ES2647340T3 - Formación de imágenes de un cuerpo - Google Patents

Formación de imágenes de un cuerpo Download PDF

Info

Publication number
ES2647340T3
ES2647340T3 ES15864375T ES15864375T ES2647340T3 ES 2647340 T3 ES2647340 T3 ES 2647340T3 ES 15864375 T ES15864375 T ES 15864375T ES 15864375 T ES15864375 T ES 15864375T ES 2647340 T3 ES2647340 T3 ES 2647340T3
Authority
ES
Spain
Prior art keywords
user
representation
skeleton
avatar
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES15864375T
Other languages
English (en)
Other versions
ES2647340T1 (es
Inventor
Katherine Iscoe
Vlado Bosanac
Amar El-Sallam
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced Health Intelligence Ltd
Original Assignee
Advanced Health Intelligence Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from AU2014904940A external-priority patent/AU2014904940A0/en
Application filed by Advanced Health Intelligence Ltd filed Critical Advanced Health Intelligence Ltd
Publication of ES2647340T1 publication Critical patent/ES2647340T1/es
Application granted granted Critical
Publication of ES2647340T3 publication Critical patent/ES2647340T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1073—Measuring volume, e.g. of limbs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb using a particular sensing technique
    • A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb using a particular sensing technique using image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6888—Cabins
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6889—Rooms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/742—Details of notification to user or communication with user or patient; User input means using visual displays
    • A61B5/744—Displaying an avatar, e.g. an animated cartoon character
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04815—Interaction with a metaphor-based environment or interaction object displayed as three-dimensional [3D], e.g. changing the user viewpoint with respect to the environment or object
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T13/00—Animation
    • G06T13/20—Three-dimensional [3D] animation
    • G06T13/40—Three-dimensional [3D] animation of characters, e.g. humans, animals or virtual beings
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/028—Microscale sensors, e.g. electromechanical sensors [MEMS]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three-dimensional [3D] modelling for computer graphics
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20101—Interactive definition of point of interest, landmark or seed
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Rheumatology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)

Abstract

Un dispositivo para formar la imagen de un cuerpo, comprendiendo el dispositivo: un controlador; almacenamiento para almacenar instrucciones de programa electrónico para controlar el controlador; un dispositivo de visualización para visualizar una interfaz de usuario; y un medio de entrada; en donde el controlador es utilizable, bajo control de las instrucciones de programa electrónico, para: recibir una entrada a través de los medios de entrada, comprendiendo la entrada una primera representación del cuerpo; procesar la primera representación; generar una segunda representación del cuerpo sobre la base de procesar la primera representación; y visualizar la segunda representación generada a través del dispositivo de visualización.

