WO2015197026A1 - 一种获取目标物体体征数据的方法、装置及终端 - Google Patents

一种获取目标物体体征数据的方法、装置及终端 Download PDF

Info

Publication number
WO2015197026A1
WO2015197026A1 PCT/CN2015/082539 CN2015082539W WO2015197026A1 WO 2015197026 A1 WO2015197026 A1 WO 2015197026A1 CN 2015082539 W CN2015082539 W CN 2015082539W WO 2015197026 A1 WO2015197026 A1 WO 2015197026A1
Authority
WO
WIPO (PCT)
Prior art keywords
target object
model
pixel
depth
contour
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.)
Ceased
Application number
PCT/CN2015/082539
Other languages
English (en)
French (fr)
Inventor
唐卫东
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co 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
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to JP2016575462A priority Critical patent/JP6549620B2/ja
Priority to BR112016030027-0A priority patent/BR112016030027B1/pt
Priority to EP15810950.4A priority patent/EP3144900B1/en
Priority to KR1020177001223A priority patent/KR101922039B1/ko
Publication of WO2015197026A1 publication Critical patent/WO2015197026A1/zh
Priority to US15/391,068 priority patent/US9984461B2/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating three-dimensional [3D] models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/147—Details of sensors, e.g. sensor lenses
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/273—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion removing elements interfering with the pattern to be recognised
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/426—Graphical representations
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/431—Frequency domain transformation; Autocorrelation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional [3D] objects
    • G06V20/647—Three-dimensional [3D] objects by matching two-dimensional images to three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional [3D] objects
    • G06V20/653—Three-dimensional [3D] objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • G06T2207/20072—Graph-based 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of objects
    • G06V2201/121—Acquisition of 3D measurements of objects using special illumination

