CN107507213A - 一种基于消失点提取图像信息的方法及装置 - Google Patents
一种基于消失点提取图像信息的方法及装置 Download PDFInfo
- Publication number
- CN107507213A CN107507213A CN201610413012.6A CN201610413012A CN107507213A CN 107507213 A CN107507213 A CN 107507213A CN 201610413012 A CN201610413012 A CN 201610413012A CN 107507213 A CN107507213 A CN 107507213A
- Authority
- CN
- China
- Prior art keywords
- destination object
- target image
- information
- image
- metrical information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种基于消失点提取图像信息的方法及装置。该方法包括:获取目标图像;对所述目标图像进行图像分割,获得所述目标图像中的目标对象;获得所述目标对象的关键点的位置信息;根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息。本实施例通过图像分割获得目标对象,并根据目标对象上的关键点位置信息以及已知的实际参照物的测量信息计算获得目标对象的测量信息。该信息提取方法源于目标对象上的关键点以及实际的参照物,因此可以获得更加精确的测量信息。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种基于消失点提取图像信息的方法及装置。
背景技术
人类获取的外部世界信息中,超过80%是通过人的眼睛即视觉感知得到的,让机器能够拥有像人类一样的视觉是人类社会多年的梦想。
在计算机视觉领域中,对视觉图像中目标对象的信息提取是一个关键问题,是目前人机交互的重要技术之一。以图像中人体数据的提取也即人体自动测量为例,该技术能够应用在人体量体裁衣、制作游戏、虚拟现实等领域。人体自动测量潜在的巨大应用价值,引起了学术界、工业界的广泛关注。
对图像中目标对象的信息提取一般是指从图像中检测获得目标对象的位置、方向和目标对象尺度等信息。现有的信息提取中由于对目标对象的结构和尺寸测量不准确,因此获得的目标对象的测量信息精确度较低。
发明内容
本发明实施例所要解决的技术问题是提供一种基于消失点提取图像信息的方法及装置,能够提高所获得的目标对象测量信息的精确度。
为了解决上述问题,本发明公开了以下技术方案:
第一方面,提供一种基于消失点提取图像信息的方法,包括:
获取目标图像;
对所述目标图像进行图像分割,获得所述目标图像中的目标对象;
获得所述目标对象的关键点的位置信息;
根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息。
进一步,所述对所述目标图像进行图像分割,获得所述目标图像中的目标对象,包括:
对所述目标图像进行预处理;
对预处理后的所述目标图像进行所述目标对象及背景图像的区分,获得所述目标对象。
进一步,所述获得所述目标对象的关键点的位置信息,包括:
对所述目标对象进行部位识别;
在识别出的部位上确定所述关键点及所述关键点在所述目标图像中的位置信息。
进一步,所述对所述目标对象进行部位识别,包括:
根据预先获得的部位位置与对象高度之间的比例关系,识别所述目标对象的部位。
进一步,所述根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息,包括:
根据位于指定方向上的参照物的位置信息,确定所述指定方向上的消失点;
根据所述消失点,预先获知的所述目标图像中参照物的测量信息,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
进一步,所述根据所述消失点,预先获知的所述目标图像中参照物的测量信息,以及所述关键点的位置信息,计算获得所述目标对象的测量信息,包括:
根据所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述参照物的测量信息及其在所述目标图像中的位置信息,计算获得尺寸因素;
根据所述尺寸因素,所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
进一步,所述根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息,包括:
根据所述参照物的测量信息及在所述目标图像中所述参照物在指定方向上的像素点位置信息,确定所述指定方向上单位像素点的测量信息;
根据所述指定方向上单位像素点的测量信息及所述关键点的位置信息获得所述目标对象的测量信息。
