[發(fā)明專利]體重檢測方法、人體特征參數檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010324189.5
• 申請日: 2020-04-22
• 公開（公告）號: CN113534189A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設計）人: 韓振華;黃為;徐文康;田勇;何彥杉
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G01S17/894
• 分類號: G01S17/894;G01S7/48;B60N2/02
• 代理公司: 北京龍雙利達知識產權代理有限公司 11329
• 代理人: 王龍華;王君

1.一種體重檢測方法，其特征在于，包括：

獲取飛行時間TOF相機采集的二維圖像；

檢測所述二維圖像中的人體區(qū)域；

基于所述二維圖像中的人體區(qū)域對應的深度信息將所述二維圖像中的人體區(qū)域的二維數據轉換為人體三維點云數據；

根據所述人體三維點云數據確定人體體重。

2.根據權利要求1所述的方法，其特征在于，所述二維圖像為單通道二維圖像，其中，所述單通道二維圖像中的像素對應的灰度值用于指示所述單通道二維圖像中的像素對應的深度信息。

3.根據權利要求2所述的方法，其特征在于，所述檢測所述二維圖像中的人體區(qū)域，包括：

將所述單通道二維圖像輸入圖像分割模型中，得到人體區(qū)域，其中，所述圖像分割模型是基于第一訓練樣本進行訓練得到，所述第一訓練樣本包括第一單通道二維圖像和所述第一單通道二維圖像對應的人體區(qū)域，所述第一單通道二維圖像中的像素對應的灰度值用于指示所述第一單通道二維圖像中的像素對應的深度信息。

4.根據權利要求1至3中任一項所述的方法，其特征在于，所述根據所述人體三維點云數據確定人體體重，包括：

將所述人體三維點云數據輸入體重評估模型中，得到人體體重，其中，所述體重評估模型是基于第二訓練樣本進行訓練得到的，所述第二訓練樣本包括第一人體三維點云數據和所述第一人體三維點云數據對應的體重。

5.根據權利要求1至4中任一項所述的方法，其特征在于，所述二維圖像包括多幀二維圖像，以及

所述基于所述二維圖像中的人體區(qū)域對應的深度信息將所述二維圖像中的人體區(qū)域的二維數據轉換為人體三維點云數據，包括：

基于所述多幀二維圖像中的人體區(qū)域對應的深度信息將所述多幀二維圖像中的人體區(qū)域的二維數據轉換為人體三維點云數據，得到多幀人體三維點云數據；

將所述多幀人體三維點云數據進行融合，得到融合后的人體三維點云數據。

6.根據權利要求1至5中任一項所述的方法，其特征在于，所述根據所述人體三維點云數據確定人體體重，包括：

對所述人體三維點云數據進行均勻細化，得到稀疏的人體三維點云數據；

根據所述稀疏的人體三維點云數據確定人體體重。

7.一種人體特征參數檢測方法，其特征在于，包括：

獲取飛行時間TOF相機采集的二維圖像；

檢測所述二維圖像中的人體關鍵點；

基于所述二維圖像中的人體關鍵點對應的深度信息將所述二維圖像中的人體關鍵點的二維數據轉換為三維點云數據，得到所述人體關鍵點對應的三維點云數據；

根據所述人體關鍵點對應的三維點云數據確定人體特征參數，其中，所述人體特征參數包括：身高、臂長、腿長或肩寬中的一項或多項。

8.根據權利要求7所述的方法，其特征在于，所述二維圖像為單通道二維圖像，其中，所述單通道二維圖像中的像素對應的灰度值用于指示所述單通道二維圖像中的像素對應的深度信息。

9.根據權利要求8所述的方法，其特征在于，所述檢測所述二維圖像中的人體關鍵點，包括：

將所述單通道二維圖像輸入關鍵點檢測模型中，得到人體關鍵點，其中，所述關鍵點檢測模型是基于第三訓練樣本進行訓練得到，所述第三訓練樣本包括第二單通道二維圖像和所述第二單通道二維圖像對應的人體關鍵點，所述第二單通道二維圖像中的像素對應的灰度值用于指示所述第二通道二維圖像中的像素對應的深度信息。