一种基于手机拍照的脚码尺寸测量方法与流程

本发明属于测量工具技术领域，尤其涉及脚码尺寸测量方法领域，具体涉及一种基于手机拍照的脚码尺寸测量方法。

背景技术：

鞋码是消费者购鞋过程中经常用到的参考数据，一般包含脚长、脚宽两种。制鞋行业通常根据测量的平均脚长和脚宽得到脚码，再将脚码换算为鞋码进行制造。随着社会的发展，人们对鞋码的准确度以及鞋子的舒适度有了更高的要求。现在网购越来越流行，在买鞋前，测量脚的准确尺寸非常重要，鞋子的高退换率一直是网购的一个痛点，特别为小孩买鞋，很少有孩子是先天的脚畸形，但是只有40％的成年人的脚是健康的，这个惊人的事实说明了他们从幼年时就穿了不合适的鞋。

对脚的测量有很多方法，最直接的比如脚踩在纸上，用笔画下脚的轮廓后通过尺子测量出尺寸，但这种方法准确度很差，也比较麻烦。还有就是市面上量脚器，有淘宝上十几块钱就可以买到的塑料量脚器，也有几百块的专业量脚器，甚至百丽还投资在门店部署了上万的三维激光脚码扫描器。这些量脚器需要购买，便宜的测量精度不够，数据不全，好的不仅贵，而且只能到门店或指定地方进行测量，非常麻烦。

智能手机已经是现代人必备的工具，如果用手机拍一张照片就能得到精确的脚码尺寸，那将是非常方便的。但手机照片是二维的，因为缺乏距离信息，在照片中远处的楼房可能和手上的一支笔一样高，目前的手机拍摄功能还不能直接从照片上计算出物体的尺寸。

技术实现要素：

本发明提供一种基于手机拍照的脚码尺寸测量方法，用于解决现有技术中脚码的测量方法要么简单但准确度很差，也比较麻烦，要么购买成本高，便宜的测量精度不够，数据不全，而且成本高的测量仪器只能到门店或指定地方进行测量，非常麻烦的问题。

本发明所采用的技术方案为：

为解决现有脚码的测量方法要么简单但准确度很差，也比较麻烦，要么购买成本高，便宜的测量精度不够，数据不全，而且成本高的测量仪器只能到门店或指定地方进行测量，非常麻烦的问题，而且先有的智能手机无法在拍照时即可得到脚码测量数据的问题，结合智能手机以及计算机算法的技术，提供一种基于手机拍照的脚码尺寸测量方法，包括以下步骤：

步骤1：以符合标准尺寸的参照物，对脚的侧面进行拍照，拍照过程中将脚跟放在照片中心区域，得到拍摄照片；

步骤2：通过计算机图像轮廓分析算法处理识别到参照物的轮廓，根据参照物的尺寸标准，通过几何计算得到照片中每像素代表的尺寸；

步骤3：在照片中确定脚尖和脚跟关键点，并通过步骤2的每像素尺寸计算得到脚尖到脚跟的长度。

本测量方法的原理为：通过固定尺寸参照物对比的方式，推算出照片中其他物体的尺寸，由于手机照片是二维的，因为缺乏距离信息，在照片中远处的楼房可能和手上的一支笔一样高，直接从照片上是不能计算出物体的尺寸，因此我们需要引入参照物作为参照物，将脚和参照物放在一个水平面中，通过与已知尺寸的参照物对比几何计算，就可以得到脚在参照物平面的准确尺寸；而本测量方法，通过设置参照物以及图像轮廓分析算法技术的结合，可以克服以往智能手机在拍照时不能同时测量照片中物体实际尺寸的缺陷，并且操作简单，不需要去专门的地方测量，测量的成本也大大降低，更为重要的是，测量的精度相较先有的方式有很大的提高。

