王瑩瑩，種衍文，潘少明，王澤文

（武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，湖北 武漢430079）

0 引 言

服裝業(yè)的人體測(cè)量方法［1］分為兩種：接觸式測(cè)量法和非接觸式測(cè)量法［2］。接觸式測(cè)量法包括馬丁測(cè)量法、石膏定型法等［3，4］，這種測(cè)量方法雖然準(zhǔn)確性高，但是過(guò)程繁雜；非接觸式測(cè)量法包括彩色照相測(cè)量法和三維人體掃描測(cè)量技術(shù)等。三維人體掃描技術(shù)的設(shè)備昂貴，無(wú)法大范圍應(yīng)用到人體測(cè)量方面，而照相測(cè)量法容易受到光照和障礙物的影響?；贙inect深度信息的人體測(cè)量技術(shù)，能夠?qū)崟r(shí)檢測(cè)人體，并從深度信息中提取人體各個(gè)部位的尺寸信息，且不受環(huán)境因素的影響［5］。Kinect造價(jià)低廉，測(cè)量速度快，不受外界環(huán)境影響，便于實(shí)時(shí)互動(dòng)，更有益于測(cè)量方法的大規(guī)模應(yīng)用和發(fā)展。

1 Kinect設(shè)備及數(shù)據(jù)采集

1.1 Kinect設(shè)備結(jié)構(gòu)

Kinect是微軟公司研制的一款便捷型體感外設(shè)。Kinect的由紅外發(fā)射器、彩色攝像頭、紅外攝像頭、麥克風(fēng)陣列、底座馬達(dá)、邏輯電路等六大部分組成［6］。紅外發(fā)射器和紅外攝像頭通過(guò)發(fā)射、接受紅外線，來(lái)提供深度數(shù)據(jù)，而彩色攝像頭提供了RGB數(shù)據(jù)。紅外攝像頭最大成像分辨率為640×480，彩色攝像頭最大成像分辨率為1280×960［7］。

1.2 Kinect深度數(shù)據(jù)的獲取

Kinect采用光編碼 （light coding）的深度測(cè)量技術(shù)進(jìn)行深度成像，即用結(jié)構(gòu)光技術(shù)給需要測(cè)量的空間編上碼［8］。Kinect的視場(chǎng)屬于金字塔形狀，仰角為57°，最大探測(cè)距離4000mm［9］，微 軟 聲 明Kinect 較 為 精 確 的 使 用 距 離 為1220mm～3810mm。

2 基于Kinect人體信息的測(cè)量

2.1 深度信息和骨骼信息的獲取

人體骨架是表示人體行為以及形態(tài)的一種有效的形式。當(dāng)Kinect檢測(cè)到人體時(shí)，可以將人體識(shí)別出來(lái)［10］，在深度數(shù)據(jù)基礎(chǔ)上創(chuàng)建出人體骨骼模型。如圖1 所示，通過(guò)Kinect能夠獲得由20個(gè)關(guān)節(jié)節(jié)點(diǎn)組成的人體骨骼，這20 個(gè)關(guān)節(jié)點(diǎn)分別為Head （頭部），Shoulder Center（肩中部），Shoulder Right （右 肩），Shoulder Left （左 肩），Elbow Right（肘部），Elbow Left（左肘部），Wrist Right（右手腕），Wrist Left （左 手 腕），Hand Right （右 手），Hand Left（左手），Spine （脊柱），Hip Center（中臀部），Hip Right（右臀部），Hip Left（左臀部），Knee Right（右膝蓋），Knee Left（左膝蓋），Ankle Right（右腳踝），Ankle Left（左腳踝），F(xiàn)oot Right（右腳），F(xiàn)oot Left（左腳）。Shoulder＿Height，如式 （1）所示

