基于图像的人体测量是当前计算机视觉领域的研究热点,在服装定制、人体行为识别等领域有着广泛的应用前景。在人体尺寸中,腰围占有重要地位,但现有基于图像的腰围测量方法误差较大。针对该问题,本文提出一种新的人体腰围测量方法。首先,对束有腰带的人体图像进行Harris角点检测,接着,通过Fast角点检测算法、颜色筛选算法、聚类筛选算法进行角点筛选以达到保留腰带上角点的目的,然后,根据腰带上的角点拟合二次曲线,并通过二次曲线来进一步搜索、补充遗漏的角点,接着,通过BP神经网络判别方块颜色,最后,按三段法计算人体腰围长度。具体工作如下:1.设计了一款特殊的软磁条腰带,该腰带上标有间隔1cm的方块标记,以便于角点识别,另外,腰带具有避免衣服干扰和成本低廉等优点。2.针对Harris方法检测得到的角点中存在许多噪声角点,本文提出结合Fast角点检测、颜色筛选、聚类筛选三种算法进行角点筛选。首先,将Harris检测到的角点集合用Fast方法筛选,得到经Fast方法筛选后的角点集合,接着,利用角点周围四个相邻位置的颜色比对角点作颜色筛选,最后,对角点的坐标信息进行聚类来达到筛选噪声角点目的。3.针对部分角点被遗漏的问题,本文提出角点搜索算法来弥补这一缺陷。首先,根据Canny算子提取出图像的边缘轮廓,然后,由已知的角点集和拟合二次曲线,得到二次曲线与腰带中的方块轮廓的交点,最后,在交点处执行角点搜索算法,沿方块轮廓进行搜索,直到找到候选角点。4.针对腰带上截止线的判断问题,本文提出腰带截止线判别算法,通过判断方块的闭合性来准确定位截止线。