萬 燕,胡桂蘭,董國勝,盛文博

(1.東華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，上海201620；2.第二軍醫(yī)大學(xué)附屬長(zhǎng)海醫(yī)院 燒傷科，上海200433)

基于Kinect的三維人體掃描測(cè)量技術(shù)

萬 燕1,胡桂蘭1,董國勝1,盛文博2

(1.東華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，上海201620；2.第二軍醫(yī)大學(xué)附屬長(zhǎng)海醫(yī)院 燒傷科，上海200433)

由于Kinect設(shè)備具有快速安全、經(jīng)濟(jì)便攜的特點(diǎn)，提出了利用Kinect實(shí)現(xiàn)掃描、重建以及測(cè)量的人體成分分析系統(tǒng)框架.通過非接觸式光學(xué)技術(shù)捕捉人體表面幾何特征數(shù)據(jù)，利用KinFu實(shí)時(shí)進(jìn)行三維數(shù)據(jù)的點(diǎn)云配準(zhǔn)與模型的表面重建，并采用類積分法與蒙特卡羅法分別計(jì)算模型相關(guān)部位的周長(zhǎng)與體積.從掃描到模型重建過程耗時(shí)約3 min，模型光滑精細(xì)，腰圍等部位的尺寸測(cè)量精確度為97.7%，體積測(cè)量精確度為96.8%.試驗(yàn)結(jié)果證明了系統(tǒng)的效用性.

人體成分分析；Kinect掃描；三維重建；周長(zhǎng)測(cè)量；體積測(cè)量

隨著肥胖問題越來越普遍，研究人體成分也越來越重要.評(píng)估人體肥胖成分的主要目標(biāo)是評(píng)估人體脂肪的分布.計(jì)算人體體重與身高的平方之比得到人體質(zhì)量指數(shù)(BMI)，是已經(jīng)廣泛用于評(píng)估人體肥胖度的指標(biāo)，且被世界衛(wèi)生組織(WHO)所采用并將肥胖分為不同等級(jí)[1].然而,BMI只是對(duì)整個(gè)人體脂肪的粗略測(cè)量，其與脂肪含量之間的關(guān)系會(huì)隨著肌肉成分、年齡、性別以及種族的不同而有所變化.脂肪的分布也是評(píng)估健康風(fēng)險(xiǎn)的一個(gè)重要因素.在相同BMI值情況下，對(duì)于腹部肥胖者，腰圍能提供更好的預(yù)測(cè)值[2].體密度法，包括水下稱重法和空氣置換法，被認(rèn)為是人體成分測(cè)定的“黃金標(biāo)準(zhǔn)法”，但需要使用特定的設(shè)備，操作復(fù)雜、難以推廣，且對(duì)受試者體能狀況有一定的要求.生物電阻抗分析法是一種快速、安全地評(píng)估人體脂肪的方法，但是它的精確度依賴于物體的水合作用狀態(tài)，且脫水作用會(huì)導(dǎo)致對(duì)脂肪含量的過評(píng)估.比較成熟可靠的技術(shù)還有雙能量X線分光光度法[3]、磁共振掃描成像法[4]等，雖然測(cè)量結(jié)果準(zhǔn)確可靠，但是需要較長(zhǎng)的測(cè)試和分析時(shí)間，費(fèi)用昂貴，設(shè)備笨重，不適于大量推廣，而且X射線帶來的電離輻射可能會(huì)增加被測(cè)對(duì)象患癌的可能性.

本文提出一種新的用于人體成分分析的系統(tǒng)框架.利用Kinect 3D掃描設(shè)備進(jìn)行三維人體模型重構(gòu)，并利用該模型進(jìn)行人體尺寸和體積的測(cè)量，從而進(jìn)一步做人體脂肪分布的評(píng)估.通過非接觸式的光學(xué)技術(shù)捕獲到人體表面幾何信息，將其轉(zhuǎn)換為實(shí)際空間的三維數(shù)據(jù)而進(jìn)行測(cè)量與評(píng)估.