Description

DESCRIPCIÓN
Formación de imágenes de un cuerpo
Campo de la invención
La presente invención se refiere en general a la formación de imágenes de un cuerpo.
Aunque la presente invención se describirá con particular referencia a la formación de imágenes de un cuerpo humano para facilitar la consecución de un objetivo que comprende un propósito de idoneidad personal, se apreciará que puede usarse con respecto a cuerpos de otros seres, y para fines adicionales y/o alternativos.
Antecedentes de la técnica
La obesidad humana se ha identificado como una epidemia global. Según la publicación de la Organización Mundial de la Salud 2008: Carga Global del Estudio de Enfermedades 2013,The Lancet,el número de personas clasificadas como con sobrepeso aumentó desde un número estimado de 857 millones en 1980 a 2,1 mil millones en 2013, prediciéndose 4 mil millones de personas con sobrepeso en 2030.
Esto tiene un coste económico. Por ejemplo, en el Reino Unido, en 2007 se estimó que el 42% de los hombres y el 32% de las mujeres tenían sobrepeso con un coste estimado para la economía de 26 mil millones de US$, en los Estados Unidos de Norte América, en 2010 se estimó que el 74% de los hombres y el 64% de las mujeres tenían sobrepeso con un coste estimado para la economía de 147 mil millones de US$, y en Australia, en 2012 se estimó que el 42% de los hombres y el 28% de las mujeres tenían sobrepeso con un coste estimado para la economía de 53 mil millones de US$. [National Health and Medical Research Council (NHMRC), Australian Heart Foundation; Centre for Disease Control (CDC); National Health and Nutrition Examination Survey (NHANES); The Health and Social Care Information Centre (HSCIC)].
Además, se ha informado que: más de la mitad de los australianos (55,7%) y norteamericanos (51%) están tratando de perder peso; el 45% de las mujeres y el 23% de los hombres en el intervalo de peso saludable piensan que tienen sobrepeso; aproximadamente el 91% de las mujeres no están contentas con sus cuerpos; y el aumento en la obesidad se produce principalmente entre los 20 a 40 años de edad [Jeffery RW, Sherwood NE, Brelje K, et al. Intervenciones por correo y teléfono para pérdida de peso en ajuste con cuidado gestionado: Resultados de peso a tener en un año (Mail and phone interventions for weight loss in a managed-care setting: Weight-To-Be one-year outcomes). Int J Obes Related Metab Disord. 2003; 27(12):1584-1592; Linde JA, Jeffery RW, French SA, Pronk NP, Boyle RG. Autoponderación en la prevención del aumento de peso y en los ensayos de pérdida de peso (Selfweighing in weight gain prevention and weight loss trials). Ann Behav Med. 2005;30(3):210-216; Butryn ML, Phelan S, Hill JO, Wing RR. Auto-vigilancia consistente del peso: un componente clave del mantenimiento satisfactorio de la pérdida de peso. Obesidad. (Consistent self monitoring of weight a key component of successful weight loss maintenance. Obesity.) 2007; 15(12):3091-3096; The Technology Boom: Una nueva era en la gestión de la obesidad (A New Era in Obesity Management). Gilmore, Duhé, Frost, Redman. J Diabetes Sci Technol. 27 de febrero de 2014; 8(3):596-608.]
A la luz de estas estadísticas, no es sorprendente que muchas personas tengan un objetivo personal de idoneidad física de perder, ganar o mantener/monitorizar el peso, y/o mejorar su tamaño o forma corporal.
La investigación ha mostrado repetidamente que la auto-monitorización frecuente, tal como el pesaje y/o la toma de mediciones de circunferencia, desempeña un papel importante, si no crítico, en lograr la pérdida o ganancia de peso, y otros propósitos de idoneidad física.
Los métodos actuales para monitorizar el peso incluyen:
• Uso de una báscula (es decir, un instrumento de medición para determinar el peso o la masa de un objeto). Esta técnica tiene el beneficio de ser económica y rápida, pero no puede indicar cambios en la forma del cuerpo.
• Uso de una cinta de medición. Aunque es barata, esta técnica es propensa a errores del usuario, poco práctica y requiere mucho tiempo.
• Uso de absorciometría de rayos X de doble energía (DXA o DEXA). Esta tecnología facilita la medición precisa de la composición corporal, pero tiene las desventajas de no proporcionar mediciones de contorno/circunferencia corporal, ser costosa y requerir mucho tiempo. Además, puede tener implicaciones asociadas para la salud. A este respecto, aunque la cantidad de radiación usada en la tecnología es típicamente extremadamente pequeña, menos de una décima parte de la dosis de un rayo x de pecho estándar, y menos de una exposición diaria a radiación natural, para uso clínico y comercial, se han dado recomendaciones de que un individuo sólo debe ser escaneado dos veces por año debido a implicaciones en la salud.
• Uso de escáneres y mapeadores de cuerpo tridimensionales (3D), tales como los proporcionados con las marcas registradas Image Twin™ y mPort™. Mientras que el sistema Image Twin ™ permite la creación de una representación precisa del avatar en 3D de un cuerpo, es caro y requiere el uso de un equipo especializado normalmente ubicado en un laboratorio. El sistema mPort™ permite crear una representación precisa del avatar en 3D de un cuerpo, y proporcionar mediciones de circunferencia. Sin embargo, también es caro, requiere el uso de equipos especializados en ubicaciones prescritas, y proporciona solo datos gráficos para cambios de peso.
• Uso de simuladores virtuales de pérdida de peso, tales como los proporcionados con las marcas registradas Model My Diet™, Change in Seconds™ y Virtual Weight Loss Model Lite™ (aplicaciones de software). Estos sistemas permiten típicamente la generación de representaciones de avatar de dibujos cortos "antes" y "después" de un cuerpo. Solo están disponibles como productos que se ejecutan en ordenadores, por ejemplo, uno de escritorio, y proporcionan estimaciones básicas solo usando datos antropométricos básicos.
• Uso de simuladores de productos virtuales, tales como los proporcionados con la marca registrada Optitex™. El Optitex™ El sistema permite la generación de una representación de avatar de dibujos animados única de un cuerpo. Solo está disponible como productos que se ejecutan en ordenadores y proporcionan estimaciones básicas solo usando datos antropométricos básicos.
• Uso de fotos, tales como las proporcionadas con la marca registrada Good Housekeeping™. El sistema Good Housekeeping™ está basado en fotografías, pero solo permite el estrechamiento y la expansión simples de una fotografía cargada en el espacio bidimensional (2D), que es un tipo básico de enfoques de transformación de imágenes usados en software de manipulación/procesamiento de imágenes (por ejemplo, “Photoshop”).
Una investigación (publicada en J Diabetes Sci Technol. 1 de julio de 2013; 7 (4): 1057-65. El uso de avatares para modelar los comportamientos de pérdida de peso: actitudes de participantes y desarrollo de tecnología) reveló un alto nivel de interés en un programa basado en avatares, indicando promesa del trabajo formativo. Dados los altos costes asociados con la exposición y la práctica in vivo, esta investigación demuestra el uso potencial de la tecnología basada en avatares como herramienta para modelar comportamientos de pérdida de peso.
La publicación de patente WO 2014/081394 A1 y publicaciones Shizhe Zhou et al., "Parametric Reshaping of human bodies in images", ACM Transactions on Graphics (TOG), ACM, US, vol. 29, no. 4, 26 de julio de 2010, páginas 1 -10, ISSN: 0730-0301, DOI: 10.1145/1778765.1778863 y Kong-Man (Alemán) Cheung et al., "Shape-From-Silhouette Across Time Part II: Applications to Human Modeling and Markerless Motion Tracking", International Journal of Computer Vision, Kluwer Academic Publishers, BO, vol. 63, no. 3, 1 de julio de 2005, páginas 225-245, ISSN: 1573 1405, DOI: 10.1007/S11263-005-6879-4 analizan información útil para entender los antecedentes de la invención.
Es contra estos antecedentes que se ha desarrollado la presente invención.
Compendio de la invención
Es un objeto de la presente invención superar, o al menos mejorar, una o más de las deficiencias de la técnica anterior mencionadas anteriormente, o proporcionar al consumidor una elección útil o comercial.
Otros objetos y ventajas de la presente invención resultarán evidentes a partir de la siguiente descripción, tomada en conexión con los dibujos adjuntos, en donde, a modo de ilustración y ejemplo, se describe una realización preferida de la presente invención.
Por consiguiente, la presente invención describe métodos, dispositivos, medios de almacenamiento legibles por ordenador y señales de datos según las reivindicaciones adjuntas. Según un aspecto amplio de la presente invención, se proporciona un dispositivo para la formación de imágenes de un cuerpo de un usuario, comprendiendo el dispositivo:
- un controlador electrónico;
- interfaz con el usuario;
- un dispositivo de visualización para visualizar a un usuario; y
- un medio de entrada;
en donde el controlador electrónico es operable, bajo el control de las instrucciones del programa electrónico, para realizar un método como se establece a continuación.
En una realización, el controlador es operable, bajo el control de las instrucciones de programa electrónico, para: procesar la primera representación del cuerpo segmentando la primera representación del cuerpo para obtener una pluralidad de siluetas que representan de forma simple, sombras proyectadas de un escaneo tridimensional sustancialmente verdadero del cuerpo; y generar la segunda representación del cuerpo sobre la base de las siluetas.
En una realización, las siluetas pueden incluir, por ejemplo, fundamentos de proyección y movimiento del cuerpo humano.
Ventajosamente, el controlador también es operable, bajo el control de las instrucciones de programa electrónico, para:
instruir al usuario a través de sonidos audibles/palabras/voz para alinear partes del cuerpo con el esqueleto específico del usuario mostrado, en donde las instrucciones de programa electrónico son operables para controlar el proceso de alineación mediante errores calculados usando diversos datos y/o entre características que incluyen apariencia de forma y características de variación, características de posado y características espaciotemporales que se extraen a partir del esqueleto generado y de la imagen o imágenes capturadas en tiempo real del cuerpo.
Preferiblemente, el controlador también es operable, bajo el control de las instrucciones de programa electrónico, para:
calcular, sobre la base de la información de altura del usuario entregada, el tamaño de la imagen (altura y anchura de la imagen en píxeles), y utilizando análisis de manchas de imágenes binarias, teorías de proyección y modelos de cámara, lo siguiente:
estimaciones iniciales de parámetros intrínsecos y extrínsecos del sensor de captura o cámara que incluye la posición y orientación de la cámara en cada imagen, definida como posadoP;y,
estimaciones iniciales de la cinemática de articulación de un modelo de esqueleto que representa un esqueleto del cuerpo, definido comoJK,incluyendo la posición 3D y la orientación 3D de cada articulación del modelo de esqueleto.
En esta realización, el controlador también es operable, bajo el control de las instrucciones de programa electrónico, para:
predecir, basándose en la información de altura y peso y género del usuario entregada, o la información de altura y género del usuario solamente, un avatar inicial de media, definido comoAv, que generalmente varía con la altura, el peso u otras medidas corporales introducidas del usuario si se conocen; y,
ajustar el avatar Av de media a un esqueleto de referencia de tamaño N-articulaciones con modelo de esqueleto conocido y JK en un posado de referencia, y una matriz de peso óseo/térmica definida comoW.
Preferiblemente, la matriz W se calcula sin conexión una sola vez durante el proceso de aprendizaje automático sin conexión de formas humanas, luego se guarda junto con el modelo de esqueleto JK de referencia para ser utilizada para la predicción o generación de otros avatares o formas humanas que no se han aprendido antes, de entre pocos propósitos de W son restringir, controlar y modelar la relación entre articulaciones, huesos y la superficie real del avatar 3D o la topología 3D que incluye la deformación natural se produce en la piel humana. La superficie o topología 3D puede modelarse y representarse de manera única por sus vérticesV,bordesEy carasF.
Ventajosamente, el proceso de predicción del avatar Av de media inicial sigue un enfoque sofisticado de aprendizaje automático basado en múltiples variantes. Preferiblemente, el enfoque de aprendizaje automático basado en múltiples variantes comprende un aprendizaje sin conexión de geometría 3D de la forma humana usando características 3D únicas y salientes extraídas de una pluralidad de escaneos tridimensionales equipados y reproducidos de seres humanos reales (hombres y mujeres) de diferentes edades, etnias y en diferentes posados corporales. Típicamente, el enfoque de aprendizaje automático basado en múltiples variantes comprende además diversas relaciones estadísticas entre diferentes mediciones corporales definidas como vectorM= (m1, m2,..., mL) conLnúmero de mediciones diferentes en donde, en uso, se pueden predecir una o más mediciones dadas una o más mediciones diferentes y se puede predecir un avatar Av en promedio dadas una o más de estas mediciones.
Preferiblemente, con el fin de deformar o simplemente animar un avatar a un nuevo avatar definido comoAv1del cuerpo representado en una nueva primera representación, los datos de referencia o de avatar en promedio (V, E, F, JK, W) y una conocida o una estimada de la cinemática de articulación del usuario definida comoJK1de la nueva primera representación son suministradas a una función de coste definida como £, que optimiza y deforma Av a Av1 sometido a varias restricciones físicas conocidas o aprendidas a partir del movimiento humano natural, en donde, en uso, el nuevo avatar animado Av1 y por simplicidad se supone que tiene las mismas mediciones corporales que el avatar en promedio Av, puede modelarse como una función no lineal de la referencia o un dato de avatar en promedio, es decir, Av1 = f(Av, W, JK, JK1). Típicamente, una implementación de la función de coste £ se deriva combinando dos o más funciones ponderadas de minimización de energía:
una función de uniformidad superficial que utiliza, por ejemplo, una matriz cotangente de Laplace que utiliza V, F y E; y,
una función de fijación ósea que utiliza V, F y W para asegurar que la correspondencia está restringida entre los vértices del avatar y su estructura esquelética.
Preferiblemente, para generar la representación en 3D del cuerpo real, el avatar 3D; una o más representaciones de Av1 se emparejan y se comparan usando optimización no lineal adaptativa contra una o más de las siluetas o sus representaciones. El proceso sintonizará las estimaciones iniciales de datos y mediciones de Av1 incluyendo M, JK hasta que se consiga una coincidencia.
En una realización adicional, la entrada comprende una clasificación del cuerpo, y el controlador es operable, bajo el control de las instrucciones de programa electrónico, para: en base a la clasificación del cuerpo, obtener datos correspondientes a la clasificación del cuerpo; procesar la primera representación comparando la primera representación y los datos obtenidos; y generar la segunda representación del cuerpo en base a la comparación.
En una realización, la entrada comprende detalles del cuerpo. Los detalles pueden comprender datos y/o información asociada con el cuerpo.
En realizaciones de la invención, los datos pueden obtenerse mediante una o más de las siguientes acciones, recuperar, recibir, extraer e identificarlos, procedentes de una o más fuentes. En una realización, los datos obtenidos comprenden al menos uno de: una plantilla; una representación anterior del cuerpo, en cuyo caso la clasificación del cuerpo puede comprender una identificación del cuerpo; y una integración de, o de datos de o asociados con, una o más representaciones anteriores del cuerpo, y/u otros cuerpos.
En una realización, la primera representación del cuerpo incluye la clasificación del cuerpo.
En una realización, el cuerpo es un cuerpo humano, o una o más partes del mismo. En tal caso, el cuerpo puede clasificarse según la antropometría. En una realización, el dispositivo comprende una pluralidad de plantillas, teniendo cada plantilla asociados a ella datos de plantilla que incluyen un modelo tridimensional de un cuerpo humano con mediciones de antropometría media estándar. Esto puede denominarse como un modelo de cuerpo en promedio- Las mediciones de antropometría media estándar pueden ser para una o más mediciones, incluyendo mediciones para variaciones de sexo, tamaño (por ejemplo, talla de ropa de una persona), peso, altura, edad y grupos étnicos.
En una realización, el cuerpo es un cuerpo de un ser vivo, o una o más partes del mismo.
En una realización, el cuerpo es un cuerpo de un objeto no vivo, o una o más partes del mismo.
Los medios de entrada pueden comprender al menos un sensor, que puede ser parte de un sistema de sensores o un conjunto de sensores.
En una realización, la primera representación comprende una representación visual del cuerpo. En tal implementación, el al menos un sensor puede comprender un medio de formación de imágenes operable para capturar la representación visual del cuerpo. Los medios de formación de imágenes pueden ser una cámara digital.
Los sensores individuales dentro del conjunto de sensores pueden comprender: un sensor de movimiento; un sensor de infrarrojos; un sensor de profundidad; un sensor de formación de imágenes tridimensionales; un sensor inercial; un sensor micro-electromecánico (MEMS); un medio de formación de imágenes; un sensor de aceleración; un sensor de orientación; un sensor de dirección; y un sensor de posición.
En una realización, la primera representación comprende una o más representaciones visuales del cuerpo. En tal realización, el uno o más sensores, cuando están previstos, pueden comprender un medio de formación de imágenes operable para capturar la una o más representaciones visuales del cuerpo. Además, el uno o más sensores pueden comprender un sensor de orientación operable para proporcionar datos de orientación para su uso durante la captura de las una o más representaciones visuales del cuerpo para facilitar la alineación del mismo a un plano para una precisión aumentada.
En una realización, la una o más representaciones visuales del cuerpo incluyen al menos una fotografía de vista frontal y al menos una fotografía de vista lateral del cuerpo. Las fotografías pueden comprender: imágenes binarias, grises o en color bidimensionales estándar (2D); imágenes de profundidad con o sin colores y/o texturas; una nube de puntos tridimensional completa (3D) o varias nubes de puntos incompletas del cuerpo con o sin colores y/o textura; y/o una malla tridimensional (3D) del cuerpo con o sin colores y/o textura, en realizaciones de la invención.
En una realización, el controlador es operable además, bajo el control de las instrucciones de programa electrónico, para:
segmentar al menos un primer plano que comprende el cuerpo de una o más representaciones visuales del cuerpo de la primera representación;
convertir el uno o más primeros planos segmentados de la una o más representaciones visuales de la primera representación en siluetas respectivas;
usar el uno o más primeros planos segmentados y sus siluetas respectivas para construir un casco visual en 3D de una forma del cuerpo, y/o extraer características y/o extraer mediciones de puntos clave; y
usar una o más del casco, y/o características, y/o mediciones de puntos clave para uno o más de modificar de las acciones de modificar, presentar, y transformar un modelo de cuerpo en 3D (un modelo corporal en promedio) de la plantilla seleccionada para crear una imagen modificada del modelo en 3D específico del sujeto que es la segunda representación.
En una realización, en el caso de imágenes de profundidad, nubes y mallas de puntos, cualquiera de ellas con o sin colores y/o texturas, el controlador es operable, bajo el control de las instrucciones de programa electrónico, para reconstruir una forma tridimensional del cuerpo, específica del sujeto. En una realización, el controlador es operable además, bajo el control de las instrucciones de programa electrónico, para borrar las una o más representaciones visuales de la primera representación.
El dispositivo de visualización, la interfaz de usuario y los medios de entrada pueden estar integrados, por ejemplo, en una pantalla táctil. Alternativamente, pueden ser discretos.
En una realización, la entrada comprende instrucciones de usuario que son introducidas por un usuario a través de los medios de entrada. Las instrucciones de usuario pueden comprender un comando para realizar una acción, en cuyo caso el controlador es operable, bajo el control de las instrucciones de programa electrónico, para realizar la acción según las instrucciones de usuario recibidas.
La acción puede comprender una acción de interacción, y puede incluir una o más de las siguientes acciones: seleccionar un área o porción de la segunda representación generada para obtener detalles de medición de la misma.
La plantilla puede recuperarse desde el almacenamiento del dispositivo, o desde el almacenamiento remoto del dispositivo.
En realizaciones, una o más de la primera representación, la plantilla y la segunda representación pueden almacenarse en o a través de una o más bases de datos.
En una realización, las instrucciones de programa electrónico comprenden software. El dispositivo puede ser un dispositivo de comunicación móvil, en cuyo caso puede comprender un teléfono inteligente, un ordenador portátil/tableta/de escritorio, una cámara o un dispositivo de medios portátil, que tiene el software instalado en el mismo. El software puede proporcionarse como una aplicación de software descargable al dispositivo.
Preferiblemente, las operaciones realizadas por el dispositivo se producen automáticamente, sin requerir intervención humana.
Según un segundo aspecto amplio de la presente invención, se proporciona un método para formar imágenes de un cuerpo de un usuario; comprendiendo el método:
almacenar, en un almacenamiento, instrucciones de programa electrónico para controlar un controlador electrónico; y
controlar el controlador electrónico a través de las instrucciones electrónicas del programa,
recibir una entrada a través de un medio de entrada, comprendiendo la entrada una primera representación del cuerpo de un usuario;
visualizar la primera representación en un dispositivo de visualización de usuario
generar un esqueleto de guiado específico del usuario que aparecerá en el dispositivo de visualización de usuario una vez recibida la entrada;
permitir al usuario alinear su cuerpo en la primera representación con el esqueleto de guía específico del usuario tal como se proporciona en el dispositivo de visualización del usuario;
