[发明专利]一种基于分级的人体轮廓关键点和关键部位识别方法

权利要求书

1.一种基于分级的人体轮廓关键点和关键部位识别方法，其特征在于，所述方法包括关键点识别与测量、关键部位识别两个阶段；

关键点识别与测量阶段包括以下步骤：

步骤S110：关键点计算目标确定：根据人体轮廓测量的目标，按照人体的年龄、性别、体形要素对人体轮廓进行分级，分别确定不同级别人体轮廓测量关键点的筛选范围；

步骤S120：确定人体轮廓关键点：采用otsu、canny、sobel、膨胀腐蚀、关键点匹配方法的组合联合确定人体轮廓关键点；

步骤S130：计算不同关键点之间的像素尺寸：将步骤S120确定的人体轮廓关键点相连接，计算两个关键点之间的欧式距离，即为像素尺寸；

步骤S140：根据两个关键点之间的像素尺寸计算实际尺寸：根据像素尺寸和实际尺寸的比例系数，计算待测量两个关键点之间的实际尺寸；

关键部位识别阶段包括以下步骤：

步骤210：获取人体轮廓站姿的先验知识，确定被测人体轮廓的关键部位的大致区域；

步骤220：确定关键部位分段目标：根据人体轮廓测量的目标，确定人体轮廓关键部位待分段的关键目标，包括照物部位、头部位、脚部位；

步骤230：人体轮廓关键部位分段；利用otsu、canny、sobel、膨胀腐蚀、顺序搜索得到关键部位分段；具体过程：首先将图片变为灰度图，然后使用最大类间方差法otsu技术将前景与背景进行初步分割，对于图像I(x,y)，前景(即目标)和背景的分割阈值记作T，属于前景的像素点数占整幅图像的比例记为ω0，平均灰度为μ0；背景像素点数占整幅图像的比例为ω1，平均灰度为μ1；整幅图像的平均灰度记为μ，类间方差记为g；假设图像大小为M×N，图像中像素的灰度值小于阈值T的像素个数为N0，像素灰度大于阈值T的像素个数为N1，那么：

ω0＝N0/M×N (1)

ω1＝N1/M×N (2)

N0+N1＝M×N (3)

ω0+ω1＝1 (4)

μ＝ω0*μ0+ω1*μ1 (5)

g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2 (6)

g＝ω0ω1(μ0-μ1)^2 (7)

采用遍历的方法使得类间方差g最大的阈值T，即为所求；

利用膨胀腐蚀去除图片中的噪点；

使用canny算法可以提取前景轮廓边缘，Canny算法检测图像中的水平、垂直和对角边缘；边缘检测的算子Sobel返回水平Gx和垂直Gy方向的一阶导数值，由此便可以确定像素点的梯度G和方向theta；x和y方向的Sobel算子分别为：

其中Sx表示x方向的Sobel算子，用于检测y方向的边缘；Sy表示y方向的Sobel算子，用于检测x方向的边缘，边缘方向和梯度方向垂直；根据公式便可以计算出像素点e的梯度和方向；

根据用户站姿以及参照物的大致区域，先全局顺序搜索，找出对应部位最相似的图片区域，然后分割出关键部位的大致区域，再进行如上步骤将前景与背景进行再次分割，最终得到关键部位分段；

步骤240：关键部分分割与确认；通过对分割出来的图像区域进行二值化，识别目标的整体轮廓，然后根据不同部位的特征确认不同的关键部分。

2.根据权利要求1所述的方法，其特征在于：步骤S140中所述比例系数是根据标准参照物像素尺寸与标准参照物实际尺寸之比得到的数值。

3.根据权利要求1所述的方法，其特征在于：步骤S210中人体轮廓的关键部位为头部位、脚部位。