进一步的，步骤1中，对脚进行拍照的具体步骤为：

将脚放置在参照物上，或者将参照物放在脚旁边，并保持脚跟位于照片中心区域，拍照时正对脚跟对脚的侧面拍照。

通过上述方法虽然能够根据参照物得到照片中脚的实际长度，但由于拍摄角度以及斜射投影的原因，脚的一部分可能在拍摄照片时被遮挡到，实际的脚和照片中的脚会存在一定偏差，脚尖和脚跟离地面都有一定的高度，直接采用上述方法计算出来的脚长距离存在很大的误差，一般比真实的脚长10几毫米，我们知道一个鞋码基本是5毫米左右，这样的误差对于用户选鞋已经没有意义了；需要改进测量方法，首先需要分析对脚侧面拍照计算脚码误差产生的原因，误差是因为脚尖和脚跟有一定高度，与参照物不在一个平面上，它们在参照物平面上斜射时，投影会产生比较大的误差。

要消除高度产生的误差有一个办法，就是把物体放在照片中心区域，把斜射的投影变为正对方式，高度的误差就能减少。脚跟离地面高度更高，误差也更大，因此采用正对脚跟进行拍摄，这样也能避免脚跟被遮挡造成较大的误差，因此在拍摄时，需要将脚跟放在照片中心区域，并且正对脚跟进行拍摄，若脚跟部分严重偏离中心区域，则需重新拍照。

进一步的，步骤1中，还包括对从脚的正上方、正前方以及正后方进行拍照；本方法不仅仅可以测量脚长，通过同样的方式，改变拍摄的角度，比如正对脚面拍摄，可以准确测量得到脚面的轮廓信息，进而得到脚宽的测量数据，并根据多方位的拍照得到整个脚面的轮廓信息。

进一步的，步骤2中，通过计算机图像轮廓分析算法，处理识别得到参照物的轮廓并确定每像素对应的尺寸。

值得注意的是，优选sobel和canny的计算机图像轮廓分析算法，sobel和canny算法为先有技术中常用的照片中轮廓提取的技术，通过在智能手机的芯片中输入对应的编程代码，即可通过算法实现轮廓提取，操作过程简单方便，并且也可以在云端实现上述功能。

进一步的，步骤3中，在确定脚尖和脚跟间距之前，先根据照片中参照物的几何特征构建脚面的3d模型，通过模型校正后将3d模型正投影在参照物上，再通过图像特征提取算法得到准确的脚码尺寸。

消除了脚跟部分的误差后，脚尖部分的误差则根据照片中脚跟的位置以及参照物的几何特征，结合脚部每个部位的测量数据构建脚面3d模型，根据模型校正后就能够得到准确的脚码尺寸。

进一步的，步骤3中，运用图像特征提取算法，确定脚尖和脚跟的关键点并计算得到两个关键点之间的实际距离。值得注意的是，优选haar-like、hog或深度学习的图像提取算法，无论haar-like、hog或深度学习的图像特征提取算法，均需要并且能够通过智能手机内的芯片以及编程代码或云端来实现其具体功能，通过图像特征提取算法能够精确得到图像中两个像素点的图像距离，然后通过参照物的尺寸对比，通过比例换算得到图像距离在现实世界中的实际距离，以hog图像特征提取算法为例，其具体的实现过程为：

hog特征提取方法就是将一个image(要检测的目标或者扫描窗口)：

1)灰度化(将图像看做一个x,y,z(灰度)的三维图像)；

2)采用gamma校正法对输入图像进行颜色空间的标准化(归一化)；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；

3)计算图像每个像素的梯度(包括大小和方向)；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。

4)将图像划分成小cells(例如6*6像素/cell)；

5)统计每个cell的梯度直方图(不同梯度的个数)，即可形成每个cell的descriptor；

6)将每几个cell组成一个block(例如3*3个cell/block)，一个block内所有cell的特征descriptor串联起来便得到该block的hog特征descriptor。

