Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

Ing. Tomáš Kohlschütter 1.  Metodika pro automatický sběr a vyhodnocení antropometrických údajů  Nahrazení ruční metody počítačovým algoritmem ◦ Požadavky:

Podobné prezentace


Prezentace na téma: "Ing. Tomáš Kohlschütter 1.  Metodika pro automatický sběr a vyhodnocení antropometrických údajů  Nahrazení ruční metody počítačovým algoritmem ◦ Požadavky:"— Transkript prezentace:

1 Ing. Tomáš Kohlschütter 1

2  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 … 2

3  Ruční (např. metrem) -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 3

4  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 4

5  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) 5

6  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 6

7  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 ◦ 7

8  Lin, Y. L., Wang, M. J. (2011). Automated body feature extraction from 2D images. Expert Systems with Applications, 38, pp. 2585– ◦ 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? 8

9  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 9

10  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 10

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

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

13  Návrh a implementace nového plně- automatického algoritmu  Měření oblečených subjektů  Dodržování standardů + konzultace se zkušeným antropometristou 13

14 14

15  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 15

16  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 16

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

18  Detekce krku, hrudníku, pasu a boků úspěšná ◦ 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) 18

19  Detekce ostatních částí ◦ 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 19

20 Děkuji za pozornost. 20


Stáhnout ppt "Ing. Tomáš Kohlschütter 1.  Metodika pro automatický sběr a vyhodnocení antropometrických údajů  Nahrazení ruční metody počítačovým algoritmem ◦ Požadavky:"

Podobné prezentace


Reklamy Google