（服装设计与工程专业论文）非接触式人体三维测量—人体特征点识别及轮廓线提取.pdf

a b s t r a c t a b s t r a c t m o d e mc l o t h i n g m a n u f a c t u r i n gh a sb e e ng r a d u a l l yu s i n gc a d i n c l o t h i n g d e s i g n ，t h ea c c u r a t eb o d ys i z ei sk e yt oe n s u r et h ei m p l e m e n t a t i o no fc l o t h i n g p r o d u c t i o n n et r a d i t i o n a lm a n u a lm e a s u r e m e n tm e t h o do b v i o u s l yd o e sn o tm e e tt h e a b o v er e q u i r e m e n t s a st h ef e a t u r eo fm o d e mh u m a nm e a s u r e m e n tt e c h n o l o g y 3 d h u m a nb o d ym e a s u r e m e n tt e e l m o l o g yc a no v e r c o m et h es h o r t c o m i n g so ft r a d i t i o n a l m a n u a lm e a s u r e m e n t ，a n dh a st h ec h a r a c t e r i s t i c so ff a s ta n da c c u r a t e c u r r e n t l y , t h e t e c h n i q u ei si nt h es t a g eo fs t a r ti no u rc o u n t r ya n di sp o p u l a ri nt h ew o r l d ，s oi t s r e s e a r c hh a sl a r g es p a c e t h i sp a p e rd i s c u s s e st h er e c o g n r i o no fh u m a nf e a t u r ep o i n t sa n dt h ee x t r a c t i o n o fm a i nc o n t o u rl i n e t h ec o n t e n ti n c l u d e sf i v eu n i t s ： u n i tl ：w ei n t r o d u c et h es t a t eo f3 dh u m a nb o d ym e a s u r e m e n tt e c h n o l o g y ，a n d b r i n gf o r w a r d t h eb a c k g r o u n d 、m e a n i n ga n dt e c h n o l o g yr o u t eo ft h er e s e a r c h u n i t2 ：w ed e s c r i b et h ea c q u i s i t i o na n d p r o c e s s i n go fh u m a nb o d yd i g i t a li m a g e ， s u c ha st h ec h a n g eo fi m a g ef r o mm u l t i c o l o rt og r e y , t h r e s h o l dt r a n s f o r m t h i si st h e b a s i sf o rt h er e c o g n i t i o no fh u m a nf e a t u r ep o i n t s u n i t3 ：w ea n a l y z et h ec h a r a c t e r i s t i c so ff e m a l eb o d y , a n dt h e nm a i n l yi n t r o d u c e h o wt or e c o g n i z ef e a t u r ep o i n t sf r o mt h eb o d y u n i t4 ：w ei n t r o d u c et w om e t h o d so fc u r v ef i u i n g , a n dt h e nm a k eu s eo ft h e mt o e x t r a c tb o d yc o n t o u rl i n e ，f m dt h eo p t i m u mf i t t i n gm e t h o d u n i t5 ：w eu s ev bt op r o g r a mt h ei m a g ei no r d e rt og e tb o d yf e a t u r ep o i n t