Портативное устройство получения антропометрических данных и способ сбора антропометрических данных

Настоящее изобретение относится к портативному устройству получения антропометрических данных и к способу сбора антропометрических данных. Портативное устройство получения антропометрических данных содержит датчик изображения и блок обработки. Блок обработки, в свою очередь, содержит: модуль получения, выполненный с возможностью приема первых изображений человека от датчика изображения; процессор обработки обезличенных изображений, выполненный с возможностью создания вторых изображений из соответствующих первых изображений путем применения процедуры обнаружения границ; модуль связи, выполненный с возможностью отправки вторых изображений. Технический результат – сокращение вычислительной нагрузки, а также повышение вычислительной мощности. 2 н. и 13 з.п. ф-лы, 12 ил.

 

Область техники, к которой относится настоящее изобретение

Настоящее изобретение относится к портативному устройству получения антропометрических данных и к способу сбора антропометрических данных.

Предшествующий уровень техники настоящего изобретения

Как известно, сбор антропометрических показателей может представлять интерес во многих областях, начиная от торговли и заканчивая здравоохранением. Например, системы электронной коммерции, занимающиеся продажей одежды, могут помогать покупателям, предлагая им выбрать размер на основании набора персональных данных, включающего соответствующие мерки тела. Персональные данные могут быть переданы в автоматическую систему категоризации, и размер может быть выбран на основании общих критериев наилучшего соответствия. Такая услуга не только удобна для покупателей, но и позволяет значительно сократить количество возвращенных товаров, что выгодно и для поставщиков с точки зрения экономии средств. Другой пример, в диетологии мониторинг показателей тела может помочь в наблюдении за пациентом и подборе лечения в зависимости от его реакции.

Очевидно, что преимущества использования антропометрических данных были бы значительно увеличены, если бы непосредственно покупатели или пациенты могли собирать данные на месте с помощью простых инструментов, которые не требуют специальной подготовки или навыков для получения достаточно точных результатов. Антропометрические данные обычно собираются путем получения и анализа изображений, причем для сбора данных можно использовать преимущества широкого распространения чрезвычайно универсальных устройств, таких как смартфоны. Инструменты для захвата изображений стали настолько удобными, что конечные пользователи почти всегда умеют кадрировать и получать изображения достаточного качества для выполнения необходимых процедур анализа.

Однако делегирование задачи получения изображений конечным пользователям влечет за собой другие проблемы, которые необходимо принимать во внимание. С одной стороны, обработка изображений, которая сама по себе требовательна к ресурсам, должна также учитывать тот факт, что получение изображений в полевых условиях обычно страдает от плохих условий с точки зрения освещения, контраста с фоном, позы пользователя и т.п. Такие условия должны быть компенсированы путем совершенствования методов обработки, что обычно приводит к увеличению вычислительной нагрузки. Чтобы обеспечить достаточную вычислительную мощность, для анализа изображений на устройствах конечного пользователя выделяются только основные функции захвата, в то время как основные процедуры анализа выполняются на удаленных сайтах, доступных через Интернет-соединение. С другой стороны, обмен изображениями с удаленными сайтами вызывает опасения относительно конфиденциальности и защиты персональных данных, поскольку речь идет о конфиденциальной информации, а требования законодательства становятся все более строгими. По сути, информация, касающаяся личного аспекта, отправляется без контроля со стороны конечного пользователя. Очевидно, что обработка информации имеет решающее значение, особенно для медицинских применений.

Описание изобретения

Таким образом, задачей настоящего изобретения является предоставление портативного устройства получения антропометрических данных и способа сбора антропометрических данных, которые позволяют преодолеть или по меньшей мере смягчить описанные ограничения.

Согласно настоящему изобретению предлагается портативное устройство получения антропометрических данных и способ сбора антропометрических данных, определенные в пунктах 1 и 19 формулы изобретения соответственно.

