基于Kinect深度數據的人體胸圍測量方法

王瑩瑩，種衍文，潘少明，王澤文

（武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢430079）

0 引 言

服裝業的人體測量方法［1］分為兩種：接觸式測量法和非接觸式測量法［2］。接觸式測量法包括馬丁測量法、石膏定型法等［3，4］，這種測量方法雖然準確性高，但是過程繁雜；非接觸式測量法包括彩色照相測量法和三維人體掃描測量技術等。三維人體掃描技術的設備昂貴，無法大范圍應用到人體測量方面，而照相測量法容易受到光照和障礙物的影響。基于Kinect深度信息的人體測量技術，能夠實時檢測人體，并從深度信息中提取人體各個部位的尺寸信息，且不受環境因素的影響［5］。Kinect造價低廉，測量速度快，不受外界環境影響，便于實時互動，更有益于測量方法的大規模應用和發展。

1 Kinect設備及數據采集

1.1 Kinect設備結構

Kinect是微軟公司研制的一款便捷型體感外設。Kinect的由紅外發射器、彩色攝像頭、紅外攝像頭、麥克風陣列、底座馬達、邏輯電路等六大部分組成［6］。紅外發射器和紅外攝像頭通過發射、接受紅外線，來提供深度數據，而彩色攝像頭提供了RGB數據。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深度數據的獲取

Kinect采用光編碼 （light coding）的深度測量技術進行深度成像，即用結構光技術給需要測量的空間編上碼［8］。Kinect的視場屬于金字塔形狀，仰角為57°，最大探測距離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的一種有效的形式。當Kinect檢測到人體時，可以將人體識別出來［10］，在深度數據基礎上創建出人體骨骼模型。如圖1 所示，通過Kinect能夠獲得由20個關節節點組成的人體骨骼，這20 個關節點分別為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），Foot Right（右腳），Foot 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，從關節節點左腳部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的各個關節節點之間的長度之和。同理，關節節點Spine（脊柱）的高度為Spine＿Height，如式 （2），即人體脊柱關節節點的高度為，從關節節點左腳部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的各個關節節點之間的高度之和

確定肩部和脊柱兩個關節點間的側面人體的像素寬度，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，找到人體的側面寬度最大值，即M 與N 兩點間的長度。同時，記錄下N 點的對應人體高度Height＿MN，作為人體胸部的高度值。

圖2 確定人體胸厚

2.2.2 通過Kinect測量人體的胸寬

根據前面得到的胸部高度Height＿MN，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之間的長度。

圖3 確定人體胸寬

2.2 獲取與人體胸圍相關的測量尺寸

Kinect提取骨骼，得到人體各個部位的關節點，獲得各個節點之間的長度。根據人體各部位距離相關關系以及Kinect設備人體尺寸的測量的局限性，選用胸厚、胸寬、肩寬進行胸圍的擬合。

2.2.1 通過Kinect測量人體的胸厚

首先是測量人體的胸厚。根據女性體型特點，側面女性人體的胸部突出比較明顯，所以可以通過遍歷人體側面肩部和下脊柱關節之間的人體的厚度，找到側面厚度的最大值作為胸厚，這個最大值處就是人體的胸部。首先選取人體的Shoulder Center（肩中部）關節點和Spine （脊柱）關節點，分別確定這兩個關節節點的高度。度即人體的腳關節節點Foot與Shoulder Center的距離的差值，定義為

2.2.3 通過Kinect測量人體的肩寬

根據人體的生理學，人體的胸圍尺寸的大小，除了與胸寬和胸厚有關，也同樣與人體的肩寬有關。人體的肩部離胸部較近，兩者的尺寸和周長具有很重要的相關關系。通過Kinect得到人體的關節節點Shoulder Right（右肩），Shoulder Left（左肩），則人體的肩寬為這兩個關節節點之間的長度，如式 （3）所示。圖4是人體肩寬

圖4 人體肩寬

3 基于Kinect人體測量信息擬合胸圍回歸函數

3.1 驗證Kinect測量數據的可靠性

為了驗證Kinect測量數據的可靠性，將Kinect測量數據和傳統手工測量數據進行差異性比較。本文分別用Kinect測量方法和傳統手工測量方法來測量140名女性的胸厚、胸寬、肩寬，并用平均偏差和相對平均偏差對兩種測量方法的測量結果進行比較。平均偏差記為，公式如式（4）所示，其中xi為Kinect測量數據，為傳統手工測量數據的均值。相對平均偏差記為s，公式如式 （5）所示

表1是Kinect測量數據與傳統手工測量數據的比較，胸厚、胸寬和肩寬的平均偏差都小于0.5，相對平均偏差也都小于0.5%。實驗結果表明，Kinect測量的胸厚、胸寬和肩寬與實際手工測量值無顯著性差異Kinect測量的人體尺寸數據是可靠的，可以用于人體胸圍尺寸的回歸擬合。

表1 Kinect測量值與手工測量值的差異

3.2 根據Kinect測量數據擬合胸圍

根據人體生理學知識以及服裝業人體尺寸的相關理論，人體的胸圍與胸厚、胸寬和肩寬三者之間存在正相關關系［2］。所以用matlabRegress函數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。擬合結果為式 （6）

