[发明专利]一种基于图像识别算法的拍照测身材方法

权利要求书

1.一种基于图像识别算法的拍照测身材方法，其特征在于，包括有以下步骤：

S1、收集大量的数据信息和图像信息进行输入，完成对模型的建立：在进行身材方法预测系统的建立之前，先收集大量的身材图像和身材数据信息输入到模型内，模型通过图像识别算法进行计算，建立完整的身材预测模型；

S2、然后在需要进行身材预测的时候，先对人体进行拍照，再将各项参数输入到模型中：在进行身材预测之前，先对人体进行拍照，将人体照片输入到模型中，然后再将人体的各项参数选择性的进行输入；

S3、首先对人体图像进行处理，使得人体图像能够保持清晰完整：在系统进行图像采集之后，然后对图像进行预处理，实现对图像进行灰度调节，然后通过图像识别算法对图像进行计算，实现对人体中的各处尺寸进行计算测量；

S4、结合图像对人体计算的各项参数以及输入的参数实现对人体进行身材预测：根据图像识别算法对人体图像中的各项参数进行计算，以及结合输入的各项参数，对身材进行计算，完成对身材中的各项指标进行输出；

S5、根据输出的各项指标对身材进行预测，并且给出身材管理的建议：系统中的模型根据各项指标的输出，判断身材的优良，并且对身材管理给出意见。

2.根据权利要求1所述的一种基于图像识别算法的拍照测身材方法，其特征在于：所述S1中的收集的大量身材图像和身材数据信息要一一对应，并且选取的信息数量要均匀的分布，即分布范围包括有瘦小、中等、肥胖和特胖四种参数范围。

3.根据权利要求2所述的一种基于图像识别算法的拍照测身材方法，其特征在于：所述瘦小、中等、肥胖和特胖四种参数范围在选取的时候要随机选取，不能够进行特意选取，使得四种参数范围要均匀分布，使得模型参数多样化。

4.根据权利要求1所述的一种基于图像识别算法的拍照测身材方法，其特征在于：所述S1中的图像识别算法包括有SIFT定位算法、FAST角点特征提取和卷积神经网络。

5.根据权利要求4所述的一种基于图像识别算法的拍照测身材方法，其特征在于：所述SIFT定位算法利用原始图像与高斯核的卷积来建立尺度空间，并在高斯差分空间金字塔上提取出尺度不变性的特征点，所述SIFT定位算法步骤如下，第一步：高斯差分金字塔的构建，用组与层的结构构建了一个具有线性关系的金字塔结构，让我们可以在连续的高斯核尺度上查找特征点；第二步：特征点的搜索，主要的关键步骤是极值点的插值，因为在离散的空间中，局部极值点可能并不是真正意义上的极值点，真正的极植点可以落在了离散点的缝隙中，所以要对这些缝隙位置进行插值，然后再求极值点的坐标位置，另一关键环节是删除边缘效应的点，因为只忽略那些DoG响应不够的点是不够的，DoG的值会受到边缘的影响，那些边缘上的点，虽然不是斑点，但是它的DoG响应也很强，所以要把这部分点删除，利用横跨边缘的地方，在沿边缘方向与垂直边缘方向表现出极大与极小的主曲率这一特性，所以通过计算特征点处主曲率的比值即可以区分其是否在边缘上，这一点在理解上可以参见Harris角点的求法；第三步：特征描述，即为特征点的特征描述，特征点的方向的求法是需要对特征点邻域内的点的梯度方向进行直方图统计，选取直方图中比重最大的方向为特征点的主方向，还可以选择一个辅方向，在计算特征矢量时，需要对局部图像进行沿主方向旋转，然后再进邻域内的梯度直方图统计。

6.根据权利要求4所述的一种基于图像识别算法的拍照测身材方法，其特征在于：所述FAST角点特征提取要判断一个候选点是否为角点，依据的是在一个像素点为圆心，半径为3个像素的离散化Bresenllam圆周上，在给定阈值的条件下，确定在圆周上有多个连续的像素灰度值大于或小于，且为了加快算法的检测速度，使用机器学习ID3贪心算法来构建决策树。

7.根据权利要求4所述的一种基于图像识别算法的拍照测身材方法，其特征在于：所述卷积神经网络通过输入的身材数据信息实现对身材的宽度进行比值计算，进而实现对身材的宽度进行有效的计算处理。