[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

说明书

技术领域

本发明属于人工智能图像识别领域，特别是指一种基于人工智能算法的人体特征尺寸自动测量方法。

背景技术

在鞋服行业中，经常需要测量人体的三维尺寸，如胸围，身高，腰围等特征尺寸。现有技术中，三维尺寸一般是借助人体三维扫描设备采集人体的三维点云数据，再通过一些算法计算出人体的各个部位的特征尺寸。但是这种测量方法需要指定的地点，借助外界提供的硬件设备(如人体三维扫描仪)进行测量。上述诸多因素导致测量数据不方便，不及时，很大程度上影响用户体验。

发明内容

为解决上述问题，本发明提出一种基于人工智能算法的人体特征尺寸自动测量方法，以实现只需要人体二维照片就能自动获取人体特征部位三维数据。技术方案如下：

一种基于人工智能算法的人体特征尺寸自动测量方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，步骤S4中测量新用户胸围的三维尺寸时，在正面、侧面和背面人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。

进一步地，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。

进一步地，步骤S1中对所述二维图像进行人体至少30个特征部位的截取。

本发明一种基于人工智能算法的人体特征尺寸自动测量方法采用了一种人工智能算法，在不借助任何外界设备的前提下，根据用户提供的二维照片就可以计算出人体的一些三维特征尺寸，并且达到了很高的精度。通过采用卷积神经网络算法并且配合大数据的方案去分析用户上传的图片，并且由此计算出图片人像中各个人体特征尺寸，本发明可以计算任何部位的特征尺寸，并且在每个部位的特征尺寸的计算精度和计算速度上都有了很大的提高。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于人工智能算法的人体特征尺寸自动测量方法的流程示意图；

图2为采用本发明方法时要求的规范性的拍照站姿的正面照示意图；

图3为采用本发明方法时要求的规范性的拍照站姿的侧面照示意图；

图4为采用本发明方法时要求的规范性的拍照站姿的背面照示意图；