7)将图像image内的所有block的hog特征descriptor串联起来就可以得到该image(你要检测的目标)的hog特征descriptor。这个就是最终的可供分类使用的特征向量。

与其他的特征描述方法相比，hog有很多优点：首先，由于hog是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上，针对本测量方法而言，这种图像不变性的特质能够保证对脚进行关键点选取时，能够更加准确地得到关键点信息，不受外部环境等因素的影响；其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果，而对于本测量方法而言，在对脚进行拍摄照片时，人往往会有细微的肢体动作，通过算法的处理能够消除细微动作对测量结果的影响，则能够大大提高测量的准确度，而hog算法刚好具有消除微小动幅的功能，因此能够并非常适合本测量方法中对图像中关键点的提取。

进一步的，拍摄照片过程中，参照物以及脚均放置在同一水平面上。放置在水平面上是为了避免因为放置不平而出现变形的情况，若参照物产生变形，则失去了参照物的效果，使得测量数据出现误差。

进一步的，参照物为国际通用标准a4规格的纸张、身份证、各种磁卡ic卡中的任意一种，优选的参照物为国际通用标准a4规格的纸张，a4纸的尺寸是已知的297mmx210mm，通过几何计算可以很容易得到照片中每像素代表的尺寸，而且人脚的尺寸一般不超过a4纸的长度或与a4纸的长度相当，因此使用a4规格的纸张即可达到对照的效果，而采用a2纸则纸张过大，浪费资源，使用a8纸则纸张过小，在照片中对照效果差，会影响测量的准确性；值得注意的是，参照物包括但不限于上述提到的a4规格的纸张、身份证、各种磁卡ic卡，可以为具有一定规格标准并且便于携带的随身物品。

本发明的有益效果为：

本发明通过设置参照物以及图像轮廓分析算法技术的结合，可以克服以往智能手机在拍照时不能同时测量照片中物体实际尺寸的缺陷，并且操作简单，随手就可以完成脚码的测量，不需要去专门的地方测量，测量的成本也大大降低，更为重要的是，测量的精度相较先有的方式有很大的提高，精度在1mm内，并且不仅仅可以测量脚长，通过同样的方式，改变拍摄的角度，比如正对脚面拍摄，可以准确测量得到脚面的轮廓信息，进而得到脚宽的测量数据，并根据多方位的拍照得到整个脚面的轮廓信息，能够有效的指导用户选择适合自己尺码的鞋。

附图说明

图1是本发明的方法流程示意图；

图2是本发明以身份证为参照物测量笔的尺寸的示意图；

图3是本发明以a4纸为参照物测量脚的尺寸的示意图；

图4是本发明脚尖脚跟测量误差来源的示意图；

图5是本发明以a4纸为参照物，脚跟在照片中心区域的照片示意图；

图6是本发明以身份证为参照物，脚跟在照片中心区域的照片示意图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步阐述。

实施例1：

如图1-6所示，一种基于手机拍照的脚码尺寸测量方法，包括以下步骤：

步骤1：以符合标准尺寸的参照物，对脚的侧面进行拍照，拍照过程中将脚跟放在照片中心区域，得到拍摄照片；

步骤2：通过计算机图像轮廓分析算法处理识别到参照物的轮廓，根据参照物的尺寸标准，通过几何计算得到照片中每像素代表的尺寸；

步骤3：在照片中确定脚尖和脚跟关键点，并通过步骤2的每像素尺寸计算得到脚尖到脚跟的长度。

本测量方法的原理为：通过固定尺寸参照物对比的方式，推算出照片中其他物体的尺寸，由于手机照片是二维的，因为缺乏距离信息，在照片中远处的楼房可能和手上的一支笔一样高，直接从照片上是不能计算出物体的高度，因此我们需要引入参照物作为参照物，将脚和参照物放在一个水平面中，通过与已知尺寸的参照物对比几何计算，就可以得到脚在参照物平面的准确尺寸；而本测量方法，通过设置参照物以及图像轮廓分析算法技术的结合，可以克服以往智能手机在拍照时不能同时测量照片中物体实际尺寸的缺陷，并且操作简单，不需要去专门的地方测量，测量的成本也大大降低，更为重要的是，测量的精度相较先有的方式有很大的提高。

