基于图像处理的学生体质参数测量系统的设计与实现

摘 要： 体质参数是衡量学生健康与否的重要标准，利用信息化手段精确采集学生体质参数能够为相关教育部门提供数据支撑，有助于开展素质教育，促进学生全面发展。文章首先阐述了学生体质参数测量的两种方法，分析了学生体质参数测量的必要性，基于图片处理技术设计开发了一套自动化获取学生体质参数的测量系统，并组织了学生体质参数测量的对比研究实验，将传统的接触式测量与基于图像处理的非接触式测量效果进行了对比分析。

关键词：图像处理；学生体质参数；测量系统；自动化

中图分类号：TP393 文献标志码：B 文章编号：1673-8454（2015）12-0084-04

一、引言

学生时期是身体发育的高峰期，也是体质强壮的关键时期。随着经济的发展，人们的物质文化生活逐步提升，各年龄段学生的身体素质却呈现逐年下降的趋势，此问题引起了社会的广泛关注。因此，掌握学生的生长发育规律，并快速、简洁、准确的测量学生的体质参数具有现实意义。常用的传统接触式体质参数测量方式费时费力，并且由于人为原因容易造成误差，而数字图像处理技术具有测量简单、准确、自动化程度高等特点，因此，基于图像处理技术设计一套高效、便捷、自动化的学生体质参数测量系统，利用信息化手段准确获取学生体质参数，为相关教育部门提供可靠数据支撑，有助于促进学生的全面发展。

二、体质参数测量方法及必要性分析

1.测量的概念及分类

人体测量学是一门用测量的方法研究人体体格特征的科学，是指通过测量人体各部分的尺寸来确定个体和群体之间的差别，从而为各种工业设计和工程设计提供人体测量数据。人体测量技术自上世纪70年代中期逐渐成为服装数字化技术的重要研究课题，在30多年的发展中，大致经历了由手工测量向计算机辅助测量、由接触式测量向非接触式测量、由二维测量向三维测量的方式转变，并向自动测量以及利用计算机执行测量、处理和分析操作的方向发展[1]。人体测量方法根据测量工具是否与人体接触可以分为接触式测量和非接触式测量[2]。

（1）接触式测量

接触式测量即传统的测量方法，也称手工测量，主要测量工具有软尺、测高计、测距计、角度计等。该方法优点是简单、直观，可以直接获取到精确有效的人体参数，目前仍在一定范围内使用。其不足主要体现在以下两方面：一是由于测试者的经验不同，被测数据会产生一定程度的差异；二是当测量范围较大或样本容量较大时，会出现测量效率低、耗时长等问题。

（2）非接触式人体测量

非接触式人体测量是现代化人体测量技术的主要特征。它弥补了传统接触式人体测量方法的不足，使测量更加方便、快捷。三维人体自动测量是非接触式人体测量的一个重要分支和方向。三维人体自动测量作为现代图像测量技术的一个分支，以现代光学为基础，融合光电子学、计算机图像学、信息处理、计算机视觉等科学技术为一体[3]。

非接触式测量分为主动式和被动式非接触测量。主动式非接触测量方法主要是通过发射光线、接受反射光成像的方式来进行测量。测量的数据信息完整、精确，但该类方法对设备的要求比较严格，且成本相对较高，对测量人员也有专业的要求，并且向被测者发射光线，极可能引起被测者的心理反感，影响测量结果。而被动式非接触测量对设备以及测量人员的要求都相对偏低，也不会引起被测者的心理反感。非接触式人体测量又包括很多方法，如表1所示。

2.学生体质参数测量必要性和可行性分析

一是当代学生体质出现一系列问题，通过测量有助于避免这些问题，为教育部门提供数据支撑和决策支持，促进学生全面发展。

二是基于图像处理的技术已经相当成熟，且相对于其它测量方法，有以下优点：①开发成本比较低，对设备的要求低，不需要专门的专业设备。②操作简单、方便，对测量人员的素质要求不高。③可以实现离线化、自动化处理，处理效率高。

三、系统设计

1.测量指标的选取

身体形态是人体生命活动的物质基础，能够反映一定的身体机能。由于当今校园里学生群体普遍存在坐姿不正以及长期保持坐立等引起的背部发生畸变的问题，因此，根据学生青春期发育特点，选取身高、臂展、头围、坐高等指标作为测量指标。

2.测量的原理

本研究是基于图像处理的技术实现人体测量，实现原理基于被动式双目视觉原理。所需设备主要有两个数码相机和一个标定尺，两个数码相机用以获取被测者的正面图像和侧面图像，标定尺用以标定单位距离在图像中的映射长度，为还原真实长度提供参考依据。所得图像按照图像预处理（灰度处理、二值化处理）、图像轮廓提取、特征点识别和标定等步骤进行处理，最后根据标定的比例关系还原真实长度，实现人体参数的自动化获取。