Краткое описание фигур

Настоящее изобретение будет описано со ссылкой на сопроводительные чертежи, иллюстрирующие некоторые неограничивающие варианты его осуществления, на которых:

- фиг.1 представляет собой упрощенную принципиальную схему системы получения антропометрических данных;

- фиг.2 представляет собой более подробную принципиальную схему портативных устройств получения антропометрических данных, входящих в систему, показанную на фиг.2, и выполненных в соответствии с одним из вариантов осуществления настоящего изобретения;

- на фиг.3а и 3b показаны маски для получения данных, используемые в устройстве, показанном на фиг.2;

- фиг.4 представляет собой упрощенную блок-схему стадий способа в соответствии с одним вариантом осуществления настоящего изобретения;

- на фиг.5а и 5b показаны изображения, полученные в устройстве, показанном на фиг. 2;

- фиг.6 представляет собой более подробную блок-схему части стадий способа, показанного на фиг.4;

- фиг.7 представляет собой более подробную принципиальную схему компонента устройства, показанного на фиг.2;

- фиг.8 представляет собой более подробную принципиальную схему компонента системы, показанной на фиг.1; и

- на фиг.9 и 10 показаны изображения, полученные в компоненте, показанном на фиг. 8.

Предпочтительный вариант осуществления изобретения

На фиг.1 система получения антропометрических данных обозначена в целом ссылочным номером 1 и содержит одно или несколько портативных устройств 2 получения антропометрических данных в соответствии с одним вариантом осуществления настоящего изобретения и сервер 3. Портативные устройства 2 получения и сервер 3 связаны между собой по глобальной сети 4, например, через Интернет. Портативные устройства 2 получения выполнены с возможностью получения изображений людей и выполнения предварительных стадий обработки изображений, которые в дальнейшем обозначаются как обработка на стороне клиента, при которой данные, отправленные на сервер для осуществления извлечения соответствующих признаков (обработка на стороне сервера), очищаются от информации о личности.

Одно иллюстративное портативное устройство 2 получения показано на фиг.2 и будет упоминаться далее, при этом следует понимать, что другие портативные устройства 2 получения содержат те же компоненты. Портативное устройство 2 получения содержит блок 5 обработки, дисплей 6 и датчик 7 изображения. Согласно одному варианту осуществления портативное устройство 2 получения может быть встроено в смартфон, планшетный компьютер или ноутбук, преимущественно со встроенным сенсорным экраном в качестве дисплея 6 и фотокамерой в качестве датчика 7 изображения. При этом дисплей 6 не обязательно должен быть сенсорным.

Блок 5 обработки выполнен с возможностью реализации модуля 8 получения, процессора 10 обработки изображений и модуля 11 связи.

Модуль 8 получения активирует дисплей 6 в режиме реального времени во время получения и захватывает изображения с датчика 7 изображения в ответ на команды съемки, отправленные пользователем через интерфейс, который может предусматривать виртуальные или аппаратные кнопки (не показаны). В режиме реального времени выходные сигналы датчика 7 изображения непрерывно отображаются на дисплее 6. Модуль 8 получения также отправляет информацию на дисплей 6 для визуального представления пользователю, чтобы помочь правильному получению.

Изображения, захваченные модулем 8 получения, поступают в процессор 10 обработки изображений. Модуль 8 получения может быть снабжен некоторыми возможностями обработки для выполнения основных действий, таких как баланс белого, регулировка яркости и контрастности и преобразование в сжатый формат. В качестве альтернативы изображения в необработанном формате отправляются в процессор 10 обработки изображений, который выполняет все необходимые стадии обработки.

Процессор 10 обработки изображений извлекает из принятых изображений модифицированные клиентские изображения. Извлеченные клиентские изображения отправляются на сервер 3 через модуль 11 связи для обработки на стороне сервера, которая может, следовательно, зависеть от ресурсов более высокого уровня.