sa n d c o n t o u rl i n e k e yw o r d s ：b o d ym e a s u r e m e n t ，i m a g ep r o c e s s i n g , e d g ed e t e c t i o n ，s p l i n ec u r v e ， c u r v ef i t t i n g , v b 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的 研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得丞洼王些太堂或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示了谢意。 学位论文作者签名：狮 签字日期_ 坷年二月日 学位论文版权使用授权书 本学位论文作者完全了解丞洼王些太堂有关保留、使用学位论文的规定。 特授权云整王些盍堂可以将学位论文的全部或部分内容编入有关数据库进行 检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学 校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：狮 签字日期：沁习年月f 日 导师签名：影移l 一 导师签名：少湖l 一 签字日期：汐7 年p 月 日 学位论文的主要创新点 一、采用曲线拟合方法确定与净体轮廓曲线相匹配的矢量化算法，即人体轮廓曲 线模型。通过实验与数据分析确定以三次样条曲线进行轮廓拟合。 二、结合人体测量的特点，提出利用基于阈值的数字图像边缘分割原理来进行人 体的边缘检测；通过分析人体数字图像的灰度直方图，利用最大类问方差阈值法 找到数字图像中人体和背景的最佳分割阈值。 三、通过对人体数字图像各个关键部位进行点、线特征分析，总结出具有针对性 的识别方法，能够准确获得人体轮廓有效特征点信息。在系统中实现了利用点信 息重构躯干轮廓曲线的关键性步骤，并进一步在拟合曲线上获取各测量部位的特 征点信息，可直接用于尺寸计算。 第一章绪论 第一章绪论 1 1 三维人体测量技术的发展现状 人体测量技术的发展，经历了由接触式到非接触式、由二维到三维的过程。 随着计算机视觉技术的兴起，非接触式三维测量已成为现代人体测量技术的主要 特征。三维人体测量技术是以现代光学为基础，融光电子学、计算机图形学、信 息处理、机械技术、电子技术、计算机视觉、软件应用技术和传感技术等科学技 术于一体的测量技术【1 l 。它在测量人体时把图像当作检测和传递信息的手段或载 体加以利用，从人体图像中提取有用的信息。三维人体测量技术的优势主要体现 在以下四个方面：( 1 ) 测量时间短。由于测量时人体胸腹等部位因呼吸而处于经 常的变动之中，身体姿势也会发生变化，在短时问里测量全身尺寸，以提高测量 结果的准确性。( 2 ) 测量容易、准确。测量装置操作简单，易于掌握，可以消除 人为操作造成的误差，测量精确度高。( 3 ) 测量后的人体可以离线处理，自动化 程度高。( 4 ) 测量部位多。可以测量人体多部位尺寸，不局限在胸围、腰围和臀 围等尺寸，能够全面体现人体体型。 目前国内外研究开发的人体三维测量方法较多，下面介绍目前主要的三种不 同测量技术及其应用。 ( 1 ) 激光测量法运用多个激光测距仪( 由激光和c c d 摄像机组成) 对被 测者从多个方位进行测量，摄像机接受激光光束射向人体表面的反射光，与测量 仪同步移动时，根据受光位置、时间间隔、光轴角度，通过计算机算出人体同一 高度若干点的坐标值，从而测得人体表面的全部数据。这种方法测量准确，速度 相对较快，但成本很高。美国的c y b e 刑a r e 系统和德国的t e c h m a t h 扫描仪是这 种技术的代表性产品，其中c y b e r w a r c 系统是首位为服装应用而引进的w b 2 和 w b 4 全身激光扫描仪，它将一束光从激光二极管发射到人体表面，然后使用一 个镜面组合从两个位置同时取景。从一个角度取景时，激光条纹因物体的形状而 产生形变，传感器记录这些形变，产生人体的数字图像。当扫描头沿着扫描高度 空间上下移动时，定位在四个扫描头内的照相机记录人体表面信息，将每个扫描 头得到的分离数据文件在软件中合并，产生一个全方位的r g b 彩色人体图像阁。 它在1 0 2 0 秒内完成扫描，可以准确捕捉到人体的侧面以及很难到达的面积如人 的腋下。t e c h m a t h 扫描仪是轻便携带的，可以摄取人体不同姿势，特别的摄像 机则放在四支二极管镭射绕射光源前面。它在2 0 秒内完成扫描过程，可捕捉人 第一章绪论 体8 万个数据点，获得人体相关的8 5 个部位尺寸值，精确度为0 2 毫米。 ( 2 ) 白光相位法采用一般的白光照明，光栅经过光学投影装置投影到被 测者身体上，由于人体表面的凹凸不平，光栅图产生畸变而携有人体表面轮廓信 息，然后输入计算机进行数字图像处理，求得畸变光栅的相位分布图，从而取得 人体的三维信息。美国纺织服装技术中心1 产分层轮廓测量法是白光相位法最具 代表性的应用，它利用白色光源来投射正弦曲线在物体表面，当物体不规则的形 状令投射的密栅影子变形，产生的图样将可表示物体表面的轮廓，并用六部摄影 机检测，然后将所摄取的影像合成为一完整形象。