(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211177666.5 (22)申请日 2022.09.27 (65)同一申请的已公布的文献号 申请公布号 CN 115272313 A (43)申请公布日 2022.11.01 (73)专利权人 广州辉博信息技 术有限公司 地址 510700 广东省广州市黄埔区黄陂龙 朱路1号之一A101房、 A 203房 (72)发明人 周丽华　王晓辉　徐杰峰　钟建波　 周淳挺　 (74)专利代理 机构 广州名扬高玥专利代理事务 所(普通合伙) 44738 专利代理师 黄俊杰 (51)Int.Cl. G06T 7/00(2017.01)G06T 7/66(2017.01) G06T 11/40(2006.01) (56)对比文件 KR 20200046637 A,2020.0 5.07 CN 109330602 A,2019.02.15 CN 114881957 A,202 2.08.09 WO 2022019470 A1,202 2.01.27 US 20101583 32 A1,2010.0 6.24 CN 112069933 A,2020.12.1 1 周淳挺.基 于深度图像的三维重构算法改 进. 《中国优秀硕士论文电子期刊》 .2021, 审查员 王玲 (54)发明名称 基于深度图像的肌肉均衡程度分析方法、 系 统及设备 (57)摘要 本公开涉及基于深度图像的肌肉均衡程度 分析方法、 系统及设备， 方法包括以下步骤： 获取 人体深度图像； 获取深度数据并处理， 识别出深 度图像中的人体轮廓并标注骨性标志点； 对深度 图像进行处理并上色； 在深度图像中选取若干个 参照点计算获得人体的中线 方程； 根据中线 方程 获得关于待分析部位的两个关联点坐标； 将所得 两个关联点坐标分别给定于区域中心扩展算法 中， 获得关于该待分析部位的两侧区域的两个区 域扩展队列； 根据两个区域扩展队列的差值评估 该待分析部位的肌肉均衡程度。 系统和设备用于 执行上述方法。 本公开基于深度图像 分析肌肉均 衡程度， 具有干扰因素少、 准确度高的优点， 且能 提供肌肉量化数值， 有利于肌肉均衡程度的直观 准确分析。 权利要求书5页 说明书12页 附图5页 CN 115272313 B 2022.12.30 CN 115272313 B 1.基于深度图像的肌肉均衡程度分析 方法， 其特 征在于， 包括以下步骤： S01、 获取 人体正面和背面的深度图像； S02、 获取 所得深度图像的深度数据； S03、 对所述深度数据进行处理， 识别出所述深度图像中的人体轮廓， 并标注人体脊柱 L5、 腘窝、 内踝、 后脚跟、 股骨大转子、 肩峰、 肩胛 骨和耻骨联合 位置的骨性标志点； S04、 通过最值归一化法对识别标注后的深度图像做归一化处理， 通过5*5附近平均值 法平滑图像； 通过最值归一化法对平滑后的深度图像再次进行归一化处理， 根据归一化处 理数值， 在所述深度图像中按归一 化处理数值大小涂覆不同颜色； S05、 定义水平面为x ‑z平面， 冠状面为y ‑x平面， 矢状面为y ‑z平面， 人体左侧向右侧为x 轴正方向， 脚部向头 部为y轴正方向， 背部向腹部为z轴正方向； 根据所述深度图像中左、 右 髂前上棘部位的坐标， 获取第一中点 坐标p1； 根据所述深度图像中左、 右内膝部位的坐标， 获取第二中点 坐标p2； 根据所述深度图像中左、 右内踝部位的坐标， 获取第三中点 坐标p3； 根据所述第一中点坐标p1、 第二中点坐标p2和第三中点坐标p3， 求得人体的中线方程y= kx+b； S06、 根据所述中线方程获得关于待分析部位的两个关联点 坐标； S07、 将所得两个关联点坐标分别给定于区域中心扩展算法中， 获得关于该待分析部位 的两侧区域的两个区域扩展队列； S08、 对两个所述区域扩展队列做数值比较， 根据两个所述区域扩展队列的差值评估该 待分析部位的肌肉均衡程度； 当所述待分析部位 为肩胛肌时， 所述 步骤S06具体为： 获取左肩峰的点 坐标 （x13， y13） 以及右肩峰的点 坐标 （x14， y14） ； 则两个所述关联点 坐标分别为 （x13， y13） 和 （x14， y14） ； 当所述待分析部位 为斜方肌时， 所述 步骤S06具体为： 获取左肩胛 骨的点坐标 （x15， y15） 以及右肩胛 骨的点坐标 （x16， y16） ； 则两个所述关联点 坐标分别为 （x15， y15） 和 （x16， y16） ； 当所述待分析部位 为背阔肌时， 所述 步骤S06具体为： 获取左肩胛 骨的点坐标 （x15， y15） 以及骨性标志点中人体脊柱L5的点 坐标 （x18， y18） ； 