[发明专利]基于深度相机的人体背部脊柱中线识别方法有效
申请号: | 201810479290.0 | 申请日: | 2018-05-18 |
公开(公告)号: | CN108764089B | 公开(公告)日: | 2021-04-13 |
发明(设计)人: | 林文韬;张静;许真达;曹越;杨浩;李圳浩 | 申请(专利权)人: | 四川效率未来科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 成都虹盛汇泉专利代理有限公司 51268 | 代理人: | 王伟 |
地址: | 610041 四川省成都市中国(四川)自由*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 相机 人体 背部 脊柱 中线 识别 方法 | ||
1.一种基于深度相机的人体背部脊柱中线识别方法,其特征在于,包括以下步骤:
A、利用深度相机获取人体背部深度图像;
B、将步骤A获取的人体背部深度图像进行网格化处理,得到网格矩阵;
C、将步骤B得到的网格矩阵进行曲率化处理,得到曲率矩阵;具体为:计算步骤B得到的网格矩阵沿水平方向的二阶导数和一阶导数,再采用曲率公式结合得到的二阶导数和一阶导数得到曲率矩阵;所述曲率公式表示为:
其中,k表示曲率,y为深度相机得到的深度图像;
将曲率矩阵中曲率为负的曲率值置零,曲率矩阵中曲率大于1的曲率值置零,曲率矩阵中孤立的曲率值置零;
D、根据步骤C得到的曲率矩阵提取背部中线区域;具体为:将曲率矩阵进行腐蚀操作,并划分为多个特征区域;再去除孤立点,并进行膨胀操作;提取曲率矩阵的最大连通域,得到背部中线区域;
E、获取隆骨点坐标与胯骨点坐标,结合步骤D得到的背部中线区域进行三次样条插值拟合处理,得到人体背部脊柱中线;具体为:获取隆骨点坐标与胯骨点坐标并转化为深度图像坐标;将步骤D得到的背部中线区域的左右边界取边界中值,得到部分脊柱中线;选取隆骨点坐标与部分脊柱中线上顶点相连的直线上的离散点坐标,及两个胯骨点连线中点坐标与部分脊柱中线下顶点相连的直线上的离散点坐标,结合部分脊柱中线进行三次样条插值拟合处理,得到人体背部脊柱中线。
2.如权利要求1所述的基于深度相机的人体背部脊柱中线识别方法,其特征在于,所述选取隆骨点坐标与部分脊柱中线上顶点相连的直线上的离散点坐标,及两个胯骨点连线中点坐标与部分脊柱中线下顶点相连的直线上的离散点坐标,结合部分脊柱中线进行三次样条插值拟合处理,得到人体背部脊柱中线,具体包括以下分步骤:
S1、构建三次样条插值拟合模型;
S2、根据隆骨点与两个胯骨点连线中点确定方程的边界坐标,构建三对角矩阵方程组;
S3、采用追赶法求解步骤S2构建的三对角矩阵方程组,得到对角线参数;
S4、根据步骤S3得到的对角线参数重构各点间的三次方程,得到三次样条差值系数;
S5、在每个区间xixxi+1中,将步骤S4重构的各个方程逐点描出,得到拟合后的脊柱曲线。
3.如权利要求2所述的基于深度相机的人体背部脊柱中线识别方法,其特征在于,所述三次样条插值拟合模型具体表示为:
Pi(x)=ai+bi(x-xi)+ci(x-xi)2+di(x-xi)3
其中,ai,bi,ci,di为三次样条差值系数,xi为第i个离散点的x坐标,x为生成的拟合曲线的x坐标。
4.如权利要求3所述的基于深度相机的人体背部脊柱中线识别方法,其特征在于,所述三对角矩阵方程组具体表示为:
其中,mi为第i段拟合曲线的导数,hi为第i个离散点的y坐标,mi=Pi′(xi),hi=xi+1-xi。
5.如权利要求4所述的基于深度相机的人体背部脊柱中线识别方法,其特征在于,所述三次样条差值系数具体表示为:
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四川效率未来科技有限公司,未经四川效率未来科技有限公司许可,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/201810479290.0/1.html,转载请声明来源钻瓜专利网。