Definitions

  • the present invention relates to the field of data acquisition, and in particular, to a method, device and terminal for acquiring physical sign data of a target object.
  • the embodiment of the invention provides a method, a device and a terminal for acquiring the target object's vital sign data, and recovering the captured object image by the image and the skeleton of the target object, and then combining the local or cloud search application to identify the target object.
  • the data is presented to the user to achieve a "what you see is what you get" experience for the majority of users.
  • the present invention provides a method for obtaining vital sign data of a target object, comprising:
  • the 3D depth image is a two-dimensional image with distance information, the distance information including a distance between the target object and the imaging device;
  • the depth value is a point on the target object acquired according to the distance information to the imaging device the distance between;
  • the obtaining target includes:
  • Obtaining the graphic contour of the target object according to the depth value of the pixel in the 3D depth image of the target object includes:
  • performing the difference calculation on the depth value of the pixel in the 3D depth image includes:
  • the neighboring pixels corresponding to the at least one first depth difference value are marked as contour positions;
  • a graphical outline of the target object is acquired based on the pixel marked as a contour position.
  • the method further includes:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the first 3D target depth image, Obtaining a graphical outline of the target object.
  • the performing the background denoising processing on the 3D depth image acquiring the first 3D target depth image, including :
  • the method further includes:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the second 3D target depth image, Obtaining a graphical outline of the target object.
  • the performing the edge denoising processing on the first 3D target depth image to obtain the second 3D target depth includes:
  • the 3D depth image according to the target object Obtaining the skeleton parameters of the target object by the depth value of the pixel includes:
  • the area defined by the first line and the second line constitutes a skeleton of the target object, and the corresponding lateral thickness and the longitudinal thickness are skeleton parameters of the target object.
  • the 3D model library retrieves a 3D that matches a graphical contour and a skeleton parameter of the target object a model that obtains a parameter ratio of the 3D model, including:
  • a viewing angle parameter of the 3D model Calculating a viewing angle parameter of the 3D model according to a graphic contour of the 3D model and a front view contour of the 3D model, the viewing angle parameter being a visual angle of the graphic contour of the 3D model based on a front view contour of the 3D model ;
  • the 3D model is the graphic wheel of the target object a 3D model with a matching profile and skeleton parameters
  • a parameter ratio of the 3D model is obtained by the 3D model.
  • the 3D model library includes each view graphic contour of the 3D model, where at least the 3D is included The forward view graphic outline of the model.
  • the graphical contour of the target object and the graphical contour of the 3D model in the 3D model library are performed Matching, obtaining the graphical outline of the 3D model with the highest matching degree includes:
  • the acquiring at least one of the target objects Real size including:
  • the transmission time is a time difference between the emitted sound wave signal and the received sound wave signal
  • At least one true size of the target object is calculated by the distance from the imaging device.
  • the present invention provides an apparatus for acquiring physical sign data of a target object, including: a module for acquiring a 3D depth image of the target object; the 3D depth image being a two-dimensional image with distance information, the distance information including a distance between the target object and the imaging device;
  • a graphic contour and skeleton parameter obtaining module configured to acquire a graphic contour and a skeleton parameter of the target object according to a depth value of a pixel in a 3D depth image of the target object; the depth value is the obtained according to the distance information The distance from a point on the target object to the imaging device;
  • a parameter ratio obtaining module configured to retrieve a 3D model matching the graphic contour and the skeleton parameter of the target object in the 3D model library, and obtain a parameter proportion of the 3D model;
  • a real size acquisition module configured to acquire at least one real size of the target object
  • the vital sign data obtaining module is configured to acquire the vital sign data of the target object according to the parameter ratio of the 3D model and the at least one real size.
  • the imaging module comprises:
  • a transmitting unit configured to transmit a reference pattern to the target object
  • a receiving unit configured to receive a secondary pattern that is reflected by the reference object by the target object
  • a calculating unit configured to calculate an offset value of the secondary pattern relative to the reference pattern
  • an image acquiring unit configured to perform Fourier transform on the offset value to obtain the distance information, and obtain the 3D depth image from the distance information.
  • the graphic contour and skeleton parameter obtaining module is specifically configured to: view the 3D depth image Performing a difference calculation on the depth value of the pixel to obtain a graphic outline of the target object;
  • performing the difference calculation on the depth value of the pixel in the 3D depth image includes:
  • the neighboring pixels corresponding to the at least one first depth difference value are marked as contour positions;
  • a graphical outline of the target object is acquired based on the pixel marked as a contour position.
  • the device further includes: a noise canceling module;
  • the denoising module is used to:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the first 3D target depth image, Obtaining a graphical outline of the target object.
  • the denoising module is specifically configured to:
  • the denoising module is further configured to:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: entering a depth value of the pixel in the second 3D target depth image A line difference calculation is performed to obtain a graphic outline of the target object.
  • the denoising module is specifically configured to:
  • the graphic contour and skeleton parameter obtaining module is specifically used to:
  • the area defined by the first line and the second line constitutes a skeleton of the target object, and the corresponding lateral thickness and the longitudinal thickness are skeleton parameters of the target object.
  • the parameter ratio obtaining module is specifically configured to:
  • a viewing angle parameter of the 3D model Calculating a viewing angle parameter of the 3D model according to a graphic contour of the 3D model and a front view contour of the 3D model, the viewing angle parameter being a visual angle of the graphic contour of the 3D model based on a front view contour of the 3D model ;
  • the 3D model is the graphic contour of the target object And a 3D model matching the skeleton parameters;
  • a parameter ratio of the 3D model is obtained by the 3D model.
  • the 3D model library includes each view graphic contour of the 3D model, where the at least the 3D is included The forward view graphic outline of the model.
  • the parameter ratio obtaining module is specifically configured to:
  • the real size obtaining module is specifically configured to:
  • the transmission time is the sound wave signal and the sound wave Describe the time difference of receiving the acoustic signal
  • At least one true size of the target object is calculated by the distance from the imaging device.
  • the present invention provides a terminal for acquiring physical condition data of a target object, including:
  • a 3D sensor for acquiring a 3D depth image of the target object;
  • the 3D depth image being a two-dimensional image with distance information, the distance information including a distance between the target object and the imaging device;
  • a processor configured to acquire a graphic contour and a skeleton parameter of the target object according to a depth value of a pixel in a 3D depth image of the target object; the depth value is a point on the target object acquired according to the distance information a distance to the imaging device, the processor is further configured to retrieve a 3D model matching the graphic contour and the skeleton parameter of the target object in a 3D model library, and obtain a parameter ratio of the 3D model.
  • the processor is further configured to acquire at least one real size of the target object, and acquire the vital sign data of the target object according to the parameter ratio of the 3D model and the at least one real size.
  • the 3D sensor is specifically configured to:
  • Transmitting a reference pattern to the target object and receiving a secondary pattern obtained by the reference pattern being reflected by the target object, calculating an offset value of the secondary pattern relative to the reference pattern, and calculating the offset
  • the value is subjected to Fourier transform to obtain the distance information, and the 3D depth image is obtained from the distance information.
  • the processor is specifically configured to perform a depth value of a pixel in the 3D depth image. Calculating a difference, acquiring a graphic outline of the target object;
  • performing the difference calculation on the depth value of the pixel in the 3D depth image includes:
  • the neighboring pixels corresponding to the at least one first depth difference value are marked as contour positions;
  • a graphical outline of the target object is acquired based on the pixel marked as a contour position.
  • the processor is further configured to: Depth image performing background denoising processing to obtain a first 3D target depth image;
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the first 3D target depth image, Obtaining a graphical outline of the target object.
  • the processor is specifically configured to:
  • the processor is further configured to:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the second 3D target depth image, Obtaining a graphical outline of the target object.
  • the processor is specifically configured to:
  • the processor is specifically configured to:
  • the area defined by the first line and the second line constitutes a skeleton of the target object, and the corresponding lateral thickness and the longitudinal thickness are skeleton parameters of the target object.
  • the processor is specifically configured to:
  • a viewing angle parameter of the 3D model Calculating a viewing angle parameter of the 3D model according to a graphic contour of the 3D model and a front view contour of the 3D model, the viewing angle parameter being a visual angle of the graphic contour of the 3D model based on a front view contour of the 3D model ;
  • the 3D model is the graphic contour of the target object And a 3D model matching the skeleton parameters;
  • a parameter ratio of the 3D model is obtained by the 3D model.
  • the 3D model library includes each view graphic contour of the 3D model, where the at least the 3D is included The forward view graphic outline of the model.
  • the processor is specifically configured to: use the Zernike moment descriptor and the Fourier descriptor to target the target Describe the graphic outline of the object to obtain the first description information;
  • the processor is specifically configured to:
  • the transmission time is a time difference between the emitted sound wave signal and the received sound wave signal
  • At least one true size of the target object is calculated by the distance from the imaging device.
  • the 3D depth image of the target object is acquired, and the graphic contour and the skeleton parameter of the target object are obtained according to the depth value of the pixel in the 3D depth image of the target object, and the target object is retrieved in the 3D model library.
  • a 3D model in which the contour of the graphic and the skeleton parameters are matched obtaining a parameter ratio of the 3D model, and acquiring at least one real size of the target object, thereby obtaining according to a parameter ratio of the 3D model and the at least one real size
  • the vital sign data of the target object combines the instant acquisition of the terminal and the local or cloud 3D model library to instantly present the vital signs data of the target object, and realizes the dream of “what you see is what you get”.
  • FIG. 1 is a schematic flowchart diagram of a method for acquiring physical sign data of a target object according to an embodiment of the present invention
  • FIG. 2 is a reference diagram of specific steps of a method for acquiring target object vital sign data according to an embodiment of the present invention
  • FIG. 3 is another reference diagram of specific steps of a method for acquiring target object vital sign data according to an embodiment of the present invention
  • FIG. 4 is a further reference diagram of a specific step of a method for acquiring physical sign data of a target object according to an embodiment of the present invention
  • FIG. 5 is a first schematic diagram of an apparatus for acquiring target object sign data according to an embodiment of the present invention
  • FIG. 6 is a second schematic diagram of an apparatus for acquiring target object sign data according to an embodiment of the present invention.
