基于圖像的人體參數(shù)測量系統(tǒng)的設計與實現(xiàn)＊

吳壯志,廖爽爽,聶 磊,王 政,王春慧,周詩華

(1.北京航空航天大學計算機學院,北京 100191;2.中國航天員科研訓練中心,北京 100094)

人體測量學是通過測量人體各部位的尺寸來確定個體之間和群體之間在人體尺寸上的差別,用以研究人的形態(tài)特征[1],從而為工業(yè)設計、人機工程、工程設計、人類學和醫(yī)學研究等提供人體基礎資料[2,3].世界上已有90多個大規(guī)模的人體測量數(shù)據(jù)庫,主要分布在發(fā)達國家,例如,在美國和歐洲得到了廣泛應用[4]的人體測量研究計劃(Civilian American and European Survey of Anthropometry Research,CASER),日本HQL協(xié)會提出的人體測量和高質(zhì)量生活工程(Research Institute of Human Engineering for Quality Life)計劃[5]等.中國標準化研究院也于2005年開展了全國未成年人體測量項目,建立了全國未成年人體三維掃描數(shù)據(jù)庫.

人體測量技術在近幾十年的發(fā)展中,大致經(jīng)歷了由接觸式到非接觸式、由二維到三維的發(fā)展過程.非接觸自動測量是現(xiàn)代化人體測量技術的發(fā)展趨勢,它以現(xiàn)代光學為基礎,結合圖像處理、計算機視覺等技術,準確、高效、客觀地獲取人體尺寸參數(shù)數(shù)據(jù),主要分為基于圖像的二維非接觸測量和基于結構光的三維非接觸測量兩類.加拿大的BoSS-2系統(tǒng)[6]就是一套基于圖像的非接觸式的人體參數(shù)測量和服裝套號系統(tǒng),為加拿大軍隊提供身體測量以實現(xiàn)制服的快捷、自動化生產(chǎn).德國Human Solution公司開發(fā)的Vitus三維人體掃描儀[7]為典型的基于結構光的三維非接觸人體測量設備,已經(jīng)廣泛應用于人體測量學和人機工效學等領域.

本文研究和實現(xiàn)了一套基于圖像的人體參數(shù)測量系統(tǒng),與BoSS-2系統(tǒng)相比,本文提出的測量方法能夠識別更多的測量點,交互修改更方便,使得測量的人體參數(shù)項目更多,應用范圍更廣.

1 測量需求

本系統(tǒng)以航天醫(yī)學工程所需的人體參數(shù)測量為背景,共測量人體7種姿勢下的72個測量項目,涉及94個測量點,圖1為7種姿勢的示意圖,包括4個立姿和3個坐姿.

表1列出了72個測量項目和94個測量點在各個測量姿勢上的分布.例如測量項目“身高”通過立姿1進行測量,相關的測量點為“頭頂點”和“地面點”.

圖1 7種測量姿勢Fig.1 Seven postures of measurement

表1 測量項目和相關測量點分布表Tab.1 Table of measurement items and related points

2 測量原理

本系統(tǒng)采用被動式雙目立體視覺原理進行測量.系統(tǒng)硬件主要由兩個數(shù)碼相機和一個標定架組成,圖2為系統(tǒng)測量原理示意圖,C1,C2為兩個數(shù)碼相機,分別用來拍攝人體的側視圖和正視圖,A,B和C為標定架上的三塊互相垂直的平面板,XwYwZw為固定了標定架上的三維世界坐標系,每塊板上分別布置了10個在XwYwZw坐標系下位置已知的定標點.

圖2 系統(tǒng)測量原理示意圖Fig.2 Sketch of measurement principle

測量流程圖如圖3所示.首先,由兩個已標定好的數(shù)碼相機在同一時刻從正面和側面兩個角度獲取被測人體的兩幅數(shù)字圖像;然后,運用圖像分割、特征提取等方法在兩幅圖像上提取與人體上測量點對應的特征點對,并運用基于配極約束的交互式編輯工具對特征點進行確認;第三,基于雙目視覺原理,利用標定結果計算出每對特征點對應的人體的測量點;最后,根據(jù)測量點坐標,計算人體各項測量項目尺寸.

