【技术实现步骤摘要】
快速获取只含有目标对象的高清前景图的方法及系统
[0001]本专利技术涉及图像实时处理
,特别是一种快速获取只含有目标对象的高清前景图的方法及系统。
技术介绍
[0002]在某些场所如景区或网红打卡地拍照时,往往会因为存在大量的游客而无法得到只包含指定对象全部信息的目标照片,进而无法独享美景。目前常用的解决办法是后期通过制图软件将路人等非目标对象去除,这样带来的时间和人力成本大大提升。
技术实现思路
[0003]本专利技术提供一种快速获取只含有目标对象的高清前景图的方法及系统,通过优化神经网络模型获取损失率极小的深度图,并在深度图上进行层面深度截取、轮廓边缘计算和目标轮廓提取,得到只含有目标对象的高清前景图,目标对象不仅能够包括游客,还能将游客的随身携带的物品以及影子等信息得到完美保留,保证前景与背景合并等的后续处理不会出现失真。
[0004]本专利技术技术方案如下:
[0005]一种快速获取只含有目标对象的高清前景图的方法,其特征在于,包括如下步骤:
[0006]S1,获取在同一时刻拍摄并存在视差的目标处理图片和辅助处理图片;
[0007]S2,将所述目标处理图片和辅助处理图片直接输入优化深度神经网络模型,获取所述目标处理图片与所述辅助处理图片的视差信息,进而得到所述目标处理图片的深度图;
[0008]S3,根据所述目标对象所在的最大景深层面和最小景深层面,在所述深度图截取前景层面深度图;
[0009]S4,在所述前景层面深度图,进行轮廓边缘计算 ...
【技术保护点】
【技术特征摘要】
1.一种快速获取只含有目标对象的高清前景图的方法,其特征在于,包括如下步骤:S1,获取在同一时刻拍摄并存在视差的目标处理图片和辅助处理图片;S2,将所述目标处理图片和辅助处理图片直接输入优化深度神经网络模型,获取所述目标处理图片与所述辅助处理图片的视差信息,进而得到所述目标处理图片的深度图;S3,根据所述目标对象所在的最大景深层面和最小景深层面,在所述深度图截取前景层面深度图;S4,在所述前景层面深度图,进行轮廓边缘计算,获取其内的所有前景轮廓,得到前景轮廓深度图;S5,对所述前景轮廓深度图进行目标轮廓提取,得到目标对象的目标前景轮廓,所述目标前景轮廓所包含的像素点集对应的所述目标处理图片的像素点集,即为只含有目标对象的高清前景图。2.根据权利要求1所述快速获取只含有目标对象的高清前景图的方法,其特征在于,所述目标对象包括目标物体以及与目标物体直接接触的所有物体。3.根据权利要求1所述快速获取只含有目标对象的高清前景图的方法,其特征在于,所述S3中,根据目标对象与摄像机镜头之间的最小距离和最大距离,截取目标对象在所述深度图所占据的层面深度,得到前景层面深度图。4.根据权利要求1所述快速获取只含有目标对象的高清前景图的方法,其特征在于,所述S4中,所述轮廓边缘计算包括识别所述前景深度层面图中的所有特征点集并将每个特征点集的边缘计算出来,得到前景深度图上的所有特征点集的轮廓,每个特征点集即为一个前景轮廓;和/或所述S5中,所述目标轮廓提取包括根据目标对象占据面积和/或指目标对象所在的区域景深,在所述前景轮廓深度图的所有特征点集的轮廓中提取出目标对象的前景轮廓。5.根据权利要求1所述快速获取只含有目标对象的高清前景图的方法,其特征在于,所述S1中,所述目标处理图片和辅助处理图片包括双目摄像机拍摄的双目图片,或经过预处理的所述双目摄像机拍摄的双目图片,或多个存在视差的摄像机拍摄的图片,或对多个存在视差的摄像机拍摄的图像经过预处理后得到的图片。6.根据权利要求1所述快速获取只含有目标对象的高清前景图的方法,其特征在于,所述优化深度神经网络模型经过多次训练并测试得到,包括如下步骤:S2.1,将所述目标处理图片和辅助处理图片的数据拼合为同一图片的不同部分,得到特征提取原图;S2.2,对所述特征提取原图进行若干次二维卷积和池化运算,得到第一特征数据集;所述第一特征数据集并未将目标处理图片和辅助处理图片的数据信息进行关联,仅仅是简单的拼合;S2.3,将所述第一特征数据集经残差网络运算和空间金字塔池化运算,提取由高到低多个分辨率等级下的第二特征数据集;每个分辨率等级均对应一个所述第二特征数据集;S2.4,将每个所述第二特征数据集中的分属于目标处理图片和辅助处理图片的数据信息进行对称融合和归一化处理,,得到一组第三特征数据集;S2.5,将每个所述第三特征数据集进行三维卷积,得到一组初始深度图;S2.6,将所述初始深度图分别与真实标定的深度图进行比对,计算所述初始深度图的
损失函数;S2.7,将大量的不同特征提取原图重复步骤S2.2
‑
S2.6,通过反向传播不断优化网络权重值,得到尽可能小的损失函数值L;得...
【专利技术属性】
技术研发人员:陈冠宇,王磊,王飞,
申请(专利权)人:山西方天圣华数字科技有限公司,
类型:发明
国别省市:
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。