人體信息採集方法、裝置及系統與流程
2023-09-19 10:31:10
本發明涉及圖像處理技術領域，特別是涉及人體信息採集方法、裝置及系統。
背景技術：
人體信息採集已被廣泛地應用在人的健康管理、目標廣告定位、智能監控等不同領域。
目前，常用的人體信息採集方式是基於視覺圖像對人體進行身高、姓別以及體重等信息的獲取。具體，主要是利用彩色圖像對人體進行身高、姓別及體重進行粗略估算及判別。由於彩色圖像僅能反映人物的顏色以及紋理等二維信息，還會受到光照等影響，另外對運動著的人體則無法進行身高測量，因而基於彩色圖像採集得到人體信息的準確性不高。
技術實現要素：
本發明主要解決的技術問題是提供人體信息採集方法、裝置及系統，能夠提高人體信息採集的準確性和穩定性。
為解決上述技術問題，本發明採用的一個技術方案是：提供一種人體信息採集方法，包括：
獲取目標人體的深度圖像；
從所述深度圖像中提取與人體信息相關的圖像數據；
利用所述提取的圖像數據得到所述目標人體的人體信息，其中，所述人體信息包括身高、體重、性別的至少一種。
其中，當所述人體信息包括身高時，所述從所述深度圖像中提取與人體信息相關的圖像數據，包括：
從所述深度圖像中提取與所述身高相關的圖像數據，所述身高相關的圖像數據包括所述目標人體的頭部最高點像素對應的第一三維空間坐標、左大腿最高點像素對應的第二三維空間坐標、右大腿最高點像素對應的第三三維空間坐標、左腳最低點像素對應的第四三維空間坐標和右腳最低點像素對應的第五三維空間坐標；
所述利用所述提取的圖像數據得到所述目標人體的人體信息，包括：
根據所述提取的三維空間坐標，計算得到由所述左大腿最高點與所述右大腿最高點間連線的中點指向所述頭部最高點的第一向量、由所述左大腿最高點指向所述左腳最低點的第二向量以及由所述右大腿最高點指向所述右腳最低點的第三向量；
利用所述第一向量、第二向量和第三向量計算得到所述目標人體的身高。
其中，所述利用所述第一向量、第二向量和第三向量計算得到所述目標人體的身高，包括：將所述第一向量第二向量和第三向量代入下述公式1或公式2，得到所述目標人體的身高Height，
其中，當所述人體信息包括性別時，所述從所述深度圖像中提取與人體信息相關的圖像數據，包括：
從所述深度圖像中提取與性別相關的圖像數據，其中，所述與性別相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵以及臀部的輪廓特徵；
所述利用所述提取的圖像數據得到所述目標人體的人體信息，包括：
將所述提取的與性別相關的圖像數據和所述目標人體的身高輸入至設定分類器進行分類，並根據所述設定分類器的分類結果確定所述目標人體的性別。
其中，當所述人體信息包括體重時，所述從所述深度圖像中提取與人體信息相關的圖像數據，包括：
從所述深度圖像中提取與體重相關的圖像數據，其中，所述與體重相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵、臀部的輪廓特徵以及腹部的輪廓特徵；
所述利用所述提取的圖像數據得到所述目標人體的人體信息，包括：
將所述提取的與體重相關的圖像數據與所述目標人體的身高和性別輸入至設定回歸模型對體重進行估算，並根據估算結果確定所述目標人體的體重。
其中，所述提取的與性別/體重相關的圖像數據還包括將所述目標人體的正面的法線與獲取所述深度圖像的相機的光軸之間的夾角α。
其中，所述夾角α由所述目標人體的左大腿最高點像素對應的第二三維空間坐標(x2,y2,z2)和右大腿最高點像素對應的第三三維空間坐標(x3,y3,z3)代入下述公式3計算得到，
其中，所述目標人體的某個部位的所述輪廓特徵為所述目標人體的對應部位的輪廓線、所述目標人體的對應部位的一平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例、所述目標人體的對應部位的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例的平均值、或所述目標人體的對應部位的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例中的最大值。
