Print

发布时间: 2017-02-25
摘要点击次数:
全文下载次数:
DOI: 10.11834/jig.20170210
2017 | Volumn 22 | Number 2




    第11届图像图形技术与应用学术会议专栏    




  <<上一篇 




  下一篇>> 





新型人体参数自动测量系统
expand article info 徐慧明, 夏立坤, 杨琪, 刘宇杰, 唐宋元, 杨健
北京理工大学光电学院, 北京 100081

摘要

目的 针对国内外已有的非接触式测量系统普遍存在价格昂贵、安装复杂、占用空间大等问题,提出一种基于消失点和图像比例法相结合的人体参数尺寸的自动测量方法(HuFAMS-VP)。 方法 首先,利用背景差分法,将人体从图像中分割出来;再将分割后的人体图像进行轮廓提取,从而获得人体轮廓图;然后,根据边缘检测和人体各个部位与人体身高比例等方法,获取人体几个关键部位特征点;最后,通过消失点方法(vanishing point)与比例法的结合获取人体参数尺寸。 结果 根据HuFAMS-VP对7组被测人员(年龄在25±3岁,身高范围在1.7±0.2 m)进行尺寸测量,并与被测人员真实尺寸信息进行比较。由测量结果可以得到7组被测人员的绝对误差控制在±0.05 m之内,平均测量速度在2 s以内。 结论 HuFAMS-VP在确保测量精度的前提下,具有操作方便、价格低廉等优势。根据测量结果,论证了本系统的准确性和鲁棒性。

关键词

背景差分; 分割; 消失点; 特征识别; 自动人体测量

Human featured automatic measurement system
expand article info Xu Huiming, Xia Likun, Yang Qi, Liu Yujie, Tang Songyuan, Yang Jian
School of Optoelectronics, Beijing Institute of Technology, Beijing 100081, China
Supported by: National Natural Science Foundation of China(61572076)

Abstract

Objective The common obstacles faced by all types of automatic human body measurement systems are comparably high costs and large sizes with a complex installation process. Method This study proposes a human-featured automatic measurement system based on vanishing points (HuFAMS-VP). It consists of the following parts. HuFAMS-VP initially extracts a human body image, utilizing the background subtraction method followed by image contour detection. Several critical characteristic points on the contour can then be obtained by using the edge detection technique and proportion method. Finally, we combine the methods of vanishing points with proportion measure to obtain different human body features. Resuls HuFAM-VP is applied to measure the human body size, and the measurements are compared with the true sizes. Results show that it can achieve accurate results at less than±5 cm between the measured and real data. Moreover, the average CPU time is less than 2 s. Conclusion The proposed system has the advantages of easy operation and low cost under the premise of high accuracy. Results show that HuFAM-VP demonstrated validity and robustness.

Key words

background subtraction; segment; vanishing point; feature identification; automatic body measurement

0 引 言

随着人们对衣着品味要求的提高,作为服装设计过程中非常重要一项,人体测量技术的准确性、便捷性、快速性也被越来越多人所重视[1-3]。目前,服装行业中人体测量的方法包括两种:接触式和非接触式[4]。前者具有测量时间适中、数据精确等优点,但是受主观因素影响较大,比如,人体呼吸的影响。一般人体呼气和吸气胸围的差值为2~4 cm,故呼吸可能是胸围及腰围数据测量误差形成的主要原因[5]。另外,被测者的身体晃动也会引起测量结果的差异。而且测量过程繁琐,不适合大批量人体测量等弊端;后者相对于前者,具有测量时间短、数据范围广等优点,虽然精确度相对下降,却在可控范围内。目前非接触式人体测量方法主要包括:立体摄影测量法、激光测量法[6]、莫尔条纹测量法[6-8]、人体影子扫描[9-10]、TC2分层轮廓测量方法[11]、基于Kinect测量方法[12]以及3维全身扫描仪[13-14]等。

