基于国家标准的三维扫描人体尺寸提取技术

针对人体点云模型特征点和尺寸自动提取的难点问题,提出基于国家标准统计数据的人体关键尺寸提取技术。采用国家标准GB10000 1988《中国成年人人体尺寸》所提供的基础数据划分特征点的搜索域,首先,在搜索域内将坐标值和点到直线投影距离比较相结合来提取人体特征点;然后通过改进的凸壳法计算特征平面轮廓周长进行围度尺寸测量,再利用z坐标差值和两点的距离实现长度尺寸计算。实验表明,该方法受人体体型的影响小,尺寸测量鲁棒性好、计算速度快、精度高。     

基于图像的人体特征点提取与尺寸测量

人体特征点提取和尺寸测量一直是虚拟服装试衣的关键内容.本文在人体图像基础上,通过对ASM算法进行改进实现人体特征点提取以及特征点尺寸测量.首先,算法计算待测图片中人脸和身体两个中心点欧式距离与对应模板进行匹配,改变传统ASM算法单一模板局部模板匹配模式,提高了初次模型匹配的准确率和效率;接着,以特征点为中心选择较少有效邻域点在其灰度训练模型中目标搜索,解决传统ASM方法匹配时间长且特征点易匹配失败问题;另外,针对人体胯部以下区域易出现仅单侧拟合效果较好问题,利用马氏距离公式选择特定矩阵大小邻域范围内点的灰度与灰度模型比较,并且结合人体体型分布及对称性特点进行拟合处理.实验结果表明了该方法能适应复杂背景下人体图像的特征点提取与尺寸测量,提高人体特征点提取和尺寸测量精度.     

新型人体参数自动测量系统

目的 针对国内外已有的非接触式测量系统普遍存在价格昂贵、安装复杂、占用空间大等问题,提出一种基于消失点和图像比例法相结合的人体参数尺寸的自动测量方法(HuFAMS-VP)。方法 首先,利用背景差分法,将人体从图像中分割出来;再将分割后的人体图像进行轮廓提取,从而获得人体轮廓图;然后,根据边缘检测和人体各个部位与人体身高比例等方法,获取人体几个关键部位特征点;最后,通过消失点方法(vanishing point)与比例法的结合获取人体参数尺寸。结果 根据HuFAMS-VP对7组被测人员(年龄在25±3岁,身高范围在1.7±0.2 m)进行尺寸测量,并与被测人员真实尺寸信息进行比较。由测量结果可以得到7组被测人员的绝对误差控制在±0.05 m之内,平均测量速度在2 s以内。结论 HuFAMS-VP在确保测量精度的前提下,具有操作方便、价格低廉等优势。根据测量结果,论证了本系统的准确性和鲁棒性。     

基于Harris角点检测的人体特征提取与测量

为准确地对人体图像特征尺寸进行自动识别和提取,提出一种基于Harris角点检测的人体特征提取与测量算法;首先对原始图像规范化处理,并采用Canny算子进行边缘检测,得到图像的二值边缘图;然后根据人体特征尺寸位置的突变性可用角点来描述的特点对轮廓图像进行特征点提取;最后利用人体关键尺寸与身高(由用户提供)的比例关系进行特征点筛选,计算获取人体测量学中的关键尺寸;经对实际测量数据分析比较得知,实验测量结果产生的误差较小,实验值和实际值之间无显著性差异,因此验证了该方法的可行性。     

结合卷积神经网络与曲线拟合的人体尺寸测量

目的 人体尺寸测量是服装制作中的一个重要环节。非接触式人体测量具有效率高、方便快捷的优点,但存在测量精准度较低、对设备和外界环境要求高等问题。为进一步改进这些问题,本文基于卷积神经网络建立模型,相继提出人体分割和关键点检测的方法、基于Bezier曲线的人体肩宽测量方法和基于双椭圆拟合的人体围度测量方法。方法 通过摄像头获取人体的正面、侧面及背面图像;利用Deeplabv3+算法对人体图像进行分割获得人体轮廓,利用Open Pose算法对人体关键点进行检测及定位,利用肩部端点处的角度特征并结合人体肩部关节点信息确定肩部端点,利用肩部曲线与Bezier曲线的相似性通过计算肩部Bezier曲线的长度得到肩宽,通过关键点信息确定胸围、腰围及臀围的宽度和厚度,并建立围度曲线的双椭圆拟合模型,采用线性回归法训练得到拟合模型中的参数,最后利用双椭圆拟合曲线的周长得到人体围度。结果 根据本文方法对100位被测者进行肩宽计算,对132位被测者进行人体围度计算,平均绝对误差均在3 cm以内,符合国家测量标准,且整套方法操作方便,结果稳定。结论 实验验证了本文方法在人体尺寸测量中的精度,降低了非接触式人体测...     

