Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Ing. Tomáš Kohlschütter

Podobné prezentace


Prezentace na téma: "Ing. Tomáš Kohlschütter"— Transkript prezentace:

1 Ing. Tomáš Kohlschütter
Human Body Modelling by Development of the Automatic Landmarking Algorithm Ing. Tomáš Kohlschütter

2 Úvod Metodika pro automatický sběr a vyhodnocení antropometrických údajů Nahrazení ruční metody počítačovým algoritmem Požadavky: přenosné, levné, rychlé Nutnost měřit běžně oblečené osoby Co nejblíže se přiblížit standardům pro měření lidí Využití Oděvní průmysl, sport, lékařství, zabezpečovací systémy …

3 Technické možnosti Ruční (např. metrem) 2D systémy 3D scannery
Zdlouhavé Chyba závisí na člověku, který měření provádí 2D systémy 1 či více kamer => vytvoření přibližného modelu Algoritmy pro počítačové vidění/zpracování obrazu Levné, rychlé, ale ne 100% přesné 3D scannery Světelný nebo laserový paprsek snímá celou osobu Vytvoření modelu 1:1 Velmi přesné, ale rozměrné a finančně náročné

4 State of the Art - 2D systémy
cca 12 článků Meunier, P., Yin, S. (2000). Performance of a 2D image- based anthropometric measurement and clothing sizing system. Applied Ergonomics, 31, pp Základ výzkumu 2D antropometrických systémů Jde to vůbec? Pokud ano, tak s jakou přesností? Experiment 349 svlečených subjektů (95 žen a 254 mužů) 6 rozměrů (výška, délka rukávu, obvod krku, hrudníku, pasu a boků) Výsledek: 2D systémy se dají srovnávat s ručními metodami, ale kvalita závisí na značkovacím algoritmu a modelování nepřímých (=obvodových) částí těla Neuvádí, které konkrétní algoritmy jsou použity Drahé zařízení

5 State of the Art - 2D systémy
Hung, P. C.-Y., Witana, C. P., Goonetilleke, R. S. (2004). Anthropometric Measurements from Photographic Images. Computing Systems, 29, pp Modelování obvodových částí těla Elipsa (např. krk), půl elipsa+obdélník (hrudník)

6 Lokalizace částí těla Co nejpřesnější nalezení bodů, ze kterých se dá identifikovat příslušná část lidského těla Velmi ovlivňuje kvalitu finálních výsledků Většina současných prací Nalezení mnoha (6 – 38) význačných bodů Ručně nebo polo-automaticky (= z ručně zvolených bodů se určí jiné) Pracné, náchylné k chybám

7 State of the Art - Automatická lokalizace částí těla
Hilton, A., Beresford, D., Gentils, T., Smith, R., Sun, W., Illingworth, J. (2000). Whole-body modelling of people from multiview images to populate virtual worlds. The Visual Computer, 16(7), pp. 411–436. Technika pro automatické vytvoření pohybujících se 3D modelů lidí Algoritmus pro automatické nalezení 10 bodů na kontuře lidského těla Cílem je přiřadit tyto body k umělému modelu Problém – nalezené body neodpovídají standardům pro měření lidí

8 State of the Art - Automatická lokalizace částí těla
Lin, Y. L., Wang, M. J. (2011). Automated body feature extraction from 2D images. Expert Systems with Applications, 38, pp. 2585– 2591. Reprezentace kontury pomocí Freemanova kódu Význačné body automaticky identifikovány tam, kde se významně mění směr kontury Testováno 30 svlečených subjektů - 100% úspěšnost lokalizace Otázky: Bude algoritmus fungovat i na oblečené subjekty? Odpovídají nalezené části standardům měření?

9 Popis navrženého systému - kamery
1 či více kamer snímá měřený subjekt z několika pohledů 1 kamera + otočení subjektu (levnější, přenositelnější) Vhodná volba kamery Digitální fotoaparát (offline) Webkamera + negativní čočka (online) Kalibrace kamer Převedení obrazových rozměrů na rozměry reálného světa Odstranění zkreslení kamery/objektivu Oprava špatného umístění kamery Knihovna Tsai 3D

10 Popis systému - kamery Kalibrační body
Předem známý počet a přesné umístění (v mm) 9 bodů na pozadí 5 na podlaze Červené body => snadná automatická detekce Přesná pozice umístění měřeného subjektu Vyfocení ze dvou pohledů Vytvoření 3D modelu lidského těla

11 Zpracování obrazu Nalezení měřeného subjektu v obraze Chroma key
Zelené pozadí Barevný prostor HSV Prahová hodnota Oddělení popředí od pozadí

12 Zpracování obrazu Nalezení kontury lidského těla
Algoritmy pro zpracování obrazu Implementace: C++ knihovna OpenCV Aproximace kontury polygonem Odstranění menších nerovností Vyhlazení

13 Automatická lokalizace částí těla
Návrh a implementace nového plně- automatického algoritmu Měření oblečených subjektů Dodržování standardů + konzultace se zkušeným antropometristou

14 Automatická lokalizace částí těla
Algoritmus vychází z Hilton et al. (2000) Nalezení globálních extrémů na kontuře Vrchol hlavy, ruce a nohy Nalezení lokálních extrémů Podpaží, rozkrok Rozdělení výšky člověka na 100 stejných dílů Kollmann‘s decimal cannon Určení výpočtu obvodů - elipsa 𝐶=𝜋⋅ 3 2 ⋅ 𝑎+𝑏 − 𝑎⋅𝑏

15 Automatická lokalizace částí těla
Stanovení, mezi kterými díly se příslušná část nachází Současně: odhad z malého množství vzorků Plán: statistika z velkého množství vzorků Stanovení definic hledaných částí ASTM Standard terminology relating to body dimensions for apparel sizing. Nejasnosti – konzultace se zkušeným antropometristou

16 Experimenty - implementace
Testovací aplikace v C++ Knihovna OpenCV pro zpracování obrazu Detekce kontury, kružnic, převody barevných prostorů atd. Rozlišení obrazu 1280x960 – experimentálně optimální rozlišení Kalibrace na 14 kalibračních bodech: Knihovna Tsai3D Maximální kalibrační chyba v X = 16 mm Maximální kalibrační chyba v Y = 4 mm Průměrná chyba v X = 5 mm Průměrná chyba v Y = 2 mm Víc bodů (např. 100) nemá smysl, přesnost zvýší o milimetry

17 Experimenty 11 vhodně oblečených subjektů (9 mužů a 2 ženy)
4 muži testováni opakovaně v různém oblečení

18 Experimenty Detekce krku, hrudníku, pasu a boků úspěšná Problémy:
Ověření zkušeným antropometristou (krejčí) Problémy: Zelené oblečení Účes Větší výška Dlouhé vlasy mohou zvětšovat obvod krku či hrudníku Modelování hrudníku je nepřesné, zejména u žen Nemá zásadní vliv na detekci, ale na získané rozměry Velmi volné oblečení Chybné postavení (náklon vpřed)

19 Plány do budoucna Detekce ostatních částí Zlepšit modelování hrudníku
Délka rukávu, délka zad, výška sedu Zlepšit modelování hrudníku Experimenty na větším množství subjektů Statistika rozložení jednotlivých částí těla Hlavní cíl: Automatické měření a lokalizace bodů na osobách ve volnějším oblečení Využití statistiky, aproximace tvaru těla

20 Děkuji za pozornost.


Stáhnout ppt "Ing. Tomáš Kohlschütter"

Podobné prezentace


Reklamy Google