1 基于Kinect三維人體掃描的人體成分分析系統(tǒng)框架

本文提出的人體成分分析系統(tǒng)，首先通過手持設(shè)備移動(dòng)一周掃描人體目標(biāo)，將采集的每塊數(shù)據(jù)配準(zhǔn)后進(jìn)行表面重建以構(gòu)建三維模型，然后對(duì)模型進(jìn)行分析，測(cè)量模型體積與其他相關(guān)尺寸，如身高、腰圍、面寬等，進(jìn)而分析各部位肥胖程度.因此，整個(gè)系統(tǒng)框架主要分成3個(gè)子系統(tǒng)：人體掃描、三維模型重建和人體成分分析，如圖1所示.

圖1 基于Kinect三維人體掃描的人體成分分析系統(tǒng)框架Fig.1 Body composition analysis system framework of Kinect-based 3D scanning

1.1 人體掃描

人體掃描系統(tǒng)由硬件系統(tǒng)、三維數(shù)據(jù)采集及校準(zhǔn)算法構(gòu)成，主要用于獲取人體表面的三維圖像.早期的人體成像系統(tǒng)如Cyberware開發(fā)的掃描儀[5]，僅用于頭部掃描.之后Cyberware又開發(fā)了用于完整的人體模型的掃描儀，但是設(shè)備笨重且價(jià)格不菲.近兩年，微軟公司為XBOX360游戲機(jī)開發(fā)了一個(gè)新型體感外設(shè)Kinect，它通過深度感應(yīng)器獲取深度圖像，獲取的數(shù)據(jù)并沒有顏色信息，但是可以避免環(huán)境中光照等的影響，而且Kinect可手持，便攜廉價(jià)，適合在普通人群中大量推廣.

本文提出通過手持掃描設(shè)備Kinect繞行人體一周實(shí)時(shí)得到掃描數(shù)據(jù)并顯示出結(jié)果.Kinect配有3個(gè)攝像頭，中間的是RGB VGA攝像頭，左右兩邊則分別為紅外線發(fā)射器和紅外線CMOS攝像頭所構(gòu)成的3D深度感應(yīng)器，如圖2所示.深度攝像頭采用光編碼(light coding)方法，即用光線給待掃描的空間進(jìn)行編碼.

圖2 Kinect手持設(shè)備結(jié)構(gòu)Fig.2 Structure of Kinect handheld device

Kinect掃描過程中獲得的信息包括目標(biāo)在幾何平面上的像素坐標(biāo)以及目標(biāo)到Kinect傳感器的真實(shí)距離即景深或深度，此為二維的深度圖.為了便于后期的測(cè)量計(jì)算，需要將這種深度圖轉(zhuǎn)化為世界坐標(biāo)系中的三維數(shù)據(jù)，將其中的圖像坐標(biāo)數(shù)據(jù)量化為世界坐標(biāo)系中的數(shù)據(jù)，此轉(zhuǎn)化過程為點(diǎn)云數(shù)據(jù)量化過程.

1.2 三維模型重建

掃描系統(tǒng)所采集的數(shù)據(jù)由幾十萬個(gè)離散的3D坐標(biāo)點(diǎn)組成，難以被直接處理.三維人體表面重建的目的是將這些離散點(diǎn)生成可以用于3D 人體測(cè)量的一個(gè)連續(xù)、精確、平滑的3D 表面模型.