  • FIG. 7 is a schematic diagram of acquiring a target object vital sign data terminal according to an embodiment of the present invention.
  • Embodiments of the present invention are directed to a method for acquiring body sign data of a target object, which is obtained by restoring the image of the captured target object to the figure and skeleton of the target object, and then combining the local or cloud type search application with the physical condition data of the target object. Presented to users to realize the dream of “what you see is what you get”.
  • FIG. 1 is a method 100 for acquiring target object vitals data according to an embodiment of the present invention, including:
  • the 3D depth image is a two-dimensional image with distance information, and the distance information includes a distance between the target object and the imaging device.
  • the target camera may be used to capture a target object to obtain a 3D depth image.
  • the acquisition process may be implemented as follows:
  • the terminal transmits a reference pattern to the target object, where the reference pattern can have various options, such as a square grid pattern, a honeycomb grid pattern, or a pattern formed by scattered light spots.
  • the light generating light source of the reference pattern is an infrared beam generator capable of performing beam power control, so when the target object is a human body or an animal body, the light source of the reference pattern is not correct The human or animal body causes damage.
  • the terminal transmits a reference pattern to the target object, and the feature size parameters of the reference patterns are preset.
  • the reference pattern is a grid pattern
  • the shape and spacing of the grid can be preset. of.
  • Receiving may be performed by the terminal by the built-in or external camera of the terminal, thereby obtaining a secondary pattern reflected by the target object by the target object, and acquiring the target image together Two-dimensional images, because the camera acquires a two-dimensional planar image of an object is a relatively mature technology, so the implementation method of the technology is not laid out and limited.
  • the offset value which may also be referred to as a deformation value, by which the shape variable generated by the secondary pattern relative to the reference pattern is reflected.
  • the distance value is subjected to Fourier transform to obtain the distance information, and the 3D depth image is obtained from the distance information.
  • the Fourier transform is used to process the distance information, and the distance information is used to describe the distance between the imaged camera and the captured target object, which may be embodied as the target object.
  • the distance of each pixel on the two-dimensional image from the imaging camera based on this distance information combined with the two-dimensional image of the target object acquired above, can obtain a 3D depth image with distance information.
  • the 3D depth image of the target object contains all the pixels constituting the image, and the distance information acquired according to S101 can be used to describe the distance information of the pixels from the imaging camera, that is, the pixel depth value here, and further, according to the pixel depth.
  • the value obtains the contour of the target object and the skeleton parameters. In the specific implementation process, obtaining the contour of the target object according to the pixel depth value can be implemented as follows:
  • An exclusive value; the first pixel herein may be any one of the 3D depth images.
  • the positional relationship between the four connected neighboring pixels and the first pixel may be left, right, up, and down, respectively.
  • a depth difference threshold can be pre-set according to experience.
  • the second depth difference threshold may be preset according to experience.
  • the second pixel herein may also be any pixel in the 3D depth image, when its eight When the pixels marked as the contour position are displayed in the adjacent pixels, the difference between the pixels marked as the outline pixels and the pixel depth values of the second pixel is calculated, and the calculated difference result is calculated. Greater than the second difference threshold marks this second pixel as the contour position.
  • the graphical outline of the target object is acquired according to the pixel marked as the contour position.
  • the pixels in the above-described 3D depth image are divided into pixels marked as contour positions and pixels not marked as contour positions, and all pixels marked as contour positions constitute a graphic outline of the target object.
  • a skeleton parameter of the target object is acquired according to a depth value of a pixel in a 3D depth image of the target object.
  • the first thing to understand is the principle of the skeleton parameters. Take the human skeleton parameters as an example. The human anatomy skeleton structure satisfies certain natural proportions, whether it is Westerners or Orientals, men and women, minors and adults.
  • the 18-node human skeleton model for example, if any two human skeleton models, all the same human body parts include the forearm, upper arm, torso, head, waist, hips, thighs, calves,
  • the distance between adjacent and interconnected nodes is the same as the ratio of the skeleton reference (middle axis).
  • the two human skeletons are identical.
  • FIG. 2 it is assumed that the ratio of the distance between the nodes adjacent to each other and connected to each other in the human skeleton model 1601 and the skeleton reference (middle axis) are reconstructed from the standard human skeleton model 1602.
  • the skeleton 1601 and the skeleton 1602 are the same 3D model. which is:
  • Z refers to the skeleton length of the target object
  • Base refers to the skeleton reference length of the target object
  • Zi refers to the skeleton length of the model numbered i in the 3D model library
  • Basei refers to the number i in the 3D model library.
  • the skeleton reference length of the model, ⁇ is an allowable difference, and the allowable difference value may be obtained according to an empirical value or may be selected according to a specific situation.
  • acquiring the skeleton parameter of the target object according to the depth value of the pixel in the 3D depth image of the target object may be specifically implemented by the following steps:
  • the central axis of the target object is obtained by a linear least squares method according to pixel depth values of all pixels in the 3D depth image of the target object.
  • the central axis is usually the spine of the human body.
  • the lateral thickness of the graphical outline of the target object is calculated along a plurality of first lines perpendicular to the central axis.
  • the central axis is the spine of the human body
  • a plurality of first lines perpendicular to the spine extend the skeleton of the lateral direction of the human body.
  • a longitudinal thickness of the graphical outline of the target object is calculated along a plurality of second lines parallel to the central axis.
  • the central axis is the spine of the human body
  • a plurality of second lines parallel to the spine extend the skeleton of the longitudinal direction of the human body.
  • the area defined by the first line and the second line constitutes a skeleton of the target object, and the corresponding lateral thickness and the longitudinal thickness are skeleton parameters of the target object.
  • a 3D model matching the graphic contour and the skeleton parameter of the target object is retrieved in the 3D model library.
  • the 3D model library here can be a standard model library stored by the cloud server, or a standard model library stored locally.
  • the model with the highest matching degree of the contour and skeleton parameters of the target object obtained above is retrieved from the standard model library.
  • These pre-stored model library data can be derived from socially-derived human 3D data provided by third-party data providers, which typically includes typical body-type 3D data from various countries, regions, and races around the world.
  • the pre-stored model library data may also be derived from the self-learning results of the machine.
  • the owner of the intelligent terminal may measure, calculate, and adjust the self-learning 3D model data for a specific target for a period of time. It can be understood that in addition to the human body 3D data, there may be 3D data of an animal body or another visible target body, which will not be described herein.
  • the pre-stored 3D model includes at least the graphic contour and the skeleton parameter. These two parameters.
  • the example is a 2D contour parameter of a cow's 3D model, which respectively represents a graphic outline of a recording target from each orientation of the target, including 1 side, 2 front and 4 left front side, 5 left rear side, 6
  • the projection profile of the right front side, the right rear side of 7, and the projection outline just above 3 are usually not necessary.
  • the graphic contour may also include the front left front side, the left front side, and the right front side. Projection pattern outline (not shown) of the target recorded at each angle, such as the side, the right front side, and the like.
  • the chen algorithm that is, the 2D Zernke moment descriptor and the FD-Fourier Descriptor are used to compare the graphic contour of one or more target objects of the same target and the various direction graphics of the 3D model library.
  • the similarity between the contours, the contour contour with the highest similarity is retrieved, and the visual angle value of the projection of the 3D standard model corresponding to the contour of the graphic is returned.
  • the contour of a target object and the contour of the 3D model of the cow in the 3D database have the highest similarity.
  • the returned observation is that the contour of the target object is the X coordinate of the 3D model of the cow.
  • the 3D model that matches the graphic contour and the skeleton parameter of the target object is retrieved in the 3D model library, and the parameter proportion of the 3D model is obtained, which specifically includes:
  • a viewing angle parameter of the 3D model Calculating a viewing angle parameter of the 3D model according to a graphic contour of the 3D model and a front view contour of the 3D model, the viewing angle parameter being a visual angle of the graphic contour of the 3D model based on a front view contour of the 3D model ;
  • the 3D model is the graphic contour of the target object And a 3D model matching the skeleton parameters;
  • a parameter ratio of the 3D model is obtained by the 3D model.
  • the 3D model library includes various view graphic outlines of the 3D model, including at least a positive view graphic outline of the 3D model.
  • the matching the graphic contour of the target object with the graphic contour of the 3D model in the 3D model library to obtain the graphic contour of the 3D model with the highest matching degree includes:
  • the skeleton data in the standard 3D model library needs to be rotated to the negative direction of the projection as the X-axis to achieve accurate skeleton similarity retrieval and matching.
  • the search method can also obtain better results when the environment changes.
  • the different clothing and postures worn by the human target affect the contour of the human body calculated by the 3D depth image, such as wearing thin clothes and winter society in summer. Wearing heavy clothing, the calculated contour of the human body will be greatly different.
  • the skeleton parameters are introduced here. Graphic outline and skeleton parameters In the case of certainty, the accuracy of the obtained 3D model is relatively high.
  • the parameter ratio of the 3D model of the target object retrieved in step S103 is a standard unit model, and it is also required to multiply at least one real geometric parameter of the target (such as the actual height or arm length of the user), and the same scale is enlarged before being able to A 3D model in which the target object is perfectly matched.
  • at least one true size of the target object can be obtained by the following steps:
  • the transmission time is a time difference between the emitted sound wave signal and the received sound wave signal
  • At least one true size of the target object is calculated by the distance from the imaging device.
  • An optional method is to measure the height of the target by the method of recording the image of the target object by the camera.
  • the speaker component of the mobile phone periodically transmits an acoustic signal to the target.
  • the transmitting action can be synchronized with the detecting action of the 3D sensor.
  • the acoustic signal can be above the human hearing frequency range (20HZ ⁇ 20KHZ) to avoid interference with the user and the human target.
  • the acoustic signal When the acoustic signal encounters the return of the target object, it will be received by the microphone component.
  • the image of the target object will be recorded on the camera component, and the height h of the image pixel of the target object can be calculated by the image contour recognition technology.
  • the image distance D2 of the camera assembly is the only determined hardware parameter, so that the true height H of the target object can be calculated according to the following formula.
  • the mobile terminal When the user operates the mobile terminal to take a picture and 3D measurement of the target object, the mobile terminal simultaneously records two or more photos of the target object, and the photos are captured by camera components with different focal length parameters.