圖1 Kinect人體骨骼

則人體肩部的高度為，從關(guān)節(jié)節(jié)點(diǎn)左腳部FootLeft，左腳裸Ankle Left，左膝蓋KneeLeft，左臀部HipLeft，臀部Hip Center，脊柱Spine到肩部Shoulder Center的各個(gè)關(guān)節(jié)節(jié)點(diǎn)之間的長(zhǎng)度之和。同理，關(guān)節(jié)節(jié)點(diǎn)Spine（脊柱）的高度為Spine＿Height，如式 （2），即人體脊柱關(guān)節(jié)節(jié)點(diǎn)的高度為，從關(guān)節(jié)節(jié)點(diǎn)左腳部Foot Left，左腳裸Ankle Left，左膝蓋Knee Left，左臀部Hip Left，臀部Hip Center到脊柱Spine的各個(gè)關(guān)節(jié)節(jié)點(diǎn)之間的高度之和

確定肩部和脊柱兩個(gè)關(guān)節(jié)點(diǎn)間的側(cè)面人體的像素寬度，遍歷像素，找到人體寬度的最大值，即為人體的胸厚。如圖2所示，找到人體的側(cè)面寬度最大值，即M 與N 兩點(diǎn)間的長(zhǎng)度。同時(shí)，記錄下N 點(diǎn)的對(duì)應(yīng)人體高度Height＿M(jìn)N，作為人體胸部的高度值。

圖2 確定人體胸厚

2.2.2 通過(guò)Kinect測(cè)量人體的胸寬

根據(jù)前面得到的胸部高度Height＿M(jìn)N，找到人體正面的胸部的位置，從而得到人體的正面的胸部的寬度，即為人體的胸寬。如圖3所示，人體的胸寬為M1到N1之間的長(zhǎng)度。

圖3 確定人體胸寬

2.2 獲取與人體胸圍相關(guān)的測(cè)量尺寸

Kinect提取骨骼，得到人體各個(gè)部位的關(guān)節(jié)點(diǎn)，獲得各個(gè)節(jié)點(diǎn)之間的長(zhǎng)度。根據(jù)人體各部位距離相關(guān)關(guān)系以及Kinect設(shè)備人體尺寸的測(cè)量的局限性，選用胸厚、胸寬、肩寬進(jìn)行胸圍的擬合。

2.2.1 通過(guò)Kinect測(cè)量人體的胸厚

首先是測(cè)量人體的胸厚。根據(jù)女性體型特點(diǎn)，側(cè)面女性人體的胸部突出比較明顯，所以可以通過(guò)遍歷人體側(cè)面肩部和下脊柱關(guān)節(jié)之間的人體的厚度，找到側(cè)面厚度的最大值作為胸厚，這個(gè)最大值處就是人體的胸部。首先選取人體的Shoulder Center（肩中部）關(guān)節(jié)點(diǎn)和Spine （脊柱）關(guān)節(jié)點(diǎn)，分別確定這兩個(gè)關(guān)節(jié)節(jié)點(diǎn)的高度。度即人體的腳關(guān)節(jié)節(jié)點(diǎn)Foot與Shoulder Center的距離的差值，定義為

2.2.3 通過(guò)Kinect測(cè)量人體的肩寬

根據(jù)人體的生理學(xué)，人體的胸圍尺寸的大小，除了與胸寬和胸厚有關(guān)，也同樣與人體的肩寬有關(guān)。人體的肩部離胸部較近，兩者的尺寸和周長(zhǎng)具有很重要的相關(guān)關(guān)系。通過(guò)Kinect得到人體的關(guān)節(jié)節(jié)點(diǎn)Shoulder Right（右肩），Shoulder Left（左肩），則人體的肩寬為這兩個(gè)關(guān)節(jié)節(jié)點(diǎn)之間的長(zhǎng)度，如式 （3）所示。圖4是人體肩寬

圖4 人體肩寬

3 基于Kinect人體測(cè)量信息擬合胸圍回歸函數(shù)

3.1 驗(yàn)證Kinect測(cè)量數(shù)據(jù)的可靠性

為了驗(yàn)證Kinect測(cè)量數(shù)據(jù)的可靠性，將Kinect測(cè)量數(shù)據(jù)和傳統(tǒng)手工測(cè)量數(shù)據(jù)進(jìn)行差異性比較。本文分別用Kinect測(cè)量方法和傳統(tǒng)手工測(cè)量方法來(lái)測(cè)量140名女性的胸厚、胸寬、肩寬，并用平均偏差和相對(duì)平均偏差對(duì)兩種測(cè)量方法的測(cè)量結(jié)果進(jìn)行比較。平均偏差記為，公式如式（4）所示，其中xi為Kinect測(cè)量數(shù)據(jù)，為傳統(tǒng)手工測(cè)量數(shù)據(jù)的均值。相對(duì)平均偏差記為s，公式如式 （5）所示