procesar la primera representación cuando el cuerpo del usuario se ha alineado con el esqueleto de guiado específico del usuario segmentando la primera representación del cuerpo del usuario; y
generar una segunda representación antropométricamente precisa y específica del usuario, del cuerpo del usuario sobre la base del procesamiento de la primera representación en tiempo real.
En una realización, el método puede comprender además comunicar la segunda representación generada. La comunicación puede comprender visualizar la segunda representación generada mediante un dispositivo de visualización.
En una realización, el método comprende además controlar el controlador a través de las instrucciones de programa electrónico, para: procesar la primera representación del cuerpo segmentando la primera representación del cuerpo para obtener una pluralidad de siluetas que representan de forma simple, sombras proyectadas de un escaneo tridimensional sustancialmente verdadero del cuerpo; y generar la segunda representación del cuerpo sobre la base de las siluetas. Preferiblemente, la etapa de habilitar al usuario incluye dar instrucciones al usuario a través de sonidos audibles/palabras/voz para alinear partes del cuerpo con el esqueleto específico del usuario mostrado, en donde las instrucciones de programa electrónico son operables para controlar el proceso de alineación mediante errores calculados usando y entre diversas características que incluyen apariencia de forma y características de variación, características de posado, características espaciotemporales que se extraen del esqueleto generado y la imagen o imágenes capturadas en tiempo real del cuerpo.
Ventajosamente, el método comprende además controlar el controlador a través de las instrucciones de programa electrónico, para:
calcular, basándose en la información de altura del usuario presentada, el tamaño de la imagen (altura y anchura de la imagen en píxeles), y utilizando análisis de manchas de imágenes binarias, teorías de proyección y modelos de cámara, lo siguiente:
estimaciones iniciales de parámetros intrínsecos y extrínsecos de la cámara de captura que incluye la posición y orientación de la cámara en cada imagen, definida como posadoP;y,
estimaciones iniciales de la cinemática de articulación de un modelo de esqueleto que representa un esqueleto del cuerpo, definido comoJK,incluyendo la posición en 3D y la orientación en 3D de cada articulación del modelo de esqueleto.
Ventajosamente, el método comprende además controlar el controlador a través de las instrucciones de programa electrónico, para:
calcular, basándose en la información de altura del usuario presentada, el tamaño de la imagen (altura y anchura de la imagen en píxeles), y utilizando análisis de manchas de imágenes binarias, teorías de proyección y modelos de cámara, lo siguiente:
estimaciones iniciales de parámetros intrínsecos y extrínsecos del sensor de captura o cámara que incluye la posición y orientación de la cámara en cada imagen, definida como posadoP;y,
estimaciones iniciales de la cinemática de articulación de un modelo de esqueleto que representa un esqueleto del cuerpo, definido comoJK,incluyendo la posición en 3D y la orientación en 3D de cada articulación del modelo de esqueleto.
Típicamente, el método comprende además controlar el controlador a través de las instrucciones de programa electrónico, para:
predecir, basándose en la información de altura y peso y género del usuario enviada, o la información de altura y género del usuario solamente, un avatar inicial en promedio, definido comoAv,que varía con la altura, peso u otras medidas corporales introducidas del usuario si se conocen;
ajustar el avatar en promedio Av a un esqueleto de referencia de las articulaciones de tamaño N con modelo de esqueleto conocido JK en un posado de referencia, y una matriz de peso óseo/ térmica definida comoW.
Preferiblemente, la matriz W se calcula sin conexión una sola vez durante el proceso de aprendizaje del proceso de predicción, luego se guarda junto con el modelo de esqueleto de referencia JK para ser utilizada para la predicción o generación de otros avatares, siendo el propósito de W restringir, controlar y modelar la relación entre articulaciones, huesos y la superficie real del avatar en 3D representada por sus vérticesV,bordesEy carasF.
Típicamente, el método comprende además controlar el controlador a través de las instrucciones de programa electrónico, para:
predecir, basándose en la información de altura y peso y género del usuario enviada, o la información de altura y género del usuario solamente, un avatar inicial en promedio, definido comoAv,que varía con la altura, peso u otras medidas corporales introducidas del usuario si son conocidos;
ajustar el avatar Av en promedio a un esqueleto de referencia de N-articulaciones de tamaño con modelo de esqueleto conocido y JK en un posado de referencia, y una matriz de peso óseo/térmica definida comoW.
Preferiblemente, la matriz W se calcula sin conexión una sola vez durante el proceso de aprendizaje automático sin conexión de formas humanas, luego se guarda junto con el modelo de esqueleto de referencia JK para ser utilizado para la predicción o generación de otros avatares o formas humanas que no se han aprendido antes, algunos propósitos de W son restringir, controlar y modelar la relación entre articulaciones, huesos y la superficie real del avatar en 3D o la topología en 3D que incluye la deformación natural que se produce en la piel humana. La superficie o topología en 3D puede representarse de manera única por sus vérticesV,bordesEy carasF.Preferiblemente, el proceso de predicción del avatar Av inicial en promedio sigue un enfoque sofisticado de aprendizaje automático basado en múltiples variantes. Típicamente, el enfoque de aprendizaje automático basado en múltiples variantes comprende un aprendizaje sin conexión de geometría en 3D de formas humanas usando características en 3D únicas y salientes extraídas de una pluralidad de escaneos tridimensionales instalados y representados de seres humanos reales (hombres y mujeres) de diferentes edades y posados.
Ventajosamente, el enfoque de aprendizaje automático basado en múltiples variantes comprende además el aprendizaje automático de inteligencia de máquina de diversas relaciones estadísticas entre diferentes mediciones corporales definidas como vectorM= (m1, m2,..., mL) conLnúmero de mediciones diferentes en donde, en uso, se pueden predecir una o más mediciones dadas una o más mediciones diferentes y se puede predecir un avatar Av en promedio dadas una o más de estas mediciones.
En esta realización, con el fin de deformar o simplemente animar un avatar a un nuevo avatar definido comoAv1- del cuerpo representado en una nueva primera representación, los datos de referencia o avatar en promedio (V, E, F, JK, W) y una cinemática conocida o una estimación de la cinemática de articulación del usuario definida comoJK1de la nueva primera representación se suministran a una función de coste definida £, que optimiza y deforma Av a Av1 sometido a una serie de restricciones físicas conocidas o aprendidas a partir del movimiento humano, en donde, en uso, el nuevo avatar animado Av1 y por simplicidad, se supone que tiene las mismas mediciones corporales que el avatar en promedio Av, puede modelarse como una función no lineal de los datos de referencia o de avatar en promedio, es decir, Av1 = f(Av, W, JK, JK1). Típicamente, una implementación de la función de coste £ se deriva combinando dos o más funciones ponderadas de minimización de energía:
una función de uniformidad superficial que utiliza, por ejemplo, una matriz cotangente de Laplace que utiliza V, F y E; y,
una función de fijación ósea que utiliza V, F y W para garantizar que la correspondencia está restringida entre los vértices del avatar y sus huesos.
En una realización adicional y con el fin de generar la representación en 3D del cuerpo real, el avatar en 3D; una o más representaciones de Av1 se emparejan y se comparan usando optimización no lineal adaptativa contra uno o más de las siluetas o sus representaciones. El proceso sintonizará las estimaciones iniciales de datos y mediciones de Av1 incluyendo M, JK hasta que se consiga una coincidencia.
En una realización adicional, la entrada comprende una clasificación del cuerpo, y el método comprende además controlar el controlador a través de las instrucciones de programa electrónico, para:
sobre la base de la clasificación del cuerpo, obtener datos correspondientes a la clasificación del cuerpo; procesar la primera representación comparando la primera representación y los datos obtenidos; y
generar la segunda representación del cuerpo sobre la base de la comparación.
Según un tercer aspecto amplio de la presente invención, se proporciona un medio de almacenamiento legible por ordenador en el que se almacenan instrucciones que, cuando se ejecutan por un medio informático, hacen que el medio informático realice el método según el segundo aspecto amplio de la presente invención como se ha descrito anteriormente en la presente memoria.
Según un cuarto aspecto amplio de la presente invención, se proporcionan medios informáticos programados para llevar a cabo el método según el segundo aspecto amplio de la presente invención como se describió anteriormente en la presente memoria.
Según un quinto aspecto amplio de la presente invención, se proporciona una señal de datos que incluye al menos una instrucción que es capaz de ser recibida e interpretada por un sistema informático, en donde la instrucción implementa el método según el segundo aspecto amplio de la presente invención como se describió anteriormente en la presente memoria.
Según un sexto aspecto amplio de la presente invención, se proporciona un sistema para la obtención de imágenes de un cuerpo que comprende un dispositivo según el primer aspecto amplio de la presente invención como se ha descrito anteriormente en la presente memoria.
Según un séptimo aspecto amplio de la presente invención, se proporciona un método para lograr un objetivo, comprendiendo el método usar un dispositivo según el primer aspecto amplio de la presente invención como se describió anteriormente en la presente memoria para generar y visualizar una o más segundas representaciones de un cuerpo a través del dispositivo de visualización para proporcionar motivación para lograr el objetivo.
En una realización, el cuerpo es un cuerpo humano, y el objetivo comprende un propósito de idoneidad personal para el cuerpo humano.
Breve descripción de los dibujos
Con el fin de que la invención pueda ser comprendida y puesta en práctica de manera más completa, se describirán ahora realizaciones preferidas de la misma con referencia a los dibujos adjuntos, en donde:
La Figura 1 representa un diagrama de flujo de acciones completadas por el usuario de una primera realización de un método, usando una primera realización de un sistema, según aspectos de la presente invención;
La Figura 2 representa un diagrama esquemático de una realización de un dispositivo según un aspecto de la presente invención;
La Figura 3 representa un diagrama simplificado del sistema de la Figura 1;
La Figura 4 representa un diagrama de flujo de acciones completadas por el usuario de una segunda realización de un método, usando una segunda realización de un sistema, según aspectos de la presente invención; y La Figura 5 representa un proceso de etiquetado del cuerpo de usuario muy probablemente en una imagen durante el uso de la segunda realización del método y sistema.
Descripción de realizaciones
Características adicionales de la presente invención se describen más completamente en los ejemplos en la presente memoria. Debe entenderse, sin embargo, que esta descripción detallada se incluye únicamente con el propósito de ejemplificar la presente invención, y no debe entenderse de ninguna manera como una restricción en la amplia descripción de la invención como ha expuesto anteriormente en la presente memoria.
No se hace admisión de que ninguna de las referencias constituya la técnica anterior citada en la presente memoria o sea parte del conocimiento general común de aquellos que trabajan en el campo al que se refiere esta invención.
A lo largo de esta memoria descriptiva, a menos que el contexto requiera lo contrario, la palabra "comprender", o variaciones tales como "comprende" o "que comprende", se entenderá que implica la inclusión de un número entero o grupo de números enteros indicado, pero no la exclusión de cualquier otro número entero o grupo de números enteros.
Otras definiciones para los términos seleccionados usados en la presente memoria pueden encontrarse dentro de la descripción detallada de la invención y aplicarse a lo largo de la misma. A menos que se defina lo contrario, todos los demás términos científicos y técnicos usados en la presente memoria tienen el mismo significado que el que entiende comúnmente un experto en la técnica a la que pertenece la invención.
La invención descrita en la presente memoria puede incluir uno o más intervalos de valores (por ejemplo, tamaño, desplazamiento e intensidad de campo, etc.). Se entenderá que un intervalo de valores incluye todos los valores dentro del intervalo, incluyendo los valores que definen el intervalo.
A lo largo de esta memoria descriptiva se usa lenguaje relativo tal como las palabras 'alrededor de' y 'aproximadamente'. Este lenguaje busca incorporar al menos un 10 % de variabilidad al número o intervalo especificado. Esa variabilidad puede ser más un 10% o menos un 10% del número particular especificado.
En los dibujos, las características similares se han referenciado con números de referencia similares.
En la Figura 1, se representan acciones realizadas durante el uso de una primera realización de un sistema 10 para formar imágenes de un cuerpo usando un dispositivo 12 según aspectos de la presente invención.
En la realización descrita, el cuerpo es un cuerpo 14 de un ser humano 16 (que es un usuario del sistema 10) que desea lograr un objetivo que comprende un propósito personal de idoneidad física de perder, ganar o mantener/monitorizar peso, y/o mejorar su tamaño o forma corporal. Como tal, es particularmente aplicable para su uso:
por mujeres de edades de 16 a 48 años, novias/novios, atletas y constructores corporales; pre/post embarazo; y en monitorización médica. Como se describirá con más detalle, el sistema 10 es operable para proporcionar una imagen específica del sujeto exacta, personalizada del ser humano 16 para promover y ayudar a lograr su propósito de idoneidad personal a través de una monitorización efectiva y precisa de su cuerpo 14. La imagen proporcionada puede denominarse como un avatar.
Aunque la presente invención se describirá con referencia particular a la formación de imágenes de un cuerpo humano para promover y proporcionar motivación para lograr un propósito de idoneidad personal, se apreciará que puede usarse con respecto a cuerpos de otros seres y para fines u objetivos adicionales y/o alternativos.
Se apreciará que la invención no está limitada con respecto al cuerpo del que se forman imágenes o al propósito para el que se forman imágenes, y en realizaciones alternativas, la invención puede aplicarse a la formación de imágenes de cuerpos de seres adicionales y/o alternativos, para propósitos adicionales y/o alternativos a los descritos. Dependiendo de la implementación, el cuerpo puede ser un cuerpo de un ser vivo, o una o más partes del mismo, o un cuerpo de un ser no vivo, o una o más partes del mismo. Las realizaciones de la invención son particularmente aplicables a la formación de imágenes de cuerpos de seres dentro de las cuales existe una variación entre el cuerpo de uno y otro, tales como animales, incluyendo ganado, y alimentos en un estado natural.
El dispositivo 12 es llevado por una persona que es el usuario 16.
El dispositivo 12 comprende una pluralidad de componentes, subsistemas y/o módulos acoplados operativamente a través de circuitos y conexiones apropiados para permitir que el dispositivo 12 realice las funciones y operaciones descritas en la presente memoria. El dispositivo 12 comprende componentes adecuados necesarios para recibir, almacenar y ejecutar instrucciones informáticas apropiadas, tales como un método para formar imágenes de un cuerpo y un método para lograr un objetivo según las realizaciones de la presente invención.
Particularmente, y como se muestra en la Figura 2, el dispositivo 12 comprende medios informáticos que en esta realización comprenden un controlador 18 y un almacenamiento 20 para almacenar instrucciones de programa electrónico para controlar el controlador 18, e información y/o datos; un dispositivo 22 de visualización para visualizar una interfaz 24 de usuario; y medios 26 de entrada; todos alojados dentro de un recipiente o alojamiento 28.
Como se describirá con más detalle, el controlador 18 es operable, bajo el control de las instrucciones electrónicas de programa, para: recibir la entrada a través de los medios de entrada, comprendiendo la entrada una primera representación del cuerpo 14; procesar la primera representación; generar una segunda representación del cuerpo 14 sobre la base del procesamiento; y visualizar la segunda representación generada a través del dispositivo 22 de visualización.
Además, en la primera realización, la entrada también comprende una clasificación del cuerpo 14, y el controlador 18 es operable, bajo el control de las instrucciones de programa electrónico, para: basándose en la clasificación del cuerpo 14, obtener datos correspondientes a la clasificación del cuerpo; procesar la primera representación comparando la primera representación y los datos obtenidos; y generar la segunda representación del cuerpo 14 basándose en la comparación.
En realizaciones de la invención, los datos pueden obtenerse mediante uno o más de las acciones de recuperar, recibir, extraer e identificarlos, de una o más fuentes. Las una o más fuentes de datos pueden residir en el almacenamiento 20 y/o en otro lugar, a distancia del dispositivo 12.
En la realización descrita, los datos obtenidos se proporcionan en forma de una plantilla que se recupera basándose en la clasificación del cuerpo 14, y se usa antropometría para clasificar el cuerpo 14.
Se proporciona una pluralidad de plantillas, teniendo cada plantilla asociados a ella datos de plantilla que incluyen un modelo tridimensional (3D) de un cuerpo humano con mediciones de antropometría media estándar para artículos que incluyen variaciones de sexo y grupos étnicos. Las plantillas son modelos digitales en 3D promediados con dimensiones completas para la altura y la anchura de todos los elementos del cuerpo. En la realización, el dispositivo es operable para extraer un subconjunto de estos como mediciones numéricas sobre las que se puede visualizar o calcular. Como se describirá con más detalle, estos puntos de datos específicos se usan para comparar con las imágenes de entrada y permitir que la plantilla sea modificada para relacionarla con los datos de tamaño de imagen.
En realizaciones de la invención, los datos obtenidos pueden comprender una representación anterior del cuerpo, en cuyo caso la clasificación del cuerpo puede comprender una identificación del cuerpo.
En otras realizaciones, los datos obtenidos pueden comprender una integración de, o de datos de o asociados con, una o más representaciones anteriores del cuerpo y/o de otros cuerpos. Tales datos pueden haber sido generados a través del funcionamiento del dispositivo 12 y/o haberse obtenido a partir de una o más fuentes distintas, tales como uno o más dispositivos 12 distintos, o tecnología DEXA, por ejemplo.
El controlador 18 comprende medios de procesamiento en forma de un procesador.
El almacenamiento 20 comprende memoria de sólo lectura (ROM) y memoria de acceso aleatorio (RAM).
El dispositivo 12 es capaz de recibir instrucciones que pueden estar contenidas en la ROM o la RAM y pueden ser ejecutadas por el procesador. El procesador es operable para realizar acciones bajo el control de instrucciones de programa electrónico, como se describirá con más detalle a continuación, incluyendo procesar/ejecutar instrucciones y gestionar el flujo de datos e información a través del dispositivo 12.
En la realización, las instrucciones de programa electrónico para el dispositivo 12 se proporcionan a través de una única aplicación de software (aplicación) o módulo que puede denominarse como una aplicación de formación de imágenes. En la realización descrita, la aplicación se comercializa con la marca registrada MYFIZIQ™, y puede descargarse de un sitio web (u otra plataforma de dispositivo electrónico adecuada) o guardarse o almacenarse de otro modo en el almacenamiento 20 del dispositivo 12.
En realizaciones preferidas de la invención, el dispositivo 12 es un dispositivo de comunicación móvil y comprende un teléfono inteligente tal como el comercializado con la marca registrada IPHONE® por Apple Inc, o por otro proveedor tal como Nokia Corporation, o Samsung Group, que tiene Android, WEBOS, Windows, u otra plataforma de aplicaciones telefónicas. Alternativamente, el dispositivo 10 puede comprender otros medios informáticos, tales como un ordenador personal, portátil o de tableta, tal como el comercializado con la marca registrada IPAD® o IPOD TOUC® por Apple Inc, o por otro proveedor tal como Hewlett-Packard Company, o Dell, Inc, por ejemplo, u otro dispositivo adecuado.
El dispositivo 12 también incluye un sistema operativo que es capaz de emitir comandos y está dispuesto para interactuar con la aplicación para hacer que el dispositivo 12 lleve a cabo las respectivas etapas, funciones y/o procedimientos según la realización de la invención descrita en la presente memoria. El sistema operativo puede ser apropiado para el dispositivo 12. Por ejemplo, en el caso en donde el dispositivo 12 comprende un IPHONE® teléfono inteligente, el sistema operativo puede ser iOS.
Como se representa en la Figura 3, el dispositivo 12 es operable para comunicarse a través de uno o más enlaces 30 de comunicaciones, que pueden conectarse de diversas maneras a uno o más dispositivos remotos 32 tales como servidores, ordenadores personales, terminales, dispositivos informáticos inalámbricos o portátiles, dispositivos de comunicación por línea terrestre o dispositivos de comunicación móvil tales como un teléfono móvil (celular). Al menos uno de una pluralidad de enlaces 30 de comunicaciones puede estar conectado a una red informática externa a través de una red de telecomunicaciones.
En la realización descrita, los dispositivos remotos 32 incluyen otros dispositivos 12, propiedad de y/u operados por otras personas, así como un sistema informático 34 propiedad y operado por un administrador.
El sistema informático administrador 34 tiene la forma de un servidor 36 en la realización. El servidor 36 puede usarse para ejecutar servicios de aplicación y/o sistema tales como un sistema y método para formar imágenes de un cuerpo y método para lograr un objetivo según realizaciones de la presente invención.
En la realización, el servidor 36 está localizado físicamente en un centro de administración gestionado centralmente. En realizaciones alternativas, puede estar contenido en una plataforma basada en la nube.
