检测类棍状目标部件的方法技术

一种检测类棍状目标部件的方法，所述类棍状目标部件包括至少一个棍状的子部件，相邻的子部件之间通过铰链连接的方式连接起来，其中，针对每个子部件，执行如下搜索操作：产生子部件的假设子部件；对产生的假设子部件进行评估；产生子部件的候选子部件。

【技术实现步骤摘要】

本专利技术涉及图像处理中对目标部件进行检测的方法，具体来说，在深度图像中检 测用类棍状形状铰链连接的高变形的目标部件。
技术介绍
当前，正在广泛研究三种分类方法。第一种方法是对深度图像进行聚类 (W02008128568)，在该方法中，将深度图像用作输入，并对深度图像进行聚类。第二种方法 使用具有对称属性的线段，它在彩色/灰度图像中检测线，然后找到具有两条对称线的匹 配对以形成对象部件。第三种方法试图提取类棍状部件的内在模式，然后用基于样本的方 法来训练其分类器。对于第一种分类方法，它显然只对简单对象姿势起作用。对于第二种分类方法，为 了能够很好地提取线条，需要彩色/灰度图像中的裸体的人。对于第三种分类方法，它将在 刚体对象检测(比如脸部检测、头部检测等)的方法移植到变形对象的检测，从而使检测变 得复杂，并且检测性能很低。目标检测分成两类，一类是刚体目标检测，一类是非刚体目标检测；前者比较容 易，后者难在目标可以高度变形，导致检测很难。还有一个问题就是检测的速度问题，现有 应用要求实时检测，如果在图像内扫描验证每个位置，每个尺度的窗口(滑动窗口方式)是 否是目标，就要求分类器简单可靠，这就对分类器的性能要求很高。这对非刚体目标来说， 就更加困难，通常都是排除出去大部分目标不可能所在的区域，然后在较小的区域上检测， 期望降低计算量，从而提高运行速度。
技术实现思路
本专利技术提供了一种在深度图像中检测用类棍状形状铰链连接的可变形的目标部 件的方法，其中，深度图像的像素表示相机和3D空间中对象上的点之间的距离。所使用的 相机可以是能够输出对象的深度值的TOF相机、立体相机等。通过所述方法，分析视频流以 提取对象分量。为了提高对象分量检测的性能，可使用其他类型的相机或装置已与深度视 频相机协作，这样可利用他们的优点并有助于定位对象部分。本专利技术提供了一种可对因为所穿的衣服而变形的高度变形的对象(比如人的胳 膊、腿)进行有效检测的方法。在用深度相机产生的或者多相机构造的深度图像中，当对象 部件被呈现在图像中时，它们到相机之间的距离不同。基于该特征，可容易地将对象部件 (例如人的胳膊、腿等)进行定位。对于人的胳膊或腿等这类对象，可由N个类棍状体来构 成这类对象，可逐个检测类棍状体，也就是说，先检测第一类棍状体部分、第二类棍状体部 分......对于深度图像，像素值表示对象上的相应点到相机之间的距离。根据本专利技术的一方面，提供了 一种，所述类棍状目标 部件包括至少一个棍状的子部件，相邻的子部件之间通过铰链连接的方式连接起来，其中， 针对每个子部件，执行如下搜索操作产生子部件的假设子部件；对产生的假设子部件进行评估；产生子部件的候选子部件。根据本专利技术的一方面，通过使用具有二维特征的梯形来产生子部件的假设子部 件，所述产生假设子部件的步骤包括在图像中选择预定起点，然后分别按预定步长变化梯 形的高度、宽度和方向，从而得到该起点的所有假设子部件。根据本专利技术的一方面，对产生的假设子部件进行评估的步骤包括根据预定特征 丢弃掉一些不可能是子部件的假设子部件。根据本专利技术的一方面，所述产生子部件的候选子部件的步骤包括计算每个未被 丢弃掉的假设子部件可能是子部件的概率；生成子部件的候选子部件的集合。根据本专利技术的一方面，在对产生的假设子部件进行评估的步骤中，对于每个假设 子部件，在其两侧构造两个辅助假设子部件，所述辅助假设子部件与该假设子部件具有相 同的高度，但是其底边的宽度分别为该假设子部件的相应底边的宽度的一半。根据本专利技术的一方面，所述预定特征是下述特征中的至少一个表示假设子部件 不属于背景、假设子部件的最小深度小于辅助假设子部件的平均深度、假设子部件的平均 深度小于辅助假设子部件的平均深度、假设子部件在3D空间中具有有效尺度。