使用图像处理技术检测肥胖监测中的身体形状变化

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 人类测量学 人类测量学.

背景情况:

• 传统的用带测量身体测量带有挑战,包括不准确性,不一致的定位和需要身体接触.
• 由于社会距离的要求,COVID-19大流行凸显了无接触式测量解决方案的需要.
• 精确的身体形状监测对于管理诸如肥胖等健康状况以及在织工业中的应用至关重要.

研究的目的:

• 开发和验证一种非接触式方法,使用图像处理来获得准确的身体测量.
• 为了评估可靠性和准确性,从二维图像计算身体周长的共弦定理.
• 为传统测量技术提供替代方案,特别是在需要社交距离的场景中.

主要方法:

• 利用2D图像处理技术捕获身体形状数据.
• 从拍摄的图像中应用了共弦定理来计算身体尺寸 (例如,腰围,部大小).
• 将基于等号定理的测量结果与人类模型的真实测量结果进行了比较.

主要成果:

• 与真实测量相比,腰围的平均误差为±5.16%,部尺寸的平均误差为±4.58%.
• 证明共等数定理提供了比以前文献中使用的传统圆公式更准确的结果.
• 验证了使用图像处理用于非接触式人类测量和身体形状跟踪的可行性.

结论:

• 开发的图像处理系统为身体测量提供了可靠和准确的非接触方法.
• 这项技术在医疗保健中有潜在的应用,用于监测患者的健康状况 (例如,肥胖症),并在织行业进行虚拟试用和定制装配.
• 同位数定理证明有效计算2D图像的身体周长,改进了现有的方法.