一种以人体轮廓线为基础的人体体型参数捕获方法与流程

本发明涉及人体体型参数获取技术领域，特别是涉及一种以人体轮廓线为基础的人体体型参数捕获方法。

背景技术：

随着人们可选择服装的日渐多样化，服装的穿搭在人们的生活中占据了越来越重要的地位，人们的体型更是服装选择的重要考量因素。可以预见，服装推荐系统在未来将得到广泛应用，但就许多人对自身体态以及自身体态适合的服装款式缺乏一定了解的现状来说，如果没有人体体型参数作为服装推荐系统的参考依据，即使服装搭配推荐慢慢得到普及，推荐系统仍有很大可能会为用户推荐与其身形大相径庭的服装搭配，从而使智能服装推荐的效果大打折扣，降低用户对推荐系统的满意度，并在一定程度上阻碍服装推荐系统的智能化发展。

技术实现要素：

本发明所要解决的技术问题是提供一种以人体轮廓线为基础的人体体型参数捕获方法，能够基本消除人体由于穿着衣服等造成的误差项。

本发明解决其技术问题所采用的技术方案是：提供一种以人体轮廓线为基础的人体体型参数捕获方法，包括以下步骤：

(1)通过红外-彩色双目摄像头采集人体正面图像和人体侧面图像；

(2)对采集到的人体正面图像和人体侧面图像进行预处理；

(3)对预处理后的图像行边缘检测及图形形态学处理，得到红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线；

(4)对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行轮廓提取，将两个轮廓置于同一坐标系下，并对两个轮廓的中心线进行运算，最终得到的中心轮廓曲线；

(5)对得到的中心轮廓曲线进行特征点标定，根据标定的特征点得到人体体型参数。

所述步骤(2)中的预处理具体为：对于红外成像的人体正面图像和人体侧面图像通过基于场景的人工神经网络法进行非均匀性校正，并对校正后的图像进行分段拉伸增强处理以突出所需灰色区域；对于彩色成像的人体正面图像和人体侧面图像对每个像素进行灰度标度变换以扩大图像的灰度范围，再用高斯平滑法处理图像以抑制图像噪声。

所述步骤(3)具体为：将sobel算子的纵向模板矩阵和横向模板矩阵分别与图像做平面卷积处理，得到横向和纵向的亮度差分近似值，再计算图像中每个像素点的灰度值以突出显示目标边界，然后用迭代阈值分割法抑制非目标边缘，最后对图像各像素进行取反得到闭合轮廓曲线。

所述步骤(4)具体为：分别对红外成像的闭合轮廓曲线和彩色成像的闭合轮廓曲线进行freeman编码提取轮廓，将得到的两个轮廓置于同一坐标系下，并采用最小直径圆滚动追踪算法进行运算，最终得到的两个轮廓的中心夹线作为中心轮廓曲线。

所述步骤(5)具体为：从图像左上角开始由左至右逐行向下遍历图像，直到遇到第一个像素值为1的黑点，即为头顶点；从图像左下角开始由左至右逐行向上遍历图像，直到遇到第一个像素值为1的黑点，即为足底点；记录两点的坐标，并以两点的纵坐标差值作为图像坐标系下的身高值；按照人体部位尺寸和身高的比例关系确定其余初始特征点的位置；基于初始特征点的位置展开10x10像素的窗口，利用harris算法提出曲率最大的点作为精确的特征点位置；根据得到的特征点计算图像坐标系下的人体参数，并将图像坐标系变换为世界坐标系，即得到人体参数测量结果的真实值。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明借助红外摄像头与彩色成像摄像头相结合组成的双目视觉系统对人体进行图像采集，并对采集到的图像分别进行分析处理，利用freeman链码进行轮廓追踪与提取，再通过对闭合轮廓进行特征点标定和坐标变换等，最终得到可以用于服装推荐的真实人体体型参数，最终得到的体型参数基本消除人体由于穿着衣服等造成的误差项。本发明适用于着衣测量，相对误差为5.32％，能够控制在合理范围，且对测量环境要求不高，因此也可以嵌入到商场的试衣镜中，方便顾客进行服装大小的选择或服装定制。