Получение изображения осуществляется с помощью модуля 8 получения, который предоставляет информацию для того, чтобы направить кадрируемого человека к принятию позы в диапазоне допустимых поз, в то время как оператор делает снимок со спины и снимок сбоку. Стандартная поза значительно снижает вычислительную нагрузку, связанную с обработкой изображений. Более конкретно (фиг.3а), модуль 8 получения начинает получение изображения со спины путем наложения маски 13 для изображения со спины на изображения, отображаемые на дисплее 6 в режиме реального времени. Таким образом, человек может быть направлен принять позу, соответствующую маске 13 для изображения со спины, которая согласно одному варианту может потребовать положения стоя с ногами врозь и руками, отведенными от туловища. Когда поза правильная, оператор активирует команды съемки, и изображение со спины IMG_B (фиг.2) захватывается модулем 8 получения и отправляется в процессор 10 обработки изображений. Изображение со спины IMG_B может временно храниться в блоке памяти, встроенном либо в модуль 8 получения, либо в процессор 10 обработки изображений, или в блоке памяти общего назначения портативного устройства 2 получения.

После того как изображение со спины IMG_B было захвачено и сохранено или отправлено в процессор 10 обработки изображений, модуль 8 получения начинает получение изображения сбоку и накладывает маску 14 для изображения сбоку (фиг.3b) на изображения, отображаемые на дисплее 6 в режиме реального времени. Опять-таки, человека направляют принять позу, соответствующую маске 13 для изображения сбоку, которая требует положения стоя с руками, лежащими вдоль туловища. Когда поза правильная, оператор активирует команду съемки, и изображение сбоку IMG_S захватывается и отправляется в процессор 10 обработки изображений или сохраняется подобно изображению со спины IMG_B.

Каждое из изображения со спины IMG_B и изображения сбоку IMG_S затем обрабатывается процессором 10 обработки изображений для обнаружения границ и восстановления контуров по существу на одной и той же стадии. Для простоты в дальнейшем будет делаться ссылка на изображение со спины IMG_B, и будет понятно, что то же самое относится и к изображению сбоку IMG_S, если не указано иное.

Как показано на фиг.4, после получения изображения сбоку IMG_S в формате, пригодном для обработки, процессор 10 обработки изображений очищает части изображения сбоку IMG_S, соответствующие участкам за пределами маски 13 для изображения со спины (блок 100), тем самым уменьшая шум. Затем выполняется обнаружение границ (блок 110) и восстановление контура (блок 120). Таким образом, получается и передается на сервер 3 клиентское изображение со спины FIMG_B, включающее только контур тела и, возможно, остаточный фоновый шум. Примеры клиентского изображения со спины FIMG_B и клиентского изображения сбоку FIMG_S показаны на фиг.5а и 5b соответственно. На стадии обнаружения границ теряются особенности тела, которые могут позволить идентифицировать изображенного человека.

Обнаружение границ может осуществляться несколькими способами, но в целом предпочтительно, чтобы толщина контура была достаточно постоянной, поскольку она может быть критическим параметром при последующей обработке на стороне сервера. Процессор 10 обработки изображений может быть выполнен с возможностью объединения различных процедур обнаружения границ для повышения производительности.

Согласно одному варианту осуществления (фиг.6) процессор 10 обработки изображений предварительно применяет процесс шумоподавления к изображению со спины IMG_B для снижения влияния высокочастотного шума (блок 112). Процесс шумоподавления может представлять собой медианную фильтрацию. Было обнаружено, что размер ядра 15 пикселей в операторе медианной фильтрации обеспечивает приемлемую эффективность фильтрации без ухудшения точности последующего обнаружения границ.

Затем (блок 114), контур изображения со спины IMG_B сначала выделяется с помощью процесса детектора границ Кэнни, который описан в Canny, J., "A Computational Approach То Edge Detection", IEEE Trans. Pattern Analysis and Machine Intelligence, 8(6):679-698, 1986. Детектор границ Кэнни очень чувствителен к областям изображения с низким контрастом, которые могут действительно присутствовать. Этот аспект может быть критичным, поскольку при получении изображения в полевых условиях не всегда возможно выбрать фон, обеспечивающий достаточный контраст. Чтобы избежать потери информации, контур изображения со спины IMG_B повторно выделяется процессором 10 с помощью другого процесса детектора границ (блок 116), и результат повторного выделения контура объединяется с результатом первого выделения контура детектором границ Кэнни в блоке 120 на фиг.4. Согласно одному варианту осуществления процессор 10 обработки изображений использует структурированный случайный лес для обнаружения границ, который также называют структурированным детектором границ. Структурированный детектор границ менее чувствителен к локальным областям с низким контрастом, а также более устойчив к шуму, чем детектор границ Кэнни, таким образом, устраняя недостатки последнего.