隨著掃描數(shù)據(jù)的不斷加入，每一幀數(shù)據(jù)與前一幀數(shù)據(jù)會(huì)存在區(qū)域重復(fù)，而由于掃描過程中傳感器的移動(dòng)，深度數(shù)據(jù)卻不能保持一致變化，因此，要將當(dāng)前幀與前一幀點(diǎn)云數(shù)據(jù)進(jìn)行匹配與拼合，此過程為點(diǎn)云的配準(zhǔn).本文提出的三維重建過程則是將從Kinect傳感器返回的一幀接著一幀的數(shù)據(jù)進(jìn)行實(shí)時(shí)數(shù)據(jù)獲取和處理后，將當(dāng)前深度幀與之前優(yōu)化得到的一個(gè)全局模型中提取出的表面合并，得到一個(gè)新的重構(gòu)表面.整個(gè)全局模型是通過每一次新的重構(gòu)表面被再次優(yōu)化而獲得.

文獻(xiàn)[7]提出一種基于輪廓特征的點(diǎn)配準(zhǔn)ICP (iterative closest point) 算法用于精確而高效地處理3D模型的配準(zhǔn)，但是在模型觀測(cè)之前，該物體需要有一個(gè)理想的幾何模型.隨著Kinect設(shè)備的出現(xiàn)，文獻(xiàn)[8]提出了Kinect Fusion技術(shù)，對(duì)傳統(tǒng)的ICP算法作了改進(jìn)，并采用在三維空間中由許多立體像素組成區(qū)域空間的Volumetric法來建立場(chǎng)景的三維信息，使用戶可以手持移動(dòng)Kinect設(shè)備快速構(gòu)建精細(xì)的3D室內(nèi)場(chǎng)景.PCL(point cloud library)是一個(gè)用于2D/3D圖像及點(diǎn)云處理的獨(dú)立大型開放工程.KinFu則是PCL庫的一部分，它是一項(xiàng)實(shí)現(xiàn)Kinect Fusion技術(shù)的開源工程，但是在重建過程中會(huì)出現(xiàn)花斑，目前還在完善中.

本文提出的整個(gè)模型重建工作基于PCL的KinFu開源工程而完成，利用PCL庫提供的基本幾何算法以及對(duì)ICP與Kinect Fusion算法的改進(jìn)實(shí)現(xiàn)重建3D模型的方法，以快速獲取光滑精細(xì)的3D人體模型.

1.3 人體成分分析

人體成分分析系統(tǒng)是根據(jù)人體三維立體表示，產(chǎn)生人體數(shù)據(jù)，包括身高、體積、四肢以及重要部位的周長(zhǎng)等，進(jìn)而計(jì)算人體的密度，并最終通過人體成分分析計(jì)算模型計(jì)算體脂率，即人體脂肪占人體的百分比，以此分析人體肥胖程度.

為了確定測(cè)量對(duì)象，如手臂、腰部等，首先需要將三維人體模型按照人體各部位特征分割為若干個(gè)獨(dú)立的部分.本文基于文獻(xiàn)[9]的工作，將人體模型分成頭部、軀干、上肢、下肢等.

人體測(cè)量相關(guān)值可以采用專門算法自動(dòng)從3D模型中提取出來.測(cè)量包括身高、周長(zhǎng)、分割長(zhǎng)度、總體積、分割體積和表面區(qū)域，其中周長(zhǎng)與體積是本文測(cè)量的重點(diǎn).一般對(duì)于不規(guī)則物體周長(zhǎng)的測(cè)量方法是用繩子量出其周長(zhǎng)再拉直量出長(zhǎng)度.而對(duì)于計(jì)算模型可以通過積分來實(shí)現(xiàn)，但是需要事先知道被測(cè)對(duì)象的相關(guān)函數(shù)模型，建模過程需要較大的計(jì)算量.本文提出采用近似積分的方法，根據(jù)各相鄰點(diǎn)之間的距離之和計(jì)算出周長(zhǎng).這種方法雖然精確度會(huì)比前兩種方法略差，但計(jì)算過程簡(jiǎn)單，對(duì)于相同分辨率設(shè)備掃描得到的兩個(gè)不同模型，其周長(zhǎng)可以比較.蒙特卡羅方法或稱計(jì)算機(jī)隨機(jī)模擬方法，是一種隨機(jī)抽樣的統(tǒng)計(jì)方法.基于蒙特卡羅算法和3D Widget交互方式的體積測(cè)量方法[10]用于網(wǎng)格體積測(cè)量，給出了計(jì)算機(jī)實(shí)現(xiàn)方案.從理論上分析，這種方法適合不規(guī)則形狀物體的體積測(cè)量,因此，本文提出采用蒙特卡羅方法用于人體模型的體積測(cè)量.

