基于MLS图像配准的手部图像测量点识别方法

手部形状测量是人体测量的重要组成部分,也是身份认证的重要方法之一,基于二维图像的手部测量已经得到了广泛的研究与应用。提出一种新的手部图像测量点自动识别方法。该方法基于移动最小二乘图像配准技术;采用DOS方法提取两幅图像的匹配点;通过建立手部像素点集的8邻域无向带权图,在计算MLS配准权值时采用基于图Dijkstra最短路径距离来代替欧式距离。实验结果表明,与传统的基于特征提取和统计的方法相比,该方法具有统一、简洁、高效的特点,同时在测量点的识别率、鲁棒性以及精度方面也有明显提高。

基于BP神经网络的手部尺寸预测模型构建

针对手部尺寸测量项目多、繁杂的问题,文章提出构建基于数据驱动的数学模型来预测手部尺寸的方法。通过三维扫描仪采集232名在校女大学生手部三维点云数据,构建辅助点、线、面标准化测量方法,获取人33项特征部位尺寸,运用主成分分析得到影响手部形态的5个因子,采用相关指数最大值法获取手长、手宽、中指长、食指近位指关节围、无名指到腕中心距离5个典型指标,分别构建了BP神经网络、多元线性回归手部尺寸预测模型。结果表明:BP神经网络预测模型的MAE较低,相关性系数R 2接近于1.000,25项手部尺寸的Sig.值大于0.050,预测效果良好,稳定性较高。研究结果可为通过少量易测量的手部尺寸预测其他手部尺寸提供参考。

基于彩色图像的手部特征点自动识别方法

手部特征点识别是手部尺寸测量的关键问题,本文给出了基于彩色图像的手部特征点自动识别方法。首先,给出了提取手部轮廓的算法,基本原理是利用人体皮肤的色调特征将手部彩色图像二值化并提取手部轮廓,其优点是图像二值化过程在YUV空间进行,不受测量个体肤色差异、光照、遮挡等因素的影响。然后,给出了在手部轮廓线上自动识别全部25个特征点方法,针对特征点的不同特点给出了不同的处理方法,位于指尖以及指缝末端处的特征点,使用了DOS方法进行自动识别,其他特征点则利用统计得到的经验公式进行计算。实验结果说明,本文给出的算法在手部特征点的自动识别率和准确率上都已经能够满足手部尺寸测量的需要,并且具有较强的鲁棒性,已成功应用于未成人和军人等的手部尺寸测量系统中。

基于聚类分析的浙江青年男性手形分类与号型优化

为探究浙江青年男性的手部形态变化,文章运用电子数显卡尺、软皮尺对118名浙江地区18~25岁男性进行手部测量,通过因子分析提取了手部形态的4个特征因子,采用K-Means聚类分析得出5种手部形态分类。对比国标手部数据,根据手形分类优化手部号型并探求手部中心号型,利用回归分析法研究手部基本尺寸与手长、手宽的关系。结果表明:与GB/T 16252—1996《成年人手部号型》中东南地区成年男子相比,浙江青年男性手部宽度尺寸有所减小;手部号型可细分为5号、6型,180/76 M为中心号型;手部各基本尺寸与手长、手宽存在线性关系。建立了手部数据库,细化了手部号型标准,可为手部产品设计提供参考。