На фиг.7 показана иллюстративная структура детектора 10 изображения, реализующего процесс согласно фиг.4 и 6. Согласно показанному варианту осуществления детектор 10 изображения содержит фильтр 15 подавления шума, принимающий изображение со спины IMG_B (и изображение сбоку IMG_S) и передающий его параллельно в детектор границ Кэнни и структурированный детектор границ, обозначенные в настоящем документе ссылочными позициями 16 и 17 соответственно. Первый выход I₁ детектора 16 границ Кэнни и второй выход I₂ структурированного детектора 17 границ затем объединяются в модуле 18 восстановления контура, который объединяет результаты первого и второго выделения контура и выдает клиентское изображение со спины FIMG_B и клиентское изображение сбоку FIMG_S.

Согласно одному варианту осуществления модуль 18 восстановления контура объединяет первый выход I₁ детектора 16 границ Кэнни и второй выход I₂ структурированного детектора 17 границ путем сложения, выбора порога и бинаризации. Точнее, значения яркости первого выхода I₁ и второго выхода I₂ складываются, и результат сравнивается с порогом τ, который может быть выбран как доля от максимального отклика датчика 7 изображения, например, 10%. Комбинированный выход определяет клиентское изображение со спины FIMG_B, которому присваивается первое логическое значение L₁ (например, высокое), если сумма первого выхода I₁ и второго выхода I₂ превышает порог τ, и второе логическое значение L₁ (например, низкое) в противном случае:

Аналогично, клиентское изображение сбоку FIMG_S определяется следующим образом:

Когда изображение сбоку IMG_S передается на детектор 16 границ Кэнни и на структурированный детектор 17 границ (выход которых обозначен I₁' и I₂' соответственно).

Согласно другому варианту осуществления вероятностные модели могут быть использованы, когда в портативных устройствах 2 получения доступна достаточная вычислительная мощность, чтобы иметь приемлемую задержку отклика для пользователей.

Каждому участку в изображении IMG_B (или IMG_S) присваивается метка 1∈[L1, L2]^IMGB, которая минимизирует функцию энергии Е(l). Функция энергии содержит первый компонент и второй компонент и выглядит следующим образом:

Первый компонент E_UNARY(l) - это функция, которая стремится присвоить каждому пикселю значение, соответствующее выходу детекторов границ с относительными вероятностями w₁ и w2 соответственно

где

и w₁ и w₂ - это весовые параметры, которые определяют, в какой степени детектор 16 границ Кэнни и структурированный детектор 17 границ будут влиять на результат.

Второй компонент E_PAIRWISE(l) стремится к тому, чтобы соседние пиксели соответствовали друг другу по метке, добавляя постоянный штраф за несоответствие, и он определяется следующим образом:

где

и PAIRS(I) включает все пары соседних точек изображения.

Весовой параметр w_P определяет, насколько сильным должно быть соответствие между соседними пикселями. Оптимальное решение

аппроксимируется с помощью алгоритма распространения доверия с помощью перевзвешивания деревьев.