在獲得相關(guān)數(shù)據(jù)結(jié)果后可以分析人體肥胖程度.利用腰圍、胸圍等尺寸數(shù)據(jù)，結(jié)合人體身高、體重等信息，可以分析出相關(guān)部位的肥胖程度.利用獲得的體積測(cè)量結(jié)果可以計(jì)算出體脂率.體脂率根據(jù)Siri預(yù)測(cè)公式[11]計(jì)算：體脂率=[(495/身體密度)-450] ×100%，身體密度=體重(g)/體積(cm3).

2 關(guān)鍵技術(shù)

2.1 點(diǎn)云數(shù)據(jù)量化

Kinect掃描獲得的二維深度圖像上每個(gè)像素代表了物體到傳感器的真實(shí)距離，利用標(biāo)定矩陣匹配深度圖像中的像素點(diǎn)和實(shí)際坐標(biāo)值獲得實(shí)際物理空間中的世界單位的三維點(diǎn)云數(shù)據(jù).由于圖像幀上的x和y坐標(biāo)并不代表實(shí)際物理空間中的世界坐標(biāo)系單位，它們表示深度圖像傳感器上的像素點(diǎn)，即像素單位，為了得到真實(shí)的測(cè)量結(jié)果數(shù)據(jù)，需要將這種像素單位轉(zhuǎn)換為物理空間中的實(shí)際單位.

點(diǎn)云數(shù)據(jù)量化換算方法具體如下所述.

(1) 獲得視角值：獲取設(shè)備水平和垂直視角，相機(jī)的水平和垂直視角α和β分別為57°和43°，如圖3所示.

(2) 單位換算比例：px=x/z=2tan(α/2)，py=y/z=2tan(β/2)，其中,px為x軸方向比例，py為y軸方向比例，如圖3所示.

圖3 傳感器視角角度Fig.3 Viewport of the sensor

(3) 求取實(shí)際x和y值：xi=(xi0/nx- 0.5)×zi0×px，即深度圖像左側(cè)在x軸負(fù)方向上，右側(cè)在x軸正方向上；同樣yi=(0.5-yi0/ny)×zi0×py，上側(cè)在y軸正方向上，下側(cè)在y軸負(fù)方向上.其中，xi和yi分別為實(shí)際物理空間里點(diǎn)在x軸方向和y軸方向上的坐標(biāo)值，xi0和yi0分別為深度圖像空間里點(diǎn)在x軸方向和y軸方向上的坐標(biāo)值，nx和ny分別為RGB VGA攝像頭的分辨率系數(shù)(比如640×480，則nx=640，ny=480)，zi0為單個(gè)實(shí)際物理空間點(diǎn)的深度值.

2.2 人體測(cè)量

本文提出的人體成分分析主要是對(duì)人體肥胖程度進(jìn)行分析.根據(jù)Siri預(yù)測(cè)公式，需要計(jì)算人體體積和體重.體重預(yù)先通過實(shí)際環(huán)境測(cè)量得到，體積則根據(jù)本文的算法計(jì)算得到.而特定部位的肥胖程度則需要根據(jù)該部位的相關(guān)尺寸進(jìn)行分析.