进一步,所述目标对象的测量信息至少包括下列之一:
人体的身高、肩宽、左手臂长度、右手臂长度、腰宽、腰到脚长度、腿长。
第二方面,提供一种基于消失点提取图像信息的装置,包括:
图像获取模块,被配置为获取目标图像;
图像分割模块,被配置为对所述目标图像进行图像分割,获得所述目标图像中的目标对象;
第一测量模块,被配置为获得所述目标对象的关键点的位置信息;
第二测量模块,被配置为根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息。
进一步,所述图像分割模块包括:
处理子模块,被配置为对所述目标图像进行预处理;
分割子模块,被配置为对预处理后的所述目标图像进行所述目标对象及背景图像的区分,获得所述目标对象。
进一步,所述第一测量模块包括:
识别子模块,被配置为对所述目标对象进行部位识别;
确定子模块,被配置为在识别出的部位上确定所述关键点及所述关键点在所述目标图像中的位置信息。
进一步,所述识别子模块,被配置为根据预先获得的部位位置与对象高度之间的比例关系,识别所述目标对象的部位。
进一步,所述第二测量模块包括:
消失点确定子模块,被配置为根据位于指定方向上的参照物的位置信息,确定所述指定方向上的消失点;
计算子模块,被配置为根据所述消失点,预先获知的所述目标图像中参照物的测量信息,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
进一步,所述计算子模块包括:
第一子模块,被配置为根据所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述参照物的测量信息及其在所述目标图像中的位置信息,计算获得尺寸因素;
第二子模块,被配置为根据所述尺寸因素,所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
进一步,所述第二测量模块包括:
测量子模块,被配置为根据所述参照物的测量信息及在所述目标图像中所述参照物在指定方向上的像素点位置信息,确定所述指定方向上单位像素点的测量信息;
获取子模块,被配置为根据所述指定方向上单位像素点的测量信息及所述关键点的位置信息获得所述目标对象的测量信息。与现有技术相比,本发明实施例包括以下优点:
本实施例通过图像分割获得目标对象,并根据目标对象上的关键点位置信息以及已知的实际参照物的测量信息计算获得目标对象的测量信息。该信息提取方法源于目标对象上的关键点以及实际的参照物,因此可以获得更加精确的测量信息。
附图说明
图1是本发明的一种基于消失点提取图像信息的方法实施例的步骤流程图;
图2a是本发明的一种获得目标图像中的目标对象的方法实施例的步骤流程图;
图2b~2e是本发明实施例中背景差分法的应用示意图;
图3是本发明的一种获得目标对象的关键点的位置信息的方法实施例的步骤流程图;
图4a是本发明的一种获得目标对象的测量信息的方法实施例的步骤流程图;
图4b是本发明实施例中获得消失点的示意图;
图5是本发明的一种根据消失点计算获得目标对象的测量信息的方法实施例的步骤流程图;
图6是本发明的另一种获得目标对象的关键点的位置信息的方法实施例的步骤流程图;
图7是本发明的一种基于消失点提取图像信息的装置实施例的结构框图;
图8是本发明的一种图像分割模块的结构框图;
图9是本发明的一种第一测量模块的结构框图;
图10是本发明的一种第二测量模块的结构框图;
图11是本发明的一种计算子模块的结构框图;
图12是本发明的另一种第一测量模块的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1,示出了本发明的一种基于消失点提取图像信息的方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,获取目标图像。
本实施例中,该用于提取图像信息的装置(以下简称该装置)可以是移动终端或PC等,也可以是内置在终端或安装在某一平台的模块等,可以执行本实施例中的步骤101~104。
在本步骤中,该装置可以通过终端或移动平台的摄像头拍摄获得目标图像,也可以是从预先存储的图库中调取目标图像。该目标图像中包含有待测量的目标对象,该目标对象可以人物、人体的某一部位或动物或其它对象。
步骤102,对目标图像进行图像分割,获得目标图像中的目标对象。
在获得目标图像后,在本步骤中,该装置对目标图像进行图像分割,以获得目标图像中的目标对象。该图像分割可以采用现有的图像分割方法。
其中,一实施例中,该装置可以采用背景差分法来区分目标图像中的目标对象及背景。另一实施例中,该装置也可以半自动分割法实现图像分割,该装置还可以根据预先设置好的分割模板或分割轮廓,直接对目标图像中的目标对象进行粗略但快速的分割。具体请参见后续实施例的描述。
步骤103,获得目标对象的关键点的位置信息。
