人像分割方法、装置、存储介质及电子设备制造方法及图纸

本申请提供一种人像分割方法、装置、存储介质及电子设备，方法包括：获取包含人物的深度图像；从深度图像检测出包含人物的目标区域；根据深度图像的深度信息，从目标区域中确定出人物的潜在边缘区域；根据潜在边缘区域，将人物与背景进行分割，其中，背景表示深度图像中除人物之外的图像。这样可以有效减少后续处理过程中需要进行处理的信息量，能够尽可能提高处理效率，并且可以有效且精准地确定出人物与背景之间的界限，既可以保证分割的效率，还能够提升人像分割的质量，且无需使用大量的训练数据，简单高效，另外，此方式分割人像，几乎不受图像背景的影响，具有很高的可靠性；以及，此方法能够应用的距离范围广泛，且均能够保证分割效果。

【技术实现步骤摘要】
人像分割方法、装置、存储介质及电子设备
本申请涉及图像处理
，具体而言，涉及一种人像分割方法、装置、存储介质及电子设备。
技术介绍
传统的人像分割算法效果较差，通常无法满足实时性需求，而基于深度学习的人像分割算法虽然具备较好的效果，但是无法满足多场景(例如使用场景为会议模式或者其他的直播场景)的应用。基于深度学习的人像分割算法通常有特定的距离限制，例如0.5米或者1.0米以内的分割效果较好，而超过设定的检测距离效果就会很差(因为训练样本中设定的距离限制了算法的应用距离，如果要使人像分割算法的应用距离更广泛(例如实现更远距离的高质量人像分割)，那么就需要增大神经网络的输入图像分辨率，且需要增加对应不同距离下的训练数据集，这样显著增加了算法的复杂度和人员工作量)，无法满足用户多场景下的需求，且存在或多或少的细节问题，例如人像分割太过粗糙，无法解决物体边缘的毛躁点问题，物体边缘处分割效果不好，受环境影响较大(若环境较为复杂分割效果较差)等问题。
技术实现思路
本申请实施例的目的在于提供一种人像分割方法、装置、存储介质及电子设备，以高效地实现对人像的高质量分割。为了实现上述目的，本申请的实施例通过如下方式实现：第一方面，本申请实施例提供一种人像分割方法，所述方法包括：获取包含人物的深度图像；从所述深度图像检测出包含所述人物的目标区域；根据所述深度图像的深度信息，从所述目标区域中确定出所述人物的潜在边缘区域；根据所述潜在边缘区域，将所述人物与背景进行分割，其中，所述背景表示所述深度图像中除所述人物之外的图像。在本申请实施例中，通过从深度图像检测出包含人物的目标区域，可以有效减少后续处理过程中需要进行处理的信息量，能够尽可能提高处理效率；而根据深度图像的深度信息，从目标区域中确定出人物的潜在边缘区域，可以有效且精准地确定出人物与背景之间的界限；再根据潜在边缘区域，将人物与背景进行分割，这样的人像分割方式，既可以保证分割的效率，还能够提升人像分割的质量，且无需使用大量的训练数据，简单高效，节省成本，另外，此方式分割人像，几乎不受图像背景的影响，具有很高的可靠性；以及，此方法能够应用的距离范围广泛，且均能够保证分割效果。结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述深度图像的深度信息，从所述目标区域中确定出所述人物的潜在边缘区域，包括：根据所述深度图像的深度信息，确定出所述目标区域中所述人物所在的深度距离范围，其中，所述深度距离范围为连续的景深区域；根据所述深度距离范围，从所述目标区域中确定出所述人物的潜在边缘区域。在该实现方式中，通过深度图像的深度信息可以确定人物所在的深度距离范围(连续的景深区域)，进一步从目标区域中确定出人物的潜在边缘区域。这样的方式确定出潜在边缘区域，方式简单高效，且确定的人物与背景之间的边界精确，可以很好地将人像与背景区分开来(这种方式理论上可以不受背景像素与人物像素间的差异影响，特别是针对背景复杂的情况，例如背景与人物边缘的像素区分不明显时，此种方式依然能够精准地确定出人物与背景之间的边界，效果显著)。结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据所述深度图像的深度信息，确定出所述目标区域中所述人物所在的深度距离范围，包括：根据所述深度图像的深度信息，确定出所述目标区域中每个像素的距离信息；对所述目标区域的距离信息进行分组，并对分组后的距离信息进行聚类；根据聚类结果确定出所述人物所在的所述深度距离范围。在该实现方式中，通过对目标区域中每个像素的距离信息进行聚类，基于聚类结果确定出人物所在的深度距离范围(例如K均值聚类算法，简单、运算速度快)，可以简单高效地确定出深度距离范围。结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述根据所述深度距离范围，从所述目标区域中确定出所述人物的潜在边缘区域，包括：从所述目标区域中确定出位于所述深度距离范围内的区域像素；根据所述区域像素，确定出所述潜在边缘区域。在该实现方式中，可以从目标区域确定出位于深度距离范围内的区域像素，从而可以得到潜在边缘区域(人物与背景的界限)，这样的方式符合实际情况，且能够应对各种复杂的实际情况(例如人像存在遮挡、移动的情况)，能够保证确定的潜在边缘区域的可靠性。结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，在所述根据所述区域像素，确定出所述潜在边缘区域之后，所述方法还包括：判断所述目标区域内是否存在遮挡像素，其中，所述遮挡像素表示所述深度图像中对所述人物造成遮挡的遮挡物的像素；若存在所述遮挡像素，则不更新人物历史模板，其中，所述人物历史模板表示用于跟踪所述深度图像中所述人物的模型；若不存在所述遮挡像素，则根据所述潜在边缘区域更新所述人物历史模板。在该实现方式中，可以判断目标区域内是否存在遮挡像素(深度图像中对人物造成遮挡的遮挡物的像素)，在存在遮挡像素时可以不更新人物历史模板(用于跟踪深度图像中人物的模型，使得方法在应用于连续的视频中的人像分割时，可以具有很高的效率和准确性)，不存在遮挡像素时，则根据潜在边缘区域更新人物历史模板。更新人物历史模板可以实现对图像中人物的追踪，且能够确定人物的变化尺度，而存在遮挡时不更新模板，则有利于保证人物历史模板的在准确性，避免跟踪漂移问题(累计误差)，从而提高跟踪效果。结合第一方面，在第一方面的第五种可能的实现方式中，所述根据所述潜在边缘区域，将所述人物与背景进行分割，包括：对所述潜在边缘区域进行超像素处理，确定出所述人物的边界；根据所述边界，将所述人物与所述背景进行分割。在该实现方式中，利用超像素算法对潜在边缘区域进行处理，实现人像与背景的分割，一方面可以保证分割的精细度(实现像素级别的分割)，保证分割效果；另一方面，相较于传统的超像素算法，本方法能够结合利用深度信息确定的潜在边缘区域，减少了处理量，提升了效率，并且能够保证人像分割的精准性。结合第一方面，或者结合第一方面的第一种至第五种中任一可能的实现方式，在第一方面的第六种可能的实现方式中，在所述根据所述潜在边缘区域，将所述人物与背景进行分割之后，所述方法还包括：利用预设背景图对所述深度图像中的背景进行替换。在该实现方式中，在进行人像分割后，还可以利用预设背景图对深度图像中的背景进行替换，满足对图像背景有需求的多种场景，从而保证人像分割方法的实时性。结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，所述方法还包括：获取所述预设背景图的亮度信息，以及，获取所述人物所在区域的曝光信息；根据所述亮度信息和所述曝光信息，对相机ISP进行调节，其中，所述相机为拍摄所述深度图像的相机。在该实现方式中，通过获取预设背景图的亮度信息和人物所在区域的曝光信息，可以进一步对相机ISP(图像信号处理)进行调节，从而使得替换的背景，与人物图像的亮度信息尽可能接近，从而具有更好的视觉效果，实现图像背景的智能替换。第本文档来自技高网...

