基于机器视觉的人体参数测量方法研究

作     者：王涵 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：刘永;陈剑锋

授予年度：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0837[工学-安全科学与工程] 0802[工学-机械工程] 0836[工学-生物工程] 

主      题：参数测量 机器视觉 人体参数 边缘轮廓提取 人体骨骼点 

摘      要：在人机工程学中,人体参数是产品设计、工作环境设置、作业安全测试等的重要依据,是生产过程人机安全高效协同工作的基础。然而传统人体测量方法存在效率低、标准化程度不高等问题,机器视觉给人体参数测量提供了一种新的途径。本文研究基于机器视觉的人体参数测量方法,以期获得人体二维与三维参数的计算方法,具有重要的理论研究意义和实际应用价值。 (1)构建了基于机器视觉的人体参数测量方案和技术实现路线,研究了人体骨骼坐标精确获取及处理、人体轮廓提取、构建测量方法等关键技术问题。使用消除畸变的相机标定方法,提高了图像数据的精度。采用图像分割与处理原理获得了人体骨骼数据,通过自适应滤波对骨骼数据进行平滑处理,解决了采集过程中身体颤动造成骨骼数据获取稳定性差的问题,为人体二维参数计算方法的建立提供了数据依据。 (2)采用基于深度学习网络的人体边缘轮廓提取方法,利用旋转、裁剪、缩放等图像处理方法进行样本数据增强,以满足复杂背景下轮廓提取模型的训练。结合传统的全卷积-编解码器网络(CEDN),构建了改进的CEDN网络,将残差网络作为编码器,提高了对图像特征的提取能力;在解码器中加入密集卷积块和统一融合注意力机制,加强了对图像语义信息的提取能力。通过实验验证了模型对于人体边缘轮廓提取的有效性。 (3)建立了基于骨骼点与边缘轮廓的人体二维参数测量方法,将人体骨骼空间坐标和提取的平面轮廓数据通过坐标变换统一到同一像素坐标系下,获得了计算人体二维参数所需的关键像素点,随后将其转换至三维空间中,结合欧氏距离公式给出了点线相结合的人体二维关键参数的计算方法,实测数据验证了方法正确性。 (4)基于实测的人体二维和三维参数,完成了二维参数与三维参数的相关性分析,确定了各个三维参数与二维参数之间不同的强关联程度。基于此构建了人体三维参数的多元回归预测方法,进而获得了多元线性回归预测模型,用实际人体数据对预测模型进行了验证。结果表明,预测模型的误差范围为0.1%～2.4%,基本满足了常规工程应用需求。