它可以在6 秒的时问里通过人 体4 5 万个点的扫描采集人体8 0 万个数据，形成8 0 多个人体尺寸数据，全面精 确地反映人体体型情况。 ( 3 ) 红外线测量法它主要利用人体本身为一热源这点，皮肤表面能够发 出波长在8 1 4 微米的红外射线，采用相应的红外传感器接收这些红外射线，获 得人体热象，再经过计算机分析处理得到准确的人体尺寸。这种技术能排除人体 着装的影响，获得所需的人体裸尺寸，但是它一般应用于军事工业、卫星技术、 气象预报、医学等方面。日本的h a m a m a t s u 人体线性扫描系统使用红外发射二 极管得到扫描数据。光源从发射镜头以脉冲的形式产生，由物体反射后通过探测 器镜头收集。探测器镜头是圆柱形镜头和球形透镜的组合，能在位置传感探测器 ( p s d ) 上产生一片光柱，用于确定大量像素的中心位置，人体尺寸由一个特殊 尺寸装置从三维点云中析取i z l 。 综上所述国外利用这些技术研制的三维测量系统比较成熟，而我国在这方面 起步较晚，近几年有一些院校和科研单位开始研究，取得一定的进步，如由总后 军需装备研究所和北京服装学院共同研制的“人体尺寸测量系统”，它通过普通 白光光源，摄取人体前后投影光栅相位变化，取得人体三维信息。由香港理工大 学制衣系研制的采用固定光源技术的c u b i c a m 人体三维扫描系统，运用大范围的 光学设计能够在较短距离内获取高分辨率的图像以此来进行三维测量p i 。 1 2 三维人体测量技术的应用 通过三维测量系统可以快速、准确地进行大量的人体测量的特点，我们可以 灵活准确地对不同客体人群、地域、国家的人体进行测量，获得有效数据，建立 客观、精确反映人体特征的人体数据库，为服装行业及服装科研提供基础的数据 依据。三维人体测量技术对服装业的发展具有重要的研究和应用价值，主要体现 在三个方面： ( 1 ) 服装业及科研研究的数据基础人体测量工作是服装号型标准制定工 2 第一章绪论 作的基础。国标测量时采用三维人体测量系统可以大大提高测量效率和精度，并 能细分测量部位，从而为体型划分、建立新的服装号型标准和建立我国人体体型 数据库提供更为细致准确的数值依据，还可以利用所得到的详细尺寸数据和空间 形态特征，深入研究人体体型，为服装用标准人台及原型设计提供数据依据【4 】。 恒源祥集团和东华大学合作建立了一个男子体型数据库，他们利用1 e 测量系统 对中国北方、华东、西南和中原四个地区的成年男子进行大规模的人体测量，在 参照g b l 3 3 5 - 9 7 的同时，研究者采用统计中变量选择方法按照胸腰差的数据值 将男子的体型划分成五种( 比国家标准多了一种) ，更全面地反应中国男性体型 变化的规律。 ( 2 ) 度身定做它已经不是原来意义上的完全手工操作，也不同于传统的按 号型批量生产的方式，而是一种完全以顾客为中心的服装生产制作系统，一种高 度自动化的工业化生产方式。流程如图1 - 1 所示。 选定服装款式和面 料 运用生产系统制作服 装 三维测量系统 进行人体测量 自动单件裁剪 自动计算所测数据 并转化为服装尺寸 打版、放码、排 料 图1 1 度身定做流程图 “度身定做”系统采用先进的制版和裁剪技术，最主要的是先进的测量系统 取代了传统的手i n 量，从而使所测数据能适用于度身定做服装。如英国的b s i r d m e n s w e a r 西服公司，其销售到国内和国际市场的西服中有8 0 是通过“度身定 做”系统完成的，并且服装系列涵盖了由不同款式、颜色和规格组成的许多种组 合。 ( 3 ) 虚拟试衣运用三维测量系统获得人体的数据，建立三维服装模型，利 用服装模型进行二维服装衣片的设计，并把服装衣片缝合穿戴在模特身上，设置 实际的穿着环境，动态模拟服装的穿着效果，根据穿着效果进行修改，直至得出 合适的效果。如美国的l a n d * s e n d 公司在互联网上可建立顾客的人体虚拟模型， 顾客只要点击“t r y i t o n ”按钮，虚拟模型就可试穿该公司推出的服装，还可利 用超维设计系统对试穿服装进行服装互动设计，直到顾客满意为止。 1 3 本课题的背景、意义及研究方法 3 第一章绪论 我国是一个服装制造和出口大国，2 0 0 5 年我国纺织品和服装出口值达到一 千两百亿美元，其中服装出口占了百分之六十多，但是我国服装企业的设计、制 造、管理技术远远不能满足当前国内外服装市场发展的需要。现在的市场要求服 装企业对其做出快速准确地反应，实现敏捷制造和销售，消费观念的变革使选择 服装商品时更注重时尚化和个性化，服装企业必须向多品种、小批量和柔性加工 的生产模式发展。随着计算机技术和网络技术飞速发展，我国服装工业的数字化 势在必行，而人体三维测量技术所获得的三维数据则为服装工业的数字化提供了 基础。国际上经过多年的研究和开发，已经有技术相对成熟的三维测量系统，但 是这些系统无论是硬件还是软件，价格非常昂贵，需要一百万元左右，这对于我 国服装企业来说无疑是一笔很大的费用。另外现有的系统都要求被测者身穿紧身 衣甚至要脱去衣服，给被测者带来很大的不便。 本课题针对以上两点进行研究，主要任务是通过利用计算机图像学，通过普 通c c d 相机获得穿着紧身衣状态下人体正面和侧面图像，对人体特征点进行识 别，并在此基础上对本次重点研究对象即人体颈肩和躯干部分的轮廓曲线进行拟 合，找出合适的拟合函数。