[发明专利]一种基于体重身高及身体影像的体型数据计算方法

权利要求书

1.一种基于体重身高及身体影像的体型数据计算方法，其特征在于：包括以下步骤：

步骤1：采用体型信息：采用十二类人体体型，采用的人体数据组包括人体胸围、人体臀围、人体腰围、人体腿长、人体小腿长、人体大腿围和人体上身长共计七组数据；

步骤2：采集样本数据：采集上述十二类人体体型信息数据样本共计一万份，并且通过人工测量和设备测量的方式测量出样本的体型分类和人体数据组；

步骤3：输入数据测量采集：针对上述样本进行测量，测量需要使用标准化的设备进行以下数据的测量：身高、体重、8电极体脂传感器数据和人体影像数据；

步骤4：构建L-CNN：构建一个分类神经网络L-CNN，将获取身高、体重、8电极体脂传感器数据和人体影像数据作为输入，十二类人体体型样本信息数据作为监督学习的标签，训练得到一个n分类的人体体型分类神经网络，n=12；

步骤5：构建R-CNN：构建一个回归神经网络R-CNN，将获取身高、体重、8电极体脂传感器数据和人体影像数据作为输入，步骤2中的N组体型数据作为监督学习的标签输入到神经网络中进行监督训练，N=7，这样可以分别得到用于体型数据分类的L-CNN神经网络和人体数据推断的R-CNN神经网络；

步骤6：超宽带雷达成像：使用超宽带雷达对用户进行检测，对输入接收的超宽带雷达信号并进行三维BP成像，得到三维成像结果，对超宽带雷达信号的三维BP成像结果进行检测，获得三维成像区域，然后将连续多帧超宽带雷达成像结果输入resnet网络进行特征提取，使用headnet网络将resnet网络提取的特征转换为各个骨骼点概率分布，并将所有骨骼点坐标按照顺序连接，形成超宽带雷达的人体信息；

步骤7：得到用户人体信息：通过标准的身高和体重测量工具得到用户的体重身高数据，通过标准的8电极体脂传感器获取到用户的体脂数据，通过摄像头拍摄到用户的人体影像图片，将以上数据分别同时传入到L-CNN和R-CNN中，得到用户人体体型分类和7组人体数据信息；

步骤8：获得三维人体模型：通过获取到的用户人体体型分类和7组人体数据信息后得到比较准确的人体信息，以及超宽带雷达的人体信息，将二者对比合并，对预设的三维人体进行相应的数据变形和匹配，而获得准确的三维人体模型。

2.根据权利要求1所述的一种基于体重身高及身体影像的体型数据计算方法，其特征在于：所述步骤1中，十二类人体体型分别划分为：苹果型、H型、梨型、细沙漏型、长方形、V型、圆型、胖沙漏型、五五型、瘦小型、超高型和I子型。

3.根据权利要求1所述的一种基于体重身高及身体影像的体型数据计算方法，其特征在于：所述步骤2中，样本的体型共计十二类，每一类均包括人体胸围、人体臀围、人体腰围、人体腿长、人体小腿长、人体大腿围和人体上身长。

4.根据权利要求1所述的一种基于体重身高及身体影像的体型数据计算方法，其特征在于：所述步骤3中，人体影像数据为使用摄像头捕捉到的人体数据图像。

5.根据权利要求1所述的一种基于体重身高及身体影像的体型数据计算方法，其特征在于：所述步骤6中，输入接收超宽带雷达的信号，然后进行三维BP成像，最终得到探测场景的三维成像结果数据。

6.根据权利要求1所述的一种基于体重身高及身体影像的体型数据计算方法，其特征在于：所述步骤6中，将超宽带雷达三维成像结果沿着高度向取最大值，得到最大值投影结果，根据目标位置从测试场景的整体三维成像结果中截取目标附近的三维成像区域作为人体目标的三维成像结果。

7.根据权利要求1所述的一种基于体重身高及身体影像的体型数据计算方法，其特征在于：所述步骤6中，对人体目标的三维成像结果分别做方位向、距离向和高度向的最大值投影，得到三个成像结果Iyz、Ixz、Ixy，将人体目标的连续多帧最大值成像结果输入已经训练好的resnet-18网络中，对人体目标对应雷达图像进行特征提取，生成特征矩阵。