非接触测量系统和技术在国外很多科研机构和先进企业已经被关注并采用,但是国内企业,尤其是服装企业对于其缺乏应用意识且应用程度低。这主要由于此类系统普遍存在价格昂贵、安装复杂、占用空间大及需要暗室操作等问题。

针对以上问题,提出一种通过结合消失点方法和图像比例关系的人体参数尺寸自动测量方法(HuFAMS-VP)。HuFAMS-VP通过获取2维图像中的人体特征位置信息,快速、准确地实现人体特征识别、特征提取并与背景分割,最终得到人体各部位参数尺寸,具体参数包括身高、肩宽、左臂长、右臂长、腰宽、腿长、腰-脚长。

1 方 法

本文所设计的人体尺寸参数测量方法(HuFAMS-VP)流程如图 1所示:1)图像预处理,将彩色信息转为灰度信息;2)运用背景差分方法对图像进行处理,以获得人体分割图像;3)运用图像特征识别技术,得到所分割图像各个位置的坐标信息;4)运用结合消失点方法和图像比例关系的方法获得人体尺寸参数;5)运用自动评估方法对所获得的测量结果实现评估。

图 1 人体尺寸参数测量流程图
Fig. 1 Flow chart of human body feature measurement

1.1 图像采集

为了获取被测者的完整信息,采集两幅图像:一幅是背景照片(图 2(a)),另一幅是在此背景中被测者正面全身照片(图 2(b))。图像采集的环境需要特别设计:简化图像背景复杂度,而且背景颜色与被测者的穿着颜色对比要明显,目的是为了获得更好的分割结果;采集过程中需要被测者挺直身体,从而获得准确身高信息;手臂伸直并与躯体呈30°角度,从而获得臂长、胸部和腰部测量尺寸;双脚稍微张开一定的角度(20°左右为理想角度),从而获得被测者腿长准确信息。基于实际测量环境以及用户的舒适度体验,对被测者着装没有特殊要求(理想情况下应穿紧身衣)。相机的拍摄位置也是一个关键因素,在拍摄时相机位置固定的前提下,将相机拍摄角度尽量定在被测者的二分之一处高度,垂直拍照。

图 2 原始图与灰度图
Fig. 2 Original image and gray images ((a) background image; (b) human image; (c) gray image of background;(d) gray image of human)

1.2 图像预处理

由于使用人体参数进行测量方法对2维图像的彩色信息要求不高,因此将原始图像转化为灰度图像,如图 2(c)(d)所示,从而为后续图像处理减少系统测量时间,提高测量效率。

1.3 图像分割

图像分割是基于背景差分的方法,从而完整准确地分割出目标,提取信息,其基本原理表示为

${{d}_{t}}(x,y)\left\{ \begin{matrix} 1 \\ 0 \\ \end{matrix} \right.\begin{matrix} \text{ }\left| {{f}_{t}}(x,y)-{{b}_{t}}(x,y) \right|<T \\ \text{其他 } \\ \end{matrix}$ (1)

式中,ft(x,y)为前景灰度值,bt(x,y)为背景图像的灰度值,dt(x,y)为差分图像,T为阈值,1代表人体区域,0代表背景区域。

首先确定一个作为参考的背景图像,然后将当前景图像与背景图像相减,得到差分图像,若其灰度值大于阈值T,则认为是目标点,反之,则为背景点。从而实现目标分割。但是,背景差分法有诸多的限制,比如对环境的变化非常敏感以及背景图像的选取也十分关键,直接关系到差分结果的准确性。这是在今后的设计中所要考虑的。

1.4 人体几个关键部位的识别

通过分割结果,可以获得人体轮廓,同时计算出轮廓上几个参数节点位置信息。这包括5个顶点位置的坐标,即头顶,左、右脚,左、右手背坐标。头部位于轮廓图的最顶端,脚部则位于图像的最低端,左、右手分别对应图像的最左及最右端。通过手臂与肩膀交叉点的检测获得肩部坐标点信息。通过以上这些位置的坐标,可以获得身高,肩宽,左、右臂长参数。