在从目标图像中分割出目标对像后,本步骤即可提取出目标对象上两个或两个以上关键点的位置信息。该关键点可以是目标对象轮廓线上的点,以目标对象为人体为例,该关键点可以是人体最上部如头顶处的像素点,也可以是人体最下部如脚处的像素点等。该关键点的选取与需要获得的目标对象的测量信息有关。关键点的位置信息具体可以是二位或三维的原始坐标或齐次坐标等。
步骤104,根据关键点的位置信息及预先获知的目标图像中参照物的测量信息,获得目标对象的测量信息。
在本步骤中,其中一种实现方式可以是首先根据预先获知的目标图像中某一参照物的测量信息(如尺寸信息),以及该参照物在目标图像中包含的像素点,计算单位像素点对应的实际测量信息,然后根据关键点的位置信息确定出待测量的目标对象包含的像素点,进而根据单位像素点对应的实际测量信息,计算获得目标对象的测量信息。其中,测量信息具体可以是高度或宽度或长度等尺寸信息。
另一种实现方式,可以根据关键点的位置信息确定出某一方向上的消失点,进而根据该消失点及预先获知的目标图像中参照物的测量信息获得一个尺寸因素,进而根据该尺寸因素及关键点的位置信息计算获得目标对象的测量信息。
也可以上述两种方式相结合获得目标对象的测量信息。
其中,参照物的测量信息可以是预先设定或存储的,也可以是该装置接收的用户临时输入的数值等。
具体请参见后续实施例的描述。
本发明实例中,上述目标对象的测量信息可以至少包括下列之一:
人体的身高、肩宽、左手臂长度、右手臂长度、腰宽、腰到脚长度、腿长。
本实施例通过图像分割获得目标对象,并根据目标对象上的关键点位置信息以及已知的实际参照物的测量信息计算获得目标对象的测量信息。该信息提取方法源于目标对象上的关键点以及实际的参照物,因此可以获得更加精确的测量信息。
另外,本发明实施例能够克服环境限制,实现人机交互,增强用户体验。因其可以快速准确的获得测量信息,可用于快速服装设计、量体裁衣,手机端游戏等应用。
在另一实施例中,在执行步骤102,对目标图像进行图像分割,获得目标图像中的目标对象时,如图2a所示,该方法具体可以包括:
步骤201,对目标图像进行预处理。
在获得目标图像后,由于图像分割和后续关键点的选取等与图像是否是彩色无关,为便于后续图像处理,可以将目标图像转化为灰度图像,如图2b所示。经过该转化为灰度图像的预处理,可将目标图像优化为噪声点少、对比度强的清晰图像。
该预处理还可以包括对目标图像尺寸的适应性调整等。
步骤202,对预处理后的目标图像进行目标对象及背景图像的区分,获得目标对象。
本步骤中,该目标对象及背景图像的区分具体可以采用背景差分算法,即基于上步骤转化的灰度图,进行背景差分。
背景差分法的基本原理是:先确定一个作为参考的背景图像,如图2c所示,然后将当前目标图像(图2b)与背景图像(图2c)相减,得到差分图像。接着用阈值T判断当前差分图像中与背景图像灰度值相差较大的点,若差分值大于T则认为是目标对象,并令该点为1;反之,认为是背景点,该点为0,从而分割出目标对象。函数表达式如下:
其中,dt(x,y)为像素点t的判断结果,f(x,y,t)为差分图像中的像素点的灰度值,b(x,y)为背景图像的灰度值。
通过设置合理的阈值T,对目标图像中每个像素点进行判断并归类,从而得到目标对象(图2b)与背景图像(图2c)区分的二值图(图2d)。然后可以进一步对根据二值图分割出的图像进行腐蚀、膨胀,去除小面积区域等操作,即可实现对目标图像的图像分割,获得目标对象。也可以进一步获得目标对象的轮廓图,如图2e所示。
利用背景差分法能够完整准确的分割出目标对象,进而可以准确提取目标对象的信息。
在另一实施例中,在执行步骤103,获得目标对象的关键点的位置信息时,如图3所示,该方法可以进一步包括:
步骤301,对目标对象进行部位识别。
本实施例以目标对象为人体为例进行说明。在获得图2d或图2e所示的目标对象后,可以对该目标对象进行部位识别。识别部位可以是头部、左右脚、左右手、肩部、腰部中的全部或其中一个或多个。
本步骤中,可以根据预先获得的部位位置与对象高度之间的比例关系,识别目标对象的部位。
针对头部,根据分割后的轮廓图2e可以得到头部位于轮廓图的最顶端;而脚部则位于轮廓图的最低端;左右手分别对应轮廓图中的最左及最右端;肩部可以通过检测手臂与肩膀的部位的渐进交叉位置获得;腰部可以根据预先获得的部位位置与对象高度之间的比例关系进行识别,例如可以根据国际GB/T 16160-2008《服装用人体测量的部位及方法》及美国Clemson大学的研究的人体各个部位与身高的比例关系,如表1所示,其中男性人体的腰部占据整个人体的61%,而女性人体腰部占据整个人体的63%。因此,根据这个比例得到人体腰的位置。
表1
步骤302,在识别出的部位上确定关键点及关键点在目标图像中的位置信息。
在识别出各部位后,即可确定出部位上的关键点,并确定这些关键点在目标图像上的位置信息,该位置信息具体可以是二维或三维坐标。
各关键点与待测量的部位相关,例如要获得头部的测量信息时,可以选择头顶位置的像素点作为关键点,进而获得该关键点的坐标。