  • the terminal camera obtains photos with three different image distances at three different focal lengths, two of which are taken as an example: the two photos respectively correspond to the distance D21, D22, and are imaged.
  • the height is h1, h2, and the lens distance of the two sets of shooting parameters changes to ⁇ . Since the true height of the target object is uniquely determined, the photo clearly satisfies the following geometric formula:
  • D21 and D22 are known parameters, and h1 and h2 can be calculated by the pixel method. Then the height H of the target object can be calculated according to the following formula.
  • the true skeletal model of the target can be obtained by multiplying the retrieved 3D model parameter proportion with the highest matching degree by the target real height H.
  • a real geometric parameter of the target can also be directly input through the touch screen of the mobile phone I/O interface, which can be one of data such as height, arm length, shoulder width, etc., to further calculate Signs data of human target objects.
  • the user can also dynamically adjust the true geometric parameters of the input target to calculate the relative accuracy of the target object's vital data.
  • the body weight, the size of the measurements, the arm length, the shoulder width and other physical parameters of the human body target 420 can be calculated according to specific parameters (such as density) in the physical characteristic parameter library, and the user input and output interfaces are input. Displayed on the display, combined with various business databases and user habits, can also be used for clothing size, matching suggestions and advertising push.
  • the embodiment can be applied not only to the measurement of the vital sign data in the process of photographing the target object, but also to the process of capturing the 3D measurement and the vital sign data of the moving target object by video.
  • the embodiment of the present invention obtains a 3D depth image of the target object, and restores a graphic contour and a skeleton parameter of the target object according to the 3D depth image, thereby retrieving a 3D model corresponding to the target object based on the graphic contour and the skeleton parameter, and Further, the 3D model obtains the vital sign data of the target object, so that the majority of users can perform virtual reconstruction through the terminal at any time and place to obtain the physical parameters of the object seen, thereby realizing the "what you see is what you get" user experience.
  • the main target is a human body
  • the result of this calculation is relatively accurate, but if two or more people appear in the real scene and overlap or obscure each other, Different human body objects need to be processed separately during processing.
  • a simple method is to use image depth filtering algorithm to process overlapping human targets in the background noise mode.
  • Other feasible methods are to separate and superimpose overlapping images. Need to explain is in this implementation In the technical solutions involved in the examples, the single target object or the independent target object that has been separated is mainly involved.
  • the present embodiment performs background denoising on the 3D depth image based on the background denoising process to obtain the first 3D target depth image, thereby obtaining an independent
  • the target object graphic contour specifically includes: performing difference calculation on the depth value of the pixel in the first 3D target depth image, and acquiring a graphic contour of the target object.
  • performing background denoising processing on the 3D depth image to obtain a first 3D target depth image including:
  • the obtained first 3D target depth graph may be further processed, namely:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the second 3D target depth image, Obtaining a graphical outline of the target object.
  • performing edge denoising processing on the first 3D target depth image, and acquiring the second 3D target depth image includes:
  • FIG. 5 is a device 300 for acquiring target object vital sign data according to an embodiment of the present invention, including:
  • the imaging module 302 is configured to acquire a 3D depth image of the target object; the 3D depth image is a two-dimensional image with distance information, and the distance information includes a distance between the target object and the imaging device.
  • a graphic contour and skeleton parameter obtaining module 304 configured to acquire a graphic contour and a skeleton parameter of the target object according to a depth value of a pixel in the 3D depth image of the target object; the depth value is obtained according to the distance information The distance from a point on the target object to the imaging device.
  • the parameter ratio obtaining module 306 is configured to retrieve a 3D model matching the graphic contour and the skeleton parameter of the target object in the 3D model library, and obtain a parameter proportion of the 3D model.
  • the real size acquisition module 308 is configured to acquire at least one real size of the target object.
  • the vital sign data obtaining module 310 is configured to acquire the vital sign data of the target object according to the parameter ratio of the 3D model and the at least one real size.
  • a 3D depth image of the target object is acquired by the imaging device, and the graphic contour and skeleton parameter acquiring module restores the graphic contour and the skeleton parameter of the target object according to the 3D depth image, and the parameter proportional acquisition module is based on the graphic contour and
  • the skeleton parameter retrieves the 3D model corresponding to the target object, and the vital sign data acquisition module acquires the vital sign data of the target object according to the 3D model, so that the majority of users can obtain the object by virtual reconstruction through the terminal anytime and anywhere.
  • the physical parameters of the body to achieve a "what you see is what you get" user experience.
  • the imaging module 302 may specifically include:
  • a transmitting unit configured to transmit a reference pattern to the target object
  • a receiving unit configured to receive a secondary pattern that is reflected by the reference object by the target object
  • a calculating unit configured to calculate an offset value of the secondary pattern relative to the reference pattern
  • an image acquiring unit configured to perform Fourier transform on the offset value to obtain the distance information, and obtain the 3D depth image from the distance information.
  • the graphic contour and skeleton parameter obtaining module is specifically configured to: perform a difference calculation on a depth value of a pixel in the 3D depth image, and acquire the target object Graphic outline
  • performing the difference calculation on the depth value of the pixel in the 3D depth image includes:
  • the neighboring pixels corresponding to the at least one first depth difference value are marked as contour positions;
  • a graphical outline of the target object is acquired based on the pixel marked as a contour position.
  • the apparatus 300 further includes: a noise canceling module 312;
  • the denoising module 312 is configured to:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the first 3D target depth image, Obtaining a graphical outline of the target object.
  • the denoising module 312 is specifically configured to:
  • the denoising module 312 can also be used to:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the second 3D target depth image, Obtaining a graphical outline of the target object.
  • the denoising module 312 is specifically configured to:
  • the graphic contour and skeleton parameter obtaining module 304 is specifically configured to:
  • the area defined by the first line and the second line constitutes a skeleton of the target object, and the corresponding lateral thickness and the longitudinal thickness are skeleton parameters of the target object.
  • the parameter ratio obtaining module 306 is specifically configured to:
  • a viewing angle parameter of the 3D model Calculating a viewing angle parameter of the 3D model according to a graphic contour of the 3D model and a front view contour of the 3D model, the viewing angle parameter being a visual angle of the graphic contour of the 3D model based on a front view contour of the 3D model ;
  • the 3D model is the graphic contour of the target object And a 3D model matching the skeleton parameters;
  • a parameter ratio of the 3D model is obtained by the 3D model.
  • the 3D model library includes each view graphic outline of the 3D model, wherein at least a positive view graphic outline of the 3D model is included.
  • the parameter ratio obtaining module 306 is specifically configured to:
  • the real size obtaining module 308 is specifically configured to:
  • the transmission time is a time difference between the emitted sound wave signal and the received sound wave signal
  • At least one true size of the target object is calculated by the distance from the imaging device.
  • FIG. 7 is a terminal 400 for acquiring target object vital sign data according to an embodiment of the present invention, including:
  • a 3D sensor 402 configured to acquire a 3D depth image of the target object;
  • the 3D depth image is a two-dimensional image with distance information, and the distance information includes a distance between the target object and the imaging device;
  • the processor 404 is configured to acquire a graphic contour and a skeleton parameter of the target object according to a depth value of the pixel in the 3D depth image of the target object; the depth value is a certain target object acquired according to the distance information. a point to a distance between the imaging devices, the processor is further configured to retrieve a 3D model matching the graphic contour and the skeleton parameter of the target object in a 3D model library, and obtain a parameter ratio of the 3D model, The processor is further configured to acquire at least one of the target objects Real size, and obtaining the vital sign data of the target object according to the parameter ratio of the 3D model and the at least one real size.
  • the 3D sensor 402 can be specifically used for:
  • Transmitting a reference pattern to the target object and receiving a secondary pattern obtained by the reference pattern being reflected by the target object, calculating an offset value of the secondary pattern relative to the reference pattern, and calculating the offset
  • the value is subjected to Fourier transform to obtain the distance information, and the 3D depth image is obtained from the distance information.
  • the processor 404 is further configured to perform a difference calculation on the depth value of the pixel in the 3D depth image to obtain a graphic contour of the target object.
  • performing the difference calculation on the depth value of the pixel in the 3D depth image includes:
  • the neighboring pixels corresponding to the at least one first depth difference value are marked as contour positions;
  • a graphical outline of the target object is acquired based on the pixel marked as a contour position.
  • the processor 404 may be further configured to perform background denoising processing on the 3D depth image to obtain a first 3D target depth image.
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the first 3D target depth image, Obtaining a graphical outline of the target object.
  • processor 404 can be specifically configured to:
  • the processor 404 is further specifically configured to:
  • performing a difference calculation on the depth value of the pixel in the 3D depth image, and acquiring the graphic contour of the target object includes: performing a difference calculation on the depth value of the pixel in the second 3D target depth image, Obtaining a graphical outline of the target object.
  • processor 404 can be specifically configured to:
  • processor 404 can be specifically configured to:
  • An area defined by the first line and the second line constitutes a skeleton of the target object, corresponding to The lateral thickness and the longitudinal thickness are skeleton parameters of the target object.
  • processor 404 can be specifically configured to:
  • a viewing angle parameter of the 3D model Calculating a viewing angle parameter of the 3D model according to a graphic contour of the 3D model and a front view contour of the 3D model, the viewing angle parameter being a visual angle of the graphic contour of the 3D model based on a front view contour of the 3D model ;
  • the 3D model is the graphic contour of the target object And a 3D model matching the skeleton parameters;
  • a parameter ratio of the 3D model is obtained by the 3D model.
  • the 3D model library includes each view graphic outline of the 3D model, wherein at least a positive view graphic outline of the 3D model is included.
  • the processor 404 is specifically configured to: describe a graphic contour of the target object by using a Zernike moment descriptor and a Fourier descriptor to obtain first description information;
  • processor 404 can be specifically configured to:
  • the transmission time is a time difference between the emitted sound wave signal and the received sound wave signal
  • At least one true size of the target object is calculated by the distance from the imaging device.
  • the program may be stored in a computer readable storage medium, and the storage medium may include: Flash disk, Read-Only Memory (ROM), Random Access Memory (RAM), disk or optical disk.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Processing Or Creating Images (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例提供一种获取目标物体体征数据的方法，包括：获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离；在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例；获取所述目标物体的至少一个真实尺寸；根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。从而为广大用户实现"所见即所得"的体验。