表1是Kinect測(cè)量數(shù)據(jù)與傳統(tǒng)手工測(cè)量數(shù)據(jù)的比較，胸厚、胸寬和肩寬的平均偏差都小于0.5，相對(duì)平均偏差也都小于0.5%。實(shí)驗(yàn)結(jié)果表明，Kinect測(cè)量的胸厚、胸寬和肩寬與實(shí)際手工測(cè)量值無(wú)顯著性差異Kinect測(cè)量的人體尺寸數(shù)據(jù)是可靠的，可以用于人體胸圍尺寸的回歸擬合。

表1 Kinect測(cè)量值與手工測(cè)量值的差異

3.2 根據(jù)Kinect測(cè)量數(shù)據(jù)擬合胸圍

根據(jù)人體生理學(xué)知識(shí)以及服裝業(yè)人體尺寸的相關(guān)理論，人體的胸圍與胸厚、胸寬和肩寬三者之間存在正相關(guān)關(guān)系［2］。所以用matlabRegress函數(shù)擬合線性回歸分析建立胸圍與胸厚、胸寬、肩寬之間的線性回歸方程。擬合結(jié)果為式 （6）

用Regress擬合的相關(guān)系數(shù)r2＝0.98216，回歸方程擬合結(jié)果十分顯著，回歸效果較好。

4 基于Kinect的胸圍擬合結(jié)果檢驗(yàn)

4.1 正常情況下胸圍擬合結(jié)果檢驗(yàn)

為了驗(yàn)證回歸方程 （6）的準(zhǔn)確性，在自然光照且人體無(wú)遮擋的情況下，隨機(jī)選取20名16到40周歲的女性進(jìn)行實(shí)驗(yàn)驗(yàn)證。用Kinect測(cè)量出每個(gè)人的胸厚、胸寬和肩寬，將這個(gè)3組數(shù)據(jù)帶入胸圍的回歸方程式 （6），得到Kinect測(cè)量的胸圍擬合數(shù)據(jù)。表2是10名實(shí)驗(yàn)女性的Kinect擬合胸圍、手工測(cè)量胸圍和兩者差值。

表2 正常情況下Kinect胸圍擬合誤差

Kinect實(shí)驗(yàn)數(shù)據(jù)顯示，20組擬合胸圍數(shù)據(jù)的平均誤差為1.24cm，平均相對(duì)誤差為1.46%。結(jié)果表明Kinect測(cè)量并Regress函數(shù)建立的回歸方程計(jì)算出的擬合胸圍與手工測(cè)量值之間不存在顯著性差異，建立的胸圍的回歸方程式是非常準(zhǔn)確的。

4.2 黑暗的條件下胸圍擬合結(jié)果檢驗(yàn)

在無(wú)光照且無(wú)遮擋的情況下，檢驗(yàn)胸圍擬合結(jié)果的準(zhǔn)確性。仍然選取4.1節(jié)的20名16－40周歲的女性進(jìn)行實(shí)驗(yàn)驗(yàn)證。在無(wú)光照無(wú)遮擋的室內(nèi)情況下，用Kinect測(cè)量出每個(gè)人的胸厚、胸寬和肩寬，將這個(gè)3組數(shù)據(jù)帶入胸圍的回歸方程式 （6），得到用在無(wú)光照情況下Kinect測(cè)量的胸圍擬合數(shù)據(jù)。表3是其中10名實(shí)驗(yàn)女性的Kinect擬合胸圍、手工測(cè)量胸圍和兩者差值。