根据本专利技术的一方面，计算每个未被丢弃掉的假设子部件可能是子部件的概率的 步骤包括将假设子部件分割为N个切片，并产生与每个切片相应的两个位于辅助假设子 部件中的外切片；将切割下来的每个片段的像素分成切片和外切片；对N个切片中的第m 切片中像素深度值满足|D(k，m)-D(m) | < TI的像素以及该切片中不满足该条件的像素进 行计数，其中，TI是预先设定的阈值，D(k，m)表示切片中的第k个像素的深度值，D(m)表示 第m切片的平均深度值；对于与该切片相应的两个外切片中的像素，计算其中的第ρ像素满 足|D1 (P，m)-D(m) I > TO的像素以及所述两个外切片中不满足该条件的像素进行计数，其 中，TO是预先设定的阈值，Dl (p，m)表示外切片中的第ρ个像素的深度值；计算第m切片中 满足|D(k，m)-D(m) | < TI的像素个数和不满足该条件的像素个数的比率Pi (m)，以及与第 m切片相应的外切片中满足|Dl(p，m)-D(m) I > TO的像素个数和不满足该条件的像素个数 的比率Po (m)；利用下面的公式来计算每个假设子部件的概率Wi NPh = U^Yj Pi(m) * Po{m)，m=l其中，α是常数；对假设子部件根据概率值由大到小的顺序进行排序，选取排在 前面的至少一个假设子部件作为该子部件的有效的假设子部件。根据本专利技术的一方面，所述生成子部件的候选子部件的集合的步骤包括对获得 的有效的假设子部件进行聚类；在每个聚类中按照计算出来的假设子部件的概率进行排 序；选择具有较高概率的假设子部件作为子部件的候选子部件；保存和输出该子部件的候 选子部件。根据本专利技术的一方面，在产生了所述子部件的候选子部件之后，从该子部件和相 邻子部件相连接的点作为起点，开始进行对相邻子部件的搜索操作。根据本专利技术的一方面，在对多个子部件进行搜索操作之后，当子部件的相邻子部 件的候选子部件与该子部件的候选子部件相同时，去除与该子部件的候选子部件相同的所 述相邻子部件的候选子部件，以输出相邻子部件的候选子部件。根据本专利技术的一方面，通过计算凹凸度图像特征的方法确定所述预定起点，凸度 深度特征计算公式如下Ph =e'll{N^)其中，W1表示凸度特征值，R和C分别为外圆和内圆区域，Nr表示R中深度值小于 深度极值dth的像素的百分比，N。表示C中深度值大于dth的像素的百分比，深度极值dth可 以为R区域中最小深度值加上一个常数δ得到；其中，所述预定起点是W1值大于预定阈值 的点。附图说明图1是根据本专利技术示例性实施例的对由子部件构成的目标部件进行搜索的流程 图。图2是由2个子部件构成的目标部件的示图。图3是对部件进行搜索的流程图。图4是解释说明假设子部件和在部件检测中用到的深度特征依据。图5是进一步对产生假设子部件步骤的详细的流程图。图6进一步对第一子部件的假设子部件进行评估并产生第一子部件的候选子部 件的步骤的详细流程图。图7进一步说明假设子部件的切割方法。图8示出了通过特征集合来对假设子部件进行评估的流程图。图9示出计算参照图8所述的假设子部件评估过程中未被丢弃的假设子部件的概 率的流程图。图10示出产生第一子部件的候选子部件的集合的流程图。图IlA示出凹凸度深度特征计算选取内圆和外圆的方法。图IlB示出计算出来潜在的搜索起点。具体实施例方式图1是根据本专利技术示例性实施例的对由多个棍状体(在下本文档来自技高网...

【技术保护点】
１．一种检测类棍状目标部件的方法，所述类棍状目标部件包括至少一个棍状的子部件，相邻的子部件之间通过铰链连接的方式连接起来，其中，针对每个子部件，执行如下搜索操作：产生子部件的假设子部件；对产生的假设子部件进行评估；产生子部件的候选子部件。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈茂林，楚汝峰，林华书，
申请(专利权)人：三星电子株式会社，北京三星通信技术研究有限公司，
类型：发明
国别省市：KR[韩国]