王莹莹，种衍文，潘少明，王泽文

（武汉大学 测绘遥感信息工程国家重点实验室，湖北 武汉430079）

0 引 言

服装业的人体测量方法［1］分为两种：接触式测量法和非接触式测量法［2］。接触式测量法包括马丁测量法、石膏定型法等［3，4］，这种测量方法虽然准确性高，但是过程繁杂；非接触式测量法包括彩色照相测量法和三维人体扫描测量技术等。三维人体扫描技术的设备昂贵，无法大范围应用到人体测量方面，而照相测量法容易受到光照和障碍物的影响。基于Kinect深度信息的人体测量技术，能够实时检测人体，并从深度信息中提取人体各个部位的尺寸信息，且不受环境因素的影响［5］。Kinect造价低廉，测量速度快，不受外界环境影响，便于实时互动，更有益于测量方法的大规模应用和发展。

1 Kinect设备及数据采集

1.1 Kinect设备结构

Kinect是微软公司研制的一款便捷型体感外设。Kinect的由红外发射器、彩色摄像头、红外摄像头、麦克风阵列、底座马达、逻辑电路等六大部分组成［6］。红外发射器和红外摄像头通过发射、接受红外线，来提供深度数据，而彩色摄像头提供了RGB数据。红外摄像头最大成像分辨率为640×480，彩色摄像头最大成像分辨率为1280×960［7］。

1.2 Kinect深度数据的获取

Kinect采用光编码 （light coding）的深度测量技术进行深度成像，即用结构光技术给需要测量的空间编上码［8］。Kinect的视场属于金字塔形状，仰角为57°，最大探测距离4000mm［9］，微 软 声 明Kinect 较 为 精 确 的 使 用 距 离 为1220mm～3810mm。

2 基于Kinect人体信息的测量

2.1 深度信息和骨骼信息的获取

人体骨架是表示人体行为以及形态的一种有效的形式。当Kinect检测到人体时，可以将人体识别出来［10］，在深度数据基础上创建出人体骨骼模型。如图1 所示，通过Kinect能够获得由20个关节节点组成的人体骨骼，这20 个关节点分别为Head （头部），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（右膝盖），Knee Left（左膝盖），Ankle Right（右脚踝），Ankle Left（左脚踝），Foot Right（右脚），Foot Left（左脚）。Shoulder＿Height，如式 （1）所示

图1 Kinect人体骨骼

则人体肩部的高度为，从关节节点左脚部FootLeft，左脚裸Ankle Left，左膝盖KneeLeft，左臀部HipLeft，臀部Hip Center，脊柱Spine到肩部Shoulder Center的各个关节节点之间的长度之和。同理，关节节点Spine（脊柱）的高度为Spine＿Height，如式 （2），即人体脊柱关节节点的高度为，从关节节点左脚部Foot Left，左脚裸Ankle Left，左膝盖Knee Left，左臀部Hip Left，臀部Hip Center到脊柱Spine的各个关节节点之间的高度之和

确定肩部和脊柱两个关节点间的侧面人体的像素宽度，遍历像素，找到人体宽度的最大值，即为人体的胸厚。如图2所示，找到人体的侧面宽度最大值，即M 与N 两点间的长度。同时，记录下N 点的对应人体高度Height＿MN，作为人体胸部的高度值。

图2 确定人体胸厚

2.2.2 通过Kinect测量人体的胸宽

根据前面得到的胸部高度Height＿MN，找到人体正面的胸部的位置，从而得到人体的正面的胸部的宽度，即为人体的胸宽。如图3所示，人体的胸宽为M1到N1之间的长度。

图3 确定人体胸宽

2.2 获取与人体胸围相关的测量尺寸

Kinect提取骨骼，得到人体各个部位的关节点，获得各个节点之间的长度。根据人体各部位距离相关关系以及Kinect设备人体尺寸的测量的局限性，选用胸厚、胸宽、肩宽进行胸围的拟合。