De manera similar al dispositivo 12, el servidor 36 comprende componentes adecuados necesarios para recibir, almacenar y ejecutar instrucciones de programa electrónico apropiadas. Los componentes incluyen medios de procesamiento en forma de un procesador de servidor, almacenamiento de servidor que comprende memoria de solo lectura (ROM) y memoria de acceso aleatorio (RAM), uno o más dispositivos de entrada/salida de servidor tales como unidades de disco, y una interfaz de usuario de servidor asociada. Los dispositivos 32 de comunicaciones remotas (incluyendo el dispositivo 12) están dispuestos para comunicarse con el servidor 36 a través del uno o más enlaces 30 de comunicaciones.
El servidor 32 es capaz de recibir instrucciones que pueden estar contenidas en unidades de ROM, RAM o de disco y pueden ser ejecutadas por el procesador del servidor. El procesador del servidor es operable para realizar acciones bajo el control de instrucciones de programa electrónico, como se describirá con más detalle a continuación, incluyendo el procesamiento/ejecución de instrucciones y la gestión del flujo de datos e información a través del sistema informático 34.
El servidor 36 incluye un sistema operativo de servidor que es capaz de emitir órdenes para acceder a una pluralidad de bases de datos o bancos de datos que residen en el dispositivo de almacenamiento del mismo. En la realización, se proporcionan dos de tales bases de datos o bancos de datos, que comprenden: uno de los usuarios registrados (RU) del sistema 10, que puede denominarse como una base 38 de datos de RU; y una de las plantillas descritas anteriormente en la presente memoria, incluyendo los datos de la plantilla, que pueden denominarse como una base 40 de datos de plantilla0. El sistema operativo está dispuesto para interactuar con las bases 38 y 40 de datos y con uno o más programas informáticos de un conjunto/serie de software de servidor para hacer que el servidor 36 lleve a cabo las etapas, funciones y/o procedimientos respectivos según la realización de la invención descrita en la presente memoria.
La aplicación, los programas informáticos del conjunto de software de servidor y otras instrucciones o programas electrónicos para los componentes informáticos del dispositivo 12 y del servidor 36 pueden escribirse en cualquier lenguaje adecuado, como conocen bien los expertos en la técnica. Por ejemplo, para el funcionamiento en un dispositivo 12 que comprende un teléfono inteligente IPHONE®, la aplicación de formación de imágenes puede escribirse en el lenguaje Objetivo-C. En realizaciones de la invención, las instrucciones de programa electrónico pueden proporcionarse como aplicación o aplicaciones autónomas, como un conjunto o pluralidad de aplicaciones, a través de una red, o añadirse como middleware, dependiendo de los requisitos de la implementación o realización.
En realizaciones alternativas de la invención, el software puede comprender uno o más módulos, y puede implementarse en hardware. En tal caso, por ejemplo, los módulos pueden implementarse con una cualquiera o una combinación de las siguientes tecnologías, cada una de las cuales son bien conocidas en la técnica: un circuito o circuitos lógicos discretos que tienen puertas lógicas para implementar funciones lógicas sobre señales de datos, un circuito integrado de aplicación específica (ASIC) que tiene puertas lógicas apropiadas que se pueden combinar, una matriz o matrices de puertas programables (PGA), una matriz de puertas programables en campo (FPGA) y similares.
Los medios informáticos respectivos pueden ser un sistema de cualquier tipo adecuado, incluyendo: un controlador lógico programable (PLC); procesador de señales digitales (DSP); microcontrolador; ordenador personal, portátil o de tableta, o servidores dedicados o servidores en red.
Los procesadores respectivos pueden ser cualquier procesador hecho a medida o disponible comercialmente, una unidad central de procesamiento (CPU), un procesador de señal de datos (DSP) o un procesador auxiliar entre varios procesadores asociados con los medios informáticos. En realizaciones de la invención, los medios de procesamiento pueden ser un microprocesador basado en semiconductores (en forma de un microchip) o un macro-procesador, por ejemplo.
En realizaciones de la invención, el almacenamiento respectivo puede incluir uno cualquiera o una combinación de elementos de memoria volátiles (por ejemplo, memoria de acceso aleatorio (RAM) tal como memoria dinámica de acceso aleatorio (DRAM), memoria estática de acceso aleatorio (SRAM)) y elementos de memoria no volátiles (por ejemplo, memoria de solo lectura (ROM), memoria de solo lectura programable borrable (EPROM), memoria de solo lectura programable borrable electrónicamente (EEPROM), memoria de solo lectura programable (PROM), cinta, memoria de solo lectura de disco compacto (CD-ROM), etc.). El almacenamiento respectivo puede incorporar medios de almacenamiento, electrónicos, magnéticos, ópticos y/o de otros tipos. Además, el respectivo almacenamiento puede tener una arquitectura distribuida, donde varios componentes están situados alejados entre sí, pero se puede acceder a ellos por los medios de procesamiento. Por ejemplo, la ROM puede almacenar diversas instrucciones, programas, software o aplicaciones que han de ser ejecutadas por los medios de procesamiento para controlar el funcionamiento del dispositivo 12 y la RAM puede almacenar temporalmente variantes o resultados de las operaciones.
El uso y funcionamiento de ordenadores que usan aplicaciones de software es bien conocido por los expertos en la técnica y no necesita describirse con ningún detalle adicional en la presente memoria excepto cuando es relevante para la presente invención.
Además, puede usarse cualquier protocolo de comunicación adecuado para facilitar la conexión y comunicación entre cualquier subsistema o componente del dispositivo 12, cualquier subsistema o componente del servidor 36, y el dispositivo 12 y el servidor 36 y otros dispositivos o sistemas, incluyendo cableados e inalámbricos, como son bien conocidos por los expertos en la técnica y no necesitan describirse con ningún detalle adicional en el presente documento excepto cuando es relevante para la presente invención.
Cuando las palabras "almacenar", "retener" y "guardar" o palabras similares se usan en el contexto de la presente invención, se debe entender que incluyen la referencia a la retención o contención de datos o información tanto permanente como/o temporalmente en los medios de almacenamiento, dispositivo o medio para su posterior recuperación, y momentánea o instantáneamente, por ejemplo, como parte de una operación de procesamiento que se está realizando.
Adicionalmente, cuando los términos "sistema", "dispositivo" y "máquina" se usan en el contexto de la presente invención, se debe entender que incluyen la referencia a cualquier grupo de componentes o elementos funcionalmente relacionados o interactuantes, interrelacionados, interdependientes o asociados que pueden estar situados en proximidad, separados, integrados, o discretos, unos de otros.
Además, en realizaciones de la invención, se entiende que la palabra "determinante" incluye que recibe o que accede a los datos o información relevantes.
En la realización de la invención, el dispositivo 22 de visualización para visualizar la interfaz 24 de usuario y los medios 26 de entrada de usuario están integrados en una pantalla táctil 42. En realizaciones alternativas, estos componentes pueden preverse como elementos o artículos discretos.
La pantalla táctil 42 es operable para percibir o detectar la presencia y ubicación de un toque dentro de un área de visualización del dispositivo 12. Los "toques" detectados de la pantalla táctil 42 se introducen en el dispositivo 12 como comandos o instrucciones y se comunican al controlador 18. Debe apreciarse que los medios 26 de entrada de usuario no se limitan a comprender una pantalla táctil, y en realizaciones alternativas de la invención puede usarse cualquier dispositivo, sistema o máquina apropiado para recibir entrada, comandos o instrucciones y proporcionar interacción controlada, incluyendo, por ejemplo, un teclado numérico o un teclado alfanumérico, un dispositivo apuntador, o dispositivo compuesto, y sistemas que comprenden activación por voz, control de voz y/o pensamiento, y/o formación de imágenes holográficas/proyectadas.
La entrada también puede recibirse a través de al menos un sensor que es parte de un sistema de sensores o un conjunto de sensores 44 del dispositivo 12. Los sensores individuales dentro del conjunto de sensores 44 son operables para monitorizar, detectar y recopilar o medir datos y/o información de sensor asociados con o relacionados con una o más características, propiedades y parámetros del dispositivo 12, el entorno circundante, o componentes, sistemas o dispositivos asociados con el mismo o acoplados al mismo. Por ejemplo, el conjunto de sensores 44 es operable para detectar y recopilar datos de sensor relativos a un estado del dispositivo 12 y/o un estado del entorno que rodea al dispositivo 12. En una realización, el estado del dispositivo 12 comprende una posición del dispositivo 12. En una realización, el estado del dispositivo 12 comprende además una velocidad orientada y/o velocidad sin orientación del dispositivo 12. El conjunto de sensores 44 incluye un sistema de sensores inerciales que comprende un sensor de aceleración y un sensor de orientación, un sensor de dirección y un sensor de posición. Realizaciones alternativas de la invención pueden comprender sensores adicionales y/o alternativos, incluyendo un sensor de movimiento, un sensor de infrarrojos, un sensor de profundidad, un sensor de formación de imágenes tridimensionales, un sensor inercial y un sensor micro-electromecánico (MEMS).
El sensor de aceleración es operable para medir una aceleración del dispositivo 12 y producir un dato de aceleración. Por ejemplo, el sensor de aceleración puede ser un acelerómetro. El sensor de orientación es operable para medir una tasa de cambio de la orientación (es decir, la tasa angular) del dispositivo 12 y producir un dato de orientación. Por ejemplo, el sensor de orientación puede ser un giroscopio. El sensor de dirección es operable para determinar una dirección relativa a los polos magnéticos de la Tierra y producir un dato de dirección. Por ejemplo, el sensor de dirección puede ser una brújula electrónica. El sensor de posición es operable para determinar una posición del dispositivo 12 y producir un dato de posición. Por ejemplo, el sensor de posición puede ser un Sistema de Posicionamiento Global (GPS). El uso y funcionamiento de tales sensores es bien conocido por los expertos en la técnica y no necesita describirse con ningún detalle adicional en la presente memoria excepto cuando es relevante para la presente invención.
La primera representación puede comprender una o más representaciones visuales del cuerpo 14. En la realización descrita, la primera representación comprende un conjunto de representaciones visuales del cuerpo 14. Por consiguiente, el conjunto de sensores 44 incluye medios de formación de imágenes en forma de una cámara digital operable para capturar imágenes que comprenden las representaciones visuales. La cámara está integrada con el dispositivo 12 en la realización. Los medios de formación de imágenes pueden comprender cualquier sistema o dispositivo adecuado que facilite la adquisición de imágenes fijas y/o en movimiento. Por ejemplo, en el caso en donde el dispositivo 12 comprende un teléfono inteligente IPHONE® , el medio de formación de imágenes puede ser una cámara iSight™. El uso y funcionamiento de cámaras es bien conocido por los expertos en la técnica y no necesita describirse con ningún detalle adicional en el presente documento excepto cuando es relevante para la presente invención.
El dispositivo 12 comprende componentes conectados/acoplados operativamente que facilitan el rendimiento como se describe, incluyendo chips informáticos apropiados (circuitos integrados), antenas transceptoras/receptoras y software para la tecnología sensorial que se usan.
Uno o más sensores del conjunto de sensores 44 pueden estar integrados con el dispositivo 12, como puede ser el caso donde comprende un teléfono inteligente IPHONE®. Alternativamente, el dispositivo 12 puede estar acoplado operativamente a uno o más del conjunto de sensores 44 descrito anteriormente.
Además de almacenarse en la base 40 de datos de plantillas, en la realización, al menos algunos de los detalles de las plantillas se almacenan o guardan en una base 46 de datos o banco de datos que reside en el almacenamiento 20 y accesible por el controlador 18 bajo el control de la aplicación. Estos pueden instalarse como parte de la aplicación. El controlador 18 está dispuesto para interactuar con la base 46 de datos para hacer que el dispositivo 12 lleve a cabo las etapas, funciones y/o procedimientos respectivos según la realización de la invención descrita en la presente memoria.
Los detalles de otras de las plantillas se almacenan o guardan remotamente, por ejemplo, en uno o más módulos de base de datos remotos que residen en el almacenamiento respectivo de uno o más sistemas o dispositivos 32 remotos, tales como la base 40 de datos de plantillas del servidor 36 y accesibles por el dispositivo 12 a través del uno o más enlaces 30 de comunicaciones. El controlador 18 está dispuesto para facilitar la interacción del usuario con las una o más bases de datos remotas para hacer que el contenido almacenado de manera remota esté disponible para su uso según se requiera.
Se entenderá que la base o bases de datos pueden residir en cualquier dispositivo de almacenamiento adecuado, que puede abarcar unidades de estado sólido, unidades de disco duro, unidades ópticas o unidades de cinta magnética. La base o bases de datos pueden residir en un único dispositivo de almacenamiento físico o pueden estar distribuidas sobre diversos dispositivos o módulos de almacenamiento.
La base 46 de datos está acoplada al controlador 18 y en comunicación de datos con el mismo con el fin de permitir que la información y los datos sean leídos hacia y desde la base 46 de datos, como es bien conocido por los expertos en la técnica. Puede usarse cualquier estructura de base de datos adecuada, y puede haber una o más de una base de datos. En realizaciones de la invención, la base 46 de datos puede estar prevista localmente como un componente del dispositivo 12 (tal como en el almacenamiento 20) o remotamente tal como en un servidor remoto, como pueden estar las instrucciones de programa electrónico, y cualquier otro dato o información que se ha de recopilar y/o presentar.
De manera similar, tanto las bases de datos 38 y 40 del UR como de plantillas están acopladas al servidor 36 y están en comunicación de datos con el mismo para permitir que los datos sean leídos hacia y desde las bases de datos 38 y 40 de UR como de plantillas como es bien conocido por los expertos en la técnica. Se puede utilizar cualquier estructura de base de datos adecuada. Una cualquiera o ambas de las bases 38 y 40 de datos de RU y de plantilla pueden estar previstas localmente como un componente del servidor 36 (tal como en el dispositivo de memoria) o remotamente tal como en un servidor remoto, tal como lo puede hacer el conjunto de servidores de software. En una realización, se pueden configurar varios ordenadores de esta manera para tener una aplicación cliente-servidor de red. En la realización descrita, cada una de las bases de datos 38 y 40 de RU y de plantilla se almacena internamente en el dispositivo de memoria del servidor 36 como particiones de una única estructura de base de datos. En realizaciones alternativas de la invención, puede haber más o menos bases de datos.
Una vez que la aplicación está instalada en el dispositivo 12, el controlador 18 es operable, bajo el control de la aplicación, para presentar, a través de la pantalla táctil 42, una secuencia de páginas electrónicas navegables, pantallas y formas al usuario 16 del dispositivo 12 que permiten la introducción o captura de información y/o datos, incluyendo datos y/o información detectada a través de sensores del conjunto de sensores 44 tales como imágenes capturadas a través de la cámara, instrucciones y comandos pertinentes para el funcionamiento del dispositivo 12 y del sistema 10.
En la realización descrita, el conjunto de software de servidor del servidor 36 comprende: una aplicación de servidor web, una aplicación de registro y solicitud, una aplicación de procesamiento de imágenes, una aplicación de comunicación, una aplicación de emisión de facturas/facturación y una aplicación de procesamiento de pagos.
Como se describirá con más detalle, a través de las aplicaciones respectivas del conjunto de software de servidor, el servidor 36 es operable para realizar funciones que incluyen: registro y compartición de datos de usuario; extracción, conversión y combinación de datos con datos recibidos a través de la aplicación; y registro de todos los datos en tiempo real que pasan a través de la interfaz de aplicación.
La aplicación de servidor web es operable para entregar contenido relacionado con el sistema 10 a través de un sitio web dedicado, tal como páginas web u otras páginas electrónicas o pantallas, a usuarios existentes o potenciales del sistema 10. El sitio web es accesible a través de un navegador web de un dispositivo de comunicación móvil habilitado para Internet, tal como un ordenador portátil o un teléfono inteligente (incluyendo el dispositivo 12 en la realización), conectado operativamente para estar en comunicación de datos con el sistema 10 a través de una red de comunicación. En la realización descrita, los medios de comunicación de datos son a través de Internet, sin embargo, se pueden emplear otros métodos, tales como conexión directa, en otras realizaciones de la invención.
El contenido puede incluir información general relevante para propósitos de idoneidad física, publicidad e información promocional o de relaciones públicas suministradas a través de uno o combinación de foros o medios apropiados incluyendo, por ejemplo, servicios proporcionados bajo las marcas registradas YouTube™, Facebook™ y/o Twitter™.
Las páginas web a las que se puede acceder incluyen una página 110 de registro en línea, para ser completada en el primer uso del sistema 10 por un usuario, y la página 112 de solicitud. La aplicación de sitio web es operable para permitir que un usuario potencial del sistema se inscriba manualmente se registre como un usuario, creando de ese modo una cuenta personal, y solicite un avatar. Esto es facilitado por el usuario que completa y presenta al servidor 36, a través de las páginas 110 y 112 de inscripción y solicitud, comunicaciones en forma de formularios electrónicos de registro y solicitud que comprenden información de inscripción y solicitud del usuario, respectivamente.
La información de registro de usuario incluye detalles que comprenden información y/o datos relacionados con el usuario y su cuerpo, incluyendo:
1) Identificación de usuario y Detalles de Contacto: Detalles que facilitan la identificación y comunicación con el usuario. Estos detalles pueden comprender nombres privados completos del usuario, nombre del usuario para cuando usa el sistema 10, dirección privada de casa, dirección física y/o de correo electrónico que se ha de usar para enviar correspondencia, número de teléfono de contacto, información de autenticación (tal como una contraseña), y cualquier otra información de identificación única y/o relevante según sea aplicable. Esta información es utilizada por el sistema 10 para comunicarse con el usuario, incluyendo la correspondencia relacionada con avatares creados, utilizando el sistema 10, y facturación.
2) Detalles del Cuerpo del Usuario: Información y/o datos relacionados con el cuerpo del usuario. En la realización descrita, ésta comprende datos antropométricos del cuerpo, incluyendo sexo, altura, peso, talla de la ropa (por ejemplo, pequeña, mediana, grande, X-grande, o XXL, por nombrar unas pocas), edad, y grupo étnico. En realizaciones alternativas de la invención, se pueden solicitar detalles adicionales y/o alternativos relacionados con y/o asociados con el cuerpo del usuario.
3) Detalles de Facturación y Pago: Detalles que facilitan la facturación y la recepción del pago del deudor (persona) responsable del pago por el uso del sistema 10 por el usuario. Los detalles de facturación pueden comprender una dirección de correo físico y/o electrónico que se ha de utilizar para reenviar correspondencia, incluyendo, por ejemplo, avisos de facturación para su procesamiento y pago. Los detalles del pago pueden comprender detalles de una cuenta financiera, tal como una cuenta de tarjeta de crédito del deudor, almacenada y usada para comprar artículos asociados con acciones realizadas a través del sistema 10, tal como crear un avatar en la realización. Se pueden usar plataformas de procesamiento de pago, adicionales y/o alternativas, incluyendo, pero sin limitarse a, servicios PayPal y Bitcoin (BTC), por ejemplo, en realizaciones de la invención.
La información de solicitud incluye la primera representación. Como se ha descrito anteriormente, en la realización la primera representación comprende un conjunto de representaciones visuales del cuerpo 14. Preferiblemente, las representaciones visuales dentro del conjunto de representaciones visuales comprenden diferentes vistas del cuerpo 14, y se capturan con el cuerpo 14 colocado delante de un fondo de contraste, sustancialmente libre de desorden/ruido (es decir, no ocupado). En particular, en la realización descrita, el conjunto de representaciones visuales comprende, a modo de ejemplo no limitativo, dos fotografías del cuerpo 14, siendo una primera fotografía de una vista frontal del cuerpo 14, y una segunda fotografía de una vista lateral del cuerpo 14. Para facilitar la captura y carga de las dos fotografías, a través de la página 112 de solicitud, el usuario 16 puede acceder a una pantalla 114 de captura de imágenes. La pantalla de captura de imágenes permite capturar y revisar las fotografías antes de que se carguen, y puede comprender una o más sub-pantallas para guiar al usuario a través del proceso. En la realización descrita, el dispositivo 12 es operable, a través del controlador 18 bajo el control de la aplicación de formación de imágenes, para usar datos que incluyen datos de orientación producidos a través del giroscopio interno (del sensor de orientación que calcula la orientación del dispositivo 12) para garantizar que las imágenes se toman en el plano vertical para una precisión aumentada de las mismas.