用Regress擬合的相關系數r2＝0.98216，回歸方程擬合結果十分顯著，回歸效果較好。

4 基于Kinect的胸圍擬合結果檢驗

4.1 正常情況下胸圍擬合結果檢驗

為了驗證回歸方程 （6）的準確性，在自然光照且人體無遮擋的情況下，隨機選取20名16到40周歲的女性進行實驗驗證。用Kinect測量出每個人的胸厚、胸寬和肩寬，將這個3組數據帶入胸圍的回歸方程式 （6），得到Kinect測量的胸圍擬合數據。表2是10名實驗女性的Kinect擬合胸圍、手工測量胸圍和兩者差值。

表2 正常情況下Kinect胸圍擬合誤差

Kinect實驗數據顯示，20組擬合胸圍數據的平均誤差為1.24cm，平均相對誤差為1.46%。結果表明Kinect測量并Regress函數建立的回歸方程計算出的擬合胸圍與手工測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確的。

4.2 黑暗的條件下胸圍擬合結果檢驗

在無光照且無遮擋的情況下，檢驗胸圍擬合結果的準確性。仍然選取4.1節的20名16－40周歲的女性進行實驗驗證。在無光照無遮擋的室內情況下，用Kinect測量出每個人的胸厚、胸寬和肩寬，將這個3組數據帶入胸圍的回歸方程式 （6），得到用在無光照情況下Kinect測量的胸圍擬合數據。表3是其中10名實驗女性的Kinect擬合胸圍、手工測量胸圍和兩者差值。

Kinect實驗數據顯示，在無光照情況下，20組擬合胸圍數據的平均誤差為1.52cm，平均相對誤差為1.79%。結果表明，無光照情況下，Kinect測量并用Regress函數建立的回歸方程計算出的擬合胸圍與實際手工測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確的。

表3 無光照情況下Kinect胸圍擬合誤差

4.3 人體部分遮擋條件下胸圍擬合結果檢驗

在人體的部分部位受到遮擋的情況下，進一步檢驗胸圍擬合結果的準確性。仍然選取4.1節的同樣20名16－40周歲的女性進行實驗驗證。在無光照無遮擋的室內情況下，用Kinect測量出每個人的胸厚、胸寬和肩寬數據，將這個3組數據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測量的胸圍擬合數據。表4是其中10 名實驗女性的Kinect擬合胸圍、手工測量胸圍和兩者差值。

表4 人體部分部位受到遮擋情況下Kinect胸圍擬合誤差

Kinect實驗數據顯示，在人體部分部位受遮擋情況下，20組擬合胸圍數據的平均誤差為1.63cm，平均相對誤差為1.92%。結果表明，在人體部分部位受到遮擋情況下，Kinect測量并用Regress函數建立的回歸方程計算的擬合胸圍與手工測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確的。這是因為Kinect在人體小部分部位受到遮擋的情況下，仍然能夠識別出人體。

4.4 算法環境適應性實驗

圖5為正常光照情況和無光照情況Kinect測量的胸圍擬合數據的差值。實驗顯示，在無光照情況下，Kinect的測量胸圍擬合數據與正常光照情況下的擬合數據差值都在1.5cm 以內，差異較小，證明基于Kinect的人體胸圍測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測量的胸圍擬合數據的差值。實驗顯示，在人體部分部位受到遮擋情況下，Kinect的測量胸圍擬合數據與正常情況下的擬合數據差值同樣在1.5 cm 以內，無顯著性差異，證明基于Kinect的人體胸圍測量擬合方法不易受光照的影響。實驗結果表明，基于Kinect的人體胸圍測量方法不易受光照、輕微遮擋的環境因素影響，具有很好的環境適應性和穩定性。

圖5 光照影響差異實驗

圖6 遮擋影響差異實驗

5 結束語

本文利用Kinect獲取人體深度數據和骨骼數據，根據人體骨骼的識別與關節點的分布，獲取關節部位的尺度信息，并進一步獲取人體各個部位的尺寸信息。利用Kinect測量獲得的胸厚、胸寬和肩寬信息，通過Matlab的Regress函數擬合出人體的胸圍。實驗結果表明，Kinect測量數據準確度高，擬合結果誤差小，具有很好的實際應用效果。

用Kinect進行人體尺寸信息的獲取，優點是數據獲取速度快，而且易于排除光照、障礙物的干擾，可以應用于流動的人群或者是比較復雜的環境，獲得十分理想的胸圍測量結果。下一步工作將是對與服裝產業相關的人體各個尺寸的測量，包括腰圍、臀圍、大腿圍等等。基于Kinect的非接觸式人體測量技術，適應了社會人群越來越追求個性化與速食化的消費趨勢，并且能夠大力促進數字化服裝設計與生產行業的發展。

［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量數據比較［J］.大連工業大學學報，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.基于三維測量的數字化服裝應用研究綜述 ［J］.紡織導報，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）.［項宇.華中地區18－25歲女青年體型測量及實用板型研究［D］.上海：東華大學，2011.］

［4］HUANG Ying.Lower－body mannequin for adult females based on 3D Anthropometry ［D］.Shanghai：Donghua University，2011 （in Chinese）.［黃英.基于三維人體測量的女性下裝人臺研究 ［D］.上海：東華大學，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］計算機工程，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系統的場景建模與機器人自主導航［J］.機器人，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深度圖像的人體識別分析 ［J］.數字通信，2012 （4）：21－26.］