论文部分内容阅读
人体尺寸在虚拟试衣系统、人体工程学、服装学等领域有着广泛的应用场景,同时也是衡量一个国家生产能力的基本技术依据。而服装作为与人体接触最紧密物品,人体尺寸数据显得更为重要。针对国内和国外主动式非接触测量设备的价格高贵、设备占用空间大等问题,探索适合中国服装业的非接触式测量系统存在很高的实用价值。目前,人体尺寸测量方法包括接触式和非接触测量。非接触测量分为主动式和被动式。针对主动式三维扫描测量方法和被动式单视点和双视点测量方法的不足,我们设计了一种多视点人体测量系统。本文的主要研究内容包括以下三个部分:1.利用本文设计的多视点人体测量系统同时采集被测者的图像序列,利用已经训练好的GSS-PSPNet神经网络对人体测量部位进行语义分割,获得仅包含测量部位区域的图像。2.包含测量部位的图像进行图像匹配操作,结合标识点的具体结构特性,使用颜色空间聚类算法进行图像标识点匹配获得像素坐标,利用双目三维测量获得三维坐标值即在欧式空间的位置。3.利用欧式空间坐标转换原理将三组双目分别建立的坐标系中的点统一到同一坐标系中,最后拟合测量部位标记点获得拟合曲线,利用微元法求得拟合曲线的长度值即测量部位的尺寸数值。本文设计的系统克服了传统手动测量方法的复杂性以及工作量大、主动式测量方法发射主动光源对用户造成心理压力、设备价格昂贵以及单视点、双视点测量系统精确度低等难题。我们实验分别对不同性别和不同体型被测者进行测试,测量尺寸结果绝对误差范围是[0.78,1.58]cm,最大的相对误差率为1.77%,人体腰围和胸围测量尺寸误差符合相对应的国家标准GB/T 2664-2017,GB/T 2665-2017和纺织标准FZ/T 81006-2017,FZ/T 81004-2012,实验结果证明本文设计的多视点人体尺寸测量系统具有很好的准确性和可靠性。