3.系统的数据流程

系统的数据流程图如图1所示，首先通过两个已经定标好的数码相机同时对被测者进行图像采集，得到被测者的正面和侧面图像；然后分别对图像进行预处理，包括图像灰度化、图像二值化、图像边缘检测及轮廓提取，根据预处理图像结合人体形态特征进行人体特征点的标定，最后根据双目视觉原理，将图像中的坐标点转化为实际人体物理坐标，最后根据物理坐标计算人体各项测量指标的真实数据。

4.相关技术

（1）图像灰度化

图像灰度化即彩色图像转化为灰度图的过程。彩色图像中每个像素的颜色由R、G、B三个分量决定，而每个分量有255个值，则每个像素点的取值为0～255*255*255。而灰度图像是R、G、B三个分量相同的一种特殊彩色图像，每个像素点的值为0～255。由于尺寸的提取与照片的色彩没有关系，为了提高处理的速度和效率，可以将彩色图像经过灰度处理转化为灰度图像，灰度转换的方法有以下几种：

浮点算法：Gray=R*0.3+G*0.59+B*0.11

整数方法：Gray=（R*30+G*0.59+B*11）/100

移位方法：Gray=（R*76+G*151+B*28）>>8

平均值法：Gray=（R+G+B）/3

仅取绿色：Gray=G

通过上述任一方法得到Gray后，将原来RGB（R，G，B）中的R，G，B统一用Gray替换，形成新的RGB（Gray，Gray，Gray），即完成了图像的灰度变换。对比分析表明，第5种方法可以将人体与背景有效的分离，有利于后期操作，故采用仅取绿色的方法进行灰度处理。

（2）图像二值化

二值化是图像处理的基本操作，任何图像处理基本离不开二值化。为了使整个图像呈现出明显的黑白视觉效果，将图像像素点的灰度值设置为0或255，常用的方法是设定一个阈值T，用T将图像的数据分成两部分：

g（x，y）=0 （灰度值小于阈值（T））

255（灰度值大于阈值（T））

经过大量的实验测试，本研究选取阈值为100可以得到最佳的处理效果。

（3）图像边缘检测及轮廓提取

边缘存在于目标与背景、目标与目标、区域与区域之间，图像的边缘是局部特征不连续出现的部分，也就是图像局部亮度变化最显著的部分，是图像最基本的特征之一。大部分信息都蕴含于图像边缘处，是图像分割、图像分类、图像配准和模式识别所依赖的重要特征。图像边缘检测的基本步骤为滤波、增强、检测和定位。轮廓提取的基本方法就是边缘检测法，即借助于空域微分子进行，通过将模本与图像卷积完成。常用的边缘检测方法有梯度算子、Sobel算子、Roberts算子、Canny算子等。

（4）特征点的标定及提取

标定尺的标定作用是建立一个真实物理坐标和图像像素坐标的一一对应关系，本研究采用一种相对简单的二维平面标定方法，即标定尺选为一条长为100cm的尺子，根据其在图像中映射长度，计算真实距离与图像距离的比例关系，根据这个比例关系，可以还原人体各个指标参数的真实数据。

①身高的确定，主要包括头顶点和足底点的标定。从图像左上角即图像第一个像素点（0，0）处开始，从左向右自顶向下进行逐点扫描，当遇到第一个白点即像素值为255，停止扫描，并记录该点的坐标（x1，y1），那么y=y1这条线就是头顶线；利用同样的方法从图像的左下角从左向右从下向上逐点进行扫描，遇到第一个白点记录坐标（x2，y2），那么y=y2即为足底线。人体实际身高在图像上的映射长度为：y（身高）=y2-y1。

②坐高的确定方法同上。

③臂展的确定，主要包括臂展两端的标定。臂展左端点坐标点确定方法与身高确定方法类似，从图像左上角坐标（0，0）处开始，但扫描方向不同，先进行自上而下再从左向右进行逐点扫描，遇到第一个像素值为255的点停止扫描，记录坐标（x3，y3）；右端点坐标采取同样的方法，从图像的右上方坐标（imag.width，0）自上而下，由右向左进行扫描，遇到第一个像素值为255的点停止并记录坐标（x4，y4），那么实际臂展在图像上的映射长度为y（臂展）=x4-x3。

