身体形态与各部位围度是临床上具有重要参考价值的生物标志物，可用于风险分层评估，腰臀比、四肢与躯干围度等指标都在此列。然而，传统的测量手段——例如手工软尺和光学扫描仪——往往要求受测者脱去衣物并长时间保持固定姿势。这些要求不仅拖慢工作流程、损害受测者的尊严，也使许多老年人和行动不便者被排除在测量之外。为了让测量变得快速且非接触，研究者转向毫米波（mmWave）雷达技术。这种技术能够保护隐私，并且可以穿透日常衣物进行探测，从而实现快速的全身体数据采集。
在这项工作中，作者提出了一个全新的基于优化的框架，用于从体素化的毫米波数据中恢复三维人体形状并提取一整套全面的人体测量指标。该研究的核心方法是一条加权配准流水线，它将参数化人体模型 SMPL 直接拟合到带有噪声的毫米波点云上。研究的关键创新在于一种顶点加权策略，该策略对 Chamfer 能量函数进行调制，从而实现可靠的表面对齐并消除噪声。为了进一步稳定拟合过程，研究还引入了足部-地面平面约束和姿态先验，并直接针对 SMPL 参数进行优化。
这些组件共同构成了一套快速、保护隐私的工作流程：无需摄像头、无需脱衣，仅需受测者极少的配合，就能在穿着衣物的情况下获得高保真的身体形状与测量数据。研究者指出，这一方法有望支持在诊所和护理机构中开展面向各年龄段、各行动能力水平患者的频繁风险导向评估，从而让原本繁琐、令人尴尬的测量环节变得更易接受、更易普及。
该论文题为《Millimeter-wave Imaging for Anthropometric Body Measurement》，由 Miriam Senne 及另外四位作者共同完成，于 2026 年 5 月 21 日提交至 arXiv，编号为 arXiv:2605.23064v1，属于计算机视觉与模式识别（cs.CV）以及机器学习（cs.LG）方向。论文全文、HTML 实验版本以及 TeX 源码均可通过 arXiv 获取，DOI 为 10.48550/arXiv.2605.23064。