為解決上述技術問題，本發明採用的另一個技術方案是：提供一種人體信息採集裝置，包括：
獲取模塊，用於獲取目標人體的深度圖像；
提取模塊，用於從所述深度圖像中提取與人體信息相關的圖像數據；
得到模塊，用於利用所述提取的圖像數據得到所述目標人體的人體信息，其中，所述人體信息包括身高、體重、性別的至少一種。
為解決上述技術問題，本發明採用的再一個技術方案是：提供一種人體信息採集系統，包括相互連接的圖像採集設備和人體信息採集設備，所述人體信息採集設備包括處理器和存儲器；
所述圖像採集設備用於採集目標人體的深度圖像，並輸出至所述人體信息採集設備；
所述人體信息採集設備的存儲器用於存儲計算機指令以及所述處理器在處理過程中所需使用的圖像數據；
所述處理器執行所述計算機指令，用於：
獲取目標人體的深度圖像；
從所述深度圖像中提取與人體信息相關的圖像數據；
利用所述提取的圖像數據得到所述目標人體的人體信息，其中，所述人體信息包括身高、體重、性別的至少一種。
本發明的有益效果是：通過從目標人體的深度圖像提取與人體信息相關的圖像數據，進而利用該與人體信息相關的圖像數據得到該目標人體的人體信息，由於深度圖像包含三維信息，故利用該深度圖像中的圖像數據得到的人體信息更加準確，且由於深度圖像用於表徵深度信息，而不受環境光影響，故上述人體信息的採集不受環境光限制，提高了該人體信息採集的穩定性。
附圖說明
圖1是本發明人體信息採集方法一實施例的流程圖；
圖2是本發明人體信息採集方法一應用場景中人體採集信息系統的結構示意圖；
圖3是本發明人體信息採集方法另一實施例的流程圖；
圖4是本發明人體信息採集方法一應用場景中目標人體深度圖像的示意圖。
圖5是本發明人體信息採集方法一應用場景中目標人體深度圖像中人臉的示意圖；
圖6是本發明人體信息採集裝置一實施例的結構示意圖；
圖7是本發明人體信息採集系統一實施例的結構示意圖。
具體實施方式
為了更好的理解本發明的技術方案，下面結合附圖對本發明實施例進行詳細描述。
在本發明實施例中使用的術語是僅僅出於描述特定實施例的目的，而非旨在限制本發明。在本發明實施例和所附權利要求書中所使用的單數形式的「一種」、「所述」和「該」也旨在包括多數形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語「和/或」是指並包含一個或多個相關聯的列出項目的任何或所有可能組合。
請參閱圖1，圖1是本發明人體信息採集方法一實施例的流程圖。本實施例中，該方法可由人體信息採集裝置執行，包括以下步驟：
S11：獲取目標人體的深度圖像。
其中，可採用以下三種方式獲取該目標人體的深度圖像：
1)基於雙目視覺的方式
具體，可模仿人眼距離設置兩個相機(相當於左右眼)同步對目標人體進行採集，得到左、右兩幅目標圖像，通過算法對該左、右目標圖像進行計算，以獲得該目標人體的深度圖像。其中，上述對左、右目標圖像進行計算的步驟可由該人體信息採集裝置執行，或者由其他設備與該兩個相機連接的處理裝置執行。該兩個相機可以均為彩色相機、或者均為不可見光相機。其中，該不可見光相機可為如下兩種方式的不可見光相機，不可見光相機例如為紅外相機或者紫外相機等。
2)基於結構光的方式
具體，可如圖2所示，可利用不可見光投影模組22通過向目標人體23所處的空間投射經編碼的結構光圖案(如不規則排列的散斑圖案)，並利用不可見光相機21對該目標人體23進行採集，得到帶有結構光圖案的目標人體的不可見光圖像，不可見光相機21可根據三角算法經對該不可見光圖像進行計算後得到該目標人體的深度圖像，並輸出至人體信息採集裝置24。當然，在其他實施例中，不可見光相機21可直接將該不可見光圖像輸出至人體信息採集裝置24，由該人體信息採集裝置24根據三角算法經對該不可見光圖像進行計算後得到該目標人體的深度圖像。