Description

一种获取目标物体体征数据的方法、装置及终端 技术领域
本发明涉及数据获取领域，尤其涉及一种获取目标物体体征数据的方法、装置及终端。
背景技术
智能终端能实现“所见即所得”一直是大多数用户的梦想，比如谷歌公司2009年推出的居于街景的导航和地理定位服务“Google Maps Navigation”，但这个服务需要后台强大的地理图像数据、搜索计算能力以及无处不在的高速网络链接支持，在很多网络覆盖尚不广的地区这样的服务几乎无法实现。
发明内容
本发明实施例提供一种获取目标物体体征数据的方法、装置及终端，通过将拍摄的目标物体图像还原出目标物体的图形及骨架，再结合本地或云端各类搜索应用将该目标物体的体征数据呈现给用户，从而为广大用户实现“所见即所得”的体验。
第一方面，本发明提供了一种获取目标物体体征数据的方法，包括：
获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离；
在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例；
获取所述目标物体的至少一个真实尺寸；
根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
结合第一方面，在第一方面的第一种可能的实施方式中：所述获取目标 物体的3D深度图像包括：
向所述目标物体发射参考图案；
接收所述参考图案经所述目标物体反射得到的二次图案；
计算所述二次图案相对于所述参考图案的偏移值；
对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
结合第一方面或第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中：
所述根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓包括：
对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
结合第一方面至第一方面的第二种可能的实施方式中的任一一种实施方式，在第一方面的第三种可能的实施方式中：
在所述获取目标物体的3D深度图像之后，所述方法还包括：
对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
结合第一方面的第三种可能的实施方式，在第一方面的第四种可能的实施方式中：所述对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像，包括：
设置深度阈值；
比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
结合第一方面的第四种可能的实施方式，在第一方面的第五种可能的实施方式中：在所述获取所述第一3D目标深度图像之后，所述方法还包括：
对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
结合第一方面的第五种可能的实施方式，在第一方面的第六种可能的实施方式中：所述对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像包括：
将所述第一3D目标深度图像分割成多个像素块；
设置像素深度分段区间；
分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一 区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
结合第一方面至第一方面的第六种可能的实施方式中的任一一种实施方式，在第一方面的第七种可能的实施方式中：所述根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的骨架参数包括：
根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
结合第一方面的第七种可能的实施方式，在第一方面的第八种可能的实施方式中：所述在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，包括：
将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
将所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮 廓及骨架参数相匹配的3D模型；
通过所述3D模型获取所述3D模型的参数比例。
结合第一方面的第八种可能的实施方式，在第一方面的第九种可能的实施方式中：所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
结合第一方面的第九种可能的实施方式，在第一方面的第十种可能的实施方式中：所述将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓包括：
采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
结合第一方面至第一方面的第十种可能的实施方式中的任一一种实施方式，在第一方面的第十一种可能的实施方式中：所述获取所述目标物体的至少一个真实尺寸，包括：
向所述目标物体发射声波信号；
接收被所述目标物体反射回来的声波信号；
获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
第二方面，本发明提供了一种获取目标物体体征数据的装置，包括：成 像模块，用于获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
图形轮廓和骨架参数获取模块，用于根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离；
参数比例获取模块，用于在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例；
真实尺寸获取模块，用于获取所述目标物体的至少一个真实尺寸；
体征数据获取模块，用于根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
结合第二方面，在第二方面的第一种可能的实施方式中：所述成像模块包括：
发射单元，用于向所述目标物体发射参考图案；
接收单元，用于接收所述参考图案经所述目标物体反射得到的二次图案；
计算单元，用于计算所述二次图案相对于所述参考图案的偏移值；
图像获取单元，用于对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
结合第二方面或者第二方面的第一种可能的实施方式，在第二方面的第二种可能的实施方式中：所述图形轮廓和骨架参数获取模块具体用于：对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
结合第二方面至第二方面的第二种可能的实施方式中任一一种可能的实施方式，在第二方面的第三种可能的实施方式中：所述装置还包括：去噪模块；
所述去噪模块用于：
对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
结合第二方面的第三种可能的实施方式，在第二方面的第四种可能的实施方式中：所述去噪模块具体用于：
设置深度阈值；
比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
结合第二方面的第四种可能的实施方式，在第二方面的第五种可能的实施方式中：所述去噪模块还用于：
对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进 行差值计算，获取所述目标物体的图形轮廓。
结合第二方面的第五种可能的实施方式，在第二方面的第六种可能的实施方式中：所述去噪模块具体用于：
将所述第一3D目标深度图像分割成多个像素块；
设置像素深度分段区间；
分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
结合第二方面至第二方面的第六种可能的实施方式中的任一一种实施方式，在第二方面的第七种可能的实施方式中：所述图形轮廓和骨架参数获取模块具体用于：
根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
结合第二方面的第七种可能的实施方式，在第二方面的第八种可能的实施方式中：所述参数比例获取模块具体用于：
将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
通过所述3D模型获取所述3D模型的参数比例。
结合第二方面的第八种可能的实施方式，在第二方面的第九种可能的实施方式中：所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
结合第二方面的第九种可能的实施方式，在第二方面的第十种可能的实施方式中：所述参数比例获取模块具体用于：
采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
结合第二方面至第二方面的第十种可能的实施方式中的任一一种实施方式，在第二方面的第十一种可能的实施方式中：所述真实尺寸获取模块具体用于：
向所述目标物体发射声波信号；
接收被所述目标物体反射回来的声波信号；
获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所 述接收声波信号的时间差；
利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
第三方面，本发明提供一种获取目标物体体征数据的终端，包括：
3D传感器，用于获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
处理器，用于根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离，所述处理器还用于在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，所述处理器还用于获取所述目标物体的至少一个真实尺寸，并根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
结合第三方面，在第三方面的第一种可能的实施方式中：所述3D传感器具体用于：
向所述目标物体发射参考图案，并接收所述参考图案经所述目标物体反射得到的二次图案，计算所述二次图案相对于所述参考图案的偏移值，并对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
结合第三方面或第三方面的第一种可能的实施方式，在第三方面的第二种可能的实施方式中：所述处理器具体用于对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的 四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
结合第三方面至第三方面的第二种可能的实施方式中任一一种实施方式，在第三方面的第三种可能的实施方式中：所述处理器还用于：对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
结合第三方面的第三种可能的实施方式，在第三方面的第四种可能的实施方式中：所述处理器具体用于：
设置深度阈值；
比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
结合第三方面的第四种可能的实施方式，在第三方面的第五种可能的实施方式中：所述处理器还用于：
对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
结合第三方面的第五种可能的实施方式，在第三方面的第六种可能的实施方式中：所述处理器具体用于：
将所述第一3D目标深度图像分割成多个像素块；
设置像素深度分段区间；
分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
结合第三方面至第三方面的第六中可能的实施方式中任一一种实施方式，在第三方面的第七种可能的实施方式中：所述处理器具体用于：
根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
结合第三方面的第七种可能的实施方式，在第三方面的第八种可能的实施方式中：所述处理器具体用于：
将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据 所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
通过所述3D模型获取所述3D模型的参数比例。
结合第三方面的第八种可能的实施方式，在第三方面的第九种可能的实施方式中：所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
结合第三方面的第九种可能的实施方式，在第三方面的第十种可能的实施方式中：所述处理器具体用于：采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
结合第三方面至第三方面的第十种可能的实施方式中的任一一种实施方式，在第三方面的第十一种可能的实施方式中：所述处理器具体用于：
向所述目标物体发射声波信号；
接收被所述目标物体反射回来的声波信号；
获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
本发明实施例通过获取目标物体的3D深度图像，根据该目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数，在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，并获取所述目标物体的至少一个真实尺寸，从而根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。本发明结合终端的即时获取以及本地或者云端的3D模型库为人们即时呈现目标物体的体征数据，实现人们“所见即所得”的梦想。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的获取目标物体体征数据方法的流程示意图；
图2为本发明实施例提供的获取目标物体体征数据方法的具体步骤参考图；
图3为本发明实施例提供的获取目标物体体征数据方法的具体步骤另一个参考图；
图4为本发明实施例提供的获取目标物体体征数据方法的具体步骤又一个参考图；
图5为本发明实施例提供的获取目标物体体征数据装置的第一示意图；
图6为本发明实施例提供的获取目标物体体征数据装置的第二示意图；
图7为本发明实施例提供的获取目标物体体征数据终端的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的实施例旨在提供一种获取目标物体体征数据的方法，通过将拍摄的目标物体图像还原出目标物体的图形及骨架，再结合本地或云端各类搜索应用将该目标物体的体征数据呈现给用户，以实现人们“所见即所得”的梦想。
实施例一
请参考图1，图1是本发明实施例中获取目标物体体征数据的方法100，包括：
S101，获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离。
在具体的实现中，可以使用终端摄像头对目标物体进行拍摄从而获取3D深度图像，可选的，这个获取过程可以按如下方式实现：
首先，由该终端向上述的目标物体发射参考图案，这里的参考图案可以有很多种选择，比如四方栅格图案、蜂窝栅格图案、或者也可以是分散的光斑点形成的图案，此处不做限制，并且出于对目标对象的保护，这个参考图案的光发生光源是可以进行光束功率控制的红外光束发生器，因此当目标对象为人体或动物体时，参考图案的发生光源不至于对人体或动物体造成伤害。
如上所述，该终端向目标物体发射参考图案，这些参考图案的特征尺寸参数是预先设定好的，比如当参考图案为栅格图案时，栅格的形状和间距都是可以预先设定好的。
然后，接收所述参考图案经所述目标物体反射得到的二次图案；此处的 接收可以是由该终端通过其内置的或者外连的摄像头对该目标对象进行拍摄，从而获得上述参考图案经所述目标物体反射回来的二次图案，并且一并获取的还有该目标图像的二维图像，由于摄像头获取物体的二维平面图像是比较成熟的技术，故此处不对该技术的实现方法做铺陈和限定。
进一步，计算所述二次图案相对于所述参考图案的偏移值；由于参考图案的特征尺寸参数都是预设的，则在获取到二次图案之后计算该二次图案相对于参考图案的偏移值，这个偏移值也可以叫做形变值，即通过该值反映出二次图案相对于参考图案产生的形变量。
最后，对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
基于上述获取的偏移值，用傅立叶变换对其进行处理从而获取距离信息，此处的距离信息用于描述该成像的摄像头与被拍摄的目标物体之间的距离，具体可以体现为该目标物体的二维图像上每一个像素距离成像摄像头的距离，基于这个距离信息再结合上面拍摄获取的目标物体的二维图像，则可以得到带有距离信息的3D深度图像。
S102，根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离。
目标物体的3D深度图像中包含组成该图像的所有像素，根据S101获取到的距离信息可以用来描述这些像素距离成像摄像头的距离信息，即此处的像素深度值，进一步的，根据该像素深度值获取目标物体的图形轮廓和骨架参数，在具体的实现过程中，根据像素深度值获取目标物体的图形轮廓可以按照如下方法予以实现：
对3D深度图像中像素的深度值进行差值计算从而获取所述目标物体的图形轮廓；具体地，这里的差值计算可以包括如下步骤：
首先，分别计算3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差 异值；这里的第一像素可以是该3D深度图像中任取的一个像素。该四个相连邻近像素与第一像素之间的位置关系可以分别是左、右、上、下。
然后，当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；这里的第一深度差异阈值可以根据经验预先设定好。
接着，查询3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；这里的第二深度差异阈值可以根据经验预先设定好的。当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；这里的第二像素也可以是该3D深度图像中的任一像素，当它的八个相连邻近像素中显示有被标记为轮廓位置的像素时则把显示被标记为轮廓像素之外的像素分别与该第二像素的像素深度值进行差值计算，一旦计算获得的差值计算结果大于第二差异阈值则将这个第二像素标记为轮廓位置。