2.2.1 通过Kinect测量人体的胸厚

首先是测量人体的胸厚。根据女性体型特点，侧面女性人体的胸部突出比较明显，所以可以通过遍历人体侧面肩部和下脊柱关节之间的人体的厚度，找到侧面厚度的最大值作为胸厚，这个最大值处就是人体的胸部。首先选取人体的Shoulder Center（肩中部）关节点和Spine （脊柱）关节点，分别确定这两个关节节点的高度。度即人体的脚关节节点Foot与Shoulder Center的距离的差值，定义为

2.2.3 通过Kinect测量人体的肩宽

根据人体的生理学，人体的胸围尺寸的大小，除了与胸宽和胸厚有关，也同样与人体的肩宽有关。人体的肩部离胸部较近，两者的尺寸和周长具有很重要的相关关系。通过Kinect得到人体的关节节点Shoulder Right（右肩），Shoulder Left（左肩），则人体的肩宽为这两个关节节点之间的长度，如式 （3）所示。图4是人体肩宽

图4 人体肩宽

3 基于Kinect人体测量信息拟合胸围回归函数

3.1 验证Kinect测量数据的可靠性

为了验证Kinect测量数据的可靠性，将Kinect测量数据和传统手工测量数据进行差异性比较。本文分别用Kinect测量方法和传统手工测量方法来测量140名女性的胸厚、胸宽、肩宽，并用平均偏差和相对平均偏差对两种测量方法的测量结果进行比较。平均偏差记为，公式如式（4）所示，其中xi为Kinect测量数据，为传统手工测量数据的均值。相对平均偏差记为s，公式如式 （5）所示

表1是Kinect测量数据与传统手工测量数据的比较，胸厚、胸宽和肩宽的平均偏差都小于0.5，相对平均偏差也都小于0.5%。实验结果表明，Kinect测量的胸厚、胸宽和肩宽与实际手工测量值无显著性差异Kinect测量的人体尺寸数据是可靠的，可以用于人体胸围尺寸的回归拟合。

表1 Kinect测量值与手工测量值的差异

3.2 根据Kinect测量数据拟合胸围

根据人体生理学知识以及服装业人体尺寸的相关理论，人体的胸围与胸厚、胸宽和肩宽三者之间存在正相关关系［2］。所以用matlabRegress函数拟合线性回归分析建立胸围与胸厚、胸宽、肩宽之间的线性回归方程。拟合结果为式 （6）

用Regress拟合的相关系数r2＝0.98216，回归方程拟合结果十分显著，回归效果较好。

4 基于Kinect的胸围拟合结果检验

4.1 正常情况下胸围拟合结果检验

为了验证回归方程 （6）的准确性，在自然光照且人体无遮挡的情况下，随机选取20名16到40周岁的女性进行实验验证。用Kinect测量出每个人的胸厚、胸宽和肩宽，将这个3组数据带入胸围的回归方程式 （6），得到Kinect测量的胸围拟合数据。表2是10名实验女性的Kinect拟合胸围、手工测量胸围和两者差值。

表2 正常情况下Kinect胸围拟合误差

Kinect实验数据显示，20组拟合胸围数据的平均误差为1.24cm，平均相对误差为1.46%。结果表明Kinect测量并Regress函数建立的回归方程计算出的拟合胸围与手工测量值之间不存在显著性差异，建立的胸围的回归方程式是非常准确的。

4.2 黑暗的条件下胸围拟合结果检验

在无光照且无遮挡的情况下，检验胸围拟合结果的准确性。仍然选取4.1节的20名16－40周岁的女性进行实验验证。在无光照无遮挡的室内情况下，用Kinect测量出每个人的胸厚、胸宽和肩宽，将这个3组数据带入胸围的回归方程式 （6），得到用在无光照情况下Kinect测量的胸围拟合数据。表3是其中10名实验女性的Kinect拟合胸围、手工测量胸围和两者差值。

Kinect实验数据显示，在无光照情况下，20组拟合胸围数据的平均误差为1.52cm，平均相对误差为1.79%。结果表明，无光照情况下，Kinect测量并用Regress函数建立的回归方程计算出的拟合胸围与实际手工测量值之间也不存在显著性差异，建立的胸围的回归方程式是非常准确的。

