人体掩膜提取方法及装置制造方法及图纸

本发明专利技术涉及计算机视觉技术领域，具体涉及一种人体掩膜提取方法及装置，该人体掩膜提取方法包括获取灰度图像和深度图像，将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像。计算所述深度图像中包含人体图像的深度值范围，根据所述矩形框对所述灰度图像和深度图像进行裁剪，得到包含人体图像的灰度图像和包含人体图像的深度图像。对所述裁剪出的包含人体图像的灰度图像进行边缘检测，得到边缘图。根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓，选取所述轮廓上的像素点围成的最大连通区域为人体掩膜。

【技术实现步骤摘要】
人体掩膜提取方法及装置
本专利技术涉及计算机视觉
，具体而言，涉及一种人体掩膜提取方法及装置。
技术介绍
人体掩膜的提取是一种利用算法提取人体轮廓区域的技术，提取掩膜是对人体图像处理和分析的前提。现有的人体掩膜提取算法多是基于可见光图像的，这些提取算法主要有一下两类：一是先通过分割算法得到图像中的物体，然后将分割得到的物体进行识别得到人体掩膜；二是提取局部特征并通过分类算法进行训练得到模型，通过模型提取人体掩膜。第一类提取方法中的图像分割算法，因可见光图像易受光照和颜色、背景等因素的影响，分割出的图像会出现边界断点、图形合并等现象影响识别。而第二类提取方法中，因为人体形变和背景复杂，会导致准确率降低。因此，提供一种能精确提取人体掩膜的方法是十分必要的，能便于人体图像处理和分析。
技术实现思路
本专利技术的目的在于提供一种人体掩膜提取方法，以实现对人体掩膜的精确提取，以便于人体图像的处理和分析。本专利技术的另一目的在于提供一种人体掩膜提取装置，以实现对人体掩膜的精确提取，以便于人体图像的处理和分析。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种人体掩膜提取方法，应用于服务终端，所述方法包括：获取灰度图像和深度图像；将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像；根据所述矩形框计算所述深度图像中人体图像的深度值范围；根据所述矩形框对所述灰度图像和所述深度图像进行裁剪，得到包含人体图像的灰度图像和包含人体图像的深度图像；对所述裁剪出的包含人体图像的灰度图像进行边缘检测，得到边缘图；根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓；选取所述轮廓上的像素点围成的最大连通区域为人体掩膜。第二方面，本专利技术实施例还提供了一种人体掩膜提取装置，应用于服务终端，所述装置包括：图像获取模块，用于获取灰度图像和深度图像；图像圈出模块，用于将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像；深度范围计算模块，用于根据所述矩形框计算所述深度图像中人体图像的深度值范围；图像裁剪模块，用于根据所述矩形框对所述灰度图像和所述深度图像进行裁剪，得到包含人体图像的灰度图像和包含人体图像的深度图像；边缘检测模块，用于对所述裁剪出的包含人体图像的灰度图像进行边缘检测，得到边缘图；轮廓确定模块，用于根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓；区域选取模块，用于选取所述轮廓上的像素点围成的最大连通区域为人体掩膜。本专利技术实施例提供的一种人体掩膜提取方法及装置，该人体掩膜提取方法及装置均应用于服务终端，该人体掩膜提取方法包括获取灰度图像和深度图像，将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像。根据矩形框计算所述深度图像中包含人体图像的深度值范围，根据所述矩形框对所述灰度图像和深度图像进行裁剪，得到包含人体图像的灰度图像和包含人体图像的深度图像。对所述裁剪出的包含人体图像的灰度图像进行边缘检测，得到边缘图。根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓，选取所述轮廓上的像素点围成的最大连通区域为人体掩膜。通过本方案以精确确定人体掩膜，为后续的人体图像分析和处理做好了准备。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本专利技术实施例提供的一种人体掩膜提取方法的流程示意图。图2示出了本专利技术实施例提供的一种人体掩膜提取方法的子步骤的流程示意图。图3示出了本专利技术实施例提供的一种人体掩膜提取方法的另一子步骤的流程示意图。图4示出了本专利技术实施例提供的一种人体掩膜提取方法的另一子步骤的流程示意图。图5示出了本专利技术实施例提供的一种人体掩膜提取方法的另一子步骤的流程示意图。图6示出了本专利技术实施例提供的一种人体掩膜提取装置的功能模块示意图。图示：100-人体掩膜提取装置；110-图像获取模块；120-图像圈出模块；130-深度范围计算模块；140-图像裁剪模块；150-边缘检测模块；160-轮廓确定模块；170-直线检测模块；180-区域选取模块。具体实施方式下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。本专利技术实施例提供的人体掩膜提取方法用于精确提取人体轮廓，以便于人体图像的进一步处理和分析，该人体掩膜提取方法应用于服务终端，该服务终端可以是，但不限于，台式电脑等智能电子设备。请参照图1，是本专利技术实施例提供的一种人体掩膜提取方法的流程示意图，该人体掩膜提取方法包括：步骤S110，获取灰度图像和深度图像。通过相机拍摄，采集得到灰度图像和深度图像，该灰度图像和深度图像对应。步骤S120，将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像。将采集得到的灰度图像输入预设的深度学习模型中，在本实施例中，该深度学习模型为yolo深度学习模型，但不限于此，该深度学习模型还可以为其他能实现相应功能的学习模型，该深度学习模型中的yolo矩形框将圈出灰度图像中的人体图像。具体为：请参照图2，是本专利技术实施例提供的一种人体掩膜提取方法的步骤S120的子步骤的流程示意图。步骤S121，将获取的灰度图像输入预设的深度学习模型中。在本专利技术实施例中，指将通过相机采集的灰度图像输入预设的yolo深度学习模型中。步骤S122，通过所述预设的深度学习模型在所述灰度图像中使用所述矩形框圈出的部分人体图像。该yolo深度学习模型将使用矩形框在灰度图像中圈出部分人体图像，即通常情况下，不能保证该矩形框能完整圈出人体图像，可能只能圈出部分人体图像，或者该矩形框能够圈出完整的人体图像，但是对于用户无法获知是否已经圈出了完整的人体图像。步骤S123，对所述矩形框进行扩展，使用扩展后的矩形框圈出所述灰度图像中的人体图像。当该矩形框圈出了本文档来自技高网...

