基于ABSS的着装人体多特征点提取与尺寸测量

摘要：

传统非接触式人体尺寸测量中的关键特征点是根据人体各部位的比例关系直接提取,该方法对人体体型和着装要求严格,导致在多数情形下获取的关键特征点存在较大误差.为此,提出一种基于自适应人体结构分割(ABSS)的着装人体多特征点提取和尺寸测量算法Human pesm-abss.分析东西方人体的异构性和自身体型的差异,利用ABSS对人体结构关键区域进行分割.针对颈、肩部位特征点的提取,给出最大距离法和局部最大曲率法,解决传统算法适应性差及鲁棒性弱的问题.对210组标准差较大样本的实验测量数据与真实尺寸信息进行对比分析,结果表明,Human pesm-abss算法相对于非闭合Snake和Simple-FCN-ASM模型,平均误差分别减少2.2 cm和0.26 cm,时耗分别缩短了1.098 s和3.552 s,具有更高的实时性与更强的鲁棒性,适用于在线批量人体着装尺寸测量.

关键词：HSV色彩空间、非接触式测量、特征点提取、自适应人体结构分割、轮廓检测

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;湖北省高等学校优秀中青年科技创新团队计划项目

在线出版日期：2021-02-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：238-246,253