课题的意义在于：( 1 ) 为人体建模做准备，即利用三 维空间点来组成人体的外形轮廓。( 2 ) 实现在自然着装状态下排除穿着服装的影 响进行人体轮廓提取，在提取的人体轮廓基础上进行人体尺寸测量。其主要工作 如下： 一、以计算机图像学知识为基础，利用c c d 相机拍摄人体正面和侧面图像， 并对获取图像进行处理，包括图像的灰度化处理、边缘检测等。 二、根据女性人体体型特征，对人体特征点进行分析和识别，最后运用曲线 拟合的方法对女性人体颈肩和躯干部位轮廓线进行拟合。 三、针对上述操作，设计实验方案，利用编程软件对人体特征点的识别和曲 线拟合进行总体实现。 课题的技术路线如图1 2 。 4 第一章绪论 样本采集 j 人体数字图像处理 j 人体特征点线的确定 j 颈肩和躯干部位轮廓线拟合 i 总体编程实现 图1 2 本课题的技术路线 5 第二章原始图像的获取与处理 第二章原始图像的获取与处理 拍摄人体图像是本次研究的第一步，为了尽量减少测量误差，我们对拍摄过 程有一些具体要求，获取清晰、准确的人体图像是保证研究成功的基础。对图像 进行一些处理是很有必要的，后续的图像分析和图像理解等高层操作都是建立在 此基础上。本次对图像的处理主要包括灰度化处理、二值化处理、边缘检测等内 容，以达到便于计算机后续处理的目的。 一般情况下，在图像处理系统中进行图像数据的传输与转换时总会在某种程 度上造成图像质量的下降f 5 】，从而影响了最终图像处理结果的精确程度。另外， 拍摄的原始图像中包含了多个物体的信息，而有些物体的信息与研究的问题没有 联系，为了使图像更适合观察和识别，我们去除了这些无关物体的信息。在图像 处理过程中，为了便于分析图像的特征，常常需要从整体图像中把对象物体分离 出来，把物体和背景作为分离的二值图像对待，从而简化了分析处理的过程。图 像的边缘是图像最基本的视觉特征，主要存在于目标与目标、目标与背景、区域 与区域之间，边缘信息成为图像分割所依赖的重要特征，所以边缘检测是图像处 理过程中主要的特征提取手段。 2 1 原始图像的获取 本次研究的首要问题是利用人体图像来识别人体特征点，采用普通相机拍摄 人体正面和侧面图像是本次研究的第一个步骤，为了便于分析和处理，我们对拍 摄的过程有一些具体要求，如数码相机位簧的摆放、人体姿势的选择等，具体的 拍摄过程和要求如下： 2 1 1 拍摄对象的选择 本课题的研究对象为青年女性。人体体型受人种、年龄、地域、生活方式等 多种因素的影响，各因素对体型的影响最终导致人体“形”的差异。不同的地域、 年龄段的人体体型并非完全不同，只是不同的体型所占的比例有所差异。例如， 在中年女性中，b 体型的人较多，而在青年女性中a 体型的人较多。人体的形体 特征是服装结构设计和制作的基础和依据，因此对于服装合体性来说，我们只考 虑人体的“形”。本次人体测量对象的选择，对地域不加限制，年龄范围在1 8 - 2 4 岁之间，身高范围在1 5 0 1 7 5 厘米之间，样本量为4 0 人。 6 第二章原始图像的获取与处理 2 1 2 主要设备 型号为c - 2 5 0 0 、2 5 0 万像素的奥林巴斯数码相机，可固定三角相机架，电子 计算机，图像采集卡，三维立体标定框。 2 1 3 拍摄程序 ( 1 ) 将可固定三角相机架固定于标定框正前方，调整数码相机与被测量者 之间的距离确保拍摄图像的清晰性。经过多次调试确定，本次拍摄中数码相机的 镜头与被测者之间的距离为2 5 0 厘米，镜头中心与地面之问的高度为8 0 厘米。 调整并固定数码相机的各项性能指标，如：光圈大小、快门速度等。 ( 2 ) 本次拍摄以白色墙壁为背景，被测量者穿着黑色弹力吊带衫和弹力裤， 与白色墙壁的对比效果好，拍摄过程中要保证测量姿势应尽可能从前面暴露人体 边缘轮廓曲线，人体的轮廓与特征点必须在图像中可分辨确认。人体姿势具体要 求如下：拍摄正面图像时被测者头发束起，挺胸直立，平视前方，肩部松弛， 双臂分开，左右两脚分开，两脚之间的距离基本等于肩宽，站于立体标定框地面 中央两侧，露出颈部、肩部、腋下点、裆点等测量部位，使之能在图像中易于辨 别；拍摄侧面图像时被测者立姿站立，双臂自然下垂并伸直轻贴躯干，不能遮挡 人体前后的轮廓线，左、右足跟并拢且前端分开呈4 5 度角，站于标定框底面中 线的两侧。 ( 3 ) 由于光线明暗问题，在有日光灯的情况下进行拍摄的，但要确保拍摄 图像上没有它的投影，以及人体边缘轮廓曲线不能出现阴影部分，否则就会影响 对图像的边缘检测。 ( 4 ) 分别对每一个被测量对象的正面和侧面进行拍摄，接着将拍摄图像及 时储存在s m a r tm e d i a 卡中，并通过数据线传至电子计算机中，以便于下一步 对图像进行处理。本次数字图像是以j p e g 格式储存的。 ( 5 ) 为了有利于对图像的处理以及后续工作，利用p h o t o s h o p 软件对拍摄 图像进行一些调整，另外还运用此软件将被拍摄者的面部遮盖住。 为了最大限度地减少测量误差，必须严格按照上述要求进行拍摄，拍摄的图 像如图2 一l 所示， 图( a ) 、c o ) 分别为正面和侧面图像。 