213、计算所述左臀特征点13及所述左膝特征点15的空间坐标之间的第四空间距离以获取左大腿长，计算所述右臀特征点14及所述右膝特征点16的空间坐标之间的第五空间距离以获取右大腿长；

s214、计算所述左臀特征点13即所述右臀特征点14的空间坐标之间的第六空间距离以获取臀宽；

s215、计算所述左踝特征点17及所述左膝特征点15的空间坐标之间的第七空间距离以获取左小腿长，计算所述右踝特征点18及所述右膝特征点16的空间坐标之间的第八空间距离以获取右小腿长；

s216、计算所述头部特征点1及所述中肩特征点2的空间坐标之间的第九空间距离，计算所述中肩特征点2及所述脊柱特征点11的空间坐标之间的第十空间距离，计算所述脊柱特征点11及所述中臀特征点12的空间坐标之间的第十一空间距离，计算所述左踝特征点17及所述左脚特征点19的空间坐标之间的第十二空间距离，计算所述右踝特征点18及所述右脚特征点20的空间坐标之间的第十三空间距离；

s217、依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离获取身高，或者，依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离获取身高。步骤s217中，可按照子步骤s2171计算身高，也可按照子步骤s2172计算身高。

s2171、将所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离相加以获取所述身高。

s2172、将所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离相加以获取所述身高。

按照步骤s2171或步骤s2172的方式计算身高，对被测量者的姿势要求很低，被测量者不管站、坐或蹲等姿势都可以测量出身高，也可以出各个通过体型特征点计算得出的部位长度。

s22、判断每帧的体型数据是否超出预设的阈值范围，若是，则丢弃当前帧的体型数据，并转至步骤s1，若否，则将当前帧的体型数据加入至数据池，转至步骤s23。阈值范围的设置目的为剔除深度传感器的噪声数据，当体型数据过大或过小时，被判断为不正常的数据，该步骤即为剔除这些体型数据中不正常的数据。

s23、判断所述数据池中的体型数据的帧数是否超过预设的阈值，若是，则获取每个体型数据与所述多帧体型图像对应的多帧计算值，转至步骤s3，若否，则转至步骤s1。

s3、计算每个所述体型数据的多帧计算值的算术平均值。步骤s3包括子步骤s31-s32：

s31、计算每个所述体型数据的多帧计算值的算术平均值以作为所述体型数据的测量值；计算算术平均值的目的在于保证测量数据的稳定性，降低肢体在运动时抖动所带来的影响。

s32、通过显示器显示所述测量值。

另一方面，提供一种非接触式体型数据的测量系统，包括深度传感器及处理装置。

深度传感器，受控于处理装置，用于获取多帧体型图像，并将每帧所述体型图像生成一至多组体型特征点组的空间坐标；

处理装置，用于依据一至多组所述体型特征点组的空间坐标计算一至多个体型数据，从而获取每个体型数据的多帧计算值，并计算每个所述体型数据的多帧计算值的算术平均值。优选的，通过在处理装置中的存储设备中存储多条指令，所述指令通过所述处理装置加载并运行。其中，处理装置指令实现如下：

所述按照获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标，包括：

通过深度传感器获取多帧所述体型图像；

依据所获取的每帧体型图像获取一至多组体型特征点组的空间坐标。

在本发明所述的测量方法中，所述依据所获取的每帧体型图像获取一至多组体型特征点组的空间坐标，包括：

通过所述深度传感器提取每帧体型图像中的深度信息；

依据exemplar-svm模型对所述深度信息进行学习及识别以获取一至多组体型特征点组的空间坐标。

在本发明所述的测量方法中，所述依据一至多组所述体型特征点组的空间坐标计算一至多个体型数据，从而获取每个体型数据与所述多帧体型图像对应的多帧计算值，包括：

计算一至多组所述体型特征点组的空间坐标之间的空间距离以获取一至多个体型数据；

判断每帧的体型数据是否超出预设的阈值范围，若是，则丢弃当前帧的体型数据，并转至所述获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标的步骤，若否，则将当前帧的体型数据加入至数据池；

判断所述数据池中的体型数据的帧数是否超过预设的阈值，若是，则获取每个体型数据与所述多帧体型图像对应的多帧计算值，转至所述计算每个所述体型数据的多帧计算值的算术平均值的步骤，若否，则转至所述获取多帧体型图像，并将每帧所述体型图像获取一至多组体型特征点组的空间坐标的步骤。

在本发明所述的测量方法中，所述计算每个所述体型数据的多帧计算值的算术平均值，包括：

计算每个所述体型数据的多帧计算值的算术平均值以作为所述体型数据的测量值；

显示所述测量值。

在本发明所述的测量方法中，一至多组所述体型特征点组包括头部特征点1、左手特征点9、右手特征点10、左腕特征点7、右腕特征点8、左肘特征点5、右肘特征点6、左肩特征点3、右肩特征点4、中肩特征点2、脊柱特征点11、左臀特征点13、右臀特征点14、中臀特征点12、左膝特征点15、右膝特征点16、左踝特征点17、右踝特征点18、左脚特征点19及右脚特征点20。

在本发明所述的测量方法中，所述计算一至多组所述体型特征点组的空间坐标之间的空间距离以获取一至多个体型数据，包括：

计算所述左腕特征点7及所述左肘特征点5的空间坐标之间的第一空间距离以获取左上臂长，计算所述右腕特征点8及所述右肘特征点6的空间坐标之间的第二空间距离以获取右上臂长；

计算所述左肩特征点3及所述右肩特征点4的空间坐标之间的第三空间距离以获取肩宽；

计算所述左臀特征点13及所述左膝特征点15的空间坐标之间的第四空间距离以获取左大腿长，计算所述右臀特征点14及所述右膝特征点16的空间坐标之间的第五空间距离以获取右大腿长；

计算所述左臀特征点13即所述右臀特征点14的空间坐标之间的第六空间距离以获取臀宽；

计算所述左踝特征点17及所述左膝特征点15的空间坐标之间的第七空间距离以获取左小腿长，计算所述右踝特征点18及所述右膝特征点16的空间坐标之间的第八空间距离以获取右小腿长；

计算所述头部特征点1及所述中肩特征点2的空间坐标之间的第九空间距离，计算所述中肩特征点2及所述脊柱特征点11的空间坐标之间的第十空间距离，计算所述脊柱特征点11及所述中臀特征点12的空间坐标之间的第十一空间距离，计算所述左踝特征点17及所述左脚特征点19的空间坐标之间的第十二空间距离，计算所述右踝特征点18及所述右脚特征点20的空间坐标之间的第十三空间距离；

依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离获取身高，或者，依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离获取身高。

在本发明所述的测量方法中，所述依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离获取身高，或者，依据所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离获取身高，包括：

将所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第四空间距离、所述第七空间距离及所述第十二空间距离相加以获取所述身高；或者

将所述第九空间距离、所述第十空间距离、所述第十一空间距离、所述第五空间距离、所述第八空间距离及所述第十三空间距离相加以获取所述身高。

优选的。所述测量系统还包括显示器，显示器受控于所述处理装置，用于显示所述体型数据的测量值，其中所述测量值为每个所述体型数据的多帧计算值的算术平均值。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。