最后，根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。基于上面的步骤，将上述3D深度图像中的像素区分为被标记为轮廓位置的像素和没有被标记为轮廓位置的像素，将所有被标记为轮廓位置的像素组成目标物体的图形轮廓。另外，根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的骨架参数。首先需要理解的是骨架参数的原理，以人体骨架参数为例，即人体解剖学骨架结构是满足一定的自然比例特点的，无论是西方人还是和东方人、男性和女性、未成年人和成年人的骨骼长度都是存在差别的，但是骨骼的基本结构是一样的。如图2所示是18节点的人体骨架模型，以此为例，如果任何两个人体骨架模型中，所有相同的人体部位包括前臂、上臂、躯干、头部、腰部、臀部、大腿、小腿，相邻并互相连接的节点间的距离与该骨架基准(中轴)的比例相同，我们可以认为这两个人体骨架完全相同。如图2所示，假设重构出人体骨架模型1601各部位任意相邻并互相连接的节点间距离与该骨架基准(中轴)的比例与标准人体骨架模型1602相 同部位同一个骨架与该骨架基准(中轴)的比例相同或者高度相似，则我们可以认为骨架1601和骨架1602是同一个3D模型。即：
Figure PCTCN2015082539-appb-000001
此处Z是指目标物体的骨架长度，Base是指目标物体的骨架基准长度，Zi是指3D模型库中的编号为i的模型的骨架长度，Basei是指3D模型库中的编号为i的模型的骨架基准长度，Δ是可以允许的差异，所述可以允许的差异值可以根据经验值获取，也可以根据具体情况选择。
在具体实现过程中，根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的骨架参数可以具体由下面步骤实现：
首先，根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴。当上述目标物体为人体时，这个中轴通常为人体的脊椎。
然后，沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度。如上所述，当该中轴为人体的脊椎时，垂直于脊椎的多个第一线延展出人体横向的骨架。
沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度。如上所述，当该中轴为人体的脊椎时，平行于脊椎的多个第二线延展出人体纵向的骨架。
由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
S103，在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例。
基于上述获取的目标物体的图形轮廓及骨架参数，在3D模型库中检索与该目标物体的图形轮廓及骨架参数均相匹配的3D模型。此处的3D模型库可以是云端服务器存储的标准模型库，也可以是本地存储的标准模型库，从这 样的标准模型库中检索出来与上述获取的目标物体的图形轮廓及骨架参数匹配度最高的模型。这些预存的模型库数据可以来源于第三方数据供应商提供的社会统计的人体3D数据，这些数据通常包括了全球各个国家、地区以及种族的各类典型的体型3D数据。可选的，这些预存的模型库数据还可以来自机器的自学习成果，比如智能终端的机主可以对一个特定目标在一段时间内测量、计算和调整得到自学习3D模型数据。可以理解的是，除了人体3D数据，还可以有动物体或者别的可视目标体的3D数据，此处不做赘述。
在本发明技术领域内，3D模型检索与匹配有许多相关算法支撑，但为了简化终端和云端的计算，提高响应速度，在本发明实施例中，预先存储的3D模型至少包括图形轮廓和骨架参数这样两个参数。如图3所示，示例中是一头牛的3D模型的2D轮廓参数，分别表示从目标的各个方位投影记录目标的图形轮廓，包括1侧面、2正面和4左前侧、5左后侧、6右前侧、7的右后侧的投影轮廓，3正上方的投影轮廓通常不是必须的，为了增加匹配的准确性，图形轮廓也可以包括从目标左正前侧、左正后侧、右正前侧、右正后侧等各个角度记录的目标的投影图形轮廓(图中未示出)。在匹配计算时，采用chen算法，即2D Zernke矩描述子和傅立叶描述子(FD-Fourier Descriptor)来比较同一个目标体的一张或者多张目标物体的图形轮廓和3D模型库的各个方向图形轮廓之间的相似性，检索出相似度最高的图形轮廓，返回该图形轮廓所对应的3D标准模型的投影的视觉角度值。如图3所示，某目标物体的图形轮廓和3D数据库中的牛的3D模型的图形轮廓相似度最高，返回的观察结果是：该目标物体的图形轮廓是沿着牛的3D模型的X坐标的负方向的投影。
具体的，在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，具体包括：
将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
通过所述3D模型获取所述3D模型的参数比例。
如上文所述，所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
进一步的，所述将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓包括：
采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
如图3，需要将标准3D模型库中的骨架数据旋转到投影为X轴的负方向，以实现准确的骨架相似度检索和匹配。
本检索方法当环境变化时也能得到较理想的的效果，一般而言人体目标穿戴的服装、姿势的不同会影响3D深度图像计算得到的人体的图形轮廓，比如夏季穿轻薄的服装和冬季社会穿厚重的服装，计算出的人体的图形轮廓会有较大差异，如果只根据人体的图形轮廓进行相似度检索得到的3D模型会有较大偏差，因此此处引入了骨架参数，当目标物体的图形轮廓和骨架参数都 确定的情况下，得到的3D模型的准确性是比较高的。
S104、在获取所述目标物体的至少一个真实尺寸。
经过步骤S103检索得到的目标物体的3D模型的参数比例是标准单位模型，还需要乘以目标的至少一个真实的几何参数(比如用户实际身高或者臂长)，进行同比例放大后，才能到与目标物体完全匹配的3D模型。在具体的操作中，可以通过如下步骤获取该目标物体的至少一个真是尺寸：
向所述目标物体发射声波信号；
接收被所述目标物体反射回来的声波信号；
获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
具体的，由于大多数使用的情况下，用户和拍摄者并不了解目标物体真实的几何参数，这就需要通过实时测量的方式来获取目标物体的至少一个真实的几何参数，此处也称作真实尺寸。一种可选的方式是通过摄像头记录目标物体图像的方法来测算目标的高度，如图Z所示，当移动终端启动拍照和3D深度测量应用时，手机的扬声器组件周期性向目标发射一个声波信号，该发射动作可以与3D传感器的检测动作保持同步。该声波信号可以在人体听觉的频率范围(20HZ～20KHZ)之上，以避免对用户和人体目标造成干扰。当该声波信号遇到目标物体返回时，将被麦克风组件接收，通过计算声波的传播时间△t，即可以计算出目标距离拍摄者的距离D1＝1/2×V×△t，其中V为该频率声波在环境空气中传播的速率。而同时目标物体的图像将记录在摄像头组件上，通过图像轮廓识别技术即可计算出目标物体的图像像素的高度h，而 对于确定的移动终端而言，摄像头组件的像距D2是唯一确定的硬件参数，这样就可以根据以下公式计算出目标物体的真实高度H。
Figure PCTCN2015082539-appb-000002
同样的原理，也可以将该方案应用于测量目标的长度、宽度等其他几何参数，此处不再赘述。
除了上述测量方法外，还有其它方法可以用于测量所述目标物体的至少一个真是尺寸，比如：
用户操作移动终端对目标物体进行拍摄和3D测量的时候，移动终端会同时记录2张以上的目标物体的照片，这些照片采用不同的焦距参数的摄像头组件捕获。如图4所示的实施例中，终端摄像头以3个不同的焦距获得获得3张不同像距的照片，以其中两张为例：该两张照片分别对应的相距为D21、D22，成像的高度为h1、h2，两组拍摄参数的镜头距离变化为△，由于目标物体的真实高度是唯一确定，照片显然满足以下的几何公式：
Figure PCTCN2015082539-appb-000003
Figure PCTCN2015082539-appb-000004
D11＝D12+△
D22＝D21+△
在照相机模块硬件参数确定的情况下，D21、D22都是已知的参数，而h1、h2可以通过像素法计算得到。那么目标物体的高度H可以根据以下公式计算得到。
Figure PCTCN2015082539-appb-000005
S105、根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
在具体的操作中，可以将检索得到的匹配度最高的3D模型参数比例乘以目标的真实身高H，即可得到目标的真实的骨架模型。
在本实施例另一些可行的方案中，也可以通过手机I/O接口的触摸屏直接输入目标的一个真实的几何参数，可以是身高、臂长、肩宽等数据中的一个，来进一步计算出人体目标物体的体征数据。用户也可以对输入的目标的真实几何参数进行动态调整以计算得出相对准确的目标物体的体征数据。进一步可选的，本实施例还可以根据体征特性参数库中的具体参数(比如密度)计算出人体目标420的体重、三围尺寸，臂长，肩宽等各类体征参数，在用户输入输出界面上显示出来，结合各类商业数据库和用户的习惯设置，也可以用于服装的尺寸、搭配建议和广告推送等。
需要说明的是本实施例不但可以应用于对目标物体拍照过程中的体征数据测量，也可以应用于视频拍摄移动目标物体的3D测量和体征数据获取过程。
本发明实施例通过获取目标物体的3D深度图像，并根据该3D深度图像还原出该目标物体的图形轮廓和骨架参数，从而基于该图形轮廓和骨架参数检索出对应该目标物体的3D模型，并进一步由该3D模型获取到该目标物体的体征数据，从而使得广大用户可以随时随地通过终端进行虚拟重建获取所见物体的体征参数，实现“所见即所得”的用户体验。
需要说明的是在大部分的拍照应用中，如果主要的目标是一个人体，这种计算得到的结果相对比较准确，但是如果真实场景中有两个或者多个人出现并相互重叠或遮蔽的时候，需要在处理时将不同的人体对象分开处理，一种简单方法是利用图像深度过滤算法将重叠的人体目标按背景噪音方式处理，另一些可行的做法是将重叠图像进行计算分离。需要说明的是在本实施 例中所涉及的技术方案中，主要涉及单个目标物体或者已经分离后的独立的目标物体。
在一个新的实施例中，为了使获取的目标物体的图形轮廓更加精确，本实施例基于背景去噪处理对3D深度图像进行背景去噪音从而获得第一3D目标深度图像，从而获得一个独立的目标物体图形轮廓，具体包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
具体的，所述对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像，包括：
设置一个深度阈值；
比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
进一步的，在一个新的实施例中，可以对上述获取的第一3D目标深度图形进行进一步处理，即：
对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
由此可以获取一个独立且边缘清晰的图形轮廓。
具体的，对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像包括：
将所述第一3D目标深度图像分割成多个像素块；
设置像素深度分段区间；
分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
实施例二
请参考图5，图5是本发明实施例中获取目标物体体征数据的装置300，包括：
成像模块302，用于获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离。图形轮廓和骨架参数获取模块304，用于根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离。参数比例获取模块306，用于在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例。
真实尺寸获取模块308，用于获取所述目标物体的至少一个真实尺寸。
体征数据获取模块310，用于根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
本发明实施例中，通过成像设备获取目标物体的3D深度图像，图形轮廓和骨架参数获取模块根据该3D深度图像还原出该目标物体的图形轮廓和骨架参数，参数比例获取模块基于该图形轮廓和骨架参数检索出对应该目标物体的3D模型，并由体征数据获取模块根据该3D模型获取到该目标物体的体征数据，从而使得广大用户可以随时随地通过终端进行虚拟重建获取所见物 体的体征参数，实现“所见即所得”的用户体验。
在实施例二的基础上，进一步的，在另一个实施例中，成像模块302可以具体包括：
发射单元，用于向所述目标物体发射参考图案；
接收单元，用于接收所述参考图案经所述目标物体反射得到的二次图案；
计算单元，用于计算所述二次图案相对于所述参考图案的偏移值；
图像获取单元，用于对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
在上述实施例的基础上，进一步的，在另一个实施例中，图形轮廓和骨架参数获取模块具体用于：对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
在上述实施例的基础上，进一步的，请参阅图6，在另一个实施例中，上述装置300还包括：去噪模块312；
所述去噪模块312用于：
对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
进一步的，所述去噪模块312具体用于：
设置深度阈值；
比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
进一步的，所述去噪模块312还可以用于：
对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
进一步可选的，所述去噪模块312具体用于：
将所述第一3D目标深度图像分割成多个像素块；
设置像素深度分段区间；
分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
在上述实施例的基础上，进一步的，在另一个实施例中，图形轮廓和骨架参数获取模块304具体用于：
根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
在上述实施例的基础上，进一步的，在另一个实施例中，参数比例获取模块306具体用于：
将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
通过所述3D模型获取所述3D模型的参数比例。
其中，所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
在上述实施例的基础上，进一步的，在另一个实施例中，参数比例获取模块306具体用于：
采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
在上述实施例的基础上，进一步的，在另一个实施例中，真实尺寸获取模块308具体用于：
向所述目标物体发射声波信号；
接收被所述目标物体反射回来的声波信号；
获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
实施例三
请参考图7，图7是本发明实施例中获取目标物体体征数据的终端400，包括：
3D传感器402，用于获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
处理器404，用于根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离，所述处理器还用于在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，所述处理器还用于获取所述目标物体的至少一 个真实尺寸，并根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
在实施例三的基础上，可选的，3D传感器402具体可以用于：
向所述目标物体发射参考图案，并接收所述参考图案经所述目标物体反射得到的二次图案，计算所述二次图案相对于所述参考图案的偏移值，并对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
在上述实施例的基础上，进一步可选的，处理器404具体用于对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
在上述实施例的基础上，进一步可选的，处理器404具体还可以用于：对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
进一步的，处理器404具体可以用于：
设置深度阈值；
比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
在上述实施例的基础上，进一步可选的，处理器404具体还可以用于：
对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
进一步的，处理器404具体可以用于：
将所述第一3D目标深度图像分割成多个像素块；
设置像素深度分段区间；
分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
进一步的，处理器404具体可以用于：
根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应 的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
进一步的，处理器404具体可以用于：
将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
通过所述3D模型获取所述3D模型的参数比例。
其中，所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
进一步的，处理器404具体可以用于：采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
进一步的，处理器404具体可以用于：
向所述目标物体发射声波信号；
接收被所述目标物体反射回来的声波信号；
获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
需要说明的是，以上各实施例均属于同一发明构思，各实施例的描述各有侧重，在个别实施例中描述未详尽之处，可参考其他实施例中的描述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
以上对本发明实施例所提供的活动识别方法和系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (36)