根據(jù)人體體型，可以將人體尺寸分為兩種類型：一是封閉的圓周類型，如胸圍、腰圍等；二是不封閉的長(zhǎng)度類型，如身高、臂長(zhǎng)等.因此，人體尺寸信息的提取過程也不盡相同.對(duì)于封閉的圓周類型，即周長(zhǎng)測(cè)量，本文將采用類積分的方法.對(duì)于不封閉的長(zhǎng)度類型的尺寸數(shù)據(jù)測(cè)量，由尺寸的幾何特征確定尺寸特征點(diǎn)的位置，把這些特征點(diǎn)連接起來并計(jì)算這些特征點(diǎn)之間的距離，完成尺寸信息的提取.如身高的提取，根據(jù)掃描數(shù)據(jù)找到人體最高點(diǎn)和最低點(diǎn),即身高的兩個(gè)特征點(diǎn),計(jì)算兩個(gè)特征點(diǎn)之間的距離，就完成身高的提取.如圖4所示為人體頭部、手部以及足部尺寸測(cè)量示意圖.

圖4 人體頭部、手部以及足部尺寸測(cè)量(單位：cm)Fig.4 The dimension measurement of head,hand and foot

2.2.1 周長(zhǎng)測(cè)量

胸圍、腰圍等尺寸數(shù)據(jù)的測(cè)量，由尺寸幾何特征確定尺寸所在人體模型的高度位置，用此高度上橫截面與人體模型相交得到人體模型表面上的交線，必要時(shí)微調(diào)交線(如角度、高度等)，計(jì)算交線長(zhǎng)度并顯示交線.在三角片模擬曲面人體模型上，橫截面與人體模型的交線由許多相連的直線段組成，如圖5所示，當(dāng)直線段足夠小時(shí)，交線近似為一條光滑曲線.例如腰圍的提取，其幾何特征是腰部人體側(cè)面輪廓最凹，估算腰部所在的人體模型的高度區(qū)域，在該區(qū)域內(nèi)定位人體側(cè)面輪廓最凹點(diǎn)的高度，此高度的橫截面與人體模型的交線就是腰圍.

圖5 胸圍、腰圍等周長(zhǎng)測(cè)量Fig.5 Perimeter measurement of chest circumference and waistline

令特征橫截面與人體三維模型點(diǎn)云的交點(diǎn)集合為P={pi(xi,yi,zi),i=0,1,2,…,n-1}.由于點(diǎn)集合連線的封閉性，根據(jù)各點(diǎn)坐標(biāo)可計(jì)算出交線上所有點(diǎn)的距離總和，即人體模型的三維尺寸.這里假設(shè)交線上的點(diǎn)的坐標(biāo)在同一等高線上，即人體模型處于絕對(duì)水平位置(yi=yi-1).對(duì)于從0號(hào)頂點(diǎn)到n-1號(hào)頂點(diǎn)所連續(xù)組成的n-1段中，每一個(gè)線段長(zhǎng)度為

i=1,2,…,n-1

(1)

而對(duì)n-1號(hào)頂點(diǎn)到0號(hào)頂點(diǎn)所連接的第n個(gè)線段長(zhǎng)度則為

(2)

圍長(zhǎng)(即交線周長(zhǎng))則是這些線段長(zhǎng)度之和：

(3)

其中：ΔCi為每個(gè)線段的長(zhǎng)度；C為交線總長(zhǎng)度即圍長(zhǎng).

2.2.2 體積測(cè)量

本文基于文獻(xiàn)[9]的方案和思想，采用蒙特卡羅方法測(cè)量人體模型的體積.首先將獲取帶有點(diǎn)云信息的模型進(jìn)行三角網(wǎng)格化，然后在網(wǎng)格化的模型之外包裹上一個(gè)長(zhǎng)方體容器，如圖6所示.在這個(gè)容器內(nèi)產(chǎn)生大量的隨機(jī)點(diǎn)，通過計(jì)算落在待測(cè)模型網(wǎng)格中的隨機(jī)數(shù)的個(gè)數(shù)(Nm)與總隨機(jī)數(shù)的個(gè)數(shù)(Nv)的比率以及長(zhǎng)方體容器的體積(V)，即可得到待測(cè)模型的體積Vm.