其中，上述不可見光投影模組22一般由光源及衍射光學元件組成，光源可以是邊發射雷射也可以是垂直腔面發射雷射，該光源發出能被該不可見光相機21識別的不可見光。例如，例如，該不可見光為紅外光，該不可見光相機21為紅外相機，該不可見光圖像為紅外圖像；或者該不可見光為紫外光，該不可見光相機21為紫外相機，該不可見光圖像為紫外圖像。衍射光學元件根據不同的結構光圖案需要可以被設置成具有準直、分束、擴散等功能。
上述結構光圖案可以為分布不規則的散斑圖案。該散斑圖案的密集程度影響了深度值計算的速度及精度，散斑顆粒越多，計算速度越慢，但精度卻越高。因此，該不可見光投影模組22可根據拍攝圖像的目標區域的大致深度，選擇合適的散斑顆粒密度，在保證計算速度的同時，仍有著較高的計算精度。當然，該散斑顆粒密度也可由上述人體信息採集裝置24根據自身的計算需求而確定的，並將該確定的密度信息發送至不可見光投影模組22。
本實施例中，該不可見光投影模組22向目標人體所在的區域是但不限是以一定的擴散角投射散斑顆粒圖案的。
值得注意的是，上述不可見光投影模組22也可設置在該不可見光相機中。
3)基於飛行時差(Time of Flight，TOF)的方式
具體，通過向目標人體所在的區域投射不可見光，並由不可見光相機採集返回的不可見光，根據不可見光飛行的時間來計算目標人體的深度信息，以形成該目標人體的深度圖像。其中，該不可見光如為紅外光，該投射的不可見光可以由該不可見光相機發出或者由其他獨立於不可見光相機的其他投射結構發出。
可以理解的是，在其他實施例中，還可採用其他方式獲得目標人體的深度圖像，故在此不做限定。另外，該S11步驟也可為直接接收其他裝置如圖像採集設備採集得到的目標人體的深度圖像，該目標人體的深度圖像為預先經上述方式獲得的。
而且，將上述方式得到深度圖像之後，可先對該深度圖像中的人體進行識別，並可進一步將深度圖像中的人體部分分割得到新的深度圖像，再從分割得到的深度圖片進行下述步驟S12中的提取圖像數據。
S12：從所述深度圖像中提取與人體信息相關的圖像數據。
本實施例中，人體信息採集裝置可根據所需採集的人體信息預先確定所需提取的與該人體信息相關的圖像數據，以在獲取該目標人體的深度圖像後，按照預先確定的所需提取的圖像數據從該深度圖像中進行圖像數據提取。
具體，該人體信息包括身高、體重、性別的至少一種。對應地，可提取該深度圖像中設定人體部位對應像素的三維空間信息作為身高相關的圖像數據；可至少提取該深度圖像中人體某些部位的輪廓特徵作為與體重、性別相關的圖像數據。該三維空間信息即包括該深度圖像的對應像素的深度信息。該輪廓特徵可包括該對應該人體某些部位邊緣的多個像素坐標或對該多個像素坐標的進一步計算結果。
S13：利用所述提取的圖像數據得到所述目標人體的人體信息。
例如，利用該深度圖像中設定人體部位對應像素的三維空間信息計算得到該目標人體的身高，利用該深度圖像中人體某些部位的輪廓特徵和/或該目標人體的身高進行分類識別得到該目標人體的性別，利用該深度圖像中人體某些部位的輪廓特徵和/或該目標人體的身高及性別進行分析算得該目標人體的體重。
可以理解的是，上述人體信息採集方法可為實時連續執行、定時執行或者接收到用戶指示時才執行，例如，該採集裝置可實時不斷地採集當前目標區域的人體的深度圖像，並由本發明方法得到在不同時刻位於該目標區域的人的人體信息。
本實施例中，通過從目標人體的深度圖像提取與人體信息相關的圖像數據，進而利用該與人體信息相關的圖像數據得到該目標人體的人體信息，由於深度圖像包含三維信息，故利用該深度圖像中的圖像數據得到的人體信息更加準確，且由於深度圖像用於表徵深度信息，而不受環境光影響，故上述人體信息的採集不受環境光限制，即無論何種環境不會影響該人體信息的採集，提高了該人體信息採集的穩定性。
請參閱圖3，圖3是本發明人體信息採集方法另一實施例的流程圖。本實施例中，該方法可由人體信息採集裝置執行，包括以下步驟：