附图说明

图1是本发明的流程图；

图2是本发明中对人体图像的处理过程示意图；

图3是本发明中人体轮廓中心夹线的运算及运算结果示意图；

图4是本发明中得到的人体正侧面特征点示意图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种以人体轮廓线为基础的人体体型参数捕获方法，该方法可以基于以下硬件系统，整个系统设计以树莓派+movidius2为运算核心，具体包括：双目摄像头模块、运算核心加速处理模块、显示驱动模块与显示模块。双目摄像头模块主要负责的是采集人体图像并将图像传入树莓派微控制器模块。运算核心加速处理模块主要负责的是对采集图像的处理和相关的运算。显示驱动模块负责驱动显卡的程序。显示模块主要负责的是处理系统输出信息，并将其传送到显示屏上呈现。整个方法的具体流程如图1所示，具体如下：

首先为双目视觉系统内外参数标定，接着通过红外-彩色双目摄像头采集人体正面图像和人体侧面图像，对采集到的图像还需要进行预处理。在预处理时，对于红外成像的图像和彩色成像的图像分别进行操作。对于红外成像的人体正面图像和人体侧面图像通过基于场景的人工神经网络法进行非均匀性校正以抑制固有噪声和时域漂移，突出人体与衣物的边界，并对校正后的图像进行分段拉伸增强处理以突出所需灰色区域；受测量环境影响，彩色成像图的对比度较差，对于彩色成像的人体正面图像和人体侧面图像对每个像素进行灰度标度变换以扩大图像的灰度范围，实现对比度增强，再用高斯平滑法处理图像以抑制图像噪声。

然后进行边缘检测及图形形态学处理，本实施方式选取改进的sobel梯度算子模板，具体为：将原sobel算子的纵向模板矩阵和横向模板矩阵与图像做平面卷积处理，再计算图像中每个像素点的灰度值，然后用迭代阈值分割法抑制非目标边缘，并对图像各像素再进行取反和细化，生成两组闭合轮廓线(见图2)。

接着进行轮廓提取及中心夹线运算，对轮廓曲线进行freeman编码，图像轮廓曲线以逆时针方向搜索编码的8连线数字的封闭曲线且边缘点上一点的前后点是以逆时针循环方式获得的，然后进行轮廓的提取，并将得到的红外成像轮廓线和彩色成像轮廓线置于同一坐标系下，并采用最小直径圆滚动追踪算法进行运算，最终得到的两个轮廓的中心夹线作为中心轮廓曲线(见图3)。

最终进行特征点的标定、距离测量及坐标变换，具体如下：(1)从图像左上角开始由左至右逐行向下遍历图像，直到遇到第一个像素值为1的黑点，即为头顶点；(2)同样的方法由左下角开始遍历，寻找到第一个像素值为1的黑点，即为足底点；(3)记录两点的坐标，并以两点的纵坐标差值作为图像坐标系下的身高值。由表征身高的两特征点按照人体某些部位尺寸和身高的比例关系确定其余9个初始特征点的位置，并展开10x10像素的窗口，利用harris算法提出曲率最大的点作为精确的特征点位置，用于参数测量和坐标变换。图4所示的是得到的人体正侧面特征点示意图。根据得到的特征点位置可以计算图像坐标系下的人体参数，将图像坐标系变换为世界坐标系，即得到人体参数测量结果的真实值。

测量时，测量者站在双目视觉系统摄像头前，正面和侧面分别面对摄像头各拍摄一张照片，然后等待2-3s(等待时长受环境影响)即可得到相关人体体型参数，能够基本消除人体由于穿着衣服等造成的误差项。

在社会经济层面，本发明的硬件设施体积小且造价低，可推广性较强；在技术层面，本发明测量运算量小，算法复杂度较低，占用很小运算资源的情况下具有很高的运算速度，平均每人测量时间为2-3s，能够保证实时测量的需求，因此可以作为独立设备使用；在实际应用层面，该方案适用于着衣测量，相对误差为5.32％，能够控制在合理范围，且对测量环境要求不高，因此也可以嵌入到商场的试衣镜中，方便顾客进行服装大小的选择或服装定制。