人体尺寸数据是一项重要的基础数据资源,双手作为身体的重要部位,承担着人的大部分动作。真实有效的手部数据对于手部特征分析、相关产品设计、医学研究和刑事侦探都具有十分重要的意义。针对目前手部测量数据滞后、人工测量方法效率低而三维测量成本高的问题,论文提出了基于图像和标记分水岭算法来获取手部尺寸的方法,同时对获得的数据进行了准确性验证、手部形态和特征分析。该方法实现成本低,测量快速准确,并且对外部环境和测试人员要求低,符合将人工智能应用到人体测量工程的发展趋势。主要研究内容如下:以浙江地区青年男性手部为研究对象,选取50名测试者,通过人工测量的方法采集左右手尺寸数据,对左右手数据进行相关性分析,确定以右手为图像采集手。针对手部图像采集中可能出现的影响因素:光照、距离、稳定性等,设计了专门的手部图像采集试验箱,采集了 200名测试者的右手图像。既保障了图像采集效率和质量,对便携性和制造成本也进行了充分考虑。针对手部纹理特点,同时对比传统图像分割算法的结果,提出了使用标记分水岭算法提取手部特征点的方法。该方法对手部轮廓阴影区域、指节纹等微弱边缘具有良好的响应能力,而且可以避免因手部纹理复杂而引起的过分割问题,得到连续的手部轮廓曲线、指节纹曲线。基于图像和标记分水岭算法获取手外部轮廓曲线,提取指根、指尖、腕部和指节位置关键点。然后根据提取的手部特征点、测量项定义计算出各手部尺寸的像素距离,根据相机标定距离换算出24项手部测量项的真实距离。对于指根、指尖关键点的提取,提出了求取手部轮廓曲率峰值点的方法;提取指节位置关键点,采用了对指节纹曲线坐标数据进行线性拟合,求取拟合直线与手指轮廓的交点,从而确定指节部位关键点的方法。最后从50名人工测量的实验人员中随机选取20个受试者的手部图像,对比人工测量法和基于图像和标记分水岭算法所得数据,结果表明论文所设计的方法可以快速准确的计算出手部24项尺寸。对图像识别获得的200名浙江地区青年男性的24项右手数据进行了形态和特征分析。确定了对于手型影响最大的4个因子,使用GS算法和k-means聚类算法将手型分为了 5类。接着探究了手长、掌长、手宽三项基础数据与其他因子中常用尺寸的关系以及手长与身高的比值,明确了他们之间的线性关系。最后,为降低对使用者的要求,提高手部尺寸测量的自动化、一体化程度,开发了一套完整的手部形态与特征分析系统,将论文全部研究成果集成于一体。通过该系统即可方便的实现手部图像采集、手部尺寸自动提取、数据存储、手部形态和特征分析等一系列操作,进一步提高了手部尺寸测量的效率。论文关于手部数据采集和手部形态特征方面的研究更新了浙江地区青年男性手部数据,为大规模数据采集提供了新的思路。对于消费者选购手套等手部用品、工具以及商家加工制作这些商品具有重要的参考意义。同时通过探究得到的浙江地区青年男性手长与身高的回归关系,对于刑侦领域利用手长对身高进行推测具有一定的理论和实践意义。