[发明专利]一种基于机器学习的人体三维尺寸预测方法

说明书

本发明提供了一种基于机器学习的人体三维尺寸预测方法，所述方法包括训练阶段与应用阶段两个阶段；训练阶段包括如下步骤：搜集人体基本信息参数，拍摄人体正面、侧面图像，确定待测三维尺寸位置；获得该位置的正面长度、侧面长度，进行机器学习，建立机器学习模型。应用阶段包括以下步骤：获取人体信息；拍摄人体正面、侧面图像；确定待测人体的测量位置，获得该位置的正面长度、侧面长度；选择最佳机器学习模型预测出人体的三维尺寸数据。本发明解决智能终端非接触式测量应用中，对人体三维尺寸、物体三维尺寸无法精确测量的问题，满足服装定制等高精度测量应用需求。

技术领域

本发明涉及一种基于机器学习的人体三维尺寸预测方法，属于采用智能终端进行测量技术领域。

背景技术

随着智能手机、平板电脑等智能终端的普及，基于智能终端拍摄图像、视频进行人体身高测量、物体尺寸测量相关的技术不断发展。

例如一种智能身高测试仪(申请号：CN 10387677.9)、一种利用手机照相功能测量物体平面尺寸的方法(申请号：CN201510521937.8)等专利提出了针对人体身高、物体平面尺寸等一维长度或物体平面尺寸测量的方法。

然而，上述基于智能终端的尺寸测量方法，只能测量一维长度或平面尺寸，无法满足服装定制、健康健身、安全监测等领域所需人体三维(胸围、腰围、臀围)、物体三维尺寸测量的需求，有必要提出人体或物体三维尺寸测量的技术方法。

本发明针对传统智能终端拍摄图像测量方法，无法解决人体三维、物体三维尺寸测量的问题，提出一种基于机器学习的人体或物体三维尺寸预测方法。

发明内容

针对传统智能终端拍摄图像测量方法，无法解决人体、物体三维尺寸测量的问题，本发明的目的在于提出一种基于机器学习的人体或物体三维尺寸预测方法。

本发明的技术方案如下：

本发明所述一种基于分级的人体轮廓及关键点识别方法，包括以下步骤：分为训练与应用两个阶段；

一种基于机器学习的人体三维尺寸预测方法，其特征在于，所述方法基于分级的人体轮廓及关键点识别技术，包括关键点识别与测量、关键部位识别与测量等两部分；所述方法包括训练阶段与应用阶段两个阶段；

训练阶段包括如下步骤：

步骤S110：搜集用户年龄、地域、性别、体型、衣着尺码等基本信息参数，建立人体参数据库；

步骤S120：基于智能终端拍摄人体正面、侧面图像，建立人体图像数据库；

步骤S130：根据人体正面、侧面拍摄图像，通过交互式确认或经验模型确认，确定待测三维尺寸位置；交互式确认是通过图像拍摄者在图像中手动操控测试基准线，指定待测量目标位置；经验模型确认是通过人体或物体特定位置的经验公式或常见位置，确定待测目标位置；

步骤S140：根据步骤S130中确定的测量位置，获得该位置的正面长度、侧面长度；

步骤S150：以测量的正面长度、侧面长度作为输入，以及步骤S110中获取的参数信息，以待测位置的三维尺寸预测值作为输出，进行机器学习，建立机器学习模型；利用人体参数据库和人体图像数据库，进行多次机器学习，建立多个机器学习模型，形成机器学习模型库。

应用阶段包括以下步骤：

步骤S210：获取被测用户的年龄、性别、地域等人物画像信息；

步骤S220：利用智能终端拍摄人体正面、侧面图像；

步骤S230：根据人体正面、侧面拍摄图像，通过交互式确认或经验模型确认，确定待测人体的测量位置，获得该位置的正面长度、侧面长度；