Vm=V×(Nm/ Nv)

(4)

圖6 對(duì)模型之外包圍一個(gè)立方體大容器Fig.6 Add a cubic container surrounding the model

模型三角網(wǎng)格化根據(jù)文獻(xiàn)[11]中的算法實(shí)現(xiàn).長(zhǎng)方體容器的大小根據(jù)模型的最大高度、最大寬度以及最大深度而確定.故長(zhǎng)方體容器的體積為

V=|Xmax-Xmin|×|Ymax-Ymin|×|Zmax-Zmin|

(5)

其中：X，Y和Z分別表示立方體上8個(gè)頂點(diǎn)的坐標(biāo)值.

根據(jù)文獻(xiàn)[9]對(duì)準(zhǔn)隨機(jī)數(shù)生成的計(jì)算機(jī)實(shí)現(xiàn)，以及利用交點(diǎn)計(jì)數(shù)檢驗(yàn)法對(duì)空間上隨機(jī)一點(diǎn)是否在三角形網(wǎng)格內(nèi)的判斷方法，本文總結(jié)的體積計(jì)算流程如下：

(1) 設(shè)置長(zhǎng)方體容器，計(jì)算外圍長(zhǎng)方體體積；

(2) 在長(zhǎng)方體范圍內(nèi)產(chǎn)生隨機(jī)數(shù)；

(3) 判斷是否在模型空間內(nèi)，如是，則累計(jì)Nm；

(4) 重復(fù)步驟(2)和(3)Nv次；

(5) 根據(jù)式(4)和(5)計(jì)算模型體積.

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)首先對(duì)不同形狀且可進(jìn)行實(shí)物測(cè)量的物體進(jìn)行3D掃描及重建，并進(jìn)行體積和密度等數(shù)據(jù)計(jì)算，進(jìn)行誤差分析進(jìn)而評(píng)估系統(tǒng)的穩(wěn)定性和可用性，最后再應(yīng)用于實(shí)際人體的掃描，得出人體部分特征數(shù)據(jù).

3.1 模型重建結(jié)果

本文所使用實(shí)驗(yàn)設(shè)備的中央處理器為Intel(R) CORE i7-2600，系統(tǒng)使用的顯卡為Nvidia GTX660且顯存為2 G.基于本文所提供的系統(tǒng)，用戶可以利用Kinect對(duì)實(shí)際目標(biāo)采用便攜式移動(dòng)掃描操作以獲得三維模型物體.本文對(duì)實(shí)際人體與84號(hào)女人臺(tái)進(jìn)行三維模型掃描與重建，每次從掃描到重建時(shí)間約為3 min.重建人體和人臺(tái)模型的部分效果如圖7所示.

圖7 人體模型與人臺(tái)模型重建結(jié)果Fig.7 Results for reconstruction of real body and mannequin

3.2 尺寸數(shù)據(jù)測(cè)量

服裝工業(yè)中，人臺(tái)的制造是按照國家標(biāo)準(zhǔn)完成的，因此，周長(zhǎng)測(cè)量以84號(hào)女人臺(tái)模型為實(shí)驗(yàn)對(duì)象進(jìn)行更合理規(guī)范的比較.84號(hào)女人臺(tái)模型的尺寸測(cè)量結(jié)果與實(shí)際人臺(tái)標(biāo)準(zhǔn)尺寸的比較如表1所示.

表1 人臺(tái)模型的尺寸測(cè)量結(jié)果與實(shí)際人臺(tái)標(biāo)準(zhǔn)尺寸的比較Table 1 Comparing the dimension measurement with standard size of the mannequin

根據(jù)表1結(jié)果發(fā)現(xiàn)，本文所得尺寸測(cè)量平均精度為97.7%.由于胸圍和腰圍等部位所在高度提取存在一定誤差，并不能完全達(dá)到標(biāo)準(zhǔn)位置，因此測(cè)量值與標(biāo)準(zhǔn)尺寸相比存在差異.由表1可知，腰圍測(cè)量結(jié)果的誤差比其他測(cè)量結(jié)果的誤差小，其主要原因是提取腰圍的部位偏移了標(biāo)準(zhǔn)位置導(dǎo)致結(jié)果偏大，而類積分法的測(cè)量結(jié)果又比實(shí)際結(jié)果偏小.總體而言，根據(jù)誤差結(jié)果可知，類積分法的測(cè)量結(jié)果仍具有可靠性.