另一个重要节点是腰部位置选取,由于其位置特殊性,采用腰部位置与身高成比例关系方法[15-16]和国际GB/T 16160-2008《服装用人体测量的部位及方法》实现,如表 1所示。其中,男性腰部到脚的长度占据整个身高的61%,女性腰部到脚的长度占据身高的63%,根据这个比例关系可以得到人体腰部位置信息。同理,根据表 1中的的大腿占整个身高的41%比例关系,同样可以获得人体腿部的位置信息。然后,根据这些位置信息可以最终获得腰宽、腿长、腰-脚长参数。

表 1 人体各个部位与身高的比例
Table 1 The proportion of body parts and height

下载CSV
性别身高胸部腰部臀部大腿膝盖
1.000.840.720.610.530.410.26
1.000.810.720.630.530.410.28

1.5 人体尺寸测量

HuFAMS-VP是基于平行线无限远处相交原理(消失点)求尺寸因素方法并结合比例法实现。

1.5.1 消失点方法介绍

此方法需要在背景图像中几组特殊位置进行标定,其目的是获取图像中尺寸像素值:水平方向上的两组平行直线,用于求水平方向的消失点,然后通过这两个消失点就可以求出水平方向的消失线;垂直方向上至少一组平行直线,用于获得垂直方向的消失点。以图 3为例,定义trbr分别代表地面参照物的顶部坐标和底部坐标值,t、b分别代表测量部位在图像中的顶部以及底部坐标;hr表示参考物的高度,h代表人体高度信息;I表示水平方向的消失线向量,v表示在原始3维场景下垂直方向消失点坐标。

图 3 消失点方法中的参数信息
Fig. 3 Parameter information in vanishing point method

人体身高测量公式为

$h = - \frac{{\left\| {t \times b} \right\|}}{{\alpha \cdot (I \cdot b) \times \left\| {v \times t} \right\|}}$ (2)

式中,α为尺寸参数,即

$\alpha =-\frac{\left\| {{t}_{r}}\times {{b}_{r}} \right\|}{{{h}_{_{r}}}\bullet (I\bullet {{b}_{r}})\times \left\| v\times {{t}_{r}} \right\|}$ (3)

同理,对于人体的腿长、腰-脚的长度也可以依据式(2)进行求解,只需将式(2)中的t、b信息换成腿长(或则腰-脚)的顶部以及底部坐标信息即可。

1.5.2 比例法

此方法是根据身高与其他人体部位的比例关系获取其真实参数尺寸。需要获取水平方向上参照物的长度信息以及它在图像中的像素坐标,从而得到单位像素点在实际坐标下所占的长度,即

${{P}_{s}}\text{ =}\frac{{{w}_{R}}}{{{R}_{R}}(x)-{{R}_{L}}(x)}$ (4)

式中,wR代表参照物的实际长度,Ps表示单位像素所对应的长度,x代表像素点的横坐标值,RRRL分别表示参照物在图像中左、右部位所对应的坐标。

基于所获得的特征点的位置信息,可以获得所要测量部位在图像中所对应的像素值;然后根据单位像素点所占的实际长度获得测量值信息,即

$p\text{=}\left| r(x)-l(x) \right|$ (5)

式中,p 表示人体各部位在图像中所占像素值; r、l分别代表人体各部位在图像中左部及右部所对应的坐标值。

在获得参数在图像中的像素值后,获得人体肩宽、腰宽、左、右臂长值,即

${{R}_{T}}\text{=}p\times {{P}_{s}}$ (6)