Таким образом, из изображения со спины IMG_B и изображения сбоку IMG_S получаются клиентское изображение со спины FIMG_B и клиентское изображение сбоку FIMG_S соответственно, которые отправляются на сервер 3 для обработки на стороне сервера. Клиентское изображение со спины FIMG_B и клиентское изображение сбоку FIMG_S включают полный и достоверный контур тела кадрируемого человека, и никакая персональная информация о личности не передается без контроля со стороны пользователя. Персональная информация (например, черты лица) фактически удаляется на стадиях обнаружения границ и восстановления контура без необходимости специальной обработки, а контур тела остается в значительной степени анонимным. Как уже упоминалось, иллюстративные клиентское изображение со спины FIMG_B и клиентское изображение сбоку FIMG_S показаны на фиг.5а и 5b соответственно, где также изображены маска 13 для изображения со спины и маска 14 для изображения сбоку, чтобы интуитивно представить, как осуществляется получение изображения и обработка на стороне клиента. Однако маска 13 для изображения со спины и маска 14 для изображения сбоку сами по себе не обязательно должны быть частью клиентского изображения со спины FIMG_B и клиентского изображения сбоку FIMG_S.

Как показано на фиг.8, сервер 3 содержит модуль 20 связи, который принимает клиентское изображение со спины FIMG_B и клиентское изображение сбоку FIMG_S, и компоненты для обработки на стороне сервера, включая детектор 21 ключевых точек, средство 22 снятия проекционных мерок и средство 23 трехмерного прогнозирования мерок.

Детектор 21 ключевых точек выполнен с возможностью идентификации ключевых точек на основании толщины линии контура, поскольку клиентские изображения могут содержать шум, т.е. точки, которые не соответствуют контуру тела. Более точно, сканирование по горизонтальным линиям (например, слева направо) сначала выполняется на клиентском изображении со спины FIMG_B, и пары последующих линий одинаковой толщины рассматриваются как левая и правая границы соответствующей части тела. Например, если при горизонтальном сканировании выявлено три пары одинаковых по толщине линий, то идентифицируются три части тела, которые могут быть левой и правой границей левой руки для первой пары, левой и правой границей туловища для второй пары и левой и правой границей правой руки для третьей пары.

При сканировании клиентского изображения со спины FIMG_B детектор 21 ключевых точек идентифицирует макушку, пятки, подмышки и промежность. Затем макушка и пятки идентифицируются с помощью второго сканирования клиентского изображения сбоку FIMG_S.

Средство 22 снятия проекционных мерок выполнено с возможностью идентификации точек контура, принадлежащих туловищу, на основании положения подмышек и промежности, определенных детектором 21 ключевых точек (окна 30, 31 на фиг.5а и 5b). Чтобы уменьшить неровности, которые могут быть внесены предыдущими стадиями обработки, средство 22 снятия проекционных мерок аппроксимирует линии туловища (32, фиг.9) полиномиальными функциями (33, фиг.10). Учитывая характер туловища и, в частности, ожидаемое количество максимумов и минимумов, полином четвертой степени является достаточным и в то же время не слишком сложным для подгонки. Также возможные недостающие части контура могут быть оценены средством 22 снятия проекционных мерок с помощью полиномиальных функций, таких как полиномы Безье.

Затем средство 22 снятия проекционных мерок измеряет проекции основных размеров тела на плоскость изображения или на перпендикулярную ей плоскость. Основные размеры тела могут включать, например, шею, грудь, талию, бедра, шаговый шов. Мерки груди, талии и бедер могут быть сняты в фиксированных и заранее определенных вертикальных координатах (Y-координата), например, следующим образом:

где СА - расстояние между промежностью и подмышками.

Согласно другому варианту осуществления Ychest берется в самой широкой части верхней трети туловища, полученной из клиентского изображения сбоку FIMG_S; Ywaist берется в самой меньшей части центральной трети туловища, полученной из клиентского изображения со спины FIMG_B; и Yhips берется в самой широкой части нижней трети туловища, полученной из клиентского изображения сбоку FIMG_S. Другие мерки могут быть добавлены в соответствии с проектными предпочтениями.

