基于图像的非接触式人体测量方法,具有快速、便捷、成本低等优点,已逐渐成为人体测量技术的研究趋势。人体参数测量的精确度取决于人体特征点的准确提取和围度拟合的方法,而人体特征点的提取又取决于人体轮廓的提取。本文总结了现有的典型的轮廓提取算法和特征点提取算法,通过进行仿真实验对比并分析算法的优缺点。针对人体测量场景,分析了现有的人体测量算法在提取轮廓时对测量环境要求严格,且在提取特征点过程中因缺少人体信息而导致特征点提取准确度不高的问题,提出了本文的改进算法。主要研究内容如下:(1)基于形状估计的非闭合主动轮廓模型:针对传统的主动轮廓模型(Snake模型)存在的问题,提出了基于形状估计的非闭合主动轮廓模型(SE-U-Snake模型)。通过自动初始轮廓设置、形状估计和非闭合模型求解,解决了原模型对初始轮廓敏感、易受其他强边缘影响且对局部轮廓不敏感等问题。实验表明,本模型更适用于面向人体测量的局部轮廓提取场景。(2)基于人体比例与局部轮廓的人体测量算法:针对已有的人体测量方法的缺陷,将人体比例等先验知识融入算法中,用于划分人体特征区域,并在这些区域内进行局部轮廓提取和特征点提取。最后,通过人体实际身高与图像身高得到比例尺,直接计算得到肩宽、臂长等长度参数,通过二元一次回归方程拟合得到颈围、胸围等围度参数。实验表明,本文提出的算法测量平均误差保持在5%以内,满足人体测量要求。(3)基于图像的人体测量系统的设计与实现:运用面向对象技术,结合层次结构思想进行了系统的体系结构设计。搭建配置OpenCV开发环境与MySQL运行环境,实现系统并完成对人体长度参数与围度参数的实际测量。最后通过可视化界面展示测量结果。