7 第二章原始图像的获取与处理 图2 - 1 拍摄图像 2 2 彩色图像的灰度化处理 对于彩色图像，它的显示必须从三原色r g b 概念说起。众所周知，自然界 中的所有颜色都可以由红绿蓝( r 、g 、b ) 三原色组合而成。其中针对红色成分 而言，人为地将它分成0 到2 5 5 共2 5 6 个等级，0 级表示不含有红色成分，2 5 5 级表示含有1 0 0 的红色成分。同样绿色和蓝色也被分成了2 5 6 级。这样根据红、 绿、蓝各种不同的组合我们就能表示出许多种颜色。而灰度图则是只含有亮度信 息，不含有色彩信息的图像，正如我们平时看到的亮度由暗到明的黑白照片，变 化是连续的。因此要表示灰度图，就要把亮度值进行量化。通常划分成o 到2 5 5 共2 5 6 个级别，0 表示最暗即全黑，而2 5 5 表示最亮即全白。 由彩色转化为灰度的过程叫灰度化处理，是使r g b 模型中的三个分量值相 等，把含有亮度和色彩的彩色图像变换成灰度图像的过程。彩色图像每个像素用 3 个字节表示，每个字节对应着r 、g 、b 分量的亮度( 红、绿、蓝) ，转换后的 黑白图像的一个像素用一个字节表示该点的灰度值，在0 - 2 5 5 之间，值越大，该 点越白，即越亮：越小则越黑。将彩色图像转变成灰度图可以使后续的图像的计 算量变得少一些，而且灰度图的描述与彩色图像一样仍然反映了整幅图像的整体 和局部的色度和亮度等级的分布和特征。 图像的灰度化处理可用三种方法来实现。第一种方法是取三个分量的算术平 8 第二章原始图像的获取与处理 均值作为转换后的灰度值。第二种方法是根据j v 的颜色空间中，y 的分量的 物理意义是点的亮度，由该值反映亮度等级，根据r g b 和颜色空间的变 化关系可建立亮度y 与r 、g 、b 三个颜色分量的对应： y q ，) 一o 2 9 9 r ( i ，) + 0 5 8 7 g ( i ，) + 0 1 1 4 b ( i ，) ，以这个亮度值表达图像的灰度 值。第三种方法是取三个分量的最大值或者最小值作为转换后的灰度值。本文采 用的是第一种方法，其具体方法是：求出每个像素点的r 、g 、b 三个分量的平 均值，然后将这个平均值赋予给这个像素的三个分量。程序流程图如图2 2 所示。 图2 2 灰度化处理流程图 利用上面的流程图编写的程序将拍摄的正面和侧面图像转化为灰度图，其结 果如图2 - 3 所表示。 9 第二章原始图像的获取与处理 2 3 二值化处理 图2 - 3 灰度化处理图 图像的二值化处理是指将图像上的点的狄度值设置为0 或2 5 5 ，也就是整个 图像呈现出明显的黑白效果，即将2 5 6 个亮度等级的灰度图像通过适当的阈值选 取而获得仍然可以反映图像整体和局部特征的二值化图像。图像二值化的目的是 为了从原始图像中检测出对象物。在数字图像处理中，二值图像占有非常重要的 地位1 7 1 。要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化 图像，这样有利于对图像做进一步处理，二值图像的集合性质只与像素值为o 和2 5 5 的点的位置有关，不在涉及像素的多级值，使处理变得简单，而且数据的 处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不 交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值 为2 5 5 ，否则这些像素点被排除在物体区域以外，灰度值为0 ，表示背景或例外 的物体区域。 二值化处理的具体变换过程为：先制定一个灰度阈值t ，如果图像中某个像 素点 ，y ) 的灰度值， ，y ) 小于该阈值，则将其灰度值设置为0 ( 黑) ，否则灰度 值为2 5 5 ( 白) 。设变换后该像素点的灰度值为g o ，y ) ，灰度阈值变换的数学表 达式为 1 0 第二章原始图像的获取与处理 这样可以用一个比特而不是一个字节来存储一个像素的值，整幅图像的存储 就会被压缩了8 倍，大大节约了图像数据的存储空间，此外，这种存储方式还有 利于直接对图像数据进行与、或、取反等位操作。由上述论述可知，阙 值的选择在二值化处理中是非常重要的。关于阈值的选择我们将在后面进行详细 介绍。 要想对人体进行自动测量，我们先要从拍摄的数字图像中获得人体的外部轮 廓特征也就是提取人体的轮廓线，而进行提取的图像必须是二值化后的图像，所 以我们要对图像进行二值化处理。 2 4 数字图像分割 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部 分常称为目标或前景，其他部分称为背景，它们一般对应图像中特定的、具有独 特性质的区域。为了辨识和分析目标，需要将这些有关区域分离出来，在此基础 上才有可能对目标进一步利用，如进行特征提取和测量。图像分割就是指图像分 成各具特性的区域并提取出感兴趣的技术和过程。 采集的图像中i j i 景图像和背景图像经常混淆在一起，使得图像中既有背景又 有目标，我们在研究过程中，只需要得到图像中的人体部分，所以需要将人体与 背景图像分离出来，这就需要用到图像分割技术，它是随后进行人体特征点识别 的基础，分离效果的好坏也是系统成功与否的关键。 