S31：獲取目標人體的深度圖像。
具體可參閱上述S11的描述。
S32：從所述深度圖像中提取與身高、性別和體重相關的圖像數據。
本實施例中，該與身高相關的圖像數據可包括所述目標人體的頭部最高點像素對應的第一三維空間坐標P1、左大腿最高點像素對應的第二三維空間坐標P2、右大腿最高點像素對應的第三三維空間坐標P3、左腳最低點像素對應的第四三維空間坐標P4和右腳最低點像素對應的第五三維空間坐標P5，如圖4所示。上述像素點的三維空間坐標由該像素點對應的目標人體部位在該目標人體所在平面的二維坐標以及該像素點的深度信息構成。在一具體應用中，該像素點對應的目標人體部位在該目標人體所在平面的二維坐標可以為該像素點在採集該深度圖像的相機的世界坐標，該世界坐標可理解為以該相機的鏡頭中心為原點，在該目標人體所在的與該鏡頭平行的平面上形成的二維坐標系中的坐標。
該與性別相關的圖像數據可包括：所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵以及臀部的輪廓特徵。
該與體重相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵、臀部的輪廓特徵以及腹部的輪廓特徵。
其中，上述目標人體的某個部位A的所述輪廓特徵為所述目標人體的部位A的輪廓線、所述目標人體的部位A的一平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例、所述目標人體的部位A的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例的平均值、或所述目標人體的部位A的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例中的最大值。該部位A的輪廓線即在該深度圖像中部位A邊緣對應的像素點形成的線條，該目標人體所在平面即與相機鏡頭平行的平面，該截面的輪廓線的長度與寬度分別為該截面上在相互垂直的兩個參考方向下的最大長度。如圖5所示，該目標人體的人臉的輪廓線為L，該人臉的鼻尖所在的平行於目標人體所在平面的界面的輪廓線的長度為a1，寬度為b1，故其比例為a1/b1，進一步，還可獲取該人臉的左眼珠所在平行於目標人體所在平面的截面的輪廓線的長度a2和寬度b2，得到其比例為a2/b2，以及獲取該人臉的右眼珠所在平行於目標人體所在平面的截面的輪廓線的長度a3和寬度b3，得到其比例為a3/b3，取上述三個截面得到的比例a1/b1、a2/b2、a3/b3的平均值或者最大值作為其頭部的輪廓特徵。
進一步的，根據不同部件的特徵不同，可針對不同部位選擇以上不同圖像數據作為該部位的輪廓特徵，例如，對於人臉，則選擇人臉多個平行於目標人體所在平面的截面的長度和寬度間的比例的平均值作為該目標人體的人臉的輪廓特徵；對於肩部、胸部、腹部以及臀部，則選擇該部位多個平行於目標人體所在平面的截面的長度和寬度間的比例中的最大值作為該部位的輪廓特徵。
本實施例中，上述提取與性別/體重相關的圖像數據還包括將所述目標人體的正面的法線與獲取所述深度圖像的相機的光軸之間的夾角α，如圖4所示。具體可通過提取目標人體的左大腿最高點像素對應的第二三維空間坐標P2(x2,y2,z2)、右大腿最高點像素對應的第三三維空間坐標P3(x3,y3,z3)，並利用下述公式13計算得到，
夾角的設置可以避免由於人體在運動過程中的側身導致的特徵信息變化帶來的性別、體重估算誤差，從而可以實現實時監測。
當然，在其他實施例中，與性別/體重相關的圖像數據可不包括夾角α，在此不作限定。
S33：利用所述提取的圖像數據得到所述目標人體的身高、性別和體重。
其中，利用上述S32中提取的與身高相關的圖像數據計算得到該目標人體的身高。具體地，該得到身高的步驟可包括以下子步驟：