采用模糊规则的人体点云特征尺寸识别与提取

为解决人体点云模型的特征尺寸自动识别和提取难的问题,提出一种基于模糊规则的人体关键尺寸提取的方法.首先根据膝盖处投影点云的宽度特点对点云进行规范化处理,使点云朝向X轴正方向;再应用截面法变步长搜索人体点云,并采用基于改进的降抛物线型隶属函数的模糊规则和坐标值比较法来判断人体特征点的位置;最后利用Z坐标差值法和相交轮廓周长法来计算人体测量学中的关键尺寸.实验结果表明,该方法是可行和可靠的.     

基于神经网络的人体特征曲线预测方法研究

人体特征曲线在人体三维建模中有着非常重要的作用,通常需要手工测量的方式来获取,具有一定的局限性。本文利用神经网络来建立二维图像与三维截面特征曲线之间的关系,并使用三维扫描获取的人体模型来训练神经网络,训练后的神经网络可实现从用户照片直接恢复三维截面特征曲线,并用于三维重建。实验结果表明该方法的训练误差低于2%,能够准确的恢复人体截面曲线特征。     

复杂场景下的人体轮廓提取及尺寸测量

自然拍摄的人体照片由于背景图案较为复杂,采用传统基于图片色彩空间或能量 梯度的图像处理方法难以准确地识别人体的轮廓。采用神经网络的方法,可以提高识别的精度。 但是,一般的神经网络方法由于计算量与参数规模较大,难以在移动终端部署。因此,提出了 一种轻量级的神经网络策略以提取人体轮廓。该网络采用 MobileNet V2 与 U-Net 框架,通过构 建特定姿态的人体数据集进行训练,识别相应的人体轮廓形状。人体轮廓经过提取关键点、拟 合回归分析等后续处理,可估算人体的尺寸。该方法可应用在移动终端上,通过拍摄的人体照 片的方法测量人体的尺寸。实验表明,该方法能准确地提取复杂背景照片中的人体轮廓并测量 尺寸,在速度与存储占用方面较一般神经网络有一定优势。     

基于模板匹配的三维人体语义特征提取算法

随着社会经济发展,生活水平的提高,人们对定制产品的需求越来越多,例如服装高级定制、健身计划定制等。为更好地满足这些需求并提供精准的数据支撑,需提取精确的人体语义特征,即人体的身高、胸围、腰围等一系列参数。对现有特征提取算法进行分析研究,设计一种基于模板匹配的三维人体语义特征提取算法。通过模板模型逼近输入模型,将模板模型上的语义特征采样点拓展到输入模型上,使用NURBS曲线拟合采样点,计算曲线长度。实验结果表明本文所提算法综合性能好,能够为服装定制、人体动画、人体工程学设计等提供精确广泛的数据支持。     

人体前景的自动抠图算法

在基于立体视觉的人体建模系统中,背景像素的移除可以减少不必要的立体匹配计算,提高人体模型重建效率.为此,在给定大量具有前景Alpha蒙板真值的人体图像作为训练数据的前提下,提出了一个端到端的深度学习网络,以实现系统采集图像中人体前景自动抠图.该深度学习网络包括2个阶段:人体前景分割阶段和人体前景Alpha抠图阶段.在人体前景分割阶段,采用Mask R-CNN网络中的目标检测和掩码生成2个负载,并结合训练数据进行迁移学习,得到了适用于人体前景二值化分割的模型网络.在人体前景Alpha抠图阶段,采用Encoder-Decoder网络架构实现Alpha蒙板的自动预测.首先引入核为5的非学习卷积层,以上一个阶段的二值化分割结果作为输入,自动得到三分图Trimap,再和人体前景训练数据一起作为此阶段抠图网络的输入;经过学习迭代,获得能够预测人体前景Alpha蒙板的模型网络.在实验部分,以单幅系统采集人体图像为输入,无需额外先验和人工交互,可以自动估计人体前景Alpha掩码结果.用户测试结果以及与其他方法的对比和分析证明了文中算法的可靠性和鲁棒性;同时,该自动抠图算法还对其他公开数据集的人体图像进行了掩码预测,实验结果表明该算法具有一定的泛化能力.     