En realizaciones de la invención, el conjunto de representaciones visuales (tales como las fotografías) puede comprender un conjunto de imágenes que comprende uno o más de: imágenes bidimensionales (2D) estándar que incluyen imágenes de color, gris o binarias (por ejemplo, siluetas); imágenes de profundidad con o sin colores y/o texturas; MRI, DEXA (DXA), rayos X, CT-Scans, una nube de puntos tridimensional (3D) completa o una pluralidad de nubes de puntos incompletas del cuerpo con o sin colores y/o textura; y malla tridimensional (3D) del cuerpo con o sin colores y/o textura. El conjunto de representaciones visuales puede comprender una o una combinación de cualesquiera imágenes que es/son capturadas usando un dispositivo de formación de imágenes (detección) que sea capaz de detectar y emitir datos o características de cualquier forma que represente la forma de un sujeto (por ejemplo, una forma humana en la realización descrita) a un nivel que permita la reconstrucción de la superficie o caparazón tridimensional (3D) físico del sujeto.
En realizaciones de la invención, se puede proporcionar una función de normalización/desenfoque que sea operable para enmascarar características faciales y/u otras características distintivas del usuario en el conjunto de representaciones visuales, para una privacidad mejorada. Las representaciones visuales pueden estar protegidas adicionalmente para la privacidad.
En realizaciones alternativas de la invención, la información de registro y solicitud del usuario puede comprender detalles, información y/o datos alternativos o adicionales.
Todos los datos e información recogidos a través de aplicaciones del conjunto de software de servidor, incluyendo la aplicación de servidor web y la aplicación de registro, se distribuyen dentro del sistema 34 para su uso como se describe en la presente memoria.
La base 38 de datos de RU tiene una pluralidad de registros de RU. Cada registro de RU comprende un conjunto de información de RU relacionada con la cuenta de una RU del sistema 10, incluyendo la información de registro y petición tal como se describió anteriormente en la presente memoria, junto con otra información asociada con el RU, tal como avatares creados para la misma.
El servidor 36 tiene medios de detección operables para percibir o detectar la recepción de comunicaciones que comprenden información de registro y solicitud de usuario (enviada a través del sitio web dedicado u otros medios tal como se describe en la presente memoria). Tras detectar la recepción de tal información, el servidor 36, a través de su procesador bajo el control de aplicaciones relevantes del conjunto de software de servidor, incluyendo un módulo o aplicación de gestión de base de datos, puede hacerse funcionar para generar, ingresar datos y gestionar registros en la base 38 de datos de RU, (así como registros en la base 40 de datos de plantillas) y para ejecutar acciones tal como se describe en la presente memoria según los datos e información recibidos.
Un usuario potencial también puede inscribirse o registrarse por sí mismo como un usuario proporcionando la información de registro de usuario a través de correo electrónico, facsímil u otra comunicación, que puede ser a través de un servicio de redes sociales tal como Facebook™ o Twitter™ por ejemplo, para la captura y la entrada automáticas en la base 38 de datos de RU por acción de un software del conjunto de software del servidor o por un operador de entrada de datos u otro empleado del administrador.
Debe observarse que después del registro con éxito, un RU puede acceder posteriormente al sistema 10 a través de una página 116 de acceso en línea o de "inicio de sesión", que proporciona acceso al sistema 10 una vez que el usuario ha introducido una identificación y autorización de seguridad, apropiadas, tales como su nombre de usuario y contraseña asociada.
La aplicación de procesamiento de imágenes es operable para recibir y procesar los detalles del cuerpo del usuario presentados y la primera representación del cuerpo 16 para generar la segunda representación.
En la realización descrita, cuando se presenta una imagen, ya sea una imagen de profundidad en 2D o 3D, se usan valores predeterminados establecidos del registro (de los detalles del cuerpo del usuario), que el usuario puede actualizar según sea necesario (a medida que sus detalles del cuerpo cambian con el tiempo a medida que progresan hacia su objetivo, por ejemplo) a través de un formulario con pantalla 117 de fotos. Esto reduce ventajosamente el tiempo de entrada de datos.
Particularmente, en base al sexo, altura, peso, con o sin tamaño, y con o sin información de grupo étnico enviada, la aplicación de procesamiento de imágenes es operable para clasificar el cuerpo 14 y determinar y seleccionar una plantilla de la pluralidad de plantillas que tienen el modelo en 3D más cercano al mismo.
Una vez que se ha realizado esto, la aplicación de procesamiento de imágenes es operable para:
segmentar los primeros planos (cuerpo humano) a partir de las dos fotografías y convertir la primera representación en dos siluetas respectivas;
utilizar los primeros planos segmentados y sus siluetas respectivas para extraer características y mediciones de puntos clave y/o indicadores y/o características;
utilizar las características extraídas y las mediciones de puntos clave para modificar el modelo en 3D de la plantilla seleccionada para crear una imagen modificada del modelo en 3D específico del sujeto (que es la segunda representación);
asociar la imagen modificada del modelo en 3D a la cuenta de usuario; y
eliminar/destruir las dos fotografías de la primera representación.
Ventajosamente, en la realización, la segunda imagen generada es específica para el sujeto (es decir, el cuerpo del que se están formando imágenes), representando con precisión las características deseadas del mismo.
En realizaciones de la invención, la aplicación de procesamiento de imágenes puede funcionar para: segmentar al menos un primer plano que comprende el cuerpo de una o más representaciones visuales del cuerpo de la primera representación; convertir el uno o más primeros planos segmentados de la una o más representaciones visuales de la primera representación en siluetas respectivas; utilizar el uno o más primeros planos segmentados y sus siluetas respectivas para construir un casco de una forma del cuerpo, y/o extraer características y/o extraer mediciones de puntos clave; y usar uno o más del casco, y/o características, y/o mediciones de puntos clave en una o más de las acciones de modificar, adaptar y transformar un modelo en 3D de un cuerpo (un modelo corporal promedio) de la plantilla seleccionada para crear una imagen modificada del modelo en 3D específico del sujeto que es la segunda representación.
En una realización, en el caso de imágenes de profundidad, nubes y mallas de puntos, cualquiera con o sin colores y/o texturas, la aplicación de procesamiento de imágenes es operable para reconstruir una forma tridimensional del cuerpo específica del sujeto.
La aplicación de comunicación es operable para permitir la comunicación entre el servidor 36 y dispositivos en comunicación con el mismo. Tal comunicación incluye las comunicaciones descritas en la presente memoria, y puede ser de cualquier tipo apropiado incluyendo correo electrónico, notificaciones emergentes, y mensajes SMS, y puede cifrarse para una mayor seguridad.
Las comunicaciones realizadas a través de la aplicación de comunicación pueden incluir notificaciones de estado al usuario, tales como notificaciones que confirman que se han borrado las imágenes cargadas, e indican que se están usando siluetas para crear el avatar en 3D del usuario.
A través de la aplicación de comunicación, la imagen modificada del modelo en 3D se comunica al dispositivo 12 (junto con un mensaje de notificación apropiado) donde se puede visualizar en una pantalla 118 de imagen principal. La imagen modificada del modelo en 3D generada en la realización es un modelo de trabajo, que refleja con precisión la forma y mediciones del cuerpo 14 del usuario, y con respecto al cual el usuario puede realizar una o más interacciones a través de la interfaz 24 de usuario. La una o más interacciones pueden incluir seleccionar un área o parte del modelo para obtener detalles de circunferencia exactos del mismo. Particularmente, en la realización descrita, el usuario puede "pulsar" o seleccionar de otro modo parte del modelo en 3D y ver (a través del dispositivo 22 de visualización) valores numéricos asociados con la parte seleccionada. También se proporciona funcionalidad que permite al usuario girar y hacer zoom en el modelo en 3D a través de la interfaz 24 de usuario.
En realizaciones de la invención, pueden transcurrir aproximadamente 90 segundos entre que el usuario envía la información de solicitud y que la imagen modificada del modelo en 3D se genera y comunica al dispositivo 12.
En la realización, el modelo está coloreado en función del género: rosa para las mujeres, azul para los hombres.
El usuario es capaz de navegar, incluyendo avanzar y retroceder desde, las pantallas y páginas electrónicas generadas mediante la ejecución de respectivos botones de elementos de interfaz de navegación previstos en las mismas. En particular, se prevé una barra 120 de navegación que tiene botones de elementos de interfaz mediante los cuales el usuario puede controlar el sistema 10 para realizar acciones que incluyen acceder al soporte para su propósito de idoneidad personal basándose en sus mediciones y requisitos específicos. En la realización descrita, tal soporte incluye: acceder a recetas para comidas cuyo consumo ayudará al usuario a lograr su propósito personal de idoneidad; mediciones; plan o planes, que incluyen planes nutricionales y programas de ejercicio, que pueden adaptarse a medida al usuario; tomar una nueva imagen (generar una nueva imagen modificada del modelo en 3D); y cerrar sesión/salir del sistema 10.
En realizaciones de la invención, el dispositivo 12 es operable para almacenar la imagen modificada del modelo en 3D generada (que es la segunda representación) y utilizarla como plantilla para la comparación la siguiente vez que el usuario utiliza el dispositivo 12 para generar una nueva imagen de su cuerpo 14. Es decir, cada vez que el usuario utiliza el dispositivo 12 para generar una nueva imagen de su cuerpo 14 después de su uso inicial del dispositivo 12, la imagen modificada del modelo en 3D generada durante su uso anterior del dispositivo 12 se utiliza para generar la nueva imagen. Por consiguiente, se genera una tercera representación del cuerpo 14 basándose en la segunda representación generada del cuerpo 14, se genera una cuarta representación del cuerpo 14 basándose en la tercera representación generada del cuerpo 14, y así sucesivamente, en tales realizaciones.
En realizaciones, el soporte puede incluir integración con uno o más sistemas distintos, tales como, por ejemplo, integración de exploración DEXA. En tal caso, la una o más interacciones que pueden realizarse a través de la interfaz 24 de usuario pueden incluir acceder a datos y/o información que surgen de una exploración DEXA como una superposición visualizada sobre el modelo en 3D, seleccionar parte del modelo en 3D y ver (a través del dispositivo 22 de visualización) los datos y/o información de exploración DEXA asociados con la parte seleccionada.
La aplicación de facturación/facturación es operable para generar una factura para cada usuario registrado que comprende una cantidad pagable según su uso del sistema 10.
La aplicación de procesamiento de pagos es operable para recibir el pago por cada factura.
En realizaciones de la invención, una o más de las operaciones descritas, adicionales y/o alternativas realizadas por el sistema 10 se producen automáticamente, sin requerir intervención humana.
Las anteriores y otras características y ventajas de la realización de la invención se describirán ahora adicionalmente con referencia al sistema 10 en uso, con referencia al diagrama de flujo representado en la Figura 1 de los dibujos.
Una persona interesada se registra como un usuario del sistema 10 a través del proceso de registro como se describió anteriormente en la presente memoria, dando como resultado que se les proporcione una cuenta de usuario.
A continuación, el usuario (ahora registrado) accede y utiliza el sistema 10 como se describió anteriormente en el presente documento para generar una o más imágenes modificadas de modelo en 3D de su cuerpo y acceder al otro soporte proporcionado para ayudarle a lograr su objetivo de idoneidad personal.
Con el tiempo, el usuario puede generar una secuencia de imágenes modificadas de modelo en 3D de su cuerpo, que muestran cambios en las mismas. Mediante tal auto-monitorización frecuente, el usuario puede evaluar su progreso hacia su propósito de idoneidad personal y, por consiguiente, es más probable que lo consiga.
Las Figuras 4 y 5 de los dibujos representan acciones realizadas durante el uso de una segunda realización de un sistema 210 para formar imágenes de un cuerpo utilizando un dispositivo 212 según aspectos de la presente invención. Las mismas o similares características del sistema 210 en la segunda realización se indican con los mismos números de referencia que la primera realización.
Como se describirá con más detalle, la segunda realización proporciona un sistema y un método ecológicamente válidos para la reconstrucción de un modelo tridimensional de cuerpo humano (avatar). Como se describirá con más detalle, el sistema y el método utilizan una o más imágenes de un sujeto dada su altura y/o peso (por ejemplo, en el caso de una persona pero sin pérdida de generalidad).
En la segunda realización, el controlador del dispositivo 212 es operable, bajo el control de las instrucciones de programa electrónico, para: procesar la primera representación del cuerpo 14 segmentando la primera representación del cuerpo 14 para obtener una pluralidad de siluetas que representan de forma simple, sombras proyectadas de un escaneo tridimensional sustancialmente verdadero del cuerpo 14; y generar la segunda representación del cuerpo 14 sobre la base de las siluetas.
El controlador también es operable, bajo el control de las instrucciones de programa electrónico, para: generar un esqueleto específico del usuario que aparecerá en el dispositivo de visualización del dispositivo 212 una vez que se recibe la entrada; y, durante el proceso de segmentación de la primera representación, permitir al usuario alinear el cuerpo 14 en la primera representación con el esqueleto específico del usuario.
Particularmente, en la segunda realización, el sistema 210 es operable, bajo el control de instrucciones de programa electrónico de la aplicación, para llevar a cabo las siguientes tareas secuenciales (1 -6) con el fin de generar o construir un avatar en 3D del usuario:
Tarea 1: segmentar automáticamente al usuario en cada imagen para obtener sus imágenes binarias (siluetas, definirS) que representan de forma simple, las sombras proyectadas del escaneo en 3D real del usuario. En la segunda realización, la segmentación se logra cuando se sigue uno o ambos de los siguientes:
a. el usuario alinea su cuerpo con un esqueleto específico del usuario generado y visualizado a través del dispositivo 22 de visualización del dispositivo 12 una vez que comienzan a capturar la primera fotografía de la vista frontal de su cuerpo 14. Esta operación puede ir acompañada de retroalimentaciones visuales y/o de audio suministradas a través del dispositivo 212 para garantizar que se captura una imagen óptima; y
b. el usuario asegura que su cara, manos y pies sean visibles en la primera fotografía de la vista frontal de su cuerpo y no están cubiertos. En la segunda fotografía de la vista lateral de su cuerpo, solo se necesita que la cara y uno o ambos pies sean visibles, según la segunda realización.
Tarea 2: extraer varios tipos de características de las siluetas segmentadas y fusionar las características extraídas juntas para formar una representación (vectores de datos). Una representación por silueta.
Tarea 3: basándose en la información de altura del usuario enviada, tamaño de imagen (altura y anchura de imagen en píxeles), y utilizando análisis de manchas de imágenes binarias, teorías de proyección y modelos de cámara; calcular lo siguiente:
a. estimaciones iniciales de parámetros intrínsecos y extrínsecos de la cámara de captura (que puede denominarse posado) que incluye la posición y orientación de la cámara en cada imagen; definirP.
b. estimaciones iniciales de la cinemática de articulación de un modelo de esqueleto que representa el esqueleto del usuario, definirJK.Esto incluye la posición en 3D y la orientación en 3D de cada articulación del modelo de esqueleto.
Tarea 4: basándose en la información de altura y peso del usuario enviada, o sólo la información de altura del usuario, predecir un avatar en promedio (definirAv), que varía con la altura, peso o más mediciones corporales introducidas del usuario si se conocen. Av también se adapta a un esqueleto de referencia de tamaño de N-articulaciones y se conoce JK en un posado de referencia, y una matriz de peso óseo/altura (definirW).
En la segunda realización, la matriz W se calcula sin conexión una sola vez durante el proceso de aprendizaje del módulo de predicción, luego se guarda en la aplicación de formación de imágenes junto con un esqueleto de referencia JK para ser usada para la predicción o generación de otros avatares. El propósito de W es restringir, controlar y modelar la relación entre articulaciones, huesos y la superficie real del avatar 3D representada por sus vérticesV,bordesEy carasF.En otras palabras, para deformar o simplemente animar un avatar a uno nuevo (definirAv1)de un usuario en una imagen enviada a la aplicación de formación de imágenes. La referencia o los datos del avatar en promedio (V, E, F, JK, W) y una cinemática de articulación conocida o una estimación de la cinemática de articulación del usuario (definirJK1) de su imagen enviada se alimenta a una función de coste que optimiza y deforma Av a Av1 someter a una serie de restricciones físicas conocidas o aprendidas a partir del movimiento humano natural. Las restricciones pueden incluir, por ejemplo, la rotación máxima que puede tener una articulación pélvica o la posición y la orientación en 3D de una articulación con respecto a otra, la jerarquía de articulaciones y que una afecta al movimiento de la otra, por nombrar unas pocas. En otras palabras, el nuevo avatar animado Av1 con la misma medición corporal que el avatar en promedio es una función de los datos de referencia/promedio; es decir, Av1 = f(Av, W, JK, JK1). En la tecnología de la segunda realización se deriva una función que combina dos funciones de minimización de energía ponderada:
a. una función de uniformidad superficial que utiliza matriz cotangente de Laplace que utiliza V, F y E, y
b. una función de fijación ósea que utiliza (V, F y W) para garantizar que la correspondencia está restringida entre los vértices del avatar y sus huesos.
La predicción (por ejemplo, usando múltiples variantes Bayesianas) del avatar inicial Av sigue un enfoque de aprendizaje automático sofisticado basado en múltiples variantes. En la segunda realización, esto comprende el aprendizaje de inteligencia de máquina (realizado sin conexión) de formas humanas usando características en 3D extraídas de más de 20.000 escaneos adaptados y reproducidos de escaneos tridimensionales de seres humanos reales (hombres y mujeres) de diferentes edades y posados (por lo tanto, el término ecológicamente válido usado en la presente memoria). También comprende el aprendizaje de inteligencia de máquina de diversas relaciones estadísticas entre diferentes mediciones corporales (definir vectorM= (m1, m2,..., mL) conLnúmero de mediciones diferentes). Como ejemplo, m1 puede ser la circunferencia torácica. La técnica desarrollada puede predecir una o más mediciones dadas una o más mediciones diferentes y predecirá un avatar dadas una o más de estas mediciones. El proceso de aprendizaje implica el uso de diversas características de forma tridimensional (superficie) extraídas de cada escaneo real en 3D.
Debe apreciarse que la inteligencia artificial y el aprendizaje automático no están limitados a este respecto, y en realizaciones alternativas de la invención pueden usarse entrenamiento, prueba y validación adicionales y/o alternativos según el cuerpo o ser destinado a ser formado en imágenes y las decisiones que se han de tomar o clasificar.
Tarea 5:
Dadas
a. La altura o altura y peso y género del usuario, predecir las mediciones restantes en M, y a continuación generar (predecir) un avatar Av en promedio inicial del usuario. Por lo tanto, Av por sí mismo es una función de las mediciones M, es decir, Av = fa(m1 ,m2,...,mL) = fa(M),
b. estimaciones iniciales de las matrices de proyección P,
c. la cinemática de articulación JK de posado de referencia de Av y su matriz ósea W,
d. siluetas segmentadas definenSde la primera representación
Problema:
Dado lo anterior, encontrar el avatar Av1 y sus mediciones precisas definen M1 del usuario?
Solución:
a- Inicializar M1 con M
b- Como el usuario tiene diferente posición corporal de la referencia, se supone que su cinemática de articulación es JK1 e inicializándolas con el posado JK sin conexión de referencia
c- Inicializar P1 con P, donde P1 serán los parámetros de cámara precisos
d- Formar la función Av1 = f(V,F,E,M1 ,JK1 ,W)
A continuación, se utilizan técnicas adaptativas e iterativas de optimización convexa restringida para minimizar una función de coste que compara o coincide con las siluetas S, representaciones o características salientes del usuario extraídas de las siluetas del usuario y las siluetas proyectadas del avatar Av1, es decir, las siluetas de S frente a Av1.
Las siluetas de Av1 se evalúan usando la proyección de Av1 = P1 (Av1) seguido de procesos de transformación de imágenes (incluyendo, por ejemplo, uniformizado, detección de bordes, erosión, dilatación, relleno de agujeros, eliminación de píxeles aislados y pequeñas manchas usando análisis de componentes conectados). El proceso de optimización desarrollado de la tecnología de formación de imágenes sintoniza adaptativa y automáticamente (i) las mediciones inicialmente declaradas M para alcanzar los nuevos valores M1 específicos del cuerpo, (ii) las matrices P de proyección inicialmente estimadas para alcanzar las nuevas P1 reales, y (iii) la cinemática de articulación JK inicialmente estimada a los valores nuevos y reales JK1 del cuerpo en la palabra real en 3D. Todas de una única manera iterativa y restringida hasta que alcancen unos mínimos locales y las siluetas del usuario (o sus características o representación) coincidan con las siluetas proyectadas Av1 del avatar. Las restricciones incluyen, por ejemplo, los valores máximo y mínimo de la cadera, la cintura, etc., de una persona, pueden ser realísticamente, la posición y orientación máxima y mínima de una determinada articulación entre la JK puede tener; o el ángulo de rotación y traslación (desplazamiento) máximos que puede tener una cámara.