式中,RT代表真实测量值;p代表每个位置在图像中所占的像素值。

2 结果分析与评估

为了验证HuFAMS-VP的准确性和鲁棒性,在相同的条件下,选取7组被测者对其测量和分析。被测人员6男1女,年龄在25±3岁,身高范围在1.7±0.2 m,所有被测人员身体健全。系统验证过程是以其中1位被测者为例,误差可接受范围在±0.05 m。此实验的硬件部分包括:摄像头用于图像采集;一台装有Win8操作系统的计算机用于图像处理,其硬件配置包括:i7-4790处理器、16 GB内存、NVIDIA GTX 560Ti显卡。相机位置、被测者的站姿以及背景选择如图 2所示。

2.1 图像分割结果

首先,运用背景差分方法对这位被测者进行图像分割,其中背景图与前景图如图 4(a)(b)所示。通过多次测试,发现当分割阈值T为50时可以得到较好分割结果。因此,根据这个阈值可以得到被测者的分割结果(二值图),如图 4(c)所示。运用膨胀和腐蚀的方法获取准确、清晰的分割结果,如图 4(d)所示。其中,膨胀使用2×2的矩形框进行膨胀,腐蚀使用3×2的矩形框进行腐蚀。

图 4 特征提取结果图
Fig. 4 The image of feature extraction ((a) gray image of background; (b) gray image of human; (c) binary image after segmentation;(d) binary image after expansion and corrosion)

2.2 人体特征位置识别

通过对分割的结果进行轮廓提取,可以得到人体轮廓图,如图 5所示。然后,对人体轮廓图进行特征部位识别,获得各个部位的特征点,如图 6中的黑色圆点。其中,1表示人体头部特征点;2、3表示左右肩部特征点;4、5表示左右手部特征点;6、7表示左右腰部特征点;8表示裆部特征点;9表示脚底部位特征点。

图 5 人体轮廓图
Fig. 5 The image of human body contour
图 6 特征点检测
Fig. 6 The detection of feature points

2.3 测量结果

为了获取各参数信息,首先对几组背景参照物坐标标定,如图 7所示。然后基于式(2)(6),获得参数尺寸信息(测量值),如表 2所示,包括身高、肩宽、左臂、右臂、腰宽、腿长、腰-脚长。系统测量所需平均CPU时间为2 s。

图 7 参考物坐标标定
Fig. 7 Reference coordinate calibration

表 2 人体尺寸参数测量结果
Table 2 The result of body measurement

下载CSV
/m
类型测量值实际值绝对误差相对误差
身高1.8431.8000.0430.024
肩宽0.4670.4300.0370.085
左臂长0.7360.7100.0260.036
右臂长0.7200.7100.0100.015
腰宽0.3700.3400.0300.087
腰-脚长1.0431.1000.0570.052
腿长0.6210.9000.2790.310

2.4 系统评估

采用的评估标准为相对误差和绝对误差,即

${{A}_{e}}\text{=}\left| M-A \right|$ (7)

${{R}_{e}}\text{=}\frac{{{A}_{e}}}{A}\times 100%$ (8)

式中,Ae代表绝对误差,Re为相对误差,A和M分别代表人体参数的真实值和测量值,其中真实值是通过测量工具(软尺)测得的。

通过与真实值相比较,其绝对误差基本控制在±0.05 m,除了腿长部位误差相对较大,这主要是由于被测者穿着相对宽松的裤子所致。这可以通过穿着紧身衣裤,使结果更加准确。相对误差控制在8.5%。

运用相同的方法,获得所有被测者(7组)的绝对误差平均值,如表 3所示。可以看出,HuFAMS-VP能够准确预测被测者的身高、肩宽、左臂长、右臂长、腰宽、腰-脚长的信息,平均绝对误差控制在±0.05 m以内。腿长部位绝对误差相对较大,这主要是由于被测者穿着相对宽松的裤子所致,很难获得裆部特征点的准确信息。

