Reconstrucción antropométrica 3D de bajo costo basada en procesamiento de imágenes y Deep Learning

Abstract

La presente tesis se centra en la investigación de métodos y algoritmos para la reconstrucción antropométrica 3D y su posterior análisis morfométrico utilizando dispositivos móviles, como teléfonos celulares y tabletas. Estos métodos revolucionan la forma en que entendemos y cuantificamos la forma del cuerpo humano, con aplicaciones en campos tan diversos como la medicina, la moda, la antropología y la ciencia forense. En el primer capítulo, se presenta un modelo de segmentación de imágenes que permite la clasificación y segmentación precisa de cuerpos humanos en escenas complejas. Esto se logra mediante la segmentación semántica y por instancias, lo que brinda una base sólida para la reconstrucción tridimensional. En el segundo capítulo, se explora la reconstrucción de nubes de puntos 3D a partir de fotogrametría, partiendo de frames de videos segmentados, lo que permite una recolección y filtrado eficiente de los datos. Esto es esencial para la generación de modelos tridimensionales precisos y para su posterior análisis. El tercer capítulo se centra en las mallas 3D y en el uso de Deep Learning para mejorar la calidad de las representaciones tridimensionales. Estas mallas son indispensables para el análisis detallado de la morfología humana. El cuarto capítulo destaca la transformación de la antropometría con la adopción de modelos 3D, permitiendo mediciones más precisas y detalladas de la forma corporal. Esto tiene aplicaciones en campos como la antropología biológica. El quinto capítulo se centra en la validación de estos métodos en diferentes poblaciones, lo que garantiza su aplicabilidad generalizada y fortalece su credibilidad científica. En el trabajo en curso, se están explorando algoritmos más avanzados que permitan la automatización de la reconstrucción 3D y se extenderán las aplicaciones en cuanto a la relación o correlación de datos antropométricos con otras variables asociadas. Además, se fomenta la colaboración internacional y la aplicación de la antropometría 3D en investigaciones clínicas específicas. En síntesis, esta tesis representa un avance significativo en la reconstrucción antropométrica 3D y su aplicación en una variedad de campos. El trabajo futuro promete ampliar y enriquecer aún más nuestra comprensión de la morfología humana y su relación con factores de salud, hábitos alimentarios y mucho más.

This thesis focuses on the investigation of methods and algorithms for 3D anthropometric reconstruction and subsequent morphometric analysis using mobile devices such as smartphones and tablets. These methods revolutionize the way we understand and quantify the shape of the human body, with applications in fields as diverse as medicine, fashion design, anthropology and forensic science. In the first chapter, an image segmentation model is presented that allows for the accurate classification and segmentation of human bodies in complex scenes. This is achieved through semantic and instance-based segmentation, which provides a solid basis for three-dimensional reconstruction. In the second chapter, 3D point cloud reconstruction from photogrammetry is explored, starting from segmented video frames, which allows for efficient data collection and filtering. This is essential for the generation of accurate 3D models and their subsequent analysis. The third chapter focuses on 3D meshes and the use of Deep Learning to improve the quality of three-dimensional representations. These meshes are indispensable for detailed analysis of human morphology. The fourth chapter highlights the transformation of anthropometry with the adoption of 3D models, allowing more accurate and detailed measurements of body shape. This has applications in fields such as biological anthropology. The fifth chapter focuses on the validation of these methods in different populations, ensuring their widespread applicability and strengthening their scientific credibility. In ongoing work, more advanced algorithms are being explored to allow automation of 3D reconstruction and applications will be extended in terms of relating or correlating anthropometric data with other associated variables. In addition, international collaboration and the application of 3D anthropometry in specific clinical research is encouraged. In summary, this thesis represents a significant advance in 3D anthropometric reconstruction and its application in a variety of fields. Future work promises to further expand and enrich our understanding of human morphology and its relationship to health factors, dietary habits and much more.