S331：根據所述提取的三維空間坐標，計算得到由所述左大腿最高點與所述右大腿最高點間連線的中點指向所述頭部最高點的第一向量、由所述左大腿最高點指向所述左腳最低點的第二向量以及由所述右大腿最高點指向所述右腳最低點的第三向量。
例如，如圖4所示，獲的頭部最高點像素對應的第一三維空間坐標P1為(x1,y1,z1)、左大腿最高點像素對應的第二三維空間坐標P2為(x2,y2,z2)、右大腿最高點像素對應的第三三維空間坐標P3為(x3,y3,z3)、左腳最低點像素對應的第四三維空間坐標P4為(x4,y4,z4)和右腳最低點像素對應的第五三維空間坐標P5為(x5,y5,z5)，上述x坐標，y坐標為採集該深度圖像的相機的世界坐標，z坐標為深度圖像中該像素點的深度值，由上述空間坐標可計算得到第一向量為第二向量和第三向量
S332：利用所述第一向量、第二向量和第三向量計算得到所述目標人體的身高。
例如，將所述第一向量第二向量和第三向量代入下述公式11或公式12，得到所述目標人體的身高Height。
本實施例中，利用目標人體的相關部位在深度圖像中的三維空間坐標計算得到其身高，可使得該身高計算更加準確。根據這一算法不需要人體以某一固定姿勢站立，即使人在運動過程中也能準確測量，實現實時的監測。
其中，利用上述S32中提取的與性別相關的圖像數據計算得到該目標人體的身高。具體如，將所述提取的與性別相關的圖像數據和所述目標人體的身高輸入至設定分類器進行分類，並根據所述設定分類器的分類結果確定所述目標人體的性別。該設定分類器可以是已有技術中的最近鄰分類器、貝葉斯分類器、支持向量機等。該目標人體的身高可以由本S33中的上述獲取身高的方式得到或者由用戶輸入又或者採用其他方式計算得到。
其中，利用上述S32中提取的與體重相關的圖像數據計算得到該目標人體的身高。具體如，將所述提取的與體重相關的圖像數據與所述目標人體的身高和性別輸入至設定回歸模型對體重進行估算，並根據估算結果確定所述目標人體的體重。該目標人體的身高、性別可以由本S33中的上述獲取身高和性別的方式得到或者由用戶輸入又或者採用其他方式計算得到。由於輸入特徵多元，因而可以採用多元線性回歸模型作為上述設定回歸模型，例如採用下述公式14得到目標人體的體重Weight，
其中，ωi是權重係數，為獲取的與體重相關的圖像數據值，該n為提取的與體重相關的圖像數據的總數。
上述設定分類器為經訓練得到的，該設定回歸模型為經學習得到的。例如，事先利用深度相機對不同身高、姓別以及體重的人群進行測量，並且準確獲取其姓別、身高、體重信息，將這些圖像數據對分類器以及回歸模型進行訓練和學習。
可以理解的是，其他實施例中，可僅提取身高、性別及體重中的其中一個或兩個的相關圖像數據，繼而計算得到該目標人體的身高、性別及體重中的其中一個或兩個。
請參閱圖6，圖6是本發明人體信息採集裝置一實施例的結構示意圖。本實施例中，該人體信息採集裝置60包括獲取模塊61、提取模塊62和得到模塊63。其中，
獲取模塊61用於獲取目標人體的深度圖像；
提取模塊62用於從所述深度圖像中提取與人體信息相關的圖像數據；
得到模塊63用於利用所述提取的圖像數據得到所述目標人體的人體信息，其中，所述人體信息包括身高、體重、性別的至少一種。
可選地，當所述人體信息包括身高時，所述提取模塊62具體用於：從所述深度圖像中提取與所述身高相關的圖像數據，所述身高相關的圖像數據包括所述目標人體的頭部最高點像素對應的第一三維空間坐標、左大腿最高點像素對應的第二三維空間坐標、右大腿最高點像素對應的第三三維空間坐標、左腳最低點像素對應的第四三維空間坐標和右腳最低點像素對應的第五三維空間坐標；
得到模塊63具體用於：根據所述提取的三維空間坐標，計算得到由所述左大腿最高點與所述右大腿最高點間連線的中點指向所述頭部最高點的第一向量、由所述左大腿最高點指向所述左腳最低點的第二向量以及由所述右大腿最高點指向所述右腳最低點的第三向量；利用所述第一向量、第二向量和第三向量計算得到所述目標人體的身高。
進一步可選地，得到模塊63進一步用於將所述第一向量第二向量和第三向量代入上述公式11或公式12，得到所述目標人體的身高Height。