圖3 系統(tǒng)測量流程圖Fig.3 Flow chart of system measurement

本文定義三維測量點在正視圖或側視圖上的投影點為特征點,一個三維測量點在正視圖和側視圖的兩個特征點稱為此測量點的特征點對.測量點的特征點對的識別是本系統(tǒng)的關鍵問題.設測量點M在兩幅圖像上的特征點對為(m1,m2),根據(jù)(m1,m2)的識別難度可將測量點分為如下3類:

1)第1類測量點:(m1,m2)兩點都能準確識別.系統(tǒng)能全自動提取M.

2)第2類測量點:(m1,m2)中有一點能準確識別.不妨設m1能準確識別,采用雙目視覺測量中的配極幾何原理,求出m1在另外一幅圖像上的配極線u2,然后運用人體比例關系,給出m2在u2上的初始位置,并允許用戶在配極線u2上交互式編輯m2.

3)第3類測量點:(m1,m2)中兩點都不能準確識別.運用人體比例關系給出(m1,m2)的初始位置,之后用戶可以交互式編輯(m1,m2)點.編輯m1或m2時,系統(tǒng)會在另一幅圖像中顯示相應的配極線u2或u1,以協(xié)助用戶定位m1或m2.參見圖5.

圖4 雙目視覺配極幾何Fig.4 Epipolar geometry of binocular vision

3 關鍵技術

3.1 相機標定

攝像機標定是指建立攝像機圖像像素位置與場景點位置之間的關系,根據(jù)攝像機模型,由已知定標點的圖像坐標和世界坐標求解攝像機的模型參數(shù).本系統(tǒng)采用空間標定架進行標定,標定架由兩兩互相垂直的三塊平板構成,尺寸為2 m×1 m×2.5 m,標定架上建立如圖2所示的世界坐標系XwYwZw.每個面上貼10個圓心位置已知的定標點,采用Tsai方法來標定相機.標定過程如下:在每次測量前,每個相機拍攝一張三維標定架的標定圖像,利用標定架上的三維定標點和其在標定圖像的像素點對應關系,運用T sai方法標定攝像機的內(nèi)外參數(shù).

3.2 圖像分割

通過圖像分割將被測人體從整體分為頭部、胸部、軀干、左臂、右臂、左腿、右腿等7個部分,其目的如下:1)將特征點的識別問題分解到人體的某個部分,使得特征點的識別更加快速和魯棒;2)對于難以識別的特征點,分割可以更加準確地尋找此點在人體上的比例,可以得到更為準確的初始點.

分割過程如下:1)測量圖像進行二值化.隨后采用邊界跟蹤算法[8]得到有序的人體輪廓像素點集T;2)尋找分割關鍵點.由于多數(shù)分割關鍵點位于人體各個部分在輪廓線上的連接處,在輪廓線上曲率較大,采用文獻[8]中所描述的DOS方法,通過尋找到曲率極值點來進行分割關鍵點識別.不能用上述方法尋找的分割關鍵點,則通過人體姿勢、比例關系和顏色變化等方法尋找;3)并根據(jù)不同的姿勢將分割關鍵點沿輪廓線逆時針方向排序,找到每個部分的分割點完成分割.圖5給出了立姿1測量圖像的分割結果,人體上的點為識別的分割關鍵點,L,A,B 3點分割出頭部,B,C,D 3點分割出左手,D,E,G,I,H 5點分割出軀干.

圖5 立姿1圖像分割結果Fig.5 Segmentation result of standing posture

3.3 雙目視覺

1)三維重構.根據(jù)攝像機標定結果,給出一個特征點對,即可計算出相應兩條射線的交點作為對應的三維測量點.理論上兩條射線應該交于一點,由于系統(tǒng)誤差和測量誤差等原因,兩條射線經(jīng)常為異面直線,本文采用異面直線公垂線段的中點作為實際測量點.

