[发明专利]一种基于人工智能算法的人体特征尺寸自动测量方法在审
申请号: | 201611192069.4 | 申请日: | 2016-12-21 |
公开(公告)号: | CN106600595A | 公开(公告)日: | 2017-04-26 |
发明(设计)人: | 张巍伟;张冬斌;邓建强 | 申请(专利权)人: | 厦门可睿特信息科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/62 |
代理公司: | 北京远大卓悦知识产权代理事务所(普通合伙)11369 | 代理人: | 李强 |
地址: | 361000 福建省厦门市湖里区*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 人工智能 算法 人体 特征 尺寸 自动 测量方法 | ||
1.一种基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,包括:
S1、采集海量用户的二维图像,并分别对所述二维图像进行人体不同特征部位的截取以生成历史训练样本;
S2、针对人体不同部位分别采用不同的人工智能分类器对所述历史训练样本进行训练,并根据训练结果生成人体不同部位的定位模型;
S3、采用S2生成的定位模型对新用户提供的二维图像进行人体不同部位的定位;
S4、根据S3人体不同部位定位的结果进行三维拟合以自动测量新用户的三维人体特征尺寸。
2.根据权利要求1所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S1中采集的用户二维图像至少包括正面图像、侧面图像和背面图像。
3.根据权利要求1所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S2中,采用AdaBoost算法训练人体识别度高的部位,采用CNN卷积神经网络算法去训练定位人体的其他部位。
4.根据权利要求3所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,采用AdaBoost算法训练人体中鼻子的部位,采用CNN卷积神经网络算法去训练定位人体的其他部位。
5.根据权利要求4所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,采用AdaBoost算法训练人体中鼻子的部位时,首先利用截取好的6万个鼻子图作为正样本,将鼻子以外的其他像素点组成的图片剪裁出15万个负样本作为负样本作为AdaBoost训练级联分类器用的样本。
6.根据权利要求5所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S3中定位鼻子时,采用一个滑动窗口在待检测的图像上面滑动,每次滑动都会根据已经训练好的模型得出一个输出,这个输出是一个列向量,列向量的最大值处就对应了相应的类,如果滑动到了某处的输出的列向量的最大值处正好对应鼻子标签向量最大值处,即鼻子定位成功;
在计算其他人体特征尺寸时以坐标系垂直鼻子和鼻子在x轴正负范围内平移的一段范围内进行定位和测量。
7.根据权利要求1所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S4中测量新用户某个具体人体部位的三维特征尺寸时包括:根据人体的某个部位的形状轮廓及其步骤S3中定位的此部位的有关位置信息,进行人体形状的拟合,然后计算拟合形状的周长,即得到三维人体特征尺寸。
8.根据权利要求7所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S4中测量新用户胸围的三维尺寸时,在正面图像中定位取胸围轮廓的两个边缘端点,并取其之间的长度作为椭圆的长直径;在侧面图像中定位取胸围轮廓的两个边缘端点,并取其之间的长度作为椭圆的短直径,利用长直径和短直径模拟确定一个椭圆,计算椭圆的周长即得胸围的近似长度。
9.根据权利要求7所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S4中测量新用户胸围的三维尺寸时,在正面、侧面和背面图像中定位取胸围轮廓的多个点进行人体胸围轮廓的拟合,取拟合的人体胸围轮廓的周长为胸围的近似长度。
10.根据权利要求1所述的基于人工智能算法的人体特征尺寸自动测量方法,其特征在于,步骤S1中对所述二维图像进行人体多个特征部位的截取时,采用人工鼠标点击测量要测量的部位,并保留鼠标点击位置的坐标点并以此为中心截取一个正方形的像素点,这些像素点组成的图片作为历史训练样本用来进行人工智能分类器的训练。
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厦门可睿特信息科技有限公司,未经厦门可睿特信息科技有限公司许可,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/201611192069.4/1.html,转载请声明来源钻瓜专利网。