可選地，當所述人體信息包括性別時，所述提取模塊62具體用於：從所述深度圖像中提取與性別相關的圖像數據，其中，所述與性別相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵以及臀部的輪廓特徵；
得到模塊63具體用於：將所述提取的與性別相關的圖像數據和所述目標人體的身高輸入至設定分類器進行分類，並根據所述設定分類器的分類結果確定所述目標人體的性別。
可選地，當所述人體信息包括體重時，提取模塊62具體用於：從所述深度圖像中提取與體重相關的圖像數據，其中，所述與體重相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵、臀部的輪廓特徵以及腹部的輪廓特徵；
得到模塊63具體用於：將所述提取的與體重相關的圖像數據與所述目標人體的身高和性別輸入至設定回歸模型對體重進行估算，並根據估算結果確定所述目標人體的體重。
進一步可選地，所述提取的與性別/體重相關的圖像數據還包括將所述目標人體的正面的法線與獲取所述深度圖像的相機的光軸之間的夾角α。
其中，所述夾角α可由所述三維空間坐標P2(x2,y2,z2)和所述三維空間坐標P3(x3,y3,z3)代入上述公式13計算得到。
可選地，所述目標人體的某個部位的所述輪廓特徵為所述目標人體的對應部位的輪廓線、所述目標人體的對應部位的一平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例、所述目標人體的對應部位的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例的平均值、或所述目標人體的對應部位的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例中的最大值。
其中，該人體信息採集裝置的上述模塊分別用於執行上述方法實施例中的相應步驟，具體執行過程如上方法實施例說明，在此不作贅述。
請參閱圖7，圖7是本發明人體信息採集系統一實施例方式的結構示意圖。本實施例中，該系統70包括相互連接的圖像採集設備71和人體信息採集設備72。該人體信息採集設備72包括輸入接口721、處理器722、存儲器723。
圖像採集設備71用於採集目標人體的深度圖像，並輸出至所述人體信息採集設備72。具體，該圖像採集設備71可包括模仿人體眼裡設置的兩個相機，以採用上述方法實施例中的基於雙目視覺方式採集得到該深度圖像；該圖像採集設備71也可如圖2所示，以採用上述方法實施例中的基於結構光方式採集得到該深度圖像；圖像採集設備71還可包括不可見光源和不可見光相機，以採用上述方法實施例中的基於TOF方式採集得到該深度圖像。當然，圖像採集設備71還可為其他結構，故在此不做限定。
人體信息採集設備72的輸入接口721用於獲得圖像採集設備71採集得到的深度圖像。
存儲器723用於存儲計算機指令，並向處理器722提供所述計算機指令，且可存儲處理器722處理過程中所需使用的數據如用於計算得到性別、體重的設定分類器和回歸模型、以及上述方法實施例中的公式等，以及輸入接口721獲得的深度圖像。
處理器722執行所述計算機指令，用於：
獲取目標人體的深度圖像；
從所述深度圖像中提取與人體信息相關的圖像數據；
利用所述提取的圖像數據得到所述目標人體的人體信息，其中，所述人體信息包括身高、體重、性別的至少一種。
可選地，當所述人體信息包括身高時，處理器722具體用於：從所述深度圖像中提取與所述身高相關的圖像數據，所述身高相關的圖像數據包括所述目標人體的頭部最高點像素對應的第一三維空間坐標、左大腿最高點像素對應的第二三維空間坐標、右大腿最高點像素對應的第三三維空間坐標、左腳最低點像素對應的第四三維空間坐標和右腳最低點像素對應的第五三維空間坐標；根據所述提取的三維空間坐標，計算得到由所述左大腿最高點與所述右大腿最高點間連線的中點指向所述頭部最高點的第一向量、由所述左大腿最高點指向所述左腳最低點的第二向量以及由所述右大腿最高點指向所述右腳最低點的第三向量；利用所述第一向量、第二向量和第三向量計算得到所述目標人體的身高。