Kinect實(shí)驗(yàn)數(shù)據(jù)顯示，在無(wú)光照情況下，20組擬合胸圍數(shù)據(jù)的平均誤差為1.52cm，平均相對(duì)誤差為1.79%。結(jié)果表明，無(wú)光照情況下，Kinect測(cè)量并用Regress函數(shù)建立的回歸方程計(jì)算出的擬合胸圍與實(shí)際手工測(cè)量值之間也不存在顯著性差異，建立的胸圍的回歸方程式是非常準(zhǔn)確的。

表3 無(wú)光照情況下Kinect胸圍擬合誤差

4.3 人體部分遮擋條件下胸圍擬合結(jié)果檢驗(yàn)

在人體的部分部位受到遮擋的情況下，進(jìn)一步檢驗(yàn)胸圍擬合結(jié)果的準(zhǔn)確性。仍然選取4.1節(jié)的同樣20名16－40周歲的女性進(jìn)行實(shí)驗(yàn)驗(yàn)證。在無(wú)光照無(wú)遮擋的室內(nèi)情況下，用Kinect測(cè)量出每個(gè)人的胸厚、胸寬和肩寬數(shù)據(jù)，將這個(gè)3組數(shù)據(jù)帶入胸圍的回歸方程式 （6），得到人體部分部位受到遮擋情況下Kinect測(cè)量的胸圍擬合數(shù)據(jù)。表4是其中10 名實(shí)驗(yàn)女性的Kinect擬合胸圍、手工測(cè)量胸圍和兩者差值。

表4 人體部分部位受到遮擋情況下Kinect胸圍擬合誤差

Kinect實(shí)驗(yàn)數(shù)據(jù)顯示，在人體部分部位受遮擋情況下，20組擬合胸圍數(shù)據(jù)的平均誤差為1.63cm，平均相對(duì)誤差為1.92%。結(jié)果表明，在人體部分部位受到遮擋情況下，Kinect測(cè)量并用Regress函數(shù)建立的回歸方程計(jì)算的擬合胸圍與手工測(cè)量值不存在顯著性差異，建立的胸圍的回歸方程式是比較準(zhǔn)確的。這是因?yàn)镵inect在人體小部分部位受到遮擋的情況下，仍然能夠識(shí)別出人體。

4.4 算法環(huán)境適應(yīng)性實(shí)驗(yàn)

圖5為正常光照情況和無(wú)光照情況Kinect測(cè)量的胸圍擬合數(shù)據(jù)的差值。實(shí)驗(yàn)顯示，在無(wú)光照情況下，Kinect的測(cè)量胸圍擬合數(shù)據(jù)與正常光照情況下的擬合數(shù)據(jù)差值都在1.5cm 以內(nèi)，差異較小，證明基于Kinect的人體胸圍測(cè)量擬合方法不易受光照的影響。圖6是正常情況下與人體部分部位受到遮擋情況下Kinect測(cè)量的胸圍擬合數(shù)據(jù)的差值。實(shí)驗(yàn)顯示，在人體部分部位受到遮擋情況下，Kinect的測(cè)量胸圍擬合數(shù)據(jù)與正常情況下的擬合數(shù)據(jù)差值同樣在1.5 cm 以內(nèi)，無(wú)顯著性差異，證明基于Kinect的人體胸圍測(cè)量擬合方法不易受光照的影響。實(shí)驗(yàn)結(jié)果表明，基于Kinect的人體胸圍測(cè)量方法不易受光照、輕微遮擋的環(huán)境因素影響，具有很好的環(huán)境適應(yīng)性和穩(wěn)定性。

圖5 光照影響差異實(shí)驗(yàn)

圖6 遮擋影響差異實(shí)驗(yàn)

5 結(jié)束語(yǔ)

本文利用Kinect獲取人體深度數(shù)據(jù)和骨骼數(shù)據(jù)，根據(jù)人體骨骼的識(shí)別與關(guān)節(jié)點(diǎn)的分布，獲取關(guān)節(jié)部位的尺度信息，并進(jìn)一步獲取人體各個(gè)部位的尺寸信息。利用Kinect測(cè)量獲得的胸厚、胸寬和肩寬信息，通過(guò)Matlab的Regress函數(shù)擬合出人體的胸圍。實(shí)驗(yàn)結(jié)果表明，Kinect測(cè)量數(shù)據(jù)準(zhǔn)確度高，擬合結(jié)果誤差小，具有很好的實(shí)際應(yīng)用效果。