A diferencia de los sistemas de la técnica anterior, el sistema y el método de la segunda realización no requieren una tabla de BÚSQUEDA basada en análisis de componentes principales (PCA) discreto para encontrar la silueta o avatar más próximo que coincida con un avatar o siluetas de usuario. El enfoque de aprendizaje automático basado en múltiples variantes, basado en modelos desarrollado representa cada uno de los escaneos en 3D aprendidos como un punto en el hiperespacio de alta dimensión (tal como diversos Remainen, Grassmannian, o grupo Lie). No requiere ningún ajuste manual ni un objeto de referencia en las imágenes capturadas. Además, el proceso de optimización global es completamente automático y permite la generación de un avatar específico del usuario preciso, la estimación automática del posado del usuario en cada imagen y la estimación automática de los parámetros intrínsecos y extrínsecos de la cámara.
Tarea 6: para hacer coincidir las siluetas en 5, se prueban diversas características y representaciones y se seleccionan las óptimas. Por ejemplo, la característica basada en: DCT de Transformada de Coseno Directa, esquinas/bordes, Histograma de Gradientes Orientados (HOG), Características Robustas Aceleradas (SURF), Transformada de Características Invariantes en Escala (SIFT) y Características de Curvlet, por nombrar algunas.
Las instrucciones de programa electrónico para el sistema 10 de la segunda realización comprenden una pluralidad de módulos de software, que incluyen un módulo de registro (app frontal), un módulo de captura de imágenes, módulos de inspección y procesamiento previo de imágenes, módulo de segmentación de primer plano (silueta del usuario) y un módulo de coincidencia de avatar y siluetas.
Módulo de registro (Aplicación frontal)
El módulo de registro (app frontal) de la segunda realización funciona de manera similar a la aplicación del sitio web de la primera realización, y facilita que el usuario introduzca información y/o datos relacionados con su cuerpo. En la segunda realización, esto puede incluir la altura y el peso del usuario, o su altura solamente. También puede ser operable para recibir una indicación procedente del usuario en cuanto a si él/ella desea contribuir con sus datos a una fase de prueba o fase de aprendizaje del sistema 10, que puede determinar el grado en que las imágenes recibidas, etc., son borrosas o están cifradas, por ejemplo.
En la segunda realización, los datos de usuario se almacenan en la nube a través de SSL y los datos privados se cifran.
Módulo de captura de imágenes
El módulo de captura de imágenes es operable para proporcionar opciones al usuario para introducir imagen o imágenes al sistema, incluyendo opciones clásicas y opciones inteligentes.
A través de las opciones clásicas, el usuario captura una o múltiples imágenes usando sus propias cámaras digitales o cualquier tipo de imágenes (tales como las descritas en la presente memoria), y es guiado para cargar imágenes usando un ordenador personal, un ordenador portátil, un Ipad, una tableta o dispositivo similar.
A través de las opciones inteligentes (aplicables cuando se usan teléfonos inteligentes, ordenadores personales, ordenadores portátiles, una tableta o dispositivo similar), el usuario captura sus imágenes usando un teléfono inteligente, una cámara conectada a o integrada en un ordenador portátil, un ordenador personal o cualquier dispositivo que integra un dispositivo de captura (por ejemplo, una cámara) y es capaz de ejecutar programas, scripts, aplicaciones o similares.
El módulo de captura de imágenes es operable para proporcionar ayudas visuales y auditivas para guiar al usuario a capturar imagen o imágenes óptimas, dependiendo de si el usuario está capturando las imágenes por sí mismo/sí misma u otra persona está capturando las imágenes.
Sin pérdida de generalidad, se activan ayudas visuales tales como un rastreador o rastreadores humanos en tiempo real y/o un rastreador o rastreadores faciales humanos, y luego se inician durante el proceso de captura para ayudar a una 3a persona a capturar las mejores imágenes óptimas.
A este respecto, el módulo de captura de imágenes comprende rastreadores adaptativos basados en núcleos que aprenden a detectar y seguir la cara humana usando la fusión de puntos clave únicos y características faciales distintivas, y características espaciotemporales en imágenes en color o en escala de grises. Los detectores y rastreadores oculares, nasales, auditivos y bucales son sub-modalidades indirectas que también están cubiertas dentro del rastreador facial principal. Los rastreadores desarrollados usan modelos probabilísticos determinísticos, simples y multivariados.
Los rastreadores humanos siguen la misma tecnicidad que los rastreadores faciales, pero con características distintivas de forma y movimiento humanas indicadas en la presente memoria.
Como se ha descrito anteriormente en la presente memoria, el módulo de captura de imágenes es operable para generar un esqueleto humano único específico del sujeto (usuario) para guiar al usuario a capturar imágenes óptimas. Con este propósito, se usan inteligencia artificial avanzada y técnicas de aprendizaje automático que implican análisis de datos de múltiples variantes para aprender un modelo responsable de la generación de las posiciones tridimensionales de las articulaciones del esqueleto dada la altura y el peso del sujeto o solo el peso. En la segunda realización, el proceso de aprendizaje está limitado por datos anatómicos de observación directa (reales) que pertenecen a escaneos en 3D de más de 20.000 sujetos humanos reales, por lo tanto, el término ecológicamente válido. Los procesos de optimización y ajuste convexos, la contracción geométrica también se desarrollan en la piel, adaptando los escaneos en 3D a su esqueleto de curva, esqueletos anatómicos y obteniendo la correspondencia entre cada uno de dos de ellos.
Debe apreciarse que la inteligencia artificial y el aprendizaje automático no están limitados a este respecto, y en realizaciones alternativas de la invención pueden aprenderse modelos adicionales y/o alternativos y generarse esqueletos según el cuerpo o ser destinada a ser formado en imágenes. Las restricciones del proceso de aprendizaje pueden comprender más o menos datos, y tipo o tipos de datos adicionales y/o alternativos que los de la segunda realización, según sea apropiado para la implementación de la invención.
Durante el proceso de captura, el enfoque anterior implementado por el sistema 210 genera y muestra (en la pantalla táctil 142 del dispositivo 212) un esqueleto humano en pantalla en tiempo real que comprende varios huesos y articulaciones. A continuación, se pide al usuario a través de sonidos de audio/palabras/voz (generados por el funcionamiento del sistema 210 y emitidos a través del dispositivo 212) que alinee sus partes del cuerpo tales como pecho, brazos, piernas y cabeza, con los huesos del esqueleto humano en pantalla. El módulo de captura de imágenes es operable para controlar el proceso de alineación mediante errores calculados entre características y diversos datos, incluyendo características de variación y aspecto de forma, características de posado, características espaciotemporales (o características de flujo óptico, u otros vectores de datos de movimiento, por nombrar unos pocos) que se extraen del esqueleto generado y de la imagen o imágenes capturadas en tiempo real del usuario. La salida procedente de sensores del conjunto de sensores del dispositivo 212, tales como los ángulos de giroscopios de orientación tridimensional capturados por el giroscopio del mismo, también se utilizan en este módulo para garantizar además capturas de imágenes rectas óptimas.
Las categorías y tipos de error entre el posado de esqueleto y el posado de usuario en las imágenes se alimentan o introducen a un módulo de retroalimentación para guiar al usuario a tomar las imágenes óptimas (fotografías).
El proceso de alineación y el módulo de retroalimentación visual y de audio funcionan simultáneamente hasta que se logra una alineación aceptable entre la imagen del usuario y el esqueleto, como se representa en la Figura 4 de los dibujos.
Módulos de inspección de imágenes y de preprocesamiento
Los módulos de inspección y preprocesamiento de imágenes son operables para inspeccionar a fondo las imágenes capturadas en busca de uno o más problemas, y preferiblemente cualquier problema que sea así, que impacte en la reconstrucción de un avatar humano preciso. Tales problemas pueden incluir, pero no se limitan a: errores de los usuarios, errores debidos a calidades de imágenes, errores debidos a ruido intrínseco y extrínseco, sujetos extraños, la presencia de múltiples sujetos y distorsión debida a lentes de cámara. Esto se realiza en dos niveles en la segunda realización:
a. un primer nivel de inspección está al nivel de la aplicación donde (i) la aplicación es operable para comprobar la presencia del sujeto de interés (que comprende un usuario humano, como ejemplo de un sujeto, en la segunda realización). Para esta tarea, se han desarrollado una cara simplificada pero eficiente, y detectores y rastreadores humanos y que son operables para inspeccionar, y aceptar o rechazar las imágenes basándose en la inspección. (ii) La aplicación también usa datos de giroscopio incorporados del dispositivo 212 para guiar al usuario para capturar imágenes óptimas y es operable para aceptar o rechazar imágenes según un conjunto de umbrales de posado predefinidos. (iii) La aplicación también es operable para comprobar detalles de las imágenes, incluyendo, por ejemplo, formato, tamaño (incluyendo dimensiones en píxeles y almacenamiento requeridos) para determinar si se cumplen criterios prescritos y son aceptables. Si se acepta, la aplicación es operable para reducir entonces el tamaño de las imágenes mientras mantiene la calidad en más del 99% o igual a la calidad aceptada original. En cualquiera de estas etapas, la retroalimentación de audio y visual puede generarse y presentarse para guiar al usuario (como se describió anteriormente en la presente memoria).
b. Un segundo nivel de inspección es uno en profundidad que se produce dentro de un módulo de preprocesamiento de imágenes avanzado (AIPP) que se ejecuta en la nube y que funciona de la siguiente manera.
i. el AIPP filtra las imágenes capturadas usando un núcleo Gaussiano de un tamaño y varianza variantes para minimizar el ruido en imágenes y preparar las imágenes para la próxima segmentación de proceso.
ii. el AIPP también construye pruebas estadísticas basadas en probabilidad y funciones de probabilidad conjunta estimadas usando valores de color de píxel o sus intensidades, y sus posiciones de imagen. A continuación corrige las variaciones o sombras relacionadas con la iluminación y el alumbrado. Las pruebas estadísticas decidirán entonces si aceptar o rechazar una imagen basándose en un umbral predefinido identificado a través de pruebas sin conexión de una gran base de datos de imágenes.
iii. el AIPP inspecciona y rechazará imágenes que tienen múltiples caras, imágenes volteadas irregularmente o distorsionadas, imágenes con múltiples personas completas/incompletas, imágenes que tienen cualquier sujeto extraño o fondos que tienen características que interfieren con el sujeto principal (usuario), imágenes que tienen una captura incompleta de un cuerpo de usuario excepto para casos en donde un usuario ha indicado que él/ella es un amputado y proporciona datos adicionales o casos en donde se usan dos imágenes más (en el caso de dos imágenes, debe presentarse una captura completa de la vista frontal del usuario). Para este propósito/tarea, se usan enfoques de aprendizaje automático y se accionan por una variedad de características, descriptores y puntos clave de imagen destacados de múltiples modalidades fusionadas extraídas de una gran base de datos de imágenes, incluyendo vídeos que contienen una o más personas o ninguna. Las características, descriptores y puntos clave pertenecen a la piel, cara, nariz, boca, orejas, brazos, parte superior del cuerpo, parte inferior del cuerpo, piernas, pies humanos (por nombrar algunos), también se usan para el entrenamiento, prueba y validación de dicho aprendizaje automático en este módulo de inspección.
Debe apreciarse que la inteligencia artificial y el aprendizaje automático no están limitados a este respecto, y en realizaciones alternativas de la invención pueden usarse entrenamiento, prueba y validación adicionales y/o alternativos según el cuerpo o ser destinado a ser formado en imágenes y las decisiones a tomar.
Módulo de Segmentación de Primer Plano (Silueta del Usuario)
La mayoría de los trabajos de la técnica anterior realizados sobre segmentaciones de primer plano-fondo a partir de una única imagen asumen una característica o características de fondo conocidas o semiconocidas, tal como las pantallas de clave de croma utilizadas en espectáculos de televisión. Otros buscan que los usuarios digitalicen manualmente sus imágenes o identifiquen su cuerpo en una imagen o imágenes. Sin embargo, los contornos del cuerpo del usuario en una imagen o características distintivas pertenecientes al usuario o al fondo (si se conoce, se determina/introduce o puede estimarse), proporcionan fuertes restricciones en la segmentación de una silueta precisa de la forma del cuerpo.
Los inventores han desarrollado un enfoque iterativo basado en la optimización mediante fundamentos de "corte de gráfico" para segmentar las siluetas de una persona en una imagen, usada de manera completamente automática. El enfoque inventivo extiende los principios usados en cortes de gráficos estándar tales como el teorema de corte mínimo de flujo máximo, el mateado de Bayes (incluyendo tri-maps) y modelos de color probabilístico en varios aspectos, lo más importante, en la segunda realización, es completamente automático y es robusto cuando las distribuciones de color de primer plano y de fondo no están bien separadas ya que los modelos de probabilidad de los inventores incluyen no solo intensidades de píxeles sino sus posiciones y su relevancia/conexión (adherencia) a la estructura de una forma humana (gráfico). Las etapas del enfoque desarrollado, que el sistema 210 de la segunda realización es operable para realizar, se pueden resumir como sigue.
El enfoque requiere algunas o todas las siguientes entradas para segmentar la silueta del usuario a partir de una imagen. La invención las identifica automáticamente
i. Una caja delimitadora o una región, o una mancha en la imagen que contiene el cuerpo del usuario. Esto se usa para lo que se conoce como escenario de corte gráfico de segmentación "dura".
ii. Las regiones o características de primer plano en la imagen que son definitivamente, muy probablemente, probablemente/probablemente un cuerpo de usuario.
iii. Las regiones o características de fondo en la imagen son definitivamente, muy probablemente, probablemente/probablemente no un cuerpo del usuario.
En otras palabras, a cada píxel de la imagen se le da un valor de probabilidad que indica la probabilidad de que pertenezca al primer plano o al fondo.
Puesto que se pide al usuario que alinee su cuerpo con el esqueleto en pantalla mencionado anteriormente, por tanto:
iv. La caja (región) delimitadora que abarca el esqueleto define estrictamente lo requerido en (i) anterior. Sin embargo, para satisfacer los errores de incertidumbre, se añade un factor de incertidumbre, del 5% en la segunda realización, a las posiciones de la región, es decir, se aumenta en un 5%
v. Los píxeles de imagen a lo largo de (se solapan o se hacen coincidir con) los huesos del esqueleto son parte definitivamente o muy probablemente del cuerpo de las personas y esto satisface el apartado (ii) anterior. El sistema 210 es operable para mejorar y expandir adicionalmente estas regiones de imagen de partes del cuerpo "definidas" dilatando esas regiones superpuestas de esqueleto de imagen mediante núcleos de tamaños variables. Los tamaños pueden ser proporcionales a la parte del cuerpo. Por ejemplo, el área a lo largo del hueso posterior se dilata mediante un núcleo de un tamaño mayor que el de un brazo, como se representa en la Figura 2 de los dibujos.
vi. Los píxeles fuera de la caja delimitadora son muy probablemente pertenecientes al fondo y esto satisface el apartado (iii) anterior.
vii. Los píxeles dentro de la caja delimitadora que no están marcados, bien como primer plano, o bien como segundo plano reciben probabilidades iguales hasta que se comprueba mediante otro enfoque, descrito a continuación.
Este submódulo es operable para reforzar aún más la segmentación de siluetas precisas. También se aprendió y desarrolló un detector de color de piel de base Bayesiana que identifica píxeles en imagen que probablemente tienen un color de piel. Esto es operable para permitir la detección y segmentación (no identificación) de la cara, manos y pies del usuario (en el peor escenario de los casos, en donde el resto del cuerpo está cubierto), y otros sujetos no deseados similares a la piel. El sistema 210 es operable para usar entonces el análisis y ajuste de componentes conectados, el análisis de curvatura para analizar esas manchas de la piel segmentadas y crear enlaces de semaesqueletos. Los datos de adyacencia (matriz) se reconstruyen y analizan a continuación para eliminar las manchas que no forman parte de enlaces del esqueleto humano (similares a los huesos). Las manchas restantes se clasifican entonces como parte muy probable del cuerpo del usuario.
Un detector de cara aprendida se usa entonces para refinar más los enfoques antes mencionados detectando la cara de usuario. Una vez detectada la cara o un perfil facial, se aplica una máscara predefinida para recortar la región facial que tiene el tono de piel de la persona solamente, lo que significa que se detectan y retiran los ojos, las ceja y la boca. A continuación, se aplica un algoritmo de retroproyección basado en histogramas de color de la máscara facial recortada para identificar píxeles en la imagen que tienen las mismas estadísticas que las de la máscara facial. La salida de este submódulo en la segunda realización comprende manchas que tienen el tono de piel específico del usuario que se añadirá y refinará adicionalmente la clasificación de píxeles y regiones necesarias para el enfoque iterativo de corte de gráfico descrito.
Finalmente, los colores de los píxeles, su posición y sus clasificaciones se alimentan al corte gráfico iterativo propuesto para segmentar la silueta del usuario. Esto va seguido de un cierto número de procesos de procesamiento de imágenes y de transformación que el sistema 210 es operable de realizar, tales como uniformizado de imágenes y bordes, rellenado de agujeros y de datos que faltan, y eliminación de pequeñas manchas aisladas.
Módulo de coincidencia de avatar y siluetas.
El módulo de coincidencia de avatar y siluetas es operable para realizar el proceso de coincidencia de avatar y siluetas según las Tareas 4, 5 y 6 como se describe en la presente memoria.
En resumen, la segunda realización de la invención usa un modelo articulado en 3D (modelo humano/avatar ajustado a un esqueleto). Se usa un tipo de segmentación de primer plano (silueta) de coincidencia de gráfico, limitado por datos de imagen que se superponen a un esqueleto diverso. Se usan detectores y rastreadores de piel, cara, nariz, boca y oreja para mejorar/restringir esto adicionalmente. Se usa una mascarilla inteligente para obtener un tono de piel específico del usuario. Las técnicas de retroproyección se usan entonces para clasificar manchas cutáneas únicas del usuario y rechazar aquellas que no coinciden o no cumplen con un análisis de conectividad determinado relacionado con cómo se conectan las partes del cuerpo humano y su relevancia entre sí. También se usa el análisis geodésico principal (PGA) y otros diversos generales. En el análisis de datos geométricos y el análisis de forma estadística, el análisis geodésico principal es una generalización del análisis de componentes principales a un ajuste no Euclidiano, no lineal de diversos adecuados para su uso con descriptores y representaciones de forma.
Se apreciará que las realizaciones descritas de la invención proporcionan varias ventajas.
Un beneficio principal de una realización de la invención es que proporciona al usuario datos facticos que son el resultado de sus esfuerzos de pérdida de peso/ganancia de peso/mantenimiento de peso, y a este respecto puede verse que la realización de la invención funciona como una herramienta educativa. A medida que se recopilan datos de usuarios, las realizaciones de la invención pueden comprender uno o más algoritmos predictivos operables para estimar los beneficios potenciales de la salud para los usuarios. A este respecto, como se describe en la presente memoria, en realizaciones de la invención, los datos recuperados pueden comprender una integración de, o de datos de o asociados con, una o más representaciones anteriores del cuerpo y/u de otros cuerpos, y los datos pueden haber sido generados a través del funcionamiento del dispositivo 12 y/o haber sido obtenidos de una o más fuentes diferentes, tales como uno o más dispositivos 12 diferentes, o tecnología DEXA, por ejemplo. Basándose en tales datos, que pueden incluir la ingesta calórica y el movimiento del usuario durante un periodo de tiempo, mediante uno o más algoritmos predictivos, el dispositivo 12 puede funcionar para generar y visualizar uno o más avatares predictivos que muestran lo que es probable que el cuerpo 14 del usuario parezca si se mantiene dicho régimen.
Los dispositivos 12 de las realizaciones de la invención pueden ser operables para buscar, localizar y establecer comunicación con dichas otras fuentes.
Las realizaciones de la invención proporcionan la generación de un avatar personalizado exacto para promover la pérdida de peso (y/u otro objetivo u objetivos) de idoneidad personal a través de una monitorización efectiva y precisa. El avatar puede crearse instantáneamente, y mediante un procedimiento no invasivo. El almacenamiento de avatares generados y datos asociados permite realizar comparaciones durante intervalos de tiempo, permitiendo una monitorización precisa de los cambios corporales.
La realización de la invención puede usarse para proporcionar retroalimentación para promover cambios de salud adicionales. Mediante el sistema, puede generarse una secuencia de avatares que muestra cambios en el cuerpo de un usuario a lo largo del tiempo. La secuencia de avatares crea un estudio de caso histórico de los esfuerzos de los usuarios. El usuario puede ver cuantitativamente los resultados (frente a usar fotografías que tienen sesgo para el observador).
Al usar una pequeña gama de plantillas y siluetas estándar, se reducen los errores que surgen de imágenes pobres, como lo son los requisitos de procesamiento. Esto da como resultado una experiencia de usuario mejorada haciendo el proceso más rápido y a un coste más bajo.
Además, las características de los primeros planos y siluetas segmentados permiten que las imágenes enviadas por los usuarios se almacenen sin datos de imágenes fotográficas personales. En la realización descrita, las imágenes fotográficas del usuario son destruidas, proporcionando de ese modo una protección mejorada a la privacidad del usuario.
Los expertos en la técnica apreciarán que serán evidentes variaciones y modificaciones de la invención descrita en la presente memoria sin apartarse del alcance de la misma.

