[发明专利]一种基于多目视觉系统的人体围度测量方法

说明书

本发明提出了一种基于多目视觉系统的人体围度测量方法，其步骤如下：构建GSS‑PSPNet网络模型利用数据集进行训练；搭建三组双目立体视觉系统分别拍摄被测者的彩色图像；对彩色图像的待测量围度区域进行分割；对分割图像进行HSV颜色空间分析，获得不同颜色类别的子数据集；对子数据集中的像素进行聚类；采用SURF方法对分割图像进行立体匹配，获得同一标识点在左视图和右视图中的坐标；获得标识点的空间坐标，得到统一坐标系中标记点的三维坐标；将所有标记点投影到XOZ平面并拟合，拟合曲线的长度就是被测量区域的围度。本发明结构简单，能有效消除被测物体运动引起的测量误差，大大简化立体匹配过程，有效提高匹配精度。

技术领域

本发明涉及多目立体视觉的技术领域，尤其涉及一种基于多目视觉系统的人体围度测量方法。

背景技术

随着信息技术的飞速发展，服装设计正朝着自动化、数字化方向发展。如今，简单的成衣设计已经不能满足人们对个性的追求，服装设计必然趋于定制化。服装合身是影响定制质量的主要因素。因此，必须首先对不同个体进行精确的人体测量。传统的人体测量是用卷尺手工测量人体尺寸，具有很强的可控性和灵活性。然而，手工测量过程复杂、耗时长，其测量误差取决于不同测量者的经验。

根据设备是否发射光源，可以将人体测量系统分为主动和被动两大类。最常见的主动设备包括三维激光扫描仪和三维结构光扫描仪。三维激光扫描仪向被测者发射激光，接收从被测者表面反射的激光，并且根据接收激光的位置、时间间隔和光轴角度进行精确的人体测量。三维结构光扫描仪向被测者发射结构光，记录在被测者表面形成的干涉条纹，并根据记录的畸变进行精确的人体测量。然而，三维结构光扫描仪通常体积大、成本高、便携性差；此外，在数据采集过程中，设备发射的激光和结构光扫描常常会使被测者感到不舒服。最新开发的主动设备包括Kinect和RGB-D相机，重点改进在于低成本和便携性。这些设备向被测者发射红外光，获取深度图，并生成被测者的三维模型，从而实现人体测量。然而，该类设备获取的深度图分辨率较低，由于缺乏几何特征，图像配准困难，重建的人体表面也比较粗糙，人体测量精度低。最后，无论哪种主动测量设备，受试者必须保持静止不动至少几秒钟才能完成扫描；否则，扫描图像就会变形，影响人体测量精度。

被动设备使用普通相机一次拍摄到被测者的图像，可以有效地解决这个问题。随着视觉系统技术的进步，摄像机的成本越来越低，所采集的图像分辨率越来越高，同时具有丰富的几何和纹理细节，可以充分利用这些图像进行人体重建和测量。

发明内容

针对现有人体测量方法的成本高，重建的较粗糙，精度较低的技术问题，本发明提出一种基于多目视觉系统的人体围度测量方法，将语义分割与立体匹配相结合，实现了简单、准确、智能的人体围度测量。

为了达到上述目的，本发明的技术方案是这样实现的：一种基于多目视觉系统的人体围度测量方法，其步骤如下：

步骤一：构建GSS-PSPNet网络模型并利用构建的数据集对GSS-PSPNet网络模型进行训练：GSS-PSPNet网络模型将PSPNet网络的conv1卷积层中的7×7卷积核替换为3个3×3串联卷积核，并利用构建的数据集对GSS-PSPNet网络模型进行训练；

步骤二：搭建三组双目立体视觉系统，将三组双目立体视觉系统分别安置在被测者的正前方、正侧方和正后方，并利用张正友标定法对三组双目立体视觉系统分别进行标定；在被测者的待测量区域粘贴不同颜色的标识点，利用标定好的三组双目立体视觉系统分别拍摄被测者的彩色图像；

步骤三：利用步骤一训练好的GSS-PSPNet网络模型对步骤二中获得彩色图像的待测量围度区域进行分割和提取；

步骤四：对步骤三中的分割图像进行HSV颜色空间分析：根据标识点颜色在HSV空间的分布情况，将分割图像中的元素根据颜色类别进行分类获得不同颜色类别的子数据集；