表3 无光照情况下Kinect胸围拟合误差

4.3 人体部分遮挡条件下胸围拟合结果检验

在人体的部分部位受到遮挡的情况下，进一步检验胸围拟合结果的准确性。仍然选取4.1节的同样20名16－40周岁的女性进行实验验证。在无光照无遮挡的室内情况下，用Kinect测量出每个人的胸厚、胸宽和肩宽数据，将这个3组数据带入胸围的回归方程式 （6），得到人体部分部位受到遮挡情况下Kinect测量的胸围拟合数据。表4是其中10 名实验女性的Kinect拟合胸围、手工测量胸围和两者差值。

表4 人体部分部位受到遮挡情况下Kinect胸围拟合误差

Kinect实验数据显示，在人体部分部位受遮挡情况下，20组拟合胸围数据的平均误差为1.63cm，平均相对误差为1.92%。结果表明，在人体部分部位受到遮挡情况下，Kinect测量并用Regress函数建立的回归方程计算的拟合胸围与手工测量值不存在显著性差异，建立的胸围的回归方程式是比较准确的。这是因为Kinect在人体小部分部位受到遮挡的情况下，仍然能够识别出人体。

4.4 算法环境适应性实验

图5为正常光照情况和无光照情况Kinect测量的胸围拟合数据的差值。实验显示，在无光照情况下，Kinect的测量胸围拟合数据与正常光照情况下的拟合数据差值都在1.5cm 以内，差异较小，证明基于Kinect的人体胸围测量拟合方法不易受光照的影响。图6是正常情况下与人体部分部位受到遮挡情况下Kinect测量的胸围拟合数据的差值。实验显示，在人体部分部位受到遮挡情况下，Kinect的测量胸围拟合数据与正常情况下的拟合数据差值同样在1.5 cm 以内，无显著性差异，证明基于Kinect的人体胸围测量拟合方法不易受光照的影响。实验结果表明，基于Kinect的人体胸围测量方法不易受光照、轻微遮挡的环境因素影响，具有很好的环境适应性和稳定性。

图5 光照影响差异实验

图6 遮挡影响差异实验

5 结束语

本文利用Kinect获取人体深度数据和骨骼数据，根据人体骨骼的识别与关节点的分布，获取关节部位的尺度信息，并进一步获取人体各个部位的尺寸信息。利用Kinect测量获得的胸厚、胸宽和肩宽信息，通过Matlab的Regress函数拟合出人体的胸围。实验结果表明，Kinect测量数据准确度高，拟合结果误差小，具有很好的实际应用效果。

用Kinect进行人体尺寸信息的获取，优点是数据获取速度快，而且易于排除光照、障碍物的干扰，可以应用于流动的人群或者是比较复杂的环境，获得十分理想的胸围测量结果。下一步工作将是对与服装产业相关的人体各个尺寸的测量，包括腰围、臀围、大腿围等等。基于Kinect的非接触式人体测量技术，适应了社会人群越来越追求个性化与速食化的消费趋势，并且能够大力促进数字化服装设计与生产行业的发展。

［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，王军，姚彤，等.接触与非接触式人体测量数据比较［J］.大连工业大学学报，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）.［王军，李晓久.基于三维测量的数字化服装应用研究综述 ［J］.纺织导报，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）.［项宇.华中地区18－25岁女青年体型测量及实用板型研究［D］.上海：东华大学，2011.］

［4］HUANG Ying.Lower－body mannequin for adult females based on 3D Anthropometry ［D］.Shanghai：Donghua University，2011 （in Chinese）.［黄英.基于三维人体测量的女性下装人台研究 ［D］.上海：东华大学，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 剑英，于舒春，王洋.基于法向分量边缘融合的深度图像分割［J］计算机工程，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）. ［杨东方，王仕成，刘华平，等.基于Kinect系统的场景建模与机器人自主导航［J］.机器人，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）.［李红波，丁林建，冉光勇.基于Kinect深度图像的人体识别分析 ［J］.数字通信，2012 （4）：21－26.］