基于头部特征的人体检测

视觉监控是计算机视觉领域中近年来备受关注的前沿研究方向,视觉人体运动分析是视频监控中的研究重点。通过提取俯视图中人体头部区域特征,进行人体检测。由于人体头部区域的类圆形特征,一种圆形人体头部模型被提出,如何检测到合适的圆是人体检测的关键问题。本文采用对光照变化有较强鲁棒性的灰度梯度特征来检测人头。精确的实验表明了该算法在人体头部检测方面有较高的准确性和稳定性。     

基于行扫描的炮弹引信铆点特征提取

在炮弹引信铆点机器视觉识别中,有效消除图像中各种干扰、正确提取铆点特征是关键,解决好铆点特征的准确提取问题,是炮弹引信安全破除铆点的前提条件;根据铆点的结构特点,分析了产生各种干扰的原因及特点,在高斯滤波,阀值分割、形态学运算等基本运算的基础上,提出了一种基于行扫描的铆点特征提取方法;测试结果表明,提出的方法可行,铆点正确识别率达到90%以上,具有高效性和很好的鲁棒性的铆点特征提取,使得炮弹铆点的准确破除成为可能.     

基于照片自动提取人体尺寸信息的研究

人体测量是通过测量人体各部位的尺寸来确定个体之间和群体之间在人体尺寸上的差别,用以研究人的形态特征。文中尝试一种兼顾精度、效率和成本的测量方式,即利用满足一定条件的人体照片,通过图像处理及后续搜索计算获得人体测量的数据。该文是在研究图像处理的部分理论基础上,重点分析了多种常用的边缘检测和轮廓提取算法,结合人体结构特点,设计了一个包括图像去噪、边缘检测、轮廓提取、尺寸顶点搜索和坐标计算的处理流程,达到人体尺寸信息自动提取的目的。结果极大地提高原型的健壮性和准确性,得到了理想的人体尺寸信息,说明该方法具有可行性。     

基于自动标注特征点的人体关节跟踪

现有的基于人体特征点的关节跟踪方法大多采用手动标注特征点方式;提出了一种新的特征跟踪的方法,该方法能够对目标人体关节特征点进行自动标注,实现对人体关节点的自动跟踪;首先采用帧间差分和背景差分相融合的方法来分割运动人体,采用CANNY算子提取目标轮廓,自动标注关节特征点;然后采用LK光流算法跟踪标注的特征点;最后利用卡尔曼滤波线性跟踪来预测特征点出现的位置,从而修正那些产生跟踪错误的特征点;实验结果表明,该方法能够有效的对实际视频的目标人体进行特征点自动标注,取得较好的跟踪效果.     

一种新的图像局部仿射不变特征提取方法

提出了一种新的图像局部仿射不变特征的提取方法,首先利用阈值分割在图像中确定某个灰度取值范围的连通区域,文中证明了该区域的几何中心在图像仿射变换前后具有不变性,然后将几何中心作为局部仿射不变特征的"     

轿车局部区域特征提取与车型识别

车型识别技术是智能交通管理系统的关键技术之一。目前车型识别多基于车牌及整体外形的识别技术。基于此提出从轿车图像提取局部信息,从而快速、准确的识别出轿车车型。主要研究轿车尾灯特征提取,并在此基础上进行轿车分类识别。采用变分水平集方法对轿车图像进行分割,获得描述尾灯区域特征的三个特征参数——宽高比、矩形度、分散度作为支持向量机的分类的输入特征向量,对31种不同车型进行分类与识别,准确率达到100%。此研究表明利用轿车的局部特征也能够达到轿车车型识别的效果,具有较高的应用价值。