進一步可選地，處理器722進一步用於將所述第一向量第二向量和第三向量代入上述公式11或公式12，得到所述目標人體的身高Height。
可選地，當所述人體信息包括性別時，處理器722具體用於：從所述深度圖像中提取與性別相關的圖像數據，其中，所述與性別相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵以及臀部的輪廓特徵；將所述提取的與性別相關的圖像數據和所述目標人體的身高輸入至設定分類器進行分類，並根據所述設定分類器的分類結果確定所述目標人體的性別。
可選地，當所述人體信息包括體重時，處理器722具體用於從所述深度圖像中提取與體重相關的圖像數據，其中，所述與體重相關的圖像數據包括所述目標人體的人臉的輪廓特徵、肩部的輪廓特徵、胸部的輪廓特徵、臀部的輪廓特徵以及腹部的輪廓特徵；將所述提取的與體重相關的圖像數據與所述目標人體的身高和性別輸入至設定回歸模型對體重進行估算，並根據估算結果確定所述目標人體的體重。
進一步可選地，所述提取的與性別/體重相關的圖像數據還包括將所述目標人體的正面的法線與獲取所述深度圖像的相機的光軸之間的夾角α。
其中，所述夾角α可由所述三維空間坐標P2(x2,y2,z2)和所述三維空間坐標P3(x3,y3,z3)代入上述公式13計算得到。
可選地，所述目標人體的某個部位的所述輪廓特徵為所述目標人體的對應部位的輪廓線、所述目標人體的對應部位的一平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例、所述目標人體的對應部位的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例的平均值、或所述目標人體的對應部位的多個平行於所述目標人體所在平面的截面的輪廓線的長度與寬度間的比例中的最大值。
該人體信息採集設備72可作為上述人體信息採集裝置，用於執行上述實施例所述方法。例如，上述本發明實施方式揭示的方法應用於處理器722中，或者由處理器722實現。處理器722可能是一種集成電路晶片，具有信號的處理能力。在實現過程中，上述方法的各步驟可以通過處理器722中的硬體的集成邏輯電路或者軟體形式的指令完成。上述的處理器722可以是通用處理器、數位訊號處理器(DSP)、專用集成電路(ASIC)、現成可編程門陣列(FPGA)或者其他可編程邏輯器件、分立門或者電晶體邏輯器件、分立硬體組件。可以實現或者執行本發明實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規的處理器等。結合本發明實施例所公開的方法的步驟可以直接體現為硬體解碼處理器執行完成，或者用解碼處理器中的硬體及軟體模塊組合執行完成。軟體模塊可以位於隨機存儲器，快閃記憶體、只讀存儲器，可編程只讀存儲器或者電可擦寫可編程存儲器、寄存器等本領域成熟的存儲介質中。該存儲介質位於存儲器723，處理器722讀取相應存儲器中的信息，結合其硬體完成上述方法的步驟。
上述方案中，通過從目標人體的深度圖像提取與人體信息相關的圖像數據，進而利用該與人體信息相關的圖像數據得到該目標人體的人體信息，由於深度圖像包含三維信息，故利用該深度圖像中的圖像數據得到的人體信息更加準確，且由於深度圖像用於表徵深度信息，而不受環境光影響，故上述人體信息的採集不受環境光限制，即無論何種環境不會影響該人體信息的採集，提高了該人體信息採集的穩定性。
以上所述僅為本發明的實施方式，並非因此限制本發明的專利範圍，凡是利用本發明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間接運用在其他相關的技術領域，均同理包括在本發明的專利保護範圍內。