实施例2：

在上述实施例的基础上，作为进一步的优选方案，如图1-6所示，步骤1中，对脚进行拍照的具体步骤为：

将脚放置在参照物上，或者将参照物放在脚旁边，并保持脚跟位于照片中心区域，拍照时正对脚跟对脚的侧面拍照，若脚跟部分严重偏离中心区域，则重新拍照。

通过上述方法虽然能够根据参照物得到照片中脚的实际长度，但由于拍摄角度以及斜射投影的原因，脚的一部分可能在拍摄照片时被遮挡到，实际的脚和照片中的脚会存在一定偏差，脚尖和脚跟离地面都有一定的高度，直接采用上述方法计算出来的脚长距离存在很大的误差，一般比真实的脚长十几毫米，我们知道一个鞋码基本是5毫米左右，这样的误差对于用户选鞋已经没有意义了；需要改进测量方法，首先需要分析对脚侧面拍照计算脚码误差产生的原因，误差是因为脚尖和脚跟有一定高度，与参照物不在一个平面上，它们在参照物平面上斜射时，投影会产生比较大的误差。

要消除高度产生的误差有一个办法，就是把物体放在照片中心区域，把斜射的投影变为正投方式，高度的误差就能减少。脚跟离地面高度更高，误差也更大，因此采用正对脚跟进行拍摄，这样也能避免脚跟被遮挡造成较大的误差，因此在拍摄时，需要将脚跟放在照片中心位置，并且正对脚跟进行拍摄。

实施例3：

在上述实施例的基础上，作为进一步的优选方案，如图1-6所示，步骤1中，还包括对从脚的正上方、正前方以及正后方进行拍照；本方法不仅仅可以测量脚长，通过同样的方式，改变拍摄的角度，比如正对脚面拍摄，可以准确测量得到脚面的轮廓信息，进而得到脚宽的测量数据，并根据多方位的拍照得到整个脚面的轮廓信息。

实施例4：

在上述实施例的基础上，作为进一步的优选方案，如图1-5所示，步骤2中，通过sobel或canny的计算机图像轮廓分析算法，处理识别得到参照物的轮廓并确定每像素对应的尺寸。

值得注意的是，sobel和canny的计算机图像轮廓分析算法为先有技术中常用的照片中轮廓提取的技术，通过在智能手机的芯片中输入对应的编程代码，即可通过算法实现轮廓提取，操作过程简单方便。

实施例5：

在上述实施例的基础上，作为进一步的优选方案，如图1-6所示，步骤3中，在确定脚尖和脚跟间距之前，先根据照片中参照物的几何特征构建脚面的3d模型，通过模型校正后将3d模型正投影在参照物上，再通过图像特征提取算法得到准确的脚码尺寸。

消除了脚跟部分的误差后，脚尖部分的误差则根据照片中脚跟的位置以及参照物的几何特征，结合脚部每个部位的测量数据构建脚面3d模型，根据模型校正后就能够得到准确的脚码尺寸。

实施例6：

在上述实施例的基础上，作为进一步的优选方案，如图1-6所示，步骤3中，运用haar-like、hog或深度学习的图像特征提取算法，确定脚尖和脚跟的关键点并计算得到两个关键点之间的实际距离。值得注意的是，无论haar-like、hog或深度学习的图像特征提取算法，均需要并且能够通过智能手机内的芯片以及编程代码或云端来实现其具体功能，通过图像特征提取算法能够精确得到图像中两个像素点的图像距离，然后通过参照物的尺寸对比，通过比例换算得到图像距离在现实世界中的实际距离，以hog图像特征提取算法为例，其具体的实现过程为：

hog特征提取方法就是将一个image(要检测的目标或者扫描窗口)：

1)灰度化(将图像看做一个x,y,z(灰度)的三维图像)；

2)采用gamma校正法对输入图像进行颜色空间的标准化(归一化)；目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；