Средство 23 трехмерного прогнозирования мерок выполнено с возможностью предоставления оценок или прогнозов фактических размеров тела на основании мерок или проекционных мерок, предоставленных средством 22 снятия проекционных мерок. Для этого средство 23 трехмерного прогнозирования мерок может использовать либо упрощенную модель, такую как линейная модель, либо вероятностную модель, например, модель гауссова процесса. В то время как линейные модели являются более простыми и дают в целом удовлетворительные результаты в соответствии с промышленными стандартами в отношении ошибок, вероятностные модели позволяют дополнить прогнозирование для каждого измерения мерой его неопределенности. Неопределенность можно использовать для прогнозирования ошибок оценки и запуска соответствующих корректирующих действий, чтобы избежать предоставления пользователям неверных результатов и прогнозов, подверженных очень высокой дисперсии.

Гауссовы процессы могут эффективно справляться с шумом, что важно для того, чтобы позволить сбор данных на изображениях, полученных на месте пользователями без специальной подготовки.

Как правило, гауссовы процессы могут иметь следующий вид:

где m(x)=E[f(x)] - ожидаемое значение и k(x,x')=E[(f(x)-m(x))(f(x')-m(x'))] - ковариационная функция.

Функция, моделируемая гауссовым процессом, является функцией, прогнозирующей трехмерные мерки тела, начиная с длины их проекций на плоскость, как это обеспечивается средством 22 снятия проекционных мерок. Ковариационная функция позволяет получить нелинейное отображение и дает гибкость в конкретной форме нелинейности, которая допускается. Благодаря своим математическим свойствам, ковариационные функции могут быть объединены вместе, чтобы получить новые, показывающие желаемые характеристики. Согласно одному варианту осуществления сумма 3 различных ковариационных функций:

- постоянная ковариационная функция, используемая для моделирования ненулевых средних для различных переменных

,

- линейная ковариационная функция

,

где х и х' представляют две общие точки, а индекс d указывает на D измерений входного пространства,

- квадратичная экспоненциальная ковариационная функция, которая позволяет получить нелинейные гладкие отображения

,

где х и х' представляют две общие точки, a h - характерный масштаб длины, действующий как коэффициент масштабирования.

На выходе средство 23 трехмерного прогнозирования мерок предоставляет набор данных DS, который содержит оценки фактического (3D) размера соответствующих частей тела кадрируемого человека.

Наконец, очевидно, что в описанные и изображенные устройство и способ могут быть внесены изменения и вариации, не выходящие за пределы объема правовой охраны прилагаемой формулы изобретения.

1. Портативное устройство получения антропометрических данных, содержащее датчик (7) изображения и блок (5) обработки, причем блок (5) обработки содержит:

модуль (8) получения, выполненный с возможностью приема первых изображений (IMG_B, IMG_S) человека от датчика (7) изображения;

процессор (10) обработки изображений, выполненный с возможностью создания вторых изображений (FIMG_B, FIMG_S) из соответствующих первых изображений (IMG_B, IMG_S) путем применения процедуры обнаружения границ;

модуль (11) связи, выполненный с возможностью отправки вторых изображений (FIMG_B, FIMG_S),

отличающееся тем, что

процессор (10) обработки изображений содержит первый детектор (16) границ, выполненный с возможностью выполнения первого выделения контура, второй детектор (17) границ, выполненный с возможностью выполнения второго выделения контура, и причем первые изображения (IMG_B, IMG_S) передаются параллельно на первый детектор (16) границ и на второй детектор (17) границ;

и процессор (10) обработки изображений содержит модуль (18) восстановления контура, выполненный с возможностью объединения результатов первого выделения контура, выполненного первым детектором (16) границ, и второго выделения контура, выполненного вторым детектором (17) границ;

при этом

модуль (18) восстановления контура выполнен с возможностью присвоения метки (1), которая минимизирует функцию энергии Е(l) для каждого участка на первых изображениях (IMG_B, IMG_S), и причем функция энергии характеризуется наличием первого компонента E_UNARY(l) и второго компонента E_PAIRWISE(l) и определяется следующим образом:

Е(l)=E_UNARY(l)+E_PAIRWISE(l)

где

w₁ и w₂ - весовые параметры

где

a w_P - весовой параметр.

