买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉大连工业大学申请的专利一种基于计算机视觉的2D人体体型分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115471864B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210996059.5，技术领域涉及：G06V40/10；该发明授权一种基于计算机视觉的2D人体体型分类方法是由姚彤;潘力;闵悦宁;王军设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本一种基于计算机视觉的2D人体体型分类方法在说明书摘要公布了：本发明公开了一种基于计算机视觉的2D人体体型分类方法，包括如下步骤：S1、采集2D人体正交图像和身高信息；S2、对2D人体正面、侧面正交图像进行预处理，将身高信息进行身高归一化；S3、基于计算机视觉的体型分类特征提取：身高像素值H、投影单位面积ρ以及人体正、侧面投影面积比F三个体型分类指标；S4、采用二阶聚类模型基于步骤S3中身高像素值H、投影单位面积ρ以及人体正、侧面投影面积比F三个聚类指标对2D人体进行体型分类；本发明解决了基于人体数字图像的无人体尺寸数据状态下的体型分类问题，对于促进服装定制技术发展以及推动服装产业向数字化、自动化、智能化方向发展具有重要意义。

本发明授权一种基于计算机视觉的2D人体体型分类方法在权利要求书中公布了：1.一种基于计算机视觉的2D人体体型分类方法，其特征在于，包括如下步骤： S1、采集2D人体正交图像和身高信息； S11、采集2D人体正交图像； 通过3D人体扫描仪、手机或数码相机获取人体正面、侧面正交2D图像； S12、获得身高信息； 有两种途径获得身高信息，第一种：步骤S11中通过3D人体扫描仪获取人体正面、侧面正交2D图像的，直接通过3D人体扫描仪读取身高信息； 第二种：通过手机或数码相机获取人体正面、侧面正交2D图像的，采用ISO8559国际标准化组织修订服装尺寸标准中身高的获取方法，获取被测者的身高数据； S2、对所述2D人体正面、侧面正交图像进行预处理，将所述身高信息进行身高归一化； S21、对步骤S11中所述的2D人体正交图像进行预处理，具体方法如下： S211、采用高斯滤波消除步骤S11中所述2D人体正面图像和所述2D人体侧面图像的图像噪声； 通过OPenCV计算机视觉库封装的GaussianBlur函数实现高斯滤波，主要使用二维高斯核函数G，其表达式为： （1） 式中，（x,y）为图像任意一像素点，δ为正态分布的标准差，δ越大，二维高斯核函数G的曲线越平缓； S212、对步骤S211去噪后的所述2D人体正面、侧面正交图像进行灰度化处理并获得灰度值； 通过OPenCV计算机视觉库封装的cvtColor函数，对所述2D人体正面、侧面正交图像进行由RGB图像到BGR图像的转换，再由BGR图像到GRAY图像的转换，获得图像的各像素点灰度值为0-255之间； S213、将步骤S212所述2D人体正面、侧面正交图像的灰度值进行阈值计算，得到2D人体正面、侧面正交图像的二值化图像； 通过OPenCV计算机视觉库封装的threshold函数，进行THRESH_BINARY类型的阈值二值化操作； 具体地说，将阈值设定为30，大于阈值的使用255表示，小于阈值的使用0表示，得到的二值化图像； 对所述二值化图像进行先膨胀后腐蚀的闭运算形态学操作；通过OPenCV计算机视觉库封装的morphologyEX函数，填充所需区域内细小空洞与平滑边界，分割出面积不变的独立人体图像元素； S214、检测步骤S213所述2D人体正面、侧面正交图像的二值化图像的人体轮廓，获取人体区域最大外接矩形； 首先，通过OPenCV计算机视觉库封装的findContours函数检测所述2D人体正面、侧面正交图像的二值化图像的轮廓，并且采用CHAIN_APPROX_NONE操作将边界上所有连续的轮廓点保存到contours向量内；然后，再通过OPenCV计算机视觉库封装的boundingRect函数得到人体区域边界框的高度、宽度与中心点的x、y坐标，裁剪出人体区域最大外接矩形图像； S22、将步骤S12获取的身高信息进行归一化，采用下述公式2： （2） 式中，H为归一化后的身高，h为任意样本身高，hmin为样本中身高的最小值，hmax为样本中身高的最大值，P为身高最大值hmax的头顶点至地面之间的像素； S23、将步骤S214的样本人体区域最大外接矩形图像按比例缩放到步骤S22所述归一化后身高H的像素值长度；再通过OPenCV计算机视觉库封装的resize函数，得到身高归一化后的样本人体正、侧面图像； S3、基于计算机视觉的体型分类特征提取：身高像素值H、投影单位面积ρ以及人体正、侧面投影面积比F三个体型分类指标； 所述身高像素值即为步骤S23所述的归一化后身高H，已由公式（2）求出； 所述投影单位面积ρ的原理和求取方法如下： 通过步骤S213所述的人体图像正、侧面二值图得到人体正、侧面图像中人体区域为白色，背景区域为黑色，设白色像素点为1，黑色像素点为0，利用遍历统计像素值为1的算法来获取人体区域的像素点累积分布，进而得到灰度分布直方图，定义公式为： 式中，人体正面、侧面2D人体数字图像大小为M×N，式中，M为图像的长度，N为图像的宽度，X（i）为沿X轴方向上的人体区域像素点的累积分布，Y（j）为沿Y轴方向上的人体区域像素点的累积分布; 所述灰度分布直方图中沿X轴方向与Y轴方向上白点的分布最大高度差的计算公式如下： X_d＝maxXi-minXii＝1,2,3...M5 Y_d＝maxYj-minYjj＝1,2,3...N6 沿X轴方向最大灰度分布差值X_d表征为身高方向的特征，X_d越大则身高越高；沿Y轴方向最大灰度分布差值Y_d表征为体胖方向的特征，Y_d越大则身体越胖； 其中，投影单位面积定义公式为： 7 式中，Q表示正面人体区域累积像素点个数，H表示身高像素值； 所述人体正侧面投影面积比F的原理和求取方法如下： 对人体正侧面图像进行去掉头、颈部与手臂部信息的操作，将人体正、侧面投影面积比定义公式为： 8 式中，Z表示去掉头、颈部和手臂部信息的正面人体区域累积像素点个数，C表示去掉头、颈部的侧面人体区域累积像素点个数； S4、采用二阶聚类模型基于步骤S3中所述的身高像素值H、投影单位面积ρ以及人体正、侧面投影面积比F三个聚类指标对2D人体进行体型分类； S41、通过预聚类先聚类成多个小类； S42、使用步骤S41中的聚类结果再次聚类成期望的聚类数量； 经过上述步骤S41和步骤S42得到从身高、胖瘦程度，以及人体圆扁程度进行分析的体型分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连工业大学，其通讯地址为：116034 辽宁省大连市甘井子区轻工苑1号大连工业大学服装学院322；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。