3)计算图像每个像素的梯度(包括大小和方向)；主要是为了捕获轮廓信息，同时进一步弱化光照的干扰。

4)将图像划分成小cells(例如6*6像素/cell)；

5)统计每个cell的梯度直方图(不同梯度的个数)，即可形成每个cell的descriptor；

6)将每几个cell组成一个block(例如3*3个cell/block)，一个block内所有cell的特征descriptor串联起来便得到该block的hog特征descriptor。

7)将图像image内的所有block的hog特征descriptor串联起来就可以得到该image(你要检测的目标)的hog特征descriptor。这个就是最终的可供分类使用的特征向量。

与其他的特征描述方法相比，hog有很多优点：首先，由于hog是在图像的局部方格单元上操作，所以它对图像几何的和光学的形变都能保持很好的不变性，这两种形变只会出现在更大的空间领域上，针对本测量方法而言，这种图像不变性的特质能够保证对脚进行关键点选取时，能够更加准确地得到关键点信息，不受外部环境等因素的影响；其次，在粗的空域抽样、精细的方向抽样以及较强的局部光学归一化等条件下，只要行人大体上能够保持直立的姿势，可以容许行人有一些细微的肢体动作，这些细微的动作可以被忽略而不影响检测效果，而对于本测量方法而言，在对脚进行拍摄照片时，人往往会有细微的肢体动作，通过算法的处理能够消除细微动作对测量结果的影响，则能够大大提高测量的准确度，而hog算法刚好具有消除微小动幅的功能，因此能够并非常适合本测量方法中对图像中关键点的提取。

实施例7：

在上述实施例的基础上，作为进一步的优选方案，如图1-5所示，参照物为国际通用标准a4规格的纸张。a4纸的尺寸是已知的297mmx210mm，通过几何计算可以很容易得到照片中每像素代表的尺寸，而且人脚的尺寸一般不超过a4纸的长度或与a4纸的长度相当，因此使用a4规格的纸张即可达到对照的效果，而采用a2纸则纸张过大，浪费资源，使用a8纸则纸张过小，在照片中对照效果差，会影响测量的准确性；拍摄照片过程中，参照物以及脚均放置在同一水平面上。放置在水平面上是为了避免因为放置不平而出现变形的情况，若参照物产生变形，则失去了参照物的效果，使得测量数据出现误差。

实施例8：

本实施例提供采用先有的用刻度尺直接测量、采用塑料量脚器、三维激光脚码扫描器以及本测量方法四种方式针对张某同一人的右脚脚码分别进行十次测量，已知张某的右脚实际脚码为247mm，四种测量方式的测量结果平均值及分析结果如下表1所示，

由上表可知，通过刻度尺以及淘宝塑料量脚器的方式，其优点在于测量方便，可以随时随地测量，而且成本低，但是，这两种方式由于人为操作因素会很大程度上影响测量结果，测量误差较大，其测量结果不能够作为准确的测量结果；而三维激光脚码扫描器，其优点在于测量精度高，但是其成本高，价格昂贵，往往需要前往指定地点进行测量，造成测量不方便的缺陷；而本测量方法，由于通过手机拍照并通过集成在芯片内的计算机算法即可自动完成测量，使得测量过程简单，操作方便，基本随时随地都可以进行测量，而且成本低，而且其测量精度基本可以控制在1mm以内，测量精度明显高于前三种测量方式。

实施例8：

本实施例提供通过计算机图像轮廓分析算法实现脚码测量的计算机代码实例，具体代码如下：

本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。