2)配極約束.本方法利用配極約束來輔助尋找第2類與第3類測量點對應的特征點.配極約束原理如圖4所示:設雙目立體視覺測量中左右圖像分別為I1和I2,設(m1,m2)為兩幅圖像上的一對對應點,m2一定位于m1在圖像I2上所對應的配極線u2上,反之亦然.這個特性在雙目立體視覺中稱為配極約束.當已知一對對應點中的一個點時,根據(jù)配極約束可以將另一點的搜索范圍從整個圖像平面縮小到配極線上,將二維搜索變?yōu)橐痪S搜索,從維度上降低了特征點識別的復雜度.

3.4 測量項目計算

特征點識別出來以后測量項的計算就有了數(shù)據(jù)依據(jù).測量項分為高度、寬度、厚度、兩點間線段距離、弧長、圍長等.其中高度、寬度、厚度、兩點間線段距離可以由測量項的相關測量點直接計算出來.弧長由3個測量點進行定義,采用此3點來擬合過點三階(2次)B樣條曲線,求B樣條曲線的長度作為測點定義的弧長;圍度由4個測點進行定義,4個測點分別為橢圓圓長軸和短軸半徑分別為a和b,則圍長g=π(a+b).如果4個測點不共面,需要先求出4個測點的最小二乘平面ω,并將4個測點投影到ω上,運用投影點來擬合橢圓計算圍長.

4 系統(tǒng)設計與實現(xiàn)

4.1 功能概述

針對每個被測者,本系統(tǒng)采集2幅定標圖像和7個姿勢14幅測量圖像,通過圖像分割和特征提取等方法自動識別人體所有測量點對應的特征點對并通過交互式檢查和更新,運用雙目視覺原理重構出所有94個測量點的三維坐標,并計算出72個測量項目的尺寸.系統(tǒng)的主要功能有:

1)被測者管理:系統(tǒng)使用數(shù)據(jù)庫來對被測者的個人信息、圖像數(shù)據(jù)、測量點和測量項目等進行管理,并提供必要的查詢、增加、刪除、報表生成、結果打印等相關功能.

2)讀入并顯示圖像數(shù)據(jù):將被測者的測量圖像數(shù)據(jù)讀入,并對讀入的圖像顯示和瀏覽.

3)特征點識別:通過圖像分割、特征提取、配極約束等方法,利用人體比例關系,在沒有人工干預的情況下完成特征點識別.

4)自動測量:完成特征點自動識別后,系統(tǒng)能夠根據(jù)標定結果自動重構所有測量點的三維坐標,同時自動計算所有測量項目的尺寸.

5)交互測量:用戶可以通過交互選取兩個或多個測量點,指定待測量的測量項目類型(寬度、厚度、兩點間距離、弧長、圍長等)來進行交互測量.

6)特征編輯與更新:系統(tǒng)自動識別特征點后,用戶可以通過交互編輯的方式修改特征點位置,同時自動更新相應的測量點和測量項目.

7)測量結果輸出:系統(tǒng)能夠將測量的結果保存為XML文件或Excel表格文件.

8)批處理:用戶指定一個數(shù)據(jù)文件目錄以后,系統(tǒng)可以自動的完成目錄下全部數(shù)據(jù)的全自動測量工作.

4.2 系統(tǒng)設計與實現(xiàn)

系統(tǒng)主要由相機標定、圖像采集、渲染引擎、特征點識別、測量點編輯、I/O操作、配置管理、數(shù)據(jù)庫管理、批量處理等模塊組成.

系統(tǒng)運行于Windows XP,在VC.NET 2003開發(fā)平臺上采用C++語言實現(xiàn),界面開發(fā)包為Xtreme11.2,底層圖形庫為OpenGL API.

圖6為系統(tǒng)運行的主界面.主界面為測量界面,可以分為Menubar,Toolbar,Statusbar,View和Workspace 5個部分:Menubar為系統(tǒng)菜單;Toolbar為工具欄;View區(qū)域用來顯示待測量圖像和測量項目在測量圖像的示意圖;WorkSpace用來顯示測量點列表、測量項目列表和示意圖,示意圖包括特征點的參考位置與測量項目的圖示.另外系統(tǒng)還包括圖像采集界面、數(shù)據(jù)庫操作界面、交互測量界面、批處理界面等多個操作界面.