【技术保护点】
1.一种人像分割方法，其特征在于，所述方法包括：/n获取包含人物的深度图像；/n从所述深度图像检测出包含所述人物的目标区域；/n根据所述深度图像的深度信息，从所述目标区域中确定出所述人物的潜在边缘区域；/n根据所述潜在边缘区域，将所述人物与背景进行分割，其中，所述背景表示所述深度图像中除所述人物之外的图像。/n

【技术特征摘要】
1.一种人像分割方法，其特征在于，所述方法包括：
获取包含人物的深度图像；
从所述深度图像检测出包含所述人物的目标区域；
根据所述深度图像的深度信息，从所述目标区域中确定出所述人物的潜在边缘区域；
根据所述潜在边缘区域，将所述人物与背景进行分割，其中，所述背景表示所述深度图像中除所述人物之外的图像。


2.根据权利要求1所述的人像分割方法，其特征在于，所述根据所述深度图像的深度信息，从所述目标区域中确定出所述人物的潜在边缘区域，包括：
根据所述深度图像的深度信息，确定出所述目标区域中所述人物所在的深度距离范围，其中，所述深度距离范围为连续的景深区域；
根据所述深度距离范围，从所述目标区域中确定出所述人物的潜在边缘区域。


3.根据权利要求2所述的人像分割方法，其特征在于，所述根据所述深度图像的深度信息，确定出所述目标区域中所述人物所在的深度距离范围，包括：
根据所述深度图像的深度信息，确定出所述目标区域中每个像素的距离信息；
对所述目标区域的距离信息进行分组，并对分组后的距离信息进行聚类；
根据聚类结果确定出所述人物所在的所述深度距离范围。


4.根据权利要求2所述的人像分割方法，其特征在于，所述根据所述深度距离范围，从所述目标区域中确定出所述人物的潜在边缘区域，包括：
从所述目标区域中确定出位于所述深度距离范围内的区域像素；
根据所述区域像素，确定出所述潜在边缘区域。


5.根据权利要求4所述的人像分割方法，其特征在于，在所述根据所述区域像素，确定出所述潜在边缘区域之后，所述方法还包括：
判断所述目标区域内是否存在遮挡像素，其中，所述遮挡像素表示所...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：苏州臻迪智能科技有限公司，
类型：发明
国别省市：江苏;32