[发明专利]一种基于图像的人体尺寸计算方法及装置在审

专利信息
申请号: 201910545058.7 申请日: 2019-06-21
公开(公告)号: CN110288646A 公开(公告)日: 2019-09-27
发明(设计)人: 王文东;萧天孜;田野;阙喜戎;龚向阳 申请(专利权)人: 北京邮电大学
主分类号: G06T7/62 分类号: G06T7/62;A61B5/00;A61B5/107
代理公司: 北京柏杉松知识产权代理事务所(普通合伙) 11413 代理人: 丁芸;马敬
地址: 100876 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人体区域图像 尺寸计算 目标图像 关键点 图像 预处理操作 计算目标 人体部位 神经网络 预设
【权利要求书】:

1.一种基于图像的人体尺寸计算方法,其特征在于,所述方法包括:

获取待处理的包含人体的目标图像;

对所述目标图像进行预处理操作,得到所述人体区域图像;

将所述人体区域图像输入预先训练的深度神经网络中,得到关键点坐标;其中,所述关键点坐标用于表示人体区域图像中人体各部位的位置,所述人体部位至少包括:躯干部位、手臂部位、腿部位;所述深度神经网络是根据各样本人体区域图像,以及各样本人体区域图像对应的关键点坐标真值训练得到的;

基于所述人体区域图像对应的关键点坐标,以及预设人体总长度均值,计算所述目标图像中人体部位的尺寸。

2.根据权利要求1所述的方法,其特征在于,所述对所述目标图像进行预处理操作,得到所述人体区域图像的步骤,包括:

对所述目标图像进行尺寸缩放处理及去均值化处理;

确定处理后的目标图像中的人体位置;

根据所确定的所述人体位置,对所述处理后的目标图像中的人体区域进行截取,得到人体区域图像。

3.根据权利要求1所述的方法,其特征在于,所述深度神经网络的训练过程包括:

构建初始深度神经网络,所述初始深度神经网络至少包括:一层卷积层,一层激活函数,一层池化层,一层批归一化层,以及一层全连接层;

获取多个样本人体区域图像,以及各样本人体区域图像对应的关键点坐标真值;

将各样本人体区域图像,以及各样本人体区域图像对应的关键点坐标真值输入所述初始深度神经网络,训练得到所述深度神经网络,所述关键点坐标真值是所述样本人体区域图像经人工标注后得到的。

4.根据权利要求1所述的方法,其体征在于,所述基于所述人体区域图像对应的关键点坐标,以及预设人体总长度均值,计算所述目标图像中人体部位的尺寸的步骤,包括:

根据所述人体区域图像对应的至少两个关键点坐标,计算得到人体部位的归一化长度;

将所述人体部位的归一化长度与预设人体总长度均值相乘,得到所述目标图像中人体部位的尺寸。

5.根据权利要求4所述的方法,其体征在于,所述根据所述人体区域图像对应的至少两个关键点坐标,计算得到人体部位的归一化长度的步骤,包括:

利用第一预设表达式,计算所述人体部位的归一化长度,所述第一预设表达式为:

L=(xk-xm)2+(yk-ym)2+(zk-zm)2

式中,L表示人体部位的长度,k表示该人体部位的其中一个关键点,(xk,yk,zk)表示k的坐标,m表示该人体部位的另一个关键点,(xm,ym,zm)表示m的坐标。

6.一种基于图像的人体尺寸计算装置,其特征在于,所述装置包括:

第一获取模块,用于获取待处理的包含人体的目标图像;

预处理模块,用于对所述目标图像进行预处理操作,得到人体区域图像;

输入模块,用于将所述人体区域图像输入预先训练的深度神经网络中,得到关键点坐标;其中,所述关键点坐标用于表示人体区域图像中人体各部位的位置,所述人体部位至少包括:躯干部位、手臂部位、腿部;所述深度神经网络是根据各样本人体区域图像,以及各样本人体区域图像对应的关键点坐标真值训练得到的;

计算模块,用于基于所述人体区域图像对应的关键点坐标,以及预设人体总长度均值,计算所述目标图像中人体部位的尺寸。

7.根据权利要求6所述的装置,其特征在于,所述预处理模块包括:

第一预处理子模块,用于对所述目标图像进行尺寸缩放处理及去均值化处理;

确定子模块,用于确定处理过的目标图像中的人体位置;

第二预处理子模块,用于根据所确定的所述人体位置,对所述处理过的目标图像中的人体区域进行截取,得到人体区域图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910545058.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top