圖6 系統(tǒng)主界面圖Fig.6 Main interface of system

4.3 測量結果分析

定標精度:根據(jù)30個定標點,通過Tsai算法對相機進行標定,標定精度如下:平均值為1.626 475 mm,標準差為0.866 529 mm,最大誤差為3.337 957 mm,平方差之和67.174 980 mm2,標準標定誤差為1.343(達到了較高的標定精度,越接近于1標定精度越高).從該結果可以看到,定標的平均誤差在1.62 mm左右,滿足人體測量需求(人體測量要求誤差在5 mm之內(nèi)).

測量精度:測量精度采用標定物體來進行檢驗.用相機采集標定物體的兩幅圖像,使用軟件提供的交互功能進行兩點之間的距離測量,此距離與標準距離之差為測量精度.多次測量標準距離為55.8 cm的兩點間距離,平均誤差小于2 mm,滿足人體測量要求.

系統(tǒng)對20名待測者進行測試,被測者年齡、性別、體型分布較為均勻.經(jīng)實驗驗證,其中86.7%的測量項目其自動測量結果與手工測量結果相差在5%之內(nèi),其余的測量項目由于測量點無明顯特征,或測量項目為圍度或弧度等原因存在誤差大于5%,經(jīng)手工調(diào)整后也能滿足測量要求.

5 結 論

本文給出一種基于圖像的人體參數(shù)自動測量方法,并設計與實現(xiàn)人體參數(shù)測量系統(tǒng).該系統(tǒng)針對每個被測者,采集2幅定標圖像和7個姿勢共14幅測量圖像,通過圖像分割和特征提取等方法自動識別人體所有測量點對應的特征點對并通過交互式檢查和更新,運用雙目視覺原理重構出所有94個測量點的三維坐標,并計算出所有72個測量項目的尺寸.系統(tǒng)具有測量設備簡單、便攜,測量速度快、測量效率高,操作方便等特點.

由于對每個姿勢只有兩幅圖像,不能完全重構人體的三維信息,導致

1)某些測量點無法全自動精確重構;

2)由于弧長和圍度測量曲線上的測量點太少,弧長和圍度尺寸只能估算.改進辦法有:第一,增加相機,采用多目視覺測量;第二,采用統(tǒng)計學習的方法,增加特征點的識別精度.

[1] RIOUX M,ABDALI O,VIKTOR H,et al.Exploring anthropometric data throug h cluster analy sis[EB/OL].[2010-06-05].http://papers sae org/2004-01-2187.

[2] CYN THIA L I,HWANG S J.3D body scanning systems with application to the apparel industry[J].Journal of Fashion M arketing and Management,2001,5(2):120-132.

[3] ROBINET TE K M,DANEN H,PAQUET E.The caesar project:A 3-D surface anthropometry survey[C]//IEEE 3-D Digital Imaging and Modeling,Ottawa,Canada:IEEE Computer Society,1999(10):380-386.

[4] HQL Site.Research institute of human engineering for quality life[EB/OL].[2010-06-05].http://www.hql.or.jp.

[5] VisImage Systems Inc.Body Measurement and Garment Sizing with BoSS-21[EB/OL].[2010-06-05].http://www.vis.ca/product.htm.

[6] Human Solutions GmbH.Precise body measurement[EB/OL].[2010-06-05].http://www.human-solutions.com.

[7] TSAI R Y.An efficient and accurate camera calibration technique for 3D machine vision[C]//Proc of IEEE Conference of Computer Vision and Pattern Recognition,Miami Beach:FL,1986(41):364-374.

[8] 鞠里.基于彩色圖像的手部測量系統(tǒng)的研究與實現(xiàn)[D].北京:北京航空航天大學計算機學院,2004:30-39.JU Li.The research and implementation of hand measurement system based on color images[D].Beijing:School of Computer Science and Engineering,Beijing University,2004:30-39.(In Chinese)