在x15、 y15、 x18和y18形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x19， y19） ； 获取右肩胛 骨的点坐标 （x16， y16） ； 在x16、 y16、 x18和y18形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x21， y21） ； 则两个所述关联点 坐标分别为 （x19， y19） 和 （x21， y21） ； 当所述待分析部位 为臀大肌时， 所述 步骤S06具体为： 获取左股骨大转子的点坐标 （x22， y22） 以及骨性标志点中人体脊柱L5的点坐标 （x18， y18） ； 在x22、 y22、 x18和y18形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x23， y23） ；权　利　要　求　书 1/5 页 2 CN 115272313 B 2获取右股骨大转子的点 坐标 （x24， y24） ； 在x24、 y24、 x18和y18形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x25， y25） ； 则两个所述关联点 坐标分别为 （x23， y23） 和 （x25， y25） ； 当所述待分析部位 为肱二头 肌时， 所述 步骤S06具体为： 获取左股骨大转子的点 坐标 （x22， y22） 以及骨性标志点中左腘窝的点 坐标 （x26， y26） ； 在x22、 y22、 x26和y26形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x27， y27） ； 获取右股骨大转子的点 坐标 （x24， y24） 以及骨性标志点中右腘窝的点 坐标 （x28， y28） ； 在x24、 y24、 x28和y28形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x29， y29） ； 则两个所述关联点 坐标分别为 （x27， y27） 和 （x29， y29） ； 当所述待分析部位 为腓肠肌时， 所述 步骤S06具体为： 获取左脚后跟的点 坐标 （x30， y30） 以及骨性标志点中左腘窝的点 坐标 （x26， y26） ； 在x30、 y30、 x26和y26形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x31， y31） ； 获取右脚后跟的点 坐标 （x32， y32） 以及骨性标志点中右腘窝的点 坐标 （x28， y28） ； 在x32、 y32、 x28和y28形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x33， y33） ； 则两个所述关联点 坐标分别为 （x31， y31） 和 （x33， y33） 。 2.根据权利要求1所述基于深度图像的肌肉均衡程度分析方法， 其特征在于， 当所述待 分析部位 为胸部肌肉时， 所述 步骤S06具体为： 根据所得中线方程计算下降趋势集合d1， 所述下降趋势集合d1用于表征中线上每个点 的z值在x方向上的下降趋势； 遍历所述下降趋势集 合d1， 获取所述下降趋势集 合d1中的最小值所对应的y0值； 根据所述中线方程y=kx+b求得与y0值对应的x0值； 在小于x0值的一侧遍历所有z值， 得 出其中最大的z值对应的x1值； 在大于x0值的一侧遍历所有z值， 得 出其中最大的z值对应的x2值； 则两个所述关联点 坐标分别为 （x1， y0） 和 （x2， y0） 。 3.根据权利要求1所述基于深度图像的肌肉均衡程度分析方法， 其特征在于， 当所述待 分析部位 为股直肌时， 所述 步骤S06具体为： 获取左趾骨联合位置的点坐标 （x3， y3） 以及左内脚踝部位的点坐标 （x4， y4） ， 根据所述中 线方程y=kx+b计算获得y4值对应的所有x值， 选取 所得x值中的最大值， 记为x6值； 在x3、 y3、 x6和y4形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x7， y7） ； 获取右趾骨联合位置的点坐标 （x8， y8） 以及右内脚踝部位的点坐标 （x9， y9） ， 根据所述中 线方程y=kx+b计算获得y9值对应的所有x值， 选取 所得x值中的最大值， 记为x11值； 在x8、 y8、 x11和y9形成的矩形区域内， 获取其中z值的最大值对应的x值和y值， 记为 （x12， y12） ；权　利　要　求　书 2/5 页 3 CN 115272313 B 3