- 文献综述（或调研报告）：
图像测量包括目标与背景图像分割、目标图像增强、基于形态学的图像降噪、目标特征提取和测量等主要过程。图像测量法在现实生活中应用广泛。图像测量法可以测量：①几何尺寸测量,包括长度、区域面积、长轴(主轴或直径)、短轴。②形状参数测量,包括曲线的曲率或曲率半径、长宽比,长轴与短轴的比值、矩形度、面积周长比、圆度、边界平均能量(E),度量边界的复杂程度,描述图像灰度分布的特性、几何重心和质心、圆形性、形状描述子等。③距离测量,欧氏距离、街区距离、棋盘距离等。④空间关系。
比较常见的2D人体测量技术一般有以下步骤：图像的畸变矫正，图像降噪，图像分割，人体关键部位的点线特征判别，投影变换获取特征点的实际位置然后求模获取长度信息，最终根据统计数据获取围度信息[6-10]。
比较常见的依靠3D信息进行测量的系统主要有：基于双目视觉，基于深度摄像头[11-12]。
接下来对图像分割，Openpose中的人体检测，人体围度信息获取部分做简要概述。
- 图像分割
图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法（阈值分割）、基于区域的分割方法（区域分割）、基于边缘的分割方法（边缘分割）、基于直方图的分割方法（直方图法）、基于特定理论的分割方法（聚类分析法，模糊集理论法，基因编码法，小波变换法）[13-14]、基于深度卷神经网络的分割方法（深度神经网络法）等。从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。图像分割的过程也是一个标记过程，即把属于同一区域的像索赋予相同的编号。
阈值分割法是一种最常用的并行区域技术，它是图像分割中应用数量最多的一类。阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接给出图像区域。阈值分割的优点是计算简单、运算效率较高、速度快。在重视运算效率的应用场合(如用于硬件实现)，它得到了广泛应用。人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。全局阈值是指整幅图像使用同一个阈值做分割处理，适用于背景和前景有明显对比的图像。它是根据整幅图像确定的：T=T(f)。但是这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏感。常用的全局阈值选取方法有利用图像灰度直方图的峰谷法、最小误差法、最大类间方差法、最大熵自动阈值法以及其它一些方法。在许多情况下，物体和背景的对比度在图像中的各处不是一样的，这时很难用一个统一的阈值将物体与背景分开。这时可以根据图像的局部特征分别采用不同的阈值进行分割。实际处理时，需要按照具体问题将图像分成若干子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值，进行图像分割。这时的阈值为自适应阈值。阈值的选择需要根据具体问题来确定，一般通过实验来确定。对于给定的图像，可以通过分析直方图的方法确定最佳的阈值，例如当直方图明显呈现双峰情况时，可以选择两个峰值的中点作为最佳阈值。
区域分割中区域生长和分裂合并法是两种典型的串行区域技术，其分割过程后续步骤的处理要根据前面步骤的结果进行判断而确定。
区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域中。将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