2. Устройство по п. 1, содержащее дисплей (6), работающий в режиме реального времени, при котором выходные сигналы датчика (7) изображения непрерывно отображаются на дисплее (6), причем модуль (8) получения дополнительно выполнен с возможностью наложения визуальной информации на изображения в режиме реального времени на дисплее (7), чтобы направлять человека принять позу в диапазоне приемлемых поз.

3. Устройство по п. 2, в котором визуальная информация предусматривает первую маску (13) и вторую маску (14), а диапазон приемлемых поз предусматривает первые позы человека, которые подходят к первой маске (13), и вторые позы человека, которые подходят ко второй маске (14), причем первая маска (13) требует, чтобы человек принял положение стоя с ногами врозь и руками, отведенными от туловища, а вторая маска (14) требует, чтобы человек принял положение стоя с руками, лежащими вдоль туловища.

4. Устройство по п. 3, в котором процессор (10) обработки изображений выполнен с возможностью очистки частей первых изображений (IMG_B, IMG_S), соответствующих участкам за пределами одной из первой маски (13) и второй маски (14).

5. Устройство по любому из пп. 1-4, в котором первый детектор (16) границ представляет собой детектор границ Кэнни.

6. Устройство по любому из пп. 1-5, в котором второй детектор (17) границ является структурированным детектором границ.

7. Устройство по любому из пп. 1-6, в котором модуль (18) восстановления контура выполнен с возможностью объединения первого выхода (I₁, I₂') первого детектора (16) границ и второго выхода (I₂, I₂') второго детектора (17) границ путем сложения, выбора порога и бинаризации.

8. Устройство по п. 7, в котором модуль (18) восстановления контура выполнен с возможностью сравнения суммы значений яркости первого выхода (I₁, I₁') и второго выхода (I₂, I₂') с порогом (τ) и определения вторых изображений (FIMG_B, FIMG_S) путем присвоения первого логического значения (L₁), если сумма первого выхода (I₁, I₁') и второго выхода (I₂, I₂') превышает порог (τ), и второго логического значения (L₂) в противном случае.

9. Система получения антропометрических данных, содержащая сервер (3) и по меньшей мере одно портативное устройство (2) получения антропометрических данных по любому из предыдущих пунктов, соединенное с возможностью связи с сервером (3).

10. Система по п. 9, в которой сервер (3) содержит модуль (20) связи, выполненный с возможностью приема вторых изображений (FIMG_B, FIMG_S) от портативного устройства (2) получения антропометрических данных, детектор (21) ключевых точек, выполненный с возможностью идентификации ключевых точек на вторых изображениях (FIMG_B, FIMG_S) и их соответствующих положений на основании толщины линии контура, причем ключевые точки включают макушку, пятки, подмышки, промежность.

11. Система по п. 10, в которой сервер (3) содержит средство (22) снятия проекционных мерок, выполненное с возможностью идентификации точек контура тела, принадлежащих туловищу, на основании положений подмышек и промежности, определенных детектором (21) ключевых точек.

12. Система по п. 11, в которой средство (22) снятия проекционных мерок выполнено с возможностью аппроксимации линий туловища полиномиальными функциями.

13. Система по п. 11 или 12, в которой средство (22) снятия проекционных мерок дополнительно выполнено с возможностью измерения проекций выбранных основных размеров тела на плоскость изображения или на плоскость, перпендикулярную ей.

14. Система по п. 11 или 12, в которой средство (22) снятия проекционных мерок дополнительно выполнено с возможностью снятия мерок груди, талии и бедер в фиксированных и заранее определенных вертикальных координатах или снятия мерок груди в самой широкой части верхней трети туловища, мерок талии в самой меньшей части центральной трети туловища и мерок бедер в самой широкой части нижней трети туловища.

15. Система по любому из пп. 10-14, в которой сервер (3) содержит средство (23) трехмерного прогнозирования мерок, выполненное с возможностью предоставления оценок или прогнозов фактических размеров тела на основании мерок, предоставленных средством (22) снятия проекционных мерок, с использованием линейной или вероятностной модели.