3.3 體積計(jì)算

為了便于比較本文的數(shù)據(jù)精度，本文對(duì)傳統(tǒng)紙箱進(jìn)行了三維掃描，分別在實(shí)際物理空間和三維模型空間中測(cè)量紙箱體積并作比較，結(jié)果如表2所示.由表2可知，在測(cè)量過程中隨機(jī)數(shù)的設(shè)置個(gè)數(shù)會(huì)影響計(jì)算的精度，而蒙特卡羅方法也會(huì)導(dǎo)致計(jì)算結(jié)果偏大或偏小，從而可能引起較大的測(cè)量誤差.

表2 紙箱測(cè)量結(jié)果Table 2 Results of measurement of the box

3.4 討論

影響測(cè)量精度的原因主要有兩方面：一是三維重建過程中的點(diǎn)云獲取過程，二是測(cè)量計(jì)算過程.由于本文采用的數(shù)據(jù)讀取速度在30幀/s深度圖像獲取，并且采用GPU并行計(jì)算模型，在這個(gè)過程中假設(shè)物體不被移動(dòng)，不會(huì)發(fā)生位置的變化，即不會(huì)發(fā)生平移和旋轉(zhuǎn).但是在實(shí)際的掃描過程中，很難保證人體靜止不動(dòng)，所以會(huì)給后續(xù)的測(cè)量帶來一定的影響.然而，實(shí)驗(yàn)的誤差保持在4%以內(nèi)，體積測(cè)量精度達(dá)到96.8%，可證明本文方法具有良好的測(cè)量精度，適合在實(shí)際中應(yīng)用.

4 結(jié) 語

本文提出了一種新的人體成分分析系統(tǒng)，可進(jìn)行人體測(cè)量及肥胖度分析，利用Kinect設(shè)備快速、精確、安全、經(jīng)濟(jì)、可移動(dòng)的優(yōu)勢(shì)，結(jié)合三維人體掃描、重建以及測(cè)量技術(shù)，通過非接觸式光學(xué)技術(shù)捕捉人體表面幾何特征數(shù)據(jù)進(jìn)行人體幾何數(shù)據(jù)的計(jì)算.與傳統(tǒng)人體成分分析技術(shù)相比，這種人體掃描測(cè)量技術(shù)更為方便安全，被測(cè)對(duì)象不會(huì)感到不適，根據(jù)掃描結(jié)果可以快速獲得真實(shí)三維數(shù)據(jù).獲得的人體模型能廣泛應(yīng)用，如三維虛擬試衣.而且，人體掃描的體積測(cè)量可以應(yīng)用到整個(gè)人體或某個(gè)特定部位，而各種其他人體測(cè)量結(jié)果也可以從一個(gè)3D模型中提取出來，比如腰圍和臀圍、部分體積、人體表面區(qū)域等.各種測(cè)量數(shù)據(jù)除了可以分析肥胖程度外，還能用于其他分析和預(yù)測(cè).系統(tǒng)所得數(shù)據(jù)結(jié)果表明，本文提出的方法能夠獲取良好的三維人體數(shù)據(jù)信息，能夠?yàn)楹笃诘娜梭w成分分析提供有價(jià)值的數(shù)據(jù)依據(jù)，同時(shí)為建立合理的公眾人群肥胖監(jiān)測(cè)體系提供了很好的理論支持.今后的工作是對(duì)三維重建作進(jìn)一步完善.由于在雜亂環(huán)境下掃描重建過程會(huì)出現(xiàn)不需要的背景信息，因此，后期的工作是實(shí)時(shí)去除背景干擾，為人體成分分析提供更加精確、便攜的自動(dòng)化系統(tǒng).