Claims (25)

REIVINDICACIONES
1. Un método para formar imágenes de un cuerpo (14) de un usuario (16), comprendiendo el método:
almacenar, en un almacenamiento (20), instrucciones de programa electrónico para controlar un controlador electrónico (18); y
controlar el controlador electrónico (18) a través de las instrucciones del programa electrónico para:
recibir una entrada a través un medio de entrada, comprendiendo la entrada una primera representación del cuerpo (14) del usuario (16);
visualizar la primera representación en el dispositivo de visualización del usuario;
generar un esqueleto de guiado específico del usuario que aparecerá en el dispositivo de visualización del usuario una vez recibida la entrada;
permitir al usuario (16) alinear su cuerpo (14) en la primera representación con el esqueleto de guiado específico del usuario tal como se proporciona en el dispositivo de visualización del usuario; procesar la primera representación cuando el cuerpo (14) del usuario (16) se ha alineado con el esqueleto de guiado específico del usuario segmentando la primera representación del cuerpo (14) del usuario (16); y generar una segunda representación antropométricamente precisa y específica del usuario, del cuerpo (14) del usuario (16) sobre la base del procesamiento de la primera representación en tiempo real.
2. Un método según la reivindicación 1, que comprende además comunicar la segunda representación generada, y en donde la comunicación comprende visualizar la segunda representación generada a través del dispositivo de visualización del usuario.
3. Un método según la reivindicación 1 o la reivindicación 2, que comprende además controlar el controlador electrónico a través de las instrucciones de programa electrónico, para:
procesar la primera representación del cuerpo segmentando la primera representación del cuerpo para obtener una pluralidad de siluetas que representan, de forma simple, sombras proyectadas de un escaneo tridimensional verdadero del cuerpo del usuario; y
comparar las siluetas con una base de datos de siluetas correspondientes con formas humanas y aprendizaje automático de dicha base de datos de siluetas usando características en 3D extraídas de escaneos tridimensionales de una población de seres humanos reales y aprendizaje de inteligencia de máquina de relaciones estadísticas seleccionadas entre diferentes mediciones corporales para dicha población de seres humanos reales, y encontrar una silueta coincidente para generar la segunda representación antropométricamente precisa y específica del usuario.
4. Un método según la reivindicación 3, en el que la etapa de permitir al usuario alinear el cuerpo con el esqueleto específico del usuario incluye dar instrucciones al usuario a través de sonidos audibles, palabras o voz para alinear partes del cuerpo con el esqueleto específico del usuario mostrado, y en donde las instrucciones de programa electrónico son operables para controlar el proceso de alineación mediante errores calculados entre características que incluyen características de forma, características de posado, características espaciotemporales que se extraen del esqueleto generado y una o más imágenes capturadas del cuerpo en tiempo real.
5. Un método según la reivindicación 4, que comprende además controlar el controlador electrónico a través de las instrucciones de programa electrónico, para:
calcular, basándose en la información de altura de usuario enviada, el tamaño de imagen como altura y anchura de imagen en píxeles, y usar análisis de manchas de imágenes binarias, teorías de proyección y modelos de cámara, lo siguiente:
estimaciones iniciales de parámetros intrínsecos y extrínsecos de la cámara de captura que incluye la posición y orientación de la cámara en cada imagen, definida como posadoP;y
estimaciones iniciales de cinemática de articulación de un modelo de esqueleto que representa un esqueleto del cuerpo, definido comoJK,incluyendo la posición tridimensional, 3D, y la orientación en 3D de cada articulación del modelo de esqueleto.
6. Un método según la reivindicación 5, que comprende además controlar el controlador electrónico a través de las instrucciones de programa electrónico, para:
predecir, basándose en la información de altura, peso y género del usuario enviada, o la información de altura del usuario solamente, un avatar inicial en promedio, definido como Av, que varía con la altura, peso u otras mediciones o clasificación del cuerpo introducidas por el usuario si son conocidas; y,
ajustar el avatar en promedio Av a un esqueleto de referencia de N articulaciones de tamaño con modelo JK de esqueleto conocido en un posado de referencia, y una matriz de peso/altura del hueso definida como W.
7. Un método según la reivindicación 6, en el que la matriz W se calcula sin conexión una sola vez durante un proceso de aprendizaje del proceso de predicción, y después se guarda junto con el modelo JK de esqueleto de referencia que se ha de utilizar para la predicción o generación de otros avatares, en donde W se usa para restringir, controlar y modelar la relación entre articulaciones, huesos y la superficie real del avatar en 3D representada por sus vértices V, bordes E y caras F.
8. Un método según la reivindicación 7, en el que el proceso de predecir el avatar Av en promedio inicial sigue un enfoque de aprendizaje de máquina basado en múltiples variantes.
9. Un método según la reivindicación 8, en el que el enfoque de aprendizaje de máquina basado en múltiples variantes comprende formas humanas de aprendizaje de inteligencia de máquina sin conexión que utilizan características en 3D extraídas de una pluralidad de escaneos tridimensionales ajustados de seres humanos masculinos y femeninos reales de diferentes edades y posados.
10. Un método según la reivindicación 9, en el que el enfoque de aprendizaje de máquina basado en múltiples variantes comprende además las distintas relaciones estadísticas de aprendizaje de inteligencia de máquina entre diferentes mediciones corporales definidas como vector M = (m1, m2,..., mL) siendo L el número de diferentes mediciones en el que, en uso, se pueden predecir una o más mediciones dadas una o más mediciones diferentes y sobre un avatar Av en promedio pueden ser predichas dadas una o más de estas mediciones.
11. Un método según la reivindicación 10, en el que para deformar o simplemente animar un avatar a un nuevo avatar definido como Av1 del cuerpo como se ha representado en una nueva primera representación, los datos de avatar de referencia o en promedio (V, E, F, JK, W) y una cinemática de articulación del usuario conocida o una estimación de la misma definida como JK1 de la nueva primera representación se alimentan a una función de coste que optimiza y deforma Av a Av1 sometida a varias restricciones físicas conocidas o aprendidas a partir del movimiento humano natural en donde, en uso, el nuevo avatar animado Av1 con la misma medición corporal que el avatar Av en promedio es una función de los datos de referencia o en promedio, es decir, Av1 = f(Av, W, JK, JK1).
12. Un método según la reivindicación 11, en el que se deriva una función que combina dos funciones ponderadas de minimización de energía:
una función de uniformidad superficial que utiliza la matriz de cotangente de Laplace que utiliza V, F y E; y,
una función de fijación del hueso que utiliza V, F y W para asegurar que la correspondencia está restringida entre los vértices del avatar y su estructura del esqueleto.
13. Un método según la reivindicación 1 o la reivindicación 2, en el que la entrada comprende una clasificación del cuerpo, comprendiendo además controlar el controlador electrónico a través de las instrucciones de programa electrónico, para:
sobre la base de la clasificación del cuerpo, obtener datos correspondientes a la clasificación del cuerpo;
procesar la primera representación comparando la primera representación y los datos obtenidos; y
generar la segunda representación del cuerpo sobre la base de la comparación.
14. El método según la reivindicación 13, en el que los datos obtenidos comprenden al menos uno de: una plantilla; una representación anterior del cuerpo; y una integración de, o una integración de datos de o asociados con, una o más representaciones anteriores del cuerpo, y/u otros cuerpos.
15. El método según una cualquiera de las reivindicaciones anteriores, en el que la primera representación comprende una o más representaciones visuales del cuerpo.
16. El método según la reivindicación 15, en el que las una o más representaciones visuales del cuerpo incluyen al menos una fotografía de una vista frontal del cuerpo y al menos una fotografía de una vista lateral del cuerpo.
17. El método según la reivindicación 16, en el que las fotografías comprenden al menos una de: imágenes binarias bidimensionales, 2D, grises o de color estándar; imágenes de profundidad con o sin colores y/o texturas; una nube de puntos completa tridimensional, 3D o varias nubes de puntos incompletas del cuerpo con o sin colores y/o textura; y/o una red tridimensional, 3D, del cuerpo con o sin colores y/o textura.
18. El método según una cualquiera de las reivindicaciones 15 a 17, cuando dependen de la reivindicación 4, en el que el controlador electrónico es operable adicionalmente, bajo el control de las instrucciones del programa electrónico, para:
segmentar al menos un primer plano que comprende el cuerpo de una o más representaciones visuales del cuerpo de la primera representación;
convertir uno o más primeros planos segmentados de la una o más representaciones visuales de la primera representación en siluetas respectivas;
utilizar uno o más primeros planos segmentados y sus siluetas respectivas para uno o más de i) construir una envolvente de una forma del cuerpo, ii) extraer características iii) extraer mediciones de puntos clave; y utilizar una o más de las mediciones de i) envolvente, ii) características, iii) puntos clave para una o más de modificación, ajuste y transformación de un modelo en 3D de un cuerpo en promedio de la plantilla seleccionada con el fin de crear una imagen modificada del modelo en 3D específico del sujeto que es la segunda representación.
19. El método según la reivindicación 18, en el que en el caso de imágenes de profundidad, nubes de puntos y mallas, cualquiera de las cuales está con o sin uno o ambos colores y/o texturas, el controlador electrónico es operable, bajo el control de las instrucciones de programa electrónico, para reconstruir una forma tridimensional del cuerpo específica del sujeto.
20. El método para formar imágenes de un cuerpo según la reivindicación 1, en el que el cuerpo es un cuerpo de un usuario, y la primera representación comprende una o más representaciones visuales del cuerpo, y que comprende además controlar el controlador electrónico a través de las instrucciones de programa electrónico, para:
permitir al usuario alinear el cuerpo en la primera representación con el esqueleto específico del usuario, al menos en parte mediante i) visualizar el esqueleto específico del usuario junto con una o más imágenes del cuerpo capturadas en tiempo real y ii) dar instrucciones al usuario para que se mueva de tal manera que el cuerpo visualizado esté alineado con el esqueleto específico del usuario visualizado;
procesar la primera representación, cuando el cuerpo visualizado se ha alineado con el esqueleto específico del usuario visualizado, segmentando la primera representación del cuerpo para obtener una pluralidad de siluetas que corresponden a sombras proyectadas de un escaneo tridimensional verdadero del cuerpo del usuario; y comparar las siluetas con una base de datos de siluetas correspondientes con formas humanas y aprendizaje de máquina de dicha base de datos de siluetas utilizando características en 3D extraídas de escaneos tridimensionales de una población de seres humanos reales y aprendizaje de inteligencia de máquina de relaciones estadísticas seleccionadas entre diferentes mediciones corporales para dicha población de seres humanos reales, y encontrar una silueta coincidente para generar la segunda representación antropométricamente precisa y específica del sujeto.
21. Un dispositivo (10) para formar de imágenes de un cuerpo de un usuario (14), comprendiendo el dispositivo: un controlador electrónico;
un dispositivo de visualización para visualizar una interfaz de usuario al usuario; y
un medio de entrada;
en donde el controlador electrónico es operable, bajo el control de las instrucciones de programa electrónico, para realizar el método según una cualquiera de las reivindicaciones 1 a 20.
22. El dispositivo según la reivindicación 21, en el que los medios de entrada comprenden uno o más sensores, y el uno o más sensores son parte de un conjunto de sensores, comprendiendo el conjunto de sensores uno o más de: un sensor de movimiento, un sensor de infrarrojos; un sensor de profundidad; un sensor de formación de imágenes tridimensionales; un sensor inercial; un sensor micro-electromecánico, MEMS; un medio de formación de imágenes; un sensor de aceleración; un sensor de orientación; un sensor de dirección; y un sensor de posición.
23. El dispositivo según la reivindicación 22, en el que el uno o más sensores comprenden un medio de formación de imágenes operable para capturar una o más representaciones visuales del cuerpo, y en el que el uno o más sensores comprenden un sensor de orientación operable para proporcionar datos de orientación para su uso durante la captura de las una o más representaciones visuales del cuerpo para facilitar la alineación del mismo a un plano para aumentar la precisión.
24. Un medio de almacenamiento legible por ordenador en el que se almacenan instrucciones que, cuando son ejecutadas por un medio informático, hacen que el medio informático realice el método según una cualquiera de las reivindicaciones 1 a 20.
25. Una señal de datos que comprende al menos una instrucción que puede ser recibida e interpretada por un sistema informático, en el que la instrucción implementa el método según una cualquiera de las reivindicaciones 1 a 20.
ES15864375T 2014-12-05 2015-12-04 Formación de imágenes de un cuerpo Active ES2647340T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
AU2014904940 2014-12-05
AU2014904940A AU2014904940A0 (en) 2014-12-05 Imaging a Body
PCT/AU2015/000736 WO2016086266A1 (en) 2014-12-05 2015-12-04 Imaging a body