表 3 平均绝对误差结果
Table 3 The results of mean absolute error

下载CSV
/m
类型身高肩宽左臂长右臂长腰宽腰-脚长腿长
10.0050.0370.0170.0210.0660.0490.074
20.0000.0430.0220.0080.0300.0500.204
30.0340.0400.0230.0070.0420.0210.217
40.0200.0070.0030.0090.0340.0770.210
50.0040.0370.0610.0110.0580.0690.141
60.0250.0300.0770.0410.0090.0320.156
70.0430.0370.0360.0100.0300.0570.279
平均误差0.0190.0330.0340.0150.0380.0510.183

2.5 误差分析

由测试结果可以看出,系统测量值与真实值存在一定误差,其影响因素主要有以下两点:

1) 真实测量结果精确度的影响。在测量过程中,测量人员的测量手法和所用的测量工具专业程度不够,导致测量准确性降低。

2) 被测者着装对测量结果精确度的影响。在拍照时,测量人员的着装由于紧身程度不够,导致人体特征点位置信息选择的不准确,例如人体裆部的位置的选取,从而导致腿长预测结果的误差明显。

2.6 市场竞争分析

本文所设计的HuFAMS-VP,一方面,相对于传统测量方法能够多批量地进行人体参数测量,不易受到人为因素干扰。同时,具有测量时间短、数据准确等优点。另一方面,目前已有的非接触式测量系统普遍都比较昂贵(3D扫描),一般都在几十万人民币以上[17],不利于普及。而HuFAMS-VP具有价格低,测量结果可接受的优势,而且所占体积也小,方便移动。因此,本系统在市场上具有很强的竞争性。

3 结 论

本文针对固定场景提出了一种基于消失点并结合图像比例关系的人体尺寸自动测量系统(HuFAMS-VP)。其运用了图像预处理、自动人体分割、轮廓提取、特征点提取、消失点方法与比例法的结合等技术。选取7组被测者对此系统进行测试,实验结果显示,HuFAMS-VP能够准确测量人体参数信息,绝对误差范围在±0.05 m之内,满足人体测量的需求。同时,测量平均CPU时间为2 s。

基于本系统测量精确度仍具有提升空间,未来的研究将在以下几个方面进行: 1)使用更加准确的测量仪器和专业人员进行人体实际尺寸的测量,从而提高真实数据准确度;2)需要被测者穿着紧身衣裤,从而提高测量结果的准确性;3)基于目前所采用的分割方法对于被测者的站姿以及拍照环境具有依赖性,未来会设计一个更具鲁棒性的分割方法,替代依赖环境条件的背景差分法;4)基于目前系统所采用的固定场景测量,未来会设计一套基于移动平台的测量系统;5)添加特征信息,比如,女性被测者、体重特征以及加大年龄跨度,并进行更多测试。

