【技术实现步骤摘要】
一种基于深度相机的人体分割方法及系统
本专利技术涉及计算机视觉
,尤其涉及一种基于深度相机的人体分割方法及系统。
技术介绍
传统的人体分割的方案一般是基于2D图像实现的。比较通用的实现技术方案是人工特征结合图像分割算法,人工特征主要有颜色特征、SIFT(Scale-invariantFeatureTransform)、LBP(LocalBinaryPattern)特征、HOG(HistogramofOrientGradient)特征等。图像分割算法的主要思路是使用人工特征定义像素间的相似度,然后通过求解图的最小分割问题得到分割的结果。这种思路简单容易实施,但计算开销非常大,很难满足实时性,并且精度也很难保证。随着深度学习技术的快速发展,申请公布号为CN108198192A的专利提出了使用深度学习的技术方案来改善人体分割的精度,该方案根据人体的统计比例确定输入图像的尺寸,采用定制化的对称神经网络---卷积网络和反卷积网络,通过学习大量人体细节的图像进行训练来得到人体图像分割的能力。该方案理论上会提高分割的精度,但基于深度学习的方案泛化特性很难保证,很容易出现在训练集上精度很高但在实际场景中效果很差的情况,并且在环境非常拥挤导致大量的人体被遮挡的情况下,很难有效的进行人体的分割。区别于传统2D图像的思路,深度相机能提供场景的3D深度信息,能有效的解决2D方案中很难解决的出现人体遮挡的情况。申请公布号为CN07204000A的专利提出了基于Kinect深度相机的人体分割方法,其在图优化的框架下联合利用 ...
【技术保护点】
1.一种基于深度相机的人体分割方法,其特征在于,所述方法包括:/nS1、对获取的前N帧深度图像进行求平均,得到一平均深度图像;/nS2、对当前帧的深度图像进行平面检测,获取到对应的地面模型;/nS3、根据所述平均深度图像、地面模型以及当前帧的深度图像,获取所述当前帧的深度图像对应的前景图以及对应的投影深度图;/nS4、在所述投影深度图中进行像素点遍历,得到一局部极值点集合;/nS5、对所述投影深度图进行流形聚类算法,以所述局部极值点集合作为初始聚类中心,获取所述投影深度图中的人体分割信息。/n
【技术特征摘要】
1.一种基于深度相机的人体分割方法,其特征在于,所述方法包括:
S1、对获取的前N帧深度图像进行求平均,得到一平均深度图像;
S2、对当前帧的深度图像进行平面检测,获取到对应的地面模型;
S3、根据所述平均深度图像、地面模型以及当前帧的深度图像,获取所述当前帧的深度图像对应的前景图以及对应的投影深度图;
S4、在所述投影深度图中进行像素点遍历,得到一局部极值点集合;
S5、对所述投影深度图进行流形聚类算法,以所述局部极值点集合作为初始聚类中心,获取所述投影深度图中的人体分割信息。
2.如权利要求1所述的基于深度相机的人体分割方法,其特征在于,所述步骤S1包括:
获取所述前N帧深度图像中每一帧深度图像中的深度数据,根据公式(1),计算得到所述平均深度图像;
其中,i、j为图像坐标系下的横坐标和纵坐标,Da(i,j)为所述平均深度图像在图像坐标系中i、j处的深度值,Dl(i,j)为第l帧深度图像在图像坐标系中i、j处的深度值。
3.如权利要求2所述的基于深度相机的人体分割方法,其特征在于,所述步骤S2包括:
获取所述当前帧的深度图像中每一个像素点的3D坐标信息,所述坐标信息的计算公式为式(2),得到一3D坐标信息数据集;
其中,Xworld、Yworld、Zworld对应为单个像素点的3D坐标信息,x、y是图像坐标系下的横坐标和纵坐标,deep为图像坐标系下(x,y)点处的深度值,cx、cy分别为图像坐标系深度相机中心点处的x轴和y轴的坐标值,Tx、Ty分别为单个像素点x方向和y方向的大小,fx、fy分别为x方向和y方向上的焦距信息;
根据RANSAC算法和所述3D坐标信息数据集,计算得到所述当前帧的深度图像中的地面方程a*x+b*y+c*z+d=0中的a、b、c、d参数信息。
4.如权利要求3所述的基于深度相机的人体分割方法,其特征在于,所述RANSAC算法的步骤具体包括:
从所述3D坐标信息数据集中随机选取若干组数据,根据所述若干组数据得到一初始地面方程;
根据所述初始地面方程,测试所述3D坐标信息数据集,并根据一预设的阈值信息,获取到对应的局内点和局外点信息;
重复迭代上述过程,得到包含最多局内点信息所对应的地面方程a*x+b*y+c*z+d=0;
根据所述地面方程,计算得到a、b、c、d参数信息。
5.如权利要求3所述的基于深度相机的人体分割方法,其特征在于,所述步骤S3包括:
根据所述地面方程a*x+b*y+c*z+d=0、a、b、c、d参数信息以及所述平均深度图像,利用公式(3)得到所述当前帧的深度图像对应的前景图;
其中,F(i,j)为所述前景图在图像坐标系下(x,y)点处的像素值,Da(i,j)为所述平均深度图像在图像坐标系中i、j处的深度值,H和α为深度相机的安装高度和角度,所述H和α的计算公式为式(4);
其中,a、b...
【专利技术属性】
技术研发人员:余小欢,徐勇军,凌晨,陈嵩,白云峰,
申请(专利权)人:杭州光珀智能科技有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。