④头围的测量。要进行头围的测量，必须对头围进行建模。本研究以椭圆模型对头围进行数学建模，将测量结果与真实数据进行比较分析，对两组数据进行函数拟合得到头围，把误差控制在合理的范围之内。首先根据椭圆公式：+=1（a>b>0）（2a为椭圆的长轴，2b为椭圆的短轴，焦点在x轴上），确定a和b的值，运用椭圆周长近似公式L=2πb+4（a-b）求出椭圆周长。从眉间点为起点，经枕后点再至眉间点的围长，两侧部位为两耳上方略高的位置，因此以两耳位置上方2个像素处为椭圆短轴的两个端点，进行头围测量。首先在头部区域上下扫描，找出两耳的高度，即脸部最宽的部分为两耳所在位置，从而找到头围所在的高度y5；然后在此高度位置，分别从左右两测进行扫描，遇到像素值为255的记录下来，得到两个坐标点（x左，y5）和（x右，y5），从而得到椭圆模型的短轴长度。同样的方法，在侧面图像的同一高度进行扫描，亦会得到椭圆模型的长轴长度。根据公式进行转换得到头围的长度。

5.单位转换

以上方法中得到的坐标或者长度均是采用像素为单位，要得到实际的人体参数，就必须将图像中的像素转化为实际的物理长度。在进行人体图像处理之前，须进行一个实际物理坐标在图像中的映射转化，即将一个单位长度（100cm）的标准尺寸的标尺放在拍摄地点即被测者的位置进行拍照，通过图像处理得到它在图像中的像素长度L（标尺），从而得出图像像素到物理坐标的映射长度，即L（实际）=L（像素）*（100/L（标尺））cm。

四、系统的实现

1.系统的编制

运用Labview2013进行语言编写，在Windows7操作系统环境下进行开发。Labview是一种图形化的编程语言，又称“G”语言。包含前面板和程序框图两个部分，具备可视化的编程环境。使用这种语言编程时，代码量相对较少，取而代之的是流程图，在进行程序调试的时候，能够清楚看到数据流的执行情况，使编程简单直观。

2.程序界面设计

将每个功能模块的处理情况直观的体现出来，可以清楚的看到每个功能模块的处理效果，方便发现问题并对程序进行调试和修改。界面有以下几部分组成：一是两个选择图像的对话框提供图像的输入功能，分别为正面图像和侧面图像；二是数据保存位置的选择框，用以选择人体参数的输出位置，本系统是将数据存储在excel表中；三是下侧两个按钮分别用以执行和终止，当点击“执行”按钮时，开始图像的处理，图像执行完毕后，按下“终止”按钮退出程序；四是右上方的数据显示区域，每处理完一组数据，会自动显示在显示区域。

3.测量结果分析

本研究选取济南市某小学二年级8岁左右的40名小学生为测量对象，通过传统接触式测量和使用基于图像处理的系统测量分别得出数据（见图3），进行对比分析。

分析发现，利用本系统提取的数据与传统接触式测量方式所得数据相比，精度更高，并且方便快捷，具有很好的泛用性，误差基本控制在0.5cm之内，能够符合人体尺寸信息提取的要求。该部分将再适当扩充。

五、结束语

（1）通过人体正面和侧面两张图像，并通过图像处理方法，实现对人体参数的测量，建立三维人体模型。

（2）通过图像处理的方法相对于传统手工测量方法易于操作、方便快捷、省时高效、具有离线化处理等优势。但也有不足之处，获取的信息仅仅来自两张图片，不能很好的进行三维的计算，信息量有限，对结果提取会产生一定的困难和误差。

（3）针对学生群体选取的指标相对较少，基于图像处理技术只能获取学生形态方面的指标，不能全面反映当前学生的体质出现的问题，且只能横向反映某个阶段学生群体出现的体质问题，没有定期跟踪对学生进行测量，不能正确反映学生体质长期纵向发展情况。

参考文献：

[1]李勇，付小莉，尚会超.三维人体测量方法的研究[J].纺织学报，2001（4）：261-263.

[2]罗仕鉴，朱上上，孙守迁.人体测量技术的现状与发展趋势[J].人类工效学，2002，8（2）：31-34.

[3]张颖，邹奉元.三维人体测量技术的原理及应用[J].浙江工程学院学报，2003，20（4）：310-314.

[4]Meadows D.M..Generation of surface contour by moirc patterns[J].Applied Optics，1990，9（9）：1467-1478.

[5]李勇，付小莉.基于红外的三维人体自动测量系统[J].纺织学报，2003，24（1）：69-71.

[6]丛杉，张渭源.数字技术在服装定制中的应用[J].东华大学学报：自然科学版，2006，32（1）：125-130.

[7]Roger Y，Tsai.Aversatile camera calibration technique for hign-accuracy 3D machine vision metrology using off-the-shelf TV cameras and lenses[J].IEEE Journal of Robotic and Automation，1987，3（4）：323-342.

[8]SU J，H wang.Three Dimensional Body Scanning Systems with Potensional for Use in the Apparel Industry[J].Textile Technology and Management，2001，13（4）：18-19，29-32.

[9]王祺明.服装业三维人体测量技术的方法和现状分析[J].绍兴文理学院学报（自然科学版），2002（4）：65-68.