参考文献

  • [1] Zhou X J, Zhao Z X. Reconstructing 3D virtual humans from photo-realistic images[J]. Journal of Southeast University:Natural Science Edition , 2008, 38 (4) : 632–636. [ 周晓晶, 赵正旭. 基于照片的三维虚拟人重建技术[J]. 东南大学学报:自然科学版 , 2008, 38 (4) : 632–636. DOI:10.3321/j.issn:1001-0505.2008.04.017 ]
  • [2] Wei G F, Wang C T. A review and prospect of virtual human[J]. Beijing Biomedical Engineering , 2008, 27 (4) : 431–435. [ 魏高峰, 王成焘. 虚拟人体的研究现状与进展[J]. 北京生物医学工程 , 2008, 27 (4) : 431–435. DOI:10.3969/j.issn.1002-3208.2008.04.026 ]
  • [3] Zhu Z. Research on acquring 3D information of human body and virtual try-on[D]. Wuhan:Huazhong University of Science and Technology, 2004. [朱洲. 三维人体信息获取及虚拟服装试穿技术研究[D]. 武汉:华中科技大学, 2004.] http://cdmd.cnki.com.cn/Article/CDMD-10487-2005036600.htm
  • [4] Wang J, Li X J. Research overview of digitised clothing based on 3D measurement technology[J]. China Textile Leader , 2011 (11) : 82–84. [ 王军, 李晓久. 基于三维测量的数字化服装应用研究综述[J]. 纺织导报 , 2011 (11) : 82–84. DOI:10.3969/j.issn.1003-3025.2011.11.024 ]
  • [5] Li X J. Influence of breathing on body dimension[J]. Progress in Textile Science & Technology , 2015 (6) : 59–61. [ 李学君. 呼吸对人体尺寸的影响[J]. 纺织科技进展 , 2015 (6) : 59–61. DOI:10.3969/j.issn.1673-0356.2015.06.018 ]
  • [6] Zhu H, Yang J G, Zhang R Y. Computer Clothing Technology[M]. Shanghai: Fudan University Press, 1996 : 138-145. [ 朱辉, 杨建国, 张瑞云. 电脑服装设计[M]. 上海: 复旦大学出版社, 1996: 138-145.]
  • [7] Meadows D M, Johnson W O, Allen J B. Generation of surface contours by moiré patterns[J]. Applied Optics , 1970, 9 (4) : 942–947. DOI:10.1364/AO.9.000942
  • [8] Yu W M, Harlock S C, Yechnique K W. Contour measurements of moulded brassiere cups using a shadow moire technique[C]//Proceedings of the 3rd Asian Textile Conference. Hongkong, China:ATC, 1995, 1:300-308.
  • [9] Jones P R, West M G, Harris D H. The loughborough anthropometric shadow scanner (LASS)[J]. Endeavour , 1989, 13 (4) : 162–168. DOI:10.1016/S0160-9327(89)80004-3
  • [10] Kaufmann K. Invasion of the body scanners[J]. IEEE Circuits and Devices Magazine , 1997, 13 (3) : 12–17. DOI:10.1109/101.589258
  • [11] Hurley J D, Demers M H, Wulpern R C, et al. Body measurement system using white light projected patterns for made-to-measure appare[C]//Proceedings of the SPIE 3131, Optical Scanning Systems:Design and Applications. San Diego, CA:SPIE, 1997:212-223.DOI:10.1117/12.277751
  • [12] Dao N L, Deng T, Cai J F. Fast and automatic body circular measurement based on a single kinect[C]//Proceedings of the 2014 Annual Summit and Conference on Asia-Pacific Signal and Information Processing Association. Siem Reap:IEEE, 2014:1-4.DOI:10.1109/APSIPA.2014.7041571
  • [13] Simmons K P. Body measurement techniques:a comparison of three-dimensional body scanning and physical anthropometric methods[C]//Proceedings of ITAA/KSCT 2001 Conference. Seoul, Korea:ITAA Publications, 2001.
  • [14] Daanen H A M, Taylor S E, Brunsman M A, et al. Absolute accuracy of the Cyberware WB4 whole-body scanner[C]//Proceedings of the SPIE 3023, Three-Dimensional Image Capture. San Jose, CA:SPIE, 1997:1-4.DOI:10.1117/12.269757
  • [15] State Administration of Quality Supervision, Inspection and Quarantine, People's Republic of China, China National Standardization Management Committee. GB/T 16160-2008 Location and method of anthropometric surveys for garments[S]. Beijing:China Standard Press, 2008. [中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 16160-2008服装用人体测量的部位与方法[S]. 北京:中国标准出版社, 2008.]
  • [16] Pargas R. Automating information extraction from 3D scan data[R]. Springfield:National Technical Information Service, 1998.
  • [17] Peng S C, Sun X M, Liu G H, et al. Survey on 3D human body auto-measurement technology[J]. Application Research of Computers , 2005, 22 (4) : 1–5. [ 彭三城, 孙星明, 刘国华, 等. 三维人体自动测量技术综述[J]. 计算机应用研究 , 2005, 22 (4) : 1–5. DOI:10.3969/j.issn.1001-3695.2005.04.001 ]