用Kinect進(jìn)行人體尺寸信息的獲取，優(yōu)點(diǎn)是數(shù)據(jù)獲取速度快，而且易于排除光照、障礙物的干擾，可以應(yīng)用于流動(dòng)的人群或者是比較復(fù)雜的環(huán)境，獲得十分理想的胸圍測(cè)量結(jié)果。下一步工作將是對(duì)與服裝產(chǎn)業(yè)相關(guān)的人體各個(gè)尺寸的測(cè)量，包括腰圍、臀圍、大腿圍等等。基于Kinect的非接觸式人體測(cè)量技術(shù)，適應(yīng)了社會(huì)人群越來(lái)越追求個(gè)性化與速食化的消費(fèi)趨勢(shì)，并且能夠大力促進(jìn)數(shù)字化服裝設(shè)計(jì)與生產(chǎn)行業(yè)的發(fā)展。

［1］PAN Li，WANG Jun，YAO Tong，et al.Comparison of contact with no－contact measuring data in garment［J］.Journal of Dalian Polytechnic University，2012，32 （2）：140－142 （in Chinese）.［潘力，王軍，姚彤，等.接觸與非接觸式人體測(cè)量數(shù)據(jù)比較［J］.大連工業(yè)大學(xué)學(xué)報(bào)，2013，32 （2）：140－142.］

［2］WANG Jun，LI Xiaojiu.Research overview of digitised clothing based on 3D measurement technology ［J］.China Textile Leader，2011 （11）：82－84 （in Chinese）.［王軍，李曉久.基于三維測(cè)量的數(shù)字化服裝應(yīng)用研究綜述 ［J］.紡織導(dǎo)報(bào)，2011（11）：82－84.］

［3］XIANG Yu.Analysis on somatotype and prototype creation of women of 18－25years old in Huazhong region ［D］.Shanghai：Donghua University，2011（in Chinese）.［項(xiàng)宇.華中地區(qū)18－25歲女青年體型測(cè)量及實(shí)用板型研究［D］.上海：東華大學(xué)，2011.］

［4］HUANG Ying.Lower－body mannequin for adult females based on 3D Anthropometry ［D］.Shanghai：Donghua University，2011 （in Chinese）.［黃英.基于三維人體測(cè)量的女性下裝人臺(tái)研究 ［D］.上海：東華大學(xué)，2011.］

［5］FAN Jianying，YU Shuchun，WANG Yang.Image segmentation based on edge fusion of normal component［J］.Computer Engineering，2010，36 （17）：221－222 （in Chinese）. ［范 劍英，于舒春，王洋.基于法向分量邊緣融合的深度圖像分割［J］計(jì)算機(jī)工程，2010，36 （17）：221－222.］

［6］Erica Naone.Microsoft Kinect：How the device can respond to your voice and gestures［J］.Pioneering with Science and Technology，2011，4 （4）：82－83.

［7］YANG Dongfang，WANG Shicheng，LIU Huaping，et al.Scene modeling and autonomous navigation for robots based on kinect system ［J］.Robot，2012，34 （5）：581－589 （in Chinese）. ［楊東方，王仕成，劉華平，等.基于Kinect系統(tǒng)的場(chǎng)景建模與機(jī)器人自主導(dǎo)航［J］.機(jī)器人，2012，34 （5）：581－589.］

［8］Garcia J，Valencia E S，Zalevsky Z，et al.Range mapping using speckle decorrelation：The United US7433024B2 ［P］.2008－10－07.

［9］Microsoft.Kinect for Windows SDK programming guide［M］.USA：Microsoft Research，2011.

［10］LI Hongbo，DING Linjian，RAN Guangyong.Human Identification Base on Kinect Depth Image［J］.Digital Communication，2012 （4）：21－26 （in Chinese）.［李紅波，丁林建，冉光勇.基于Kinect深度圖像的人體識(shí)別分析 ［J］.數(shù)字通信，2012 （4）：21－26.］