Publications (2)

Publication Number Publication Date
ES2647340T1 ES2647340T1 (es) 2017-12-21
ES2647340T3 true ES2647340T3 (es) 2024-11-21

Family

ID=56090732

Family Applications (1)

Application Number Title Priority Date Filing Date
ES15864375T Active ES2647340T3 (es) 2014-12-05 2015-12-04 Formación de imágenes de un cuerpo

Country Status (16)

Country Link
US (1) US9949697B2 (es)
EP (1) EP3226763B1 (es)
JP (3) JP6434623B2 (es)
KR (4) KR102394593B1 (es)
CN (2) CN106999107B (es)
AU (1) AU2015358289B2 (es)
CA (1) CA2969762C (es)
DE (1) DE15864375T1 (es)
DK (1) DK3226763T3 (es)
ES (1) ES2647340T3 (es)
FI (1) FI3226763T3 (es)
MA (1) MA41117A (es)
NZ (1) NZ761690A (es)
PT (1) PT3226763T (es)
SG (3) SG10202001239PA (es)
WO (1) WO2016086266A1 (es)

Families Citing this family (106)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USD619144S1 (en) 2008-03-04 2010-07-06 Apple Inc. Icon for a display screen or portion thereof
TWI439960B (zh) 2010-04-07 2014-06-01 蘋果公司 虛擬使用者編輯環境
MA41117A (fr) * 2014-12-05 2017-10-10 Myfiziq Ltd Imagerie d'un corps
US10521429B2 (en) * 2015-06-09 2019-12-31 Microsoft Technology Licensing, Llc. Interactive graphical system for estimating body measurements
US10665019B2 (en) * 2016-03-24 2020-05-26 Qualcomm Incorporated Spatial relationships for integration of visual images of physical environment into virtual reality
WO2017187641A1 (ja) * 2016-04-28 2017-11-02 富士通株式会社 骨格推定装置、骨格推定方法および骨格推定プログラム
DK179471B1 (en) 2016-09-23 2018-11-26 Apple Inc. IMAGE DATA FOR ENHANCED USER INTERACTIONS
CN110109592B (zh) 2016-09-23 2022-09-23 苹果公司 头像创建和编辑
KR101851303B1 (ko) 2016-10-27 2018-04-23 주식회사 맥스트 3차원 공간 재구성 장치 및 방법
US20230107110A1 (en) * 2017-04-10 2023-04-06 Eys3D Microelectronics, Co. Depth processing system and operational method thereof
EP3387997B1 (en) * 2017-04-13 2020-02-26 Siemens Healthcare GmbH Medical imaging device and method controlling one or more parameters of a medical imaging device
EP4366317A3 (en) 2017-05-16 2024-08-07 Apple Inc. Emoji recording and sending
USD822711S1 (en) 2017-06-05 2018-07-10 Apple Inc. Display screen or portion thereof with graphical user interface
US10311624B2 (en) 2017-06-23 2019-06-04 Disney Enterprises, Inc. Single shot capture to animated vr avatar
JP1607361S (es) * 2017-06-23 2018-06-25
JP7205471B2 (ja) * 2017-06-29 2023-01-17 ソニーグループ株式会社 画像処理装置および画像処理方法
CN111183456A (zh) * 2017-10-03 2020-05-19 富士通株式会社 识别程序、识别方法以及识别装置
US10657709B2 (en) * 2017-10-23 2020-05-19 Fit3D, Inc. Generation of body models and measurements
EP3688720A1 (en) 2017-10-31 2020-08-05 Swanson, James Martin Systems and methods to estimate human length
US10460512B2 (en) * 2017-11-07 2019-10-29 Microsoft Technology Licensing, Llc 3D skeletonization using truncated epipolar lines
US20190163270A1 (en) * 2017-11-27 2019-05-30 Fitbit, Inc. Methods and systems for fitness-monitoring device displaying biometric sensor data-based interactive applications
US10706262B2 (en) * 2018-01-08 2020-07-07 3DLOOK Inc. Intelligent body measurement
CN108171792A (zh) * 2018-01-15 2018-06-15 深圳市云之梦科技有限公司 一种基于语义参数的人体三维模型恢复技术的方法及系统
US10321728B1 (en) 2018-04-20 2019-06-18 Bodygram, Inc. Systems and methods for full body measurements extraction
US11722764B2 (en) 2018-05-07 2023-08-08 Apple Inc. Creative camera
US10375313B1 (en) 2018-05-07 2019-08-06 Apple Inc. Creative camera
DK179874B1 (en) 2018-05-07 2019-08-13 Apple Inc. USER INTERFACE FOR AVATAR CREATION
US12033296B2 (en) 2018-05-07 2024-07-09 Apple Inc. Avatar creation user interface
KR102030040B1 (ko) * 2018-05-09 2019-10-08 한화정밀기계 주식회사 빈 피킹을 위한 빈 모델링 방법 및 그 장치
CN112602090A (zh) * 2018-07-02 2021-04-02 奇跃公司 用于插值不同输入的方法和系统
KR102668240B1 (ko) * 2018-07-25 2024-05-22 삼성전자주식회사 사용자의 신체 상태를 추정하기 위한 방법 및 디바이스
US10810432B2 (en) 2018-08-02 2020-10-20 Motorola Solutions, Inc. Methods and systems for differentiating one or more objects in a video
JP2021182175A (ja) * 2018-08-10 2021-11-25 ソニーグループ株式会社 情報処理装置および情報処理方法、並びにプログラム
US12080425B1 (en) * 2020-01-28 2024-09-03 C/Hca, Inc. Event triggering utilizing segment assignments
US11301656B2 (en) 2018-09-06 2022-04-12 Prohibition X Pte Ltd Clothing having one or more printed areas disguising a shape or a size of a biological feature
KR102044237B1 (ko) * 2018-10-23 2019-11-13 연세대학교 산학협력단 2차원 음영 영상 기반 기계학습을 이용한 자동 3차원 랜드마크 검출 방법 및 장치
US10984609B2 (en) 2018-11-21 2021-04-20 Electronics And Telecommunications Research Institute Apparatus and method for generating 3D avatar
US11507781B2 (en) 2018-12-17 2022-11-22 Bodygram, Inc. Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks
US10489683B1 (en) 2018-12-17 2019-11-26 Bodygram, Inc. Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks
US11010896B2 (en) 2018-12-17 2021-05-18 Bodygram, Inc. Methods and systems for generating 3D datasets to train deep learning networks for measurements estimation
CA3124572A1 (en) * 2018-12-24 2020-07-02 Body Composition Technologies Pty Ltd Analysing a body
TWI715903B (zh) * 2018-12-24 2021-01-11 財團法人工業技術研究院 動作追蹤系統及方法
US10909709B2 (en) 2019-01-03 2021-02-02 Lg Electronics Inc. Body measurement device and method for controlling the same
US20220078339A1 (en) * 2019-01-03 2022-03-10 Idiction Co., Ltd. Method for obtaining picture for measuring body size and body size measurement method, server, and program using same
US11375922B2 (en) * 2019-01-03 2022-07-05 Lg Electronics Inc. Body measurement device and method for controlling the same
US11107261B2 (en) 2019-01-18 2021-08-31 Apple Inc. Virtual avatar animation based on facial feature movement
GB2581167A (en) * 2019-02-06 2020-08-12 Arbroath Capital Uk Risk Man Consulting Limited Video processing apparatus
FR3093215B1 (fr) * 2019-02-22 2021-08-27 Fogale Nanotech Procédé et dispositif de surveillance de l’environnement d’un robot
USD918932S1 (en) 2019-03-12 2021-05-11 Hologic, Inc. Electronic display screen with graphical user interface with patient orientation element
US10953334B2 (en) * 2019-03-27 2021-03-23 Electronic Arts Inc. Virtual character generation from image or video data
CN113994396B (zh) * 2019-04-01 2025-11-21 陈健 基于增强现实和/或姿势检测技术的用户引导系统
DK201970531A1 (en) 2019-05-06 2021-07-09 Apple Inc Avatar integration with multiple applications
CN110148212B (zh) * 2019-05-17 2023-01-31 北京市商汤科技开发有限公司 一种动作序列生成方法及装置、电子设备和存储介质
US12141937B1 (en) * 2019-05-24 2024-11-12 Apple Inc. Fitness system
WO2020251151A1 (ko) 2019-06-14 2020-12-17 고려대학교 산학협력단 3차원 가상 공간 모델을 이용한 사용자 포즈 추정 방법 및 장치
KR102387797B1 (ko) * 2019-06-14 2022-04-19 고려대학교 산학협력단 3차원 가상 공간 모델을 이용한 사용자 포즈 추정 방법 및 장치
US11423630B1 (en) 2019-06-27 2022-08-23 Amazon Technologies, Inc. Three-dimensional body composition from two-dimensional images
US11903730B1 (en) * 2019-09-25 2024-02-20 Amazon Technologies, Inc. Body fat measurements from a two-dimensional image
JP7527773B2 (ja) * 2019-11-18 2024-08-05 キヤノン株式会社 放射線撮影システム、放射線撮影方法、画像処理装置およびプログラム
USD997180S1 (en) * 2019-11-26 2023-08-29 Siemens Healthcare Gmbh Display screen or portion thereof with a graphical user interface
US11657513B2 (en) 2019-11-29 2023-05-23 Samsung Electronics Co., Ltd. Method and system for generating a tri-map for image matting
CN111008966B (zh) * 2019-12-02 2024-11-01 深圳市繁维医疗科技有限公司 基于rgbd的单视角人体测量方法、装置以及计算机可读存储介质
CN111127495A (zh) * 2019-12-04 2020-05-08 深圳市图郅创新科技有限公司 一种关于图像关键点检测的神经网络模型建立方法
CN111105348A (zh) * 2019-12-25 2020-05-05 北京市商汤科技开发有限公司 图像处理方法及装置、图像处理设备及存储介质
US12099997B1 (en) 2020-01-31 2024-09-24 Steven Mark Hoffberg Tokenized fungible liabilities
US11631288B2 (en) * 2020-02-12 2023-04-18 The Boeing Company Maintenance prediction system for a vehicle
TWI798655B (zh) * 2020-03-09 2023-04-11 美商奈米創尼克影像公司 缺陷偵測系統
KR102160556B1 (ko) * 2020-03-11 2020-09-28 이대권 신체 정보 제공 장치 및 방법
CN113397526B (zh) * 2020-03-17 2024-09-13 苹果公司 人体高度估计
US11921998B2 (en) 2020-05-11 2024-03-05 Apple Inc. Editing features of an avatar
DK202070625A1 (en) 2020-05-11 2022-01-04 Apple Inc User interfaces related to time
CN111724784A (zh) * 2020-06-28 2020-09-29 北京小米松果电子有限公司 设备控制方法及装置
EP4200847A4 (en) 2020-08-24 2024-10-02 FD IP & Licensing LLC Previsualization devices and systems for the film industry
GB2616178A (en) * 2020-11-06 2023-08-30 Evolt Ip Pty Ltd Nutrition management system and method
CN113040984B (zh) * 2020-11-21 2022-01-14 陕西立博源科技有限公司 智能化腿部分区域构造系统及方法
EP4265106B1 (en) * 2020-12-21 2025-10-22 Revamp Corporation Information processing device, information processing method, and program
CN114697539B (zh) * 2020-12-31 2024-10-15 深圳市万普拉斯科技有限公司 拍照推荐方法、装置、电子设备以及存储介质
CN112802031B (zh) * 2021-01-06 2023-05-05 浙江工商大学 一种基于三维人头跟踪的实时虚拟试发方法
US12106486B2 (en) * 2021-02-24 2024-10-01 Snap Inc. Whole body visual effects
US20220301682A1 (en) * 2021-03-16 2022-09-22 Adobe Inc. Dynamically Adaptable Health Experience based on Data Triggers
US12039732B2 (en) * 2021-04-14 2024-07-16 The Procter & Gamble Company Digital imaging and learning systems and methods for analyzing pixel data of a scalp region of a users scalp to generate one or more user-specific scalp classifications
WO2022240745A1 (en) * 2021-05-11 2022-11-17 Tam Technologies, Inc. Methods and systems for representing a user
US11776190B2 (en) 2021-06-04 2023-10-03 Apple Inc. Techniques for managing an avatar on a lock screen
US11854146B1 (en) 2021-06-25 2023-12-26 Amazon Technologies, Inc. Three-dimensional body composition from two-dimensional images of a portion of a body
US11887252B1 (en) 2021-08-25 2024-01-30 Amazon Technologies, Inc. Body model composition update from two-dimensional face images
US12257028B2 (en) * 2021-08-30 2025-03-25 Apple Inc. Electronic devices with body composition analysis circuitry
US12444046B2 (en) 2021-08-31 2025-10-14 Advanced Health Intelligence Ltd. Predicting health or disease from user captured images or videos
CN113887311B (zh) 2021-09-03 2023-05-02 中山大学中山眼科中心 一种保护眼科患者隐私的方法、装置及存储介质
US11861860B2 (en) 2021-09-29 2024-01-02 Amazon Technologies, Inc. Body dimensions from two-dimensional body images
US11875445B2 (en) 2021-10-12 2024-01-16 Electronic Arts Inc. Seamless image processing of a tiled image region
KR102587911B1 (ko) * 2021-10-13 2023-10-12 호전실업 주식회사 가상 의류시스템의 활용을 위한 인체 이미지 획득 방법 및 이를 위한 애플리케이션 프로그램
CN114035683B (zh) * 2021-11-08 2024-03-29 百度在线网络技术（北京）有限公司 用户捕捉方法、装置、设备、存储介质及计算机程序产品
KR102646272B1 (ko) * 2021-11-18 2024-03-12 동국대학교 산학협력단 사용자 단말기 및 사용자의 신체 부위 별 체형 정보를 제공하는 방법
KR102652121B1 (ko) * 2022-01-11 2024-03-29 (주)헬스허브 가상공간과 현실공간이 공존하는 메타버스 환경에서의 개인식별 장치 및 그 방법
KR102532848B1 (ko) * 2022-06-08 2023-05-17 아이디어링크 주식회사 바디 쉐입 기반의 아바타 생성 방법 및 장치
CN114821006B (zh) * 2022-06-23 2022-09-20 盾钰（上海）互联网科技有限公司 交互式间接推理的孪生体态检测方法及系统
JP7725428B2 (ja) * 2022-07-05 2025-08-19 Kddi株式会社 予測装置及びプログラム
EP4303824B1 (en) * 2022-07-06 2025-03-26 Cyberhuman Limited System and method for monitoring a body pose of a user
US12254551B2 (en) * 2022-07-13 2025-03-18 Fd Ip & Licensing Llc Method and application for animating computer generated images
US12287913B2 (en) 2022-09-06 2025-04-29 Apple Inc. Devices, methods, and graphical user interfaces for controlling avatars within three-dimensional environments
US12594030B1 (en) 2022-09-16 2026-04-07 Amazon Technologies, Inc. Regional body composition from two-dimensional color body images
JPWO2024069911A1 (es) * 2022-09-30 2024-04-04
CN115458128B (zh) * 2022-11-10 2023-03-24 北方健康医疗大数据科技有限公司 一种基于关键点生成数字人体影像的方法、装置及设备
US12551795B2 (en) 2023-03-30 2026-02-17 Electronic Arts Inc. Automated personalized video game guidance system
US11875492B1 (en) 2023-05-01 2024-01-16 Fd Ip & Licensing Llc Systems and methods for digital compositing
US12153598B1 (en) 2023-06-29 2024-11-26 General Electric Company Method of extracting technical information from a technical manual

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3244798B2 (ja) 1992-09-08 2002-01-07 株式会社東芝 動画像処理装置
JP3896665B2 (ja) * 1998-01-05 2007-03-22 ソニー株式会社 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法
JP2000251078A (ja) * 1998-12-22 2000-09-14 Atr Media Integration & Communications Res Lab 人物の３次元姿勢推定方法および装置ならびに人物の肘の位置推定方法および装置
US6807290B2 (en) * 2000-03-09 2004-10-19 Microsoft Corporation Rapid computer modeling of faces for animation
JP3668168B2 (ja) 2001-09-14 2005-07-06 株式会社東芝 動画像処理装置
GB0226787D0 (en) 2002-11-18 2002-12-24 Qinetiq Ltd Measurement of mitotic activity
GB0520829D0 (en) 2005-10-13 2005-11-23 Univ Cambridge Tech Image processing methods and apparatus
US8374671B2 (en) 2006-02-27 2013-02-12 Select Research Limited Health indicator
EP1946269B1 (en) 2006-12-01 2010-06-23 Panasonic Corporation Iterative motion segmentation
GB2452944B8 (en) * 2007-09-19 2016-09-14 Toshiba Res Europ Ltd An imaging system and method
WO2009047366A2 (en) 2007-10-12 2009-04-16 Toyota Motor Europe Nv Methods and systems for processing of video data
US20090124866A1 (en) * 2007-11-09 2009-05-14 The Quantum Group, Inc. Intelligent personal health profile
CN101960490B (zh) 2008-03-14 2013-07-17 松下电器产业株式会社 图像处理方法和图像处理设备
WO2010019925A1 (en) * 2008-08-15 2010-02-18 Brown Technology Partnerships Method and apparatus for estimating body shape
JPWO2010027015A1 (ja) * 2008-09-05 2012-02-02 国立大学法人 東京大学 モーションキャプチャ装置
GB2464453B8 (en) 2008-10-10 2016-09-14 Toshiba Res Europ Ltd An imaging system and method
US9377857B2 (en) * 2009-05-01 2016-06-28 Microsoft Technology Licensing, Llc Show body position
CN102473307B (zh) * 2010-03-15 2015-05-27 松下电器产业株式会社 用于轨迹估计的方法和装置以及用于分割的方法
EP2395456A1 (en) 2010-06-12 2011-12-14 Toyota Motor Europe NV/SA Methods and systems for semantic label propagation
GB2484133B (en) 2010-09-30 2013-08-14 Toshiba Res Europ Ltd A video analysis method and system
US9195345B2 (en) * 2010-10-28 2015-11-24 Microsoft Technology Licensing, Llc Position aware gestures with visual feedback as input method
US9223936B2 (en) * 2010-11-24 2015-12-29 Nike, Inc. Fatigue indices and uses thereof
US9283429B2 (en) * 2010-11-05 2016-03-15 Nike, Inc. Method and system for automated personal training
GB2490872B (en) 2011-05-09 2015-07-29 Toshiba Res Europ Ltd Methods and systems for capturing 3d surface geometry
US11133096B2 (en) * 2011-08-08 2021-09-28 Smith & Nephew, Inc. Method for non-invasive motion tracking to augment patient administered physical rehabilitation
GB201209382D0 (en) * 2012-05-25 2012-07-11 Poikos Ltd Body measurement
US10037820B2 (en) * 2012-05-29 2018-07-31 Medical Avatar Llc System and method for managing past, present, and future states of health using personalized 3-D anatomical models
US8913809B2 (en) 2012-06-13 2014-12-16 Microsoft Corporation Monitoring physical body changes via image sensor
US9198622B2 (en) * 2012-10-09 2015-12-01 Kc Holdings I Virtual avatar using biometric feedback
WO2014081394A1 (en) 2012-11-22 2014-05-30 Agency For Science, Technology And Research Method, apparatus and system for virtual clothes modelling
CN103049852B (zh) * 2012-12-19 2015-12-09 武汉世纪炎龙网络科技有限公司 虚拟试衣系统
CN104103090A (zh) * 2013-04-03 2014-10-15 北京三星通信技术研究有限公司 图像处理方法、个性化人体显示方法及其图像处理系统
JP6173984B2 (ja) * 2014-08-08 2017-08-02 ソフトバンク株式会社 ３ｄモデリング情報作成支援システム、３ｄモデリング情報作成支援方法、及び３ｄモデリング情報作成支援プログラム
MA41117A (fr) * 2014-12-05 2017-10-10 Myfiziq Ltd Imagerie d'un corps

Also Published As

Publication number Publication date
JP6424293B1 (ja) 2018-11-14
DK3226763T3 (da) 2024-11-11
JP6559317B2 (ja) 2019-08-14
KR102290040B1 (ko) 2021-08-17
CN106999107B (zh) 2019-05-21
WO2016086266A1 (en) 2016-06-09
FI3226763T3 (fi) 2024-11-05
AU2015358289A1 (en) 2017-06-01
US20170273639A1 (en) 2017-09-28
CN106999107A (zh) 2017-08-01
US9949697B2 (en) 2018-04-24
KR20180057734A (ko) 2018-05-30
CN110223272A (zh) 2019-09-10
JP6434623B2 (ja) 2018-12-05
CA2969762A1 (en) 2016-06-09
SG10202001239PA (en) 2020-03-30
JP2019012532A (ja) 2019-01-24
PT3226763T (pt) 2024-10-08
KR20210047377A (ko) 2021-04-29
JP2019076733A (ja) 2019-05-23
JP2018504663A (ja) 2018-02-15
EP3226763A4 (en) 2018-07-04
NZ731721A (en) 2021-05-28
MA41117A (fr) 2017-10-10
SG10201806180VA (en) 2018-08-30
EP3226763B1 (en) 2024-08-28
DE15864375T1 (de) 2018-02-22
NZ761690A (en) 2021-07-30
KR101894686B1 (ko) 2018-09-04
EP3226763A1 (en) 2017-10-11
KR20170091730A (ko) 2017-08-09
NZ761693A (en) 2021-08-27
SG11201703993RA (en) 2017-06-29
ES2647340T1 (es) 2017-12-21
AU2015358289B2 (en) 2017-07-27
CA2969762C (en) 2019-07-30
KR101980503B1 (ko) 2019-08-28
KR102394593B1 (ko) 2022-05-06
KR20190007535A (ko) 2019-01-22

Similar Documents

Publication Publication Date Title
ES2647340T3 (es) Formación de imágenes de un cuerpo
US10657709B2 (en) Generation of body models and measurements
US10470510B1 (en) Systems and methods for full body measurements extraction using multiple deep learning networks for body feature measurements
JP7575747B2 (ja) 深層学習ネットワークを使用してユーザ写真から体重を測定するシステム及び方法
ES2385041T3 (es) Reconocimiento de objetos 3D
US20210182537A1 (en) Method and apparatus for detecting facial key points, computer device, and storage medium
AU2020436768B2 (en) Joint rotation inferences based on inverse kinematics
US20240037769A1 (en) Body Measurement Prediction from Depth Images and Associated Methods and Systems
HK40012722A (en) Imaging a body
NZ731721B2 (en) Imaging a body
NZ761693B2 (en) Imaging a Body
HK1240057B (zh) 身体成像
HK1240057A1 (en) Imaging a body
KR20230080211A (ko) 자세 추정을 위한 서버 및 그 동작 방법