【技术保护点】
一种人体掩膜提取方法，应用于服务终端，其特征在于，所述方法包括：获取灰度图像和深度图像；将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像；根据所述矩形框计算所述深度图像中人体图像的深度值范围；根据所述矩形框对所述灰度图像和所述深度图像进行裁剪，得到包含人体图像的灰度图像和包含人体图像的深度图像；对所述裁剪出的包含人体图像的灰度图像进行边缘检测，得到边缘图；根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓；选取所述轮廓上的像素点围成的最大连通区域为人体掩膜。

【技术特征摘要】
1.一种人体掩膜提取方法，应用于服务终端，其特征在于，所述方法包括：获取灰度图像和深度图像；将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像；根据所述矩形框计算所述深度图像中人体图像的深度值范围；根据所述矩形框对所述灰度图像和所述深度图像进行裁剪，得到包含人体图像的灰度图像和包含人体图像的深度图像；对所述裁剪出的包含人体图像的灰度图像进行边缘检测，得到边缘图；根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓；选取所述轮廓上的像素点围成的最大连通区域为人体掩膜。2.如权利要求1所述的人体掩膜提取方法，其特征在于，所述根据所述矩形框计算所述深度图像中人体图像的深度值范围的步骤包括：获取所述深度图像中对应于所述矩形框的中心点的位置的深度值；依据预设的第一深度值、预设的第二深度值以及所述中心点的深度值计算出所述深度图像中人体图像的深度值范围。3.如权利要求1所述的人体掩膜提取方法，其特征在于，所述根据所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓的步骤包括：判断所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值是否在所述深度值范围内；若所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值在所述深度值范围内，则将所述边缘点的灰度值设置为第一预设值；若所述边缘图的边缘点在所述裁剪得到的包含人体图像的深度图像中对应的深度值不在所述深度值范围内，则将所述边缘点的灰度值设置为第二预设值；根据所述第一预设值和所述第二预设值在所述裁剪得到的包含人体图像的灰度图像中确定一轮廓。4.如权利要求1所述的人体掩膜提取方法，其特征在于，所述将所述灰度图像输入预设的深度学习模型中，使用矩形框圈出包含人体图像的灰度图像的步骤包括：将获取的灰度图像输入预设的深度学习模型中；通过所述预设的深度学习模型在所述灰度图像中使用所述矩形框圈出的部分人体图像；对所述矩形框进行扩展，使用扩展后的矩形框圈出所述灰度图像中的人体图像。5.如权利要求1所述的人体掩膜提取方法，其特征在于，所述根据所述边缘图的边缘点在所述裁剪得到的深度图像中对应的深度值以及所述深度值范围，在所述裁剪得到的灰度图像中确定一轮廓之后还包...

【专利技术属性】
技术研发人员：廖逸琪，毛河，周剑，
申请(专利权)人：成都通甲优博科技有限责任公司，
类型：发明
国别省市：四川,51