2 4 1 图像边缘检测 第二章原始图像的获取与处理 边缘是指图像局部灰度变化最显著的部分，蕴涵了丰富的内在信息( 如方向、 阶跃性质、形状等) ，是纹理特征提取和形状特征提取等图像分析的重要基础。 从本质上说，图像边缘是图像局部特性不连续性( 灰度突变、颜色突变等) 的反 映，它标志着一个区域的终结和另一个区域的开始【8 l 。物体的边缘总是以强度突 变形式出现的，包含了物体形状的重要信息，有着特别重要的意义，有时单凭一 条粗糙的边缘就能识别出目标，所以在图像识别和分析中物体边缘检测一直很受 人关注。 图像边缘检测是对图像生成的数字矩阵进行逐个检测，先检测每个像素和其 直接邻域的状态，以决定该像素是否处于一个物体的边界上，具有所需特性的像 素被标记为边缘点，当图像中每个像素的灰度级用来反映该像素符合边缘像素的 程度时，这种图像被称为边缘图像或边缘图，也可以用仅表示边缘点的位置而没 有强弱程度的二值图像来表示。如果一个像素落在图像中某个物体的边界上，其 邻域将成为一个灰度级变化带。从图像中获得准确的人体边缘信息是本次研究的 关键技术。 2 4 1 1 图像的数字化 我们知道，计算机所能处理的信号必须是数字信号，而得到的照片信息都是 连续信号，为此要对连续信号进行数字化处理。数字图像在计算机内处理时往往 是将其视为一个矩阵来处理的。对图像， ，y ) 取样，设取m x n 个数据，将这些 数据按取样点的相对位置排成一个数阵，然后对每个阵元量化，从而得到一个数 字矩阵i 射，我们用这个矩阵代替函数，0 ，y ) ，即是说数字图像可以用一个矩阵 表示。矩阵的元素称为数字图像的像素或像元。上述过程可表示如下： ， ，y ) 翌 ， 。，y o ) 厂“，y 。) ， m 小y 。) ，o 。，y 。) 厂瓴，y 。) ， m - 1 ，y 1 ) 一 厂( f ，) l 。当k ( f ，j ) 】l i ，。 厂 。，y v 一。) ， ，y 心) ， 肘- 1 ，y - 1 ) 其中i ，j 表示矩阵中每个像素点的位置， ( f ，) 代表经过量化后的像素值， 其取值称为狄度，一幅图像的灰度种类称为灰度级。 2 4 1 2 基于求导的边缘检测算法 1 2 第二章原始图像的获取与处理 基于求导的边缘检测算法主要有r o b e r t s 算子、p r e w i t t 算子、s o b e l 算子以 及拉普拉斯算子。 利用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置；用 一i 阶导数的过零点检测边缘位置，而用二阶导数在过零点附近的符号可确定边缘 像素在图像边缘的暗区或明区。 梯度对应一阶导数对一个连续函数，似) ，) ，它在位置0 ，y ) 的梯度可表示为一 个矢量： v ，似y ) - 阪q 】7 一芸蒡1 1 ( 式2 一1 ) 这个矢量的幅度l v ，k ) ，】和方向角妒o ，) ，) 分别为： l y n x ，) ，h 。匠+ g ；1 胆 妒o ，) ，) - a r c t a n g ，g x ) ( 式2 - 2 ) ( 式2 - 3 ) 在实际中，常用小区域模板卷积来近似计算偏导数。对g 和g v 各用一个 模板，所以需要两个模板组合起来以构成一个梯度算子。最简单的梯度算子是 r o b e r t s 算子【1 ，对于数字图像而言，它的梯度幅度可以表示为 1 w 0 ，y l 一| ，g ，y ) 一，g + 1 , y + l 圩+ ，0 + 1 ，) ，) 一，0 ，y + l 盱i “2 ( 式2 - 4 ) 也可以近似为 1 w b ，) ，】；i ，0 ，y ) 一，仁+ 1 ，) ，4 - 1 1 + i ，g + 1 y ) 一，0 ，y + 1 】 ( 式2 5 ) 常用的还有p r e w i t t 算子、s o b e l 算子。如图2 - 4 所示： 甬田 1o1 101 101 1l1 000 11 1 121 0 o0 - 121 ( c ) s o b e l 算子 图2 - 4 几种常用的梯度算子 第- 二章原始图像的获取与处理 这三种算子都是由两个卷积核组成的，图像中的每个点都用这两个核做卷 积，通常一个核对垂直边缘影响最大，而另一个对水平边缘影响最大，两个卷积 的最大值作为该点的输出值。用这三种算子对图2 2 进行处理，结果如图2 5 ，其 中a 、b 、c 分别对应的是r o b e r t 算子、p r e w i t t 算子、s o b e l 算子的处理结果。 ( b ) 图2 - 5 三种算子的检测结果 拉普拉斯算子【1 1 l 是对二维函数进行运算的二阶导数标量算子，对一个连续函 数f ( x ，y ) ，它在位置0 ，_ ，) 的拉普拉斯值定义如下： v 2 f ( x ，y ) 一i 鲁f ( x ，y ) + 笔f ( x ，y ) ( 式2 - 6 ) 戚 o y 在数字图像中，上式可用差分近似表示为( 4 邻域) v 2 ，o ，y ) 一f ( x + l , y ) + f ( x - 1 , y ) + 厂o ，y + 1 ) + ，o ，y 一1 ) 一4 ， ，y ) ( 式2 7 ) 与以上的一阶导数算子不同，它不依赖于边缘方向，在拉普拉斯算子中，对 应中心像素的系数应是正的，而对应中心像素邻近像素的系数应是负的，且它们 的和是零。