  1. 一种获取目标物体体征数据的方法，其特征在于，包括：
    获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
    根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离；
    在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例；
    获取所述目标物体的至少一个真实尺寸；
    根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
  2. 根据权利要求1所述的方法，其特征在于，所述获取目标物体的3D深度图像包括：
    向所述目标物体发射参考图案；
    接收所述参考图案经所述目标物体反射得到的二次图案；
    计算所述二次图案相对于所述参考图案的偏移值；
    对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
  3. 根据权利要求1或2所述的方法，其特征在于，所述根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓包括：
    对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
    具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
    分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
    当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
    查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
    若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
    当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
    根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
  4. 根据权利要求1至3所述的任一项方法，其特征在于，在所述获取目标物体的3D深度图像之后，所述方法还包括：
    对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
    对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
  5. 根据权利要求4所述的方法，其特征在于，所述对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像，包括：
    设置深度阈值；
    比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
  6. 根据权利要求5所述的方法，其特征在于，在所述获取所述第一3D目标深度图像之后，所述方法还包括：
    对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
    对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进 行差值计算，获取所述目标物体的图形轮廓。
  7. 根据权利要求6所述的方法，其特征在于，所述对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像包括：
    将所述第一3D目标深度图像分割成多个像素块；
    设置像素深度分段区间；
    分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
    将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
  8. 根据权利要求1至7所述的任一项方法，其特征在于，所述根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的骨架参数包括：
    根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
    沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
    沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
    由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
  9. 根据权利要求8所述的方法，其特征在于，所述在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，包括：
    将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
    当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
    根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
    将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
    将所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
    通过所述3D模型获取所述3D模型的参数比例。
  10. 根据权利要求9所述的方法，其特征在于，所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
  11. 根据权利要求10所述的方法，其特征在于，所述将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓包括：
    采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
    采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
    比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
  12. 根据权利要求1至11所述任一项方法，其特征在于，所述获取所述目标物体的至少一个真实尺寸，包括：
    向所述目标物体发射声波信号；
    接收被所述目标物体反射回来的声波信号；
    获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
    利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
    通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
  13. 一种获取目标物体体征数据的装置，其特征在于，包括：
    成像模块，用于获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
    图形轮廓和骨架参数获取模块，用于根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离；
    参数比例获取模块，用于在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例；
    真实尺寸获取模块，用于获取所述目标物体的至少一个真实尺寸；
    体征数据获取模块，用于根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
  14. 根据权利要求13所述的装置，其特征在于，所述成像模块包括：
    发射单元，用于向所述目标物体发射参考图案；
    接收单元，用于接收所述参考图案经所述目标物体反射得到的二次图案；
    计算单元，用于计算所述二次图案相对于所述参考图案的偏移值；
    图像获取单元，用于对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
  15. 根据权利要求13或14所述的装置，其特征在于，所述图形轮廓和骨架参数获取模块具体用于：对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
    具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
    分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的 四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
    当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
    查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
    若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
    当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
    根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
  16. 根据权利要求13至15所述的任一装置，其特征在于，所述装置还包括：去噪模块；
    所述去噪模块用于：
    对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
    对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
  17. 根据权利要求16所述的装置，其特征在于，所述去噪模块具体用于：
    设置深度阈值；
    比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
  18. 根据权利要求17所述的装置，其特征在于，所述去噪模块还用于：
    对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
    对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所 述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
  19. 根据权利要求18所述的装置，其特征在于，所述去噪模块具体用于：
    将所述第一3D目标深度图像分割成多个像素块；
    设置像素深度分段区间；
    分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
    将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
  20. 根据权利要求13至19所述的任一装置，其特征在于，所述图形轮廓和骨架参数获取模块具体用于：
    根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
    沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
    沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
    由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
  21. 根据权利要求20所述的装置，其特征在于，所述参数比例获取模块具体用于：
    将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
    当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
    根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D 模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
    将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
    将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
    通过所述3D模型获取所述3D模型的参数比例。
  22. 根据权利要求21所述的装置，其特征在于，所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
  23. 根据权利要求22所述的装置，其特征在于，所述参数比例获取模块具体用于：
    采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
    采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
    比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
  24. 根据权利要求13至23所述的任一装置，其特征在于，所述真实尺寸获取模块具体用于：
    向所述目标物体发射声波信号；
    接收被所述目标物体反射回来的声波信号；
    获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
    利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面 到所述成像设备的距离；
    通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
  25. 一种获取目标物体体征数据的终端，其特征在于，包括：
    3D传感器，用于获取目标物体的3D深度图像；所述3D深度图像为带有距离信息的二维图像，所述距离信息包括所述目标物体到成像设备之间的距离；
    处理器，用于根据所述目标物体的3D深度图像中像素的深度值获取所述目标物体的图形轮廓和骨架参数；所述深度值为根据所述距离信息获取的所述目标物体上某一点到所述成像设备之间的距离，所述处理器还用于在3D模型库中检索与所述目标物体的图形轮廓及骨架参数相匹配的3D模型，获取所述3D模型的参数比例，所述处理器还用于获取所述目标物体的至少一个真实尺寸，并根据所述3D模型的参数比例和所述的至少一个真实尺寸获取所述目标物体的体征数据。
  26. 根据权利要求25所述的终端，其特征在于，所述3D传感器具体用于：
    向所述目标物体发射参考图案，并接收所述参考图案经所述目标物体反射得到的二次图案，计算所述二次图案相对于所述参考图案的偏移值，并对所述偏移值进行傅立叶变换获取所述距离信息，由所述距离信息得到所述3D深度图像。
  27. 根据权利要求25或26所述的终端，其特征在于，所述处理器具体用于对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓；
    具体地，所述对所述3D深度图像中像素的深度值进行差值计算包括：
    分别计算所述3D深度图像中第一像素的像素深度值与所述第一像素的四个相连的邻近像素的像素深度值之间的深度值差异，获取四个第一深度差异值；
    当所述四个第一深度差异值中至少一个第一深度差异值大于第一差异阈值时，将所述的至少一个第一深度差异值对应的邻近像素标记为轮廓位置；
    查询所述3D深度图像中第二像素的八个相连的邻近像素中是否有被标记为轮廓位置的像素；
    若有，则将所述八个相连的邻近像素中非轮廓位置的像素的像素深度值分别与所述第二像素的像素深度值进行差值计算，获取第二深度差异值；
    当至少一个所述第二深度差异值大于第二差异阈值时，将所述第二像素标记为轮廓位置；
    根据所述标记为轮廓位置的像素获取所述目标物体的图形轮廓。
  28. 根据权利要求25至27所述的任一终端，其特征在于，所述处理器还用于：对所述3D深度图像进行背景去噪处理，获取第一3D目标深度图像；
    对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第一3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
  29. 根据权利要求28所述的终端，其特征在于，所述处理器具体用于：
    设置深度阈值；
    比较所述3D深度图像中的各个像素深度值与所述深度阈值的大小，将所述3D深度图像中像素深度值大于所述深度阈值的像素滤除，获取剩余像素形成所述第一3D目标深度图像。
  30. 根据权利要求29所述的终端，其特征在于，所述处理器还用于：
    对所述第一3D目标深度图像进行边缘去噪处理，获取第二3D目标深度图像；
    对应地，所述对所述3D深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓包括：对所述第二3D目标深度图像中像素的深度值进行差值计算，获取所述目标物体的图形轮廓。
  31. 根据权利要求30所述的终端，其特征在于，所述处理器具体用于：
    将所述第一3D目标深度图像分割成多个像素块；
    设置像素深度分段区间；
    分别对每块所述像素块内所有像素的像素深度值做均值处理，获取所述每块像素块的像素均值；
    将所述像素均值映射至所述像素深度分段区间中的对应区间，并将同一区间内的所有像素均值对应的像素块进行合并，获取所述第二3D目标深度图像。
  32. 根据权利要求25至31所述的终端，其特征在于，所述处理器具体用于：
    根据所述目标物体的3D深度图像中所有像素的像素深度值，用线性最小二乘法获取所述目标物体的中轴；
    沿着垂直于所述中轴的多个第一线计算所述目标物体的图形轮廓的横向厚度；
    沿着平行于所述中心轴的多个第二线计算所述目标物体的图形轮廓的纵向厚度；
    由所述第一线和所述第二线限定的区域构成所述目标物体的骨架，对应的所述横向厚度和所述纵向厚度为所述目标物体的骨架参数。
  33. 根据权利要求32所述的终端，其特征在于，所述处理器具体用于：
    将所述目标物体的图形轮廓与所述3D模型库中3D模型的图形轮廓进行匹配，获取匹配度最高的3D模型的图形轮廓；
    当所述3D模型的图形轮廓不是所述3D模型的正视图形轮廓时，则根据所述3D模型的图形轮廓获取所述3D模型的正视图形轮廓；
    根据所述3D模型的图形轮廓与所述3D模型的正视图形轮廓计算所述3D模型的视角参数，所述视角参数为所述3D模型的图形轮廓基于所述3D模型的正视图形轮廓的视觉角度；
    将所述3D模型的正视图形轮廓基于所述视角参数旋转，获取所述3D模型的骨架参数；
    将所述所述目标物体的骨架参数与所述3D模型的骨架参数进行相似度 比较，当所述相似度小于预设值时，则所述3D模型为所述与所述目标物体的图形轮廓及骨架参数相匹配的3D模型；
    通过所述3D模型获取所述3D模型的参数比例。
  34. 根据权利要求33所述的终端，其特征在于，所述3D模型库中包括所述3D模型的各视角图形轮廓，其中至少包括所述3D模型的正视角图形轮廓。
  35. 根据权利要求34所述的终端，其特征在于，所述处理器具体用于：采用Zernike矩描述子和傅里叶描述子对所述目标物体的图形轮廓进行描述，获取第一描述信息；
    采用Zernike矩描述子和傅里叶描述子对所述3D模型库中3D模型的图形轮廓进行描述，获取第二描述信息；
    比较所述第一描述信息与所述第二描述信息，将与所述第一描述信息相差预设阈值的第二描述信息对应的3D模型的图形轮廓作为所述匹配度最高的3D模型的图形轮廓。
  36. 根据权利要求25至35任一项所述的终端，其特征在于，所述处理器具体用于：
    向所述目标物体发射声波信号；
    接收被所述目标物体反射回来的声波信号；
    获取所述声波信号的传输时间；所述传输时间为所述发射声波信号和所述接收声波信号的时间差；
    利用所述传输时间和所述声波信号的传播速率，计算所述目标物体表面到所述成像设备的距离；
    通过所述距离和所述成像设备的相距，计算所述目标物体的至少一个真实尺寸。
PCT/CN2015/082539 2014-06-27 2015-06-26 一种获取目标物体体征数据的方法、装置及终端 Ceased WO2015197026A1 (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2016575462A JP6549620B2 (ja) 2014-06-27 2015-06-26 ターゲットオブジェクトのサインデータを取得するための方法、装置、および端末
BR112016030027-0A BR112016030027B1 (pt) 2014-06-27 2015-06-26 Método e terminal para obter dados de sinal de um objeto alvo
EP15810950.4A EP3144900B1 (en) 2014-06-27 2015-06-26 Method and terminal for acquiring sign data of target object
KR1020177001223A KR101922039B1 (ko) 2014-06-27 2015-06-26 목표 물체의 증상 데이터를 획득하기 위한 방법, 장치, 및 단말
US15/391,068 US9984461B2 (en) 2014-06-27 2016-12-27 Method, apparatus, and terminal for obtaining vital sign data of target object

