[发明专利]一种人体体前屈图像的检测方法及设备

权利要求书

1.一种人体体前屈图像的检测方法，其特征在于，包括以下步骤：

将待检测的人体体前屈图像转化为人体体前屈灰度图像；

对所述人体体前屈灰度图像进行边缘检测，得到人体体前屈边缘图像；

从所述人体体前屈边缘图像中提取肩部特征点、臀部特征点和腿部特征点；

计算由所述肩部特征点、臀部特征点和腿部特征点组成的以臀部特征点为顶点的屈体角的角度。

2.根据权利要求1所述的方法，其特征在于，所述对所述人体体前屈灰度图像进行边缘检测，得到人体体前屈边缘图像，包括以下步骤：

通过混合滤波器平滑所述人体体前屈灰度图像，以使所述人体体前屈灰度图像中的噪声被滤除，得到人体体前屈平滑图像；

计算所述人体体前屈平滑图像中的每个像素的的梯度幅值和梯度方向，得到人体体前屈梯度图像；

对所述人体体前屈梯度图像进行非极大值抑制，得到非极大值抑制图像；

对所述非极大值抑制图像进行阈值化处理，得到人体体前屈边缘图像。

3.根据权利要求2所述的方法，其特征在于，所述混合滤波器包括双边滤波器和均值滤波器。

4.根据权利要求2所述的方法，其特征在于，所述计算所述人体体前屈平滑图像中的每个像素的的梯度幅值和梯度方向，得到人体体前屈梯度图像，包括以下步骤：

通过Sobel算子对所述人体体前屈平滑图像进行卷积；

计算所述人体体前屈平滑图像0°、45°、135°和180°方向上像素的梯度幅值和梯度方向，得到人体体前屈梯度图像。

5.根据权利要求2所述的方法，其特征在于，所述对所述非极大值抑制图像进行阈值化处理，得到人体体前屈边缘图像，包括以下步骤：

通过Otsu算法计算所述非极大值抑制图像的最佳阈值T；

将T作为低阈值，2×T作为高阈值，对所述非极大值抑制图像进行双阈值处理，得到人体体前屈边缘图像。

6.一种人体体前屈图像的检测设备，其特征在于，包括：

灰度转化单元，用于将待检测的人体体前屈图像转化为人体体前屈灰度图像；

边缘检测单元，用于对所述人体体前屈灰度图像进行边缘检测，得到人体体前屈边缘图像；

特征点提取单元，用于从所述人体体前屈边缘图像中提取肩部特征点、臀部特征点和腿部特征点；

角度计算单元，用于计算由所述肩部特征点、臀部特征点和腿部特征点组成的以臀部特征点为顶点的屈体角的角度。

7.根据权利要求6所述的设备，其特征在于，所述边缘检测单元包括：

图像平滑子单元，用于通过混合滤波器平滑所述人体体前屈灰度图像，以使所述人体体前屈灰度图像中的噪声被滤除，得到人体体前屈平滑图像；

梯度计算子单元，用于计算所述人体体前屈平滑图像中的每个像素的的梯度幅值和梯度方向，得到人体体前屈梯度图像；

图像抑制子单元，用于对所述人体体前屈梯度图像进行非极大值抑制，得到非极大值抑制图像；

阈值处理子单元，用于对所述非极大值抑制图像进行阈值化处理，得到人体体前屈边缘图像。

8.根据权利要求7所述的设备，其特征在于，所述混合滤波器包括双边滤波器和均值滤波器。

9.根据权利要求7所述的设备，其特征在于，所述梯度计算子单元包括：

卷积模块，用于通过Sobel算子对所述人体体前屈平滑图像进行卷积；

计算模块，用于计算所述人体体前屈平滑图像0°、45°、135°和180°方向上像素的梯度幅值和梯度方向，得到人体体前屈梯度图像。

10.根据权利要求7所述的设备，其特征在于，所述阈值处理子单元包括：

阈值计算模块，用于通过Otsu算法计算所述非极大值抑制图像的最佳阈值T；

图像处理模块，用于将T作为低阈值，2×T作为高阈值，对所述非极大值抑制图像进行双阈值处理，得到人体体前屈边缘图像。