[发明专利]一种基于机器学习的人体胸围和腰围测量方法

说明书

本发明属于智能测量技术领域，尤其是一种基于机器学习的人体胸围和腰围测量方法，包括图像收集单元和测量底座，所述图像收集单元将收集的到的数据向服务器上传，所述服务器将数据输入算法校准单元，所述算法校准单元通过Radon变换对上传的数据进行算法校准。该基于机器学习的人体胸围和腰围测量方法，通过设置引入了Radon变换的概念，利用Radon变换投影坐标均值图像的最大值坐标代替原先坐标，使得新实现了更高的峰值信噪比值，另外含噪图像经过新算法的运行时间较之原算法明显缩短，进而提高图像收集单元的数据准确度，从而使得具有便于提高人体胸围和腰围测量结果准确度的特点。

技术领域

本发明涉及智能测量技术领域，尤其涉及一种基于机器学习的人体胸围和腰围测量方法。

背景技术

随着我国人民生活水平的提高，服装产业对于以客户定制化的需求越来越大，因而需要对人体的胸围数据和腰围数据进行准确测量，为了便于进行测量，大都采用机械设备进行测量，从而便于避免不必要的接触，更加快了测量的效率；

而现有的测量用机械设备大都采用相机拍摄图像以及激光测量进行配合使用，而在用相机拍摄时，图像在生成、传输时，由于电子器件的机械运动、内部设备电路缺陷、量化效应等影响，使得发送端的图像信息受到噪声干扰，从而在接收端出现图像模糊、失真等情况，难以直接利用到图像后续处理的过程中，进而使得无法准确提取图像中的有效信息，使得测量结果的准确性下降；

图像去噪技术经过多年的成长，已产生多种算法。噪声作用的形式多样且复杂，这些去噪方法也各有侧重。为了取得更好的图像质量，许多新兴的先进算法结合多种基础算法以实现优势互补。并且随着硬件技术升级，即时可处理数据量增加，使得更加快速的实现复杂算法有了硬件保障。2007年，Dabov等人提出了三位块匹配(BM3D–Block-Matching and3D filtering)算法，BM3D算法结合了空间域的均值算法、NML算法、维纳滤波算法与部分频域算法。它是当前针对高斯噪声污染图像，去噪性能最为优秀的方法之一。其利用空间域与频率域优势互补——利用空间域寻找相似图像，频率域则用来分析图片内与图片间的变化关系。但BM3D仍有以下缺陷：

(1)需要设置的参数过多，尤其是基础估计部分的滤波阈值参数设置，错误的阈值设置将会极大的影响去噪效果；

(2)若图像含有的特征规律性少，随机性强，则没有办法发挥去噪优势，且文中考量图像块的“相似”标准不甚准确；

(3)运算量大，运行时间过长。

本发明针对三维块匹配算法计算耗时长，相似块提取不够准确、分割块内分布不同的相似特征无法提取等问题，提出基于Radon变换进行图像信息降维，并通过求解降维函数的方差值、以及方差最大值坐标定位进行相似块信息的判断。另外计算各相似块相对参考块的像素均值比例，并放缩再用于去噪。相较于原算法去噪图像，采用本技术方案的优化算法去噪图像运行时间减短，图像质量提升。

发明内容

基于现有的技术问题，本发明提出了一种基于机器学习的人体胸围和腰围测量方法。

本发明提出的一种基于机器学习的人体胸围和腰围测量方法，包括图像收集单元和测量底座，所述图像收集单元将收集的到的数据向服务器上传，所述服务器将数据输入算法校准单元，所述算法校准单元通过Radon变换对上传的数据进行算法校准。

优选地，所述算法校准单元将各图像块进行统一方向的Radon变换，然后对各个进行Radon投影后的得到的函数图像求方差。

优选地，并求得各投影函数的最大值所在坐标，比较各块的Radon投影函数最大均值值坐标是否相同，再比较方差大小，综合确定相似块组。