[1] World Health Organization.Obesity and overweight [EB/OL].(2013-03-01)[2013-08-31].http://www.who.int/mediacentre/factsheets/fs311/en/.

[2] LEAN M E,HAN T S,MORRISON C E.Waist circumference as a measure for indicating need for weight management[J].British Medical Journal,1995,311(6998):158-161.

[3] MAZESS R B,BARDEN H S,BISEK J P,et al.Dual-energy X-ray absorptiometry for total-body and regional bone-mineral and soft-tissue composition[J].The American Journal of Clinical Nutrition,1990,51(6):1106-1112.

[4] ROSS R,LEGER L,MORRIS D,et al.Quantification of adipose tissue by MRI:Relationship with anthropometric variables[J].Journal of Applied Physiology,1992,72(2):787- 795.

[5] ADDLEMAN D A,ADDLEMAN L A.Rapid three-dimensional surface digitizer:US,4705401[P].1987-11-10.

[6] SCHARSTEIN D,SZELISKI R.A taxonomy and evaluation of dense two-frame stereo correspondence algorithms[J].International Journal of Computer Vision,2002,47(1/2/3):7-42.

[7] BESL P J,MCKAY N D.Method for registration of 3-D shapes[C]//Robotics-DL Tentative.International Society for Optics and Photonics,1992:586-606.

[8] IZADI S,KIM D,HILLIGES O,et al.Kinect fusion:Real-time 3D reconstruction and interaction using a moving depth camera[C]//Proceedings of the 24th Annual ACM Symposium on User Interface Software and Technology.ACM,2011:559-568.

[9] 晏義.三維人體模型重建、分割及尺寸提取技術(shù)研究[D].株洲:湖南工業(yè)大學(xué)計(jì)算機(jī)與通信學(xué)院,2012.

[10] 趙鋒.基于蒙特卡羅算法和3d Widget交互方式的體積測(cè)量方法[D].西安:西安建筑科技大學(xué)信息與控制工程學(xué)院,2005.

[11] SIRI W E.Body composition from fluid spaces and density:Analysis of methods[J].Techniques for Measuring Body Composition,1961,61:223-244.

[12] 董洪偉.散亂點(diǎn)云的三角網(wǎng)格重構(gòu)[J].計(jì)算機(jī)工程,2005,31(15):30-32.

3D Body Scanning Measurement Techniques Based on Kinect

WANYan1,HUGui-lan1,DONGGuo-sheng1,SHENGWen-bo2

(1.School of Computer Science and Technology,Donghua University,Shanghai 201620,China;2.Department of Burns,Changhai Hospital,Second Military Medical University,Shanghai 200433,China)

A body composition analysis system framework is presented to perform scanning,reconstruction and the measurement by using the Kinect device with the advantages of fast,safety,low-cost and portable.The body surface geometry data are captured through the non-contact optical technology,the model surface is reconstructed in real-time with the registration for the 3D point cloud data by KinFu,and then the circumference and volume of the relevant parts of the model are computed by using quasi-integral method and Monte Carlo method respectively.Scanning and 3D reconstruction cost about 3 min all together with a smooth and fine result,the accuracy of the dimension measurement is 97.7%,and volume measurement accuracy is 96.8%.The effectiveness of the proposal has been exhibited by the experimental results.

body composition analysis; Kinect scanning; 3D reconstruction; circumference measurement; volume measurement

1671-0444(2015)01-0078-06

2013-09-30

國家自然科學(xué)基金資助項(xiàng)目(81372057)

萬 燕(1970—)，女，湖北黃岡人，副教授，博士，研究方向?yàn)閳D像處理與模式識(shí)別.E-mail:winniewan@dhu.edu.cn

TP 399

A