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410301461.2A CN105336005B (zh) 2014-06-27 2014-06-27 一种获取目标物体体征数据的方法、装置及终端
CN201410301461.2 2014-06-27

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US15/391,068 Continuation US9984461B2 (en) 2014-06-27 2016-12-27 Method, apparatus, and terminal for obtaining vital sign data of target object

Publications (1)

Publication Number Publication Date
WO2015197026A1 true WO2015197026A1 (zh) 2015-12-30

Family

ID=54936983

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/082539 Ceased WO2015197026A1 (zh) 2014-06-27 2015-06-26 一种获取目标物体体征数据的方法、装置及终端

Country Status (7)

Country Link
US (1) US9984461B2 (zh)
EP (1) EP3144900B1 (zh)
JP (1) JP6549620B2 (zh)
KR (1) KR101922039B1 (zh)
CN (1) CN105336005B (zh)
BR (1) BR112016030027B1 (zh)
WO (1) WO2015197026A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT201600122898A1 (it) * 2016-12-02 2018-06-02 Ecole Polytechnique Fed Lausanne Epfl Metodi e apparati per codificare e decodificare immagini o flussi video digitali
JP2018136896A (ja) * 2017-02-24 2018-08-30 キヤノン株式会社 情報処理装置、システム、情報処理方法、および物品の製造方法
CN107270829B (zh) * 2017-06-08 2020-06-19 南京华捷艾米软件科技有限公司 一种基于深度图像的人体三围测量方法
CN109658515B (zh) * 2017-10-11 2022-11-04 阿里巴巴集团控股有限公司 点云网格化方法、装置、设备及计算机存储介质
CN108229332B (zh) * 2017-12-08 2020-02-14 华为技术有限公司 骨骼姿态确定方法、装置及计算机可读存储介质
FR3076028B1 (fr) * 2017-12-21 2021-12-24 Commissariat Energie Atomique Methode de reconnaissance d'objets dans une scene observee en trois dimensions
TWI672937B (zh) * 2018-02-05 2019-09-21 廣達電腦股份有限公司 三維影像處理之裝置及方法
CN112639731A (zh) 2018-07-24 2021-04-09 奇跃公司 应用共享
CN110910393B (zh) * 2018-09-18 2023-03-24 北京市商汤科技开发有限公司 数据处理方法及装置、电子设备及存储介质
CN115516364B (zh) * 2020-02-14 2024-04-26 奇跃公司 工具桥
CN111768878A (zh) * 2020-06-30 2020-10-13 杭州依图医疗技术有限公司 可视化指引病灶的方法及计算机可读存储介质
CN115130077A (zh) * 2021-03-25 2022-09-30 上海肇观电子科技有限公司 用于身份识别的方法、电子电路、电子设备和介质
CN114842147A (zh) * 2022-05-16 2022-08-02 聚好看科技股份有限公司 一种测量人体参数的方法及电子设备
KR102772935B1 (ko) * 2023-06-01 2025-02-28 주식회사 케이씨 모바일 로봇을 포함하는 자동화 가스 공급 시스템
EP4509057A1 (en) * 2023-08-17 2025-02-19 Koninklijke Philips N.V. Method and system for visualizing change in position

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294996A (zh) * 2013-05-09 2013-09-11 电子科技大学 一种3d手势识别方法
CN103718175A (zh) * 2011-07-27 2014-04-09 三星电子株式会社 检测对象姿势的设备、方法和介质
CN103745218A (zh) * 2014-01-26 2014-04-23 清华大学 一种深度图像中的姿势识别方法及装置

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4954962A (en) * 1988-09-06 1990-09-04 Transitions Research Corporation Visual navigation and obstacle avoidance structured light system
US7298415B2 (en) * 2001-07-13 2007-11-20 Xenogen Corporation Structured light imaging apparatus
US7113217B2 (en) * 2001-07-13 2006-09-26 Xenogen Corporation Multi-view imaging apparatus
KR100488366B1 (ko) 2002-03-13 2005-05-11 주식회사 에스알에스텍 초음파를 이용한 수소유기균열 및 부식 측정 시스템과안전성 평가 방법
US7128024B2 (en) * 2003-07-15 2006-10-31 Doyle Ii John Conan System and method for measuring animals
EP1934945A4 (en) 2005-10-11 2016-01-20 Apple Inc METHOD AND SYSTEM FOR OBJECT RECONSTRUCTION
CN103778635B (zh) * 2006-05-11 2016-09-28 苹果公司 用于处理数据的方法和装置
KR101640039B1 (ko) * 2009-09-22 2016-07-18 삼성전자주식회사 영상 처리 장치 및 방법
US9098873B2 (en) 2010-04-01 2015-08-04 Microsoft Technology Licensing, Llc Motion-based interactive shopping environment
US20120050480A1 (en) 2010-08-27 2012-03-01 Nambi Seshadri Method and system for generating three-dimensional video utilizing a monoscopic camera
US8994792B2 (en) 2010-08-27 2015-03-31 Broadcom Corporation Method and system for creating a 3D video from a monoscopic 2D video and corresponding depth information
US8810565B2 (en) 2010-08-27 2014-08-19 Broadcom Corporation Method and system for utilizing depth information as an enhancement layer
JP5597087B2 (ja) * 2010-10-04 2014-10-01 パナソニック株式会社 仮想物体操作装置
CN104395929B (zh) * 2012-06-21 2017-10-03 微软技术许可有限责任公司 使用深度相机的化身构造
CN104854623A (zh) * 2012-08-02 2015-08-19 微软技术许可有限责任公司 基于化身的虚拟试衣室

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103718175A (zh) * 2011-07-27 2014-04-09 三星电子株式会社 检测对象姿势的设备、方法和介质
CN103294996A (zh) * 2013-05-09 2013-09-11 电子科技大学 一种3d手势识别方法
CN103745218A (zh) * 2014-01-26 2014-04-23 清华大学 一种深度图像中的姿势识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3144900A4 *

Also Published As

Publication number Publication date
KR101922039B1 (ko) 2018-11-26
BR112016030027A2 (pt) 2017-08-22
CN105336005B (zh) 2018-12-14
KR20170019430A (ko) 2017-02-21
EP3144900A1 (en) 2017-03-22
US20170109885A1 (en) 2017-04-20
CN105336005A (zh) 2016-02-17
JP2017525029A (ja) 2017-08-31
US9984461B2 (en) 2018-05-29
BR112016030027B1 (pt) 2023-10-10
EP3144900B1 (en) 2023-04-05
JP6549620B2 (ja) 2019-07-24
EP3144900A4 (en) 2017-07-26

Similar Documents

Publication Publication Date Title
WO2015197026A1 (zh) 一种获取目标物体体征数据的方法、装置及终端
CN110599540B (zh) 多视点相机下的实时三维人体体型与姿态重建方法及装置
CN107820593B (zh) 一种虚拟现实交互方法、装置及系统
US10068344B2 (en) Method and system for 3D capture based on structure from motion with simplified pose detection
JP2024056955A (ja) 光学式捕捉によるパーソナライズされたｈｒｔｆ
CN111649690A (zh) 一种能够手持的3d信息采集的设备及方法
WO2022012019A1 (zh) 身高测量方法、身高测量装置和终端
WO2020063987A1 (zh) 三维扫描方法、装置、存储介质和处理器
CN103697882A (zh) 一种基于图像识别的地理三维空间定位方法和装置
WO2018075053A1 (en) Object pose based on matching 2.5d depth information to 3d information
CN112423191A (zh) 一种视频通话设备和音频增益方法
CN112419388A (zh) 深度检测方法、装置、电子设备和计算机可读存储介质
WO2018028152A1 (zh) 一种图像采集设备、虚拟现实设备
CN112270709A (zh) 地图构建方法及装置、计算机可读存储介质和电子设备
CN112270702A (zh) 体积测量方法及装置、计算机可读介质和电子设备
Wu et al. mmhpe: Robust multiscale 3-d human pose estimation using a single mmwave radar
CN113424522A (zh) 使用半球形或球形可见光深度图像进行三维跟踪
Liang et al. Reduced-complexity data acquisition system for image-based localization in indoor environments
CN113196283A (zh) 使用射频信号的姿态估计
WO2024083010A1 (zh) 一种视觉定位方法及相关装置
CN114663917A (zh) 基于多视角的多人三维人体位姿估计方法及装置
CN115546829B (zh) 基于zed立体相机的行人空间信息感知方法及装置
CN112465890A (zh) 深度检测方法、装置、电子设备和计算机可读存储介质
CN107478227B (zh) 交互式大型空间的定位算法
CN113424524A (zh) 使用半球形或球形可见光深度图像的三维建模

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15810950

Country of ref document: EP

Kind code of ref document: A1

REEP Request for entry into the european phase

Ref document number: 2015810950

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015810950

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2016575462

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112016030027

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 20177001223

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 112016030027

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20161220