常用的两种拉普拉斯算子模板分别见图2 6 ： ll1 181 111 ( a ) 4 邻域( b ) 8 邻域 图2 - 6 拉普拉斯算子模 从模板形式容易看出，如果在图像中的一个较暗的区域出现了一个亮点，那 1 4 第二章原始图像的获取与处理 么用拉普拉斯运算就会使这个亮点变得更亮，因为图像中的边缘就是那些灰度发 生跳变的区域。用这两种算子对图进行边缘检测结果如图2 7 。 ( a ) 4 邻域( b ) 8 邻域 图2 7 拉普拉斯算子边缘检测 通过图2 - 5 和图2 - 7 的对比和分析。我们可以发现，用一阶和二阶导数算子产 生的边缘图像看起来虽然很相似，但是处理得到的人体边缘线条却有明显的差 别。 ( 1 ) 在图2 5 中，一阶导数算子r o b e r t s 是2 2 算子，对具有陡峭的低噪声图 像处理最好，其余的都是3 3 算子，对灰度渐变和噪声较多的图像处理较好。 p r e w i t t 算子和s o b e l 算子的处理效果明显比r o b e r t 算子好，人体轮廓线条清晰， 各类噪声较少，有利于进一步的轮廓跟踪与修补“。p r e w i t t 模板比s o b e l 模板简 单，但s o b e l 模板能够有效抑制噪声，在系统的实际使用过程中，该算子增强处 理的图像可实现关键部位的自动识别定位。 ( 2 ) 由于拉普拉斯算子是一个二阶导数算子，它在边缘处产生一个陡峭的 零交叉。拉普拉斯算子是一个线性的、移不变算子，它的传递函数在频域空间的 原点为零。因此，一个经拉普拉斯滤波过的图像具有零平均灰度。它对噪声的作 用比一阶导数算子弱，如果一个无噪声图像具有陡峭的边缘，可用拉普拉斯算子 将它们找出来。对经拉普拉斯算子滤波后的图像用零灰度值进行二值化会产生闭 合的、连通的轮廓并消除了所有的内部点。对于一般c c d 拍摄的人体图像而言， 不存在陡峭的边缘，处理效果较差。 基于上述的分析结果以及对人体数字图像的检测，人体数字图像的边缘检 测采用p r e w i t t 算子的效果较好。 2 4 2 基于阈值的人体图像分割 1 5 第二章原始图像的获取与处理 人们根据图像的特点提出了多种图像分割方法，常用的有三种方法：第一种 方法是基于阈值的物体分割。我们假定一个像素的特征值( 灰度信息、色彩信息 等特征) 与它相邻的像素的特征值在同一个范围内，此时这些像素就属于同一类， 这个范围可以用阈值来描述。将像素按这个特征分类，属于同一类并且相互邻接 的像素便构成了图像分割中的一块。此分割法对于那些像素点特征具有相反性质 的很适用，往往能取得较好的分割效果。 第二种方法是基于边界的物体分割。它是利用了人类视觉感知复杂景物时经 常利用的一条线索即两个相邻的待分割的物体之问都具有某种意义上的边界来 进行分割的。第三种方法是基于区域的物体分割。这种分割方法包含两种主要技 术即区域分裂和区域归并。究竟使用哪一种技术取决于图像的初始分割情况。如 果初始分割比我们需要的最终分割结果过于细化，我们就需要使用区域归并的方 法，按照某种归并条件，将相邻的符合归并条件的区域合为一个区域。如果初始 分割的效果过于粗略，我们就需要使用区域分裂的方法，在大的、过于粗略的区 域内部再进行分割。 上一节我们介绍了几种边缘检测的方法，这些方法都是对整幅图像的处理， 不仅检测出图像目标的外部边缘，还要检测出图像目标内部结构特征，处理时间 延长。本次研究需要一种能对人体轮廓曲线进行准确识别、有效忽略噪声、具有 较高精度的快速计算方法。以传统的边缘检测理论为基础，从人体数字图像的特 征和人体测量的特点出发，本次研究采用了基于闽值的图像分割原理来进行识 别。 在我们获取的人体数字图像中，由于被测量者身穿黑色衣服，与背景即白 色墙壁的对比效果很好，使人体与背景有较大的反差，利用基于阙值的图像分割 方法将所有灰度值大于或等于某阂值的像素被判属于人体，所有小于该阈值的像 素被排除在人体之外，于是人体边界就成为一些内部点的集合。于是阈值的确定 是图像分割的关键，接下来我们就介绍几种阈值的选择方法。 ( 1 ) 全局阈值法 这是选择阈值最简单的方法，就是在整个图像中将灰度的阈值设置为常数。 这种方法主要适用于背景的狄度值基本上是恒定的而且目标物体与背景之间的 对比度也相对恒定的图像。通过对本次拍摄的图像的分析可知，在图像中背景的 灰度值是有变化的，物体与背景之间的对比度也不是恒定的。 ( 2 ) 基于直方图技术的阈值选择 灰度直方图是灰度级的函数，描述的是图像中具有某一个灰度级的像素点 个数或者是该灰度级出现的频率。如果一幅图像中的目标物体与背景之间有比较 第二章原始图像的获取与处理 明显的对比度，该图像的灰度直方图将呈现出对峰状，分别对应着物体与背景的 灰度值分布情况，而物体边缘附近具有两个峰值之间灰度级的像素点数目相对较 少，从而产生了两个峰值之间的低谷。图2 8 是人体数字图像的直方图，两个尖 图2 8 人体数字图像直方图 峰对应于人体轮廓外部和内部较多数目的点，两峰间的低谷对应于人体边缘附近 相对较少数目的点。显然选择低谷对应的灰度级作为阈值误差较小，但是由于噪 声的干扰使谷底位置的确定有一定偏差【1 3 1 。 ( 3 ) 最大类问方差阈值法 这种方法是由日本学者o t s u 提出的，它是在判决分析最小二乘原理的基础 上推导出来的，其基本思想是根据图像的直方图以某一灰度为阈值将图像分成两 组并计算两组的方差，当被分成的两组之间的方差最大时，就以这个灰度值作为 阈值分割图像【1 4 1 。 设一幅图像的像素灰度级分为肛l 一1 ，灰度级为f 的像素点数为耽个，则 总像素数为：。荟以， 则灰度值f 出现的概率为：只一万n i ，荛p 。1 按灰度级用阈值f 将像素分为两组c o 和c l ： c o - ( u ，t ，c 1 - i + 1 r + 2 ，一1 则c 0 和c l 出现的概率分别为： c 。出现的概率：。荟只- w ( f ) ( 式2 - 8 ) ( 式2 - 9 ) 第- 二章原始图像的获取与处理 c l 出现的概率：m 。p i - 1 - w ( f ) ( 式2 - 1 0 ) 二：晰喁翌w o 等( 式2 - 1 1 ) 御挈器 ( 式2 1 2 ) 其中“( r ) 。荟喝表示灰度为f 时的灰度平均值，“。荟啦是整体图像的灰度平均 值， 所以，全部采样的灰度平均值为：“一w o u o + m l ( 式2 - 1 3 ) 定义类间方差为 6 2 ( f ) 一国一a o ) 2 + w l ( u l 一“) 2 一w o w l ( u l u o ) 2 ( 式2 - 1 4 ) 从0 一l 一1 之间改变t 值计算上式，取使62 ( f ) 达到最大值的t 便是所求的最 佳分割阈值。 由于拍摄时内外部因素对人体数字图像造成的干扰，使获取的人体数字图像 的曝光量稍有变化，利用统一的最佳分割闯值r 直接测量时会影响测量精度“”。 为此利用边缘分割阈值与数字图像曝光量的自动调整函数，使不同图像的最佳分 割阈值随图像亮度变化自动适应，来有效地检测人体边缘。 所有因素的影响都会最终反映在图像上，分析人体数字图像可知，曝光量的 不同使得不同相片的亮度各不相同。测量前在数字图像的白色背景各方向取n 点，在每个像素位置上图像的亮度被采样和量化，将传统的亮度信息加以改进， 逐点计算平均亮度，累加求其算术平均值，将其与标准亮度下的背景亮度均值进 行对比，得该图像的亮度百分比设为s ，如下式 阳s 缸。二l - l ：- s 。5 t 砉砉 ( r g + 6 ) 3 】 式中n 为被测主体采样像素数， 比，v a l u e 为自动调整阂值，、g 、 l e t u p 为背景灰度均值取2 5 5 ，s 为亮度百分 b 分别表示彩色数字图像的3 个灰度值，在 1 8 第二章原始图像的获取与处理 0 - 2 5 5 之间取值。s 作为对整个被测数字图像的亮度评价的综合指数，在不同照 度条件下对被测者边缘进行识别的阈值可用自动调整阈值代替，有利于排除外界 环境对人体测量信息的干扰，加强系统的实用性。 2 5 本章小结 本章首先介绍了人体数字图像的获取和拍摄时应当注意的一系列问题，如拍 摄对象的选择等，接着主要描述了对获得的人体数字图像的一些处理，其中简 述了图像的灰度化处理和二值化处理，详细说明了边缘检测常用的几种算子并通 过分析找到适合人体数字图像的边缘检测算子，最后阐述了基于阈值的人体图像 分割，以期达到将人体与背景图像分离出来，为随后进行人体特征点的识别打好 基础。 1 9 第三章女性人体特征及特征点的识别 第三章女性人体特征及特征点的识别 现代服装科学研究认为服装的人体构成、服装的数学构成和服装的几何构成 是服装结构设计的三大原理【l “。其中服装的人体构成指人体的结构特征，研究适合 于服装上的点、线、面、体的实际特征与服装结构的三维关系。人体的长度、围度 尺寸基本上控制着服装的规格：人体的体表、曲线形态制约着服装的收省打褶结构 和工艺的归拔程度：人体的关节运动制约着服装的放松量；人体体型差异构成了“量 体裁衣”的基础。所以在做人体测量时分析人体特征是很必要的。 迸行数字图像人体特征点的识别是本论文的主要工作之一，根据人体的体型 特征，结合数字图像才能进行人体特征点识别。人体数字图像不能反映骨骼突出和 关节部位，但是这些点是认识人体的体型特征及进行人体测量的重要标志。我们可 以根据特征点的几何特征和人体结构的内在规律进行识别，例如我们可以定义头顶 点为人体最高点。 3 1 女体特征 我们进行人体测量的 要目的是获取人体尺寸，这就需要我们了解人体，掌握 人体的基本特征，利用人体的基本特征结合人体数字图像才能很好地完成测量工作。 3 1 1 女体体型特征 骨骼、肌肉和皮肤共同形成了人体的外部形体特征。骨骼是人体的支架，它决 定着人体的基本形态，人体外形的体积和比例是由人的骨架制约着；骨骼的外面主 要是肌肉，它的作用是使各个具有不同功能的骨骼在关节的作用下作屈伸运动。同 时在人体的肌肉中，许多表层肌和皮肤连接，直接表现为人体外形，些深层肌也 直接或间接影响人体的外形特征；皮肤作为保护层，一般不会造成人体表面形体的 大起大落，但是皮下脂肪的增多或减少会影响人体正常的外部特征。 对于女性来说，女性的下身骨骼较发达，形成了肩窄小、胸廓体积小、骨盆阔 而厚的特征，体型呈正梯形，躯体线条显出明显的“s ”形特征；女性的肌肉不发达 但皮下脂肪较多，覆盖在肌肉上使得外形显得光滑圆润，而整体特征起伏较大，具 第三章女性人体特征及特征点的识别 体表现为：乳房隆起，背部稍向后倾斜使颈部前伸，造成肩胛突出，由于骨盆宽