各关键点可以是轮廓图2e上各部位的端点或顶点,例如头顶,左肩端部,右肩端部,左手顶点,右手顶点,腰部左右侧端点,左右脚最底部位置等。
在另一实施例中,在执行步骤104,根据关键点的位置信息及预先获知的目标图像中参照物的测量信息,获得目标对象的测量信息时,如图4a所示,可以包括:
步骤401,根据位于指定方向上的参照物的位置信息,确定指定方向上的消失点。
本实施例中,指定方向可以是水平方向和竖直方向,当然也可以根据特殊需求选择其它指定方向。
在确定出位于指定方向上的已知参照物后,即可根据这些参照物的位置信息,确定指定方向上的消失点。
具体可以是对目标图像中参照物的坐标进行标定,其中一部分选中的坐标用于求水平方向上的两对平行直线,然后通过这两个消失点就可以求出水平方向的消失线。同理,通过选择垂直方向的坐标,用于求垂直方向上的两对平行直线,通过获得它们的交点就可以得到垂直方向上的消失点。
如图4b所示,在现实场景中,参照物A、B间的连线与参照物C、D间的连线在水平方向上平行,在目标图像中,根据这一对平行线可以求得水平方向的消失点E。在现实场景中,参照物C、A间的连线与参照物D、B间的连线也在水平方向上平行,在目标图像中,根据这一对平行线可以求得另一水平方向的消失点E’。通过这两个消失点E、E’可以求出水平方向的消失线L。
在现实场景中,参照物F、G间的连线与参照物H、I间的连线在竖直方向上平行,在目标图像中,根据这一对平行线可以求得竖直方向的消失点J。
步骤402,根据消失点,预先获知的目标图像中参照物的测量信息,以及关键点的位置信息,计算获得目标对象的测量信息。
在获得上述水平方向的消失点E、E’,消失线L以及竖直方向的消失点J之后,即可利用这些消失点以及预先获知的目标图像中参照物的测量信息和关键点的位置信息,计算获得目标对象的测量信息。
如图5所示,可以进一步包括:
步骤501,根据消失点的坐标和连接消失点形成的消失线的向量,以及参照物的测量信息及其在目标图像中的位置信息,计算获得尺寸因素。
具体可以根据以下公式计算获得尺寸因素α:
其中,tr、br分别代表目标图像中参照物在原始三维场景下对应的竖直方向上顶部齐次坐标和底部齐次坐标;hr表示参考物的高度,I表示水平方向的消失线L的向量矩阵,v表示在原始三维场景下垂直方向消失点J的坐标。
步骤502,根据尺寸因素,消失点的坐标和连接消失点形成的消失线的向量,以及关键点的位置信息,计算获得目标对象的测量信息。
具体可以根据以下公式计算获得目标对象的测量信息:
其中h为目标对象的测量结果;t、b分别代表待测量的目标对象的部位在目标图像中原始三维场景下对应的顶部关键点的齐次坐标和底部关键点的齐次坐标。
根据上述步骤,可以计算获得目标对象在竖直方向上的测量信息。例如可以求得人体的身高、腿长、腰到脚的高度等。
在另一实施例中,在执行步骤104,根据关键点的位置信息及预先获知的目标图像中参照物的测量信息,获得目标对象的测量信息时,如图6所示,可以包括:
步骤601,根据参照物的测量信息及在目标图像中参照物在指定方向上的像素点位置信息,确定指定方向上单位像素点的测量信息。
首先,以指定方向为水平方向为例,根据水平方向上参照物的已知测量信息,如长度,以及该参照物在目标图像中的像素坐标,求单位像素点所占的实际长度:
Pixel_scale=wr/(rright(x)-rleft(x))
其中,Pixel_scale表示单位像素所对应的长度;wr表示参照物的实际长度;x,y分别表示参照物的像素点的横纵坐标值;rright、rleft分别表示参照物在目标图像中左部及右部所对应的坐标。
步骤602,根据指定方向上单位像素点的测量信息及关键点的位置信息获得目标对象的测量信息。
在获得指定方向(如水平方向)上单位像素点的测量信息(如长度)后,即可根据目标对象在目标图像中所占的像素值,以及单位像素点的测量信息(如长度),获得目标对象的测量信息(如长度):
首先,目标对象在目标图像中所占的像素值:
pixel=|right(x)-left(x)|
pixel=|right(x)-left(x)|
其中,pixel表示目标对象(如人体的腰部)在目标图像中所占的像素值;right、left分别表示目标对象在目标图像中左部及右部所对应的像素坐标;x表示像素点的横坐标值。
在获得目标对象在目标图像中的像素值后,根据下面公式即可获得目标对象的实际测量信息。
R_length=pixel×Pixel_scale
其中R_length表示目标对象的测量信息,如,肩宽、腰宽等;pixel代表目标对象在目标图像中所占的像素值。
以上两种获得目标对象测量信息的方法可以相互结合,例如,根据步骤401~402,基于消失点计算位于竖直方向上的目标对象的测量信息,例如身高、腿长、腰到脚的高度等;根据步骤601~602,基于比例计算位于水平方向上的目标对象的测量信息,例如肩宽、腰宽等。
在本发明的另一实施例中,该方法还可以将获得的目标对象的测量信息存储在数据库中通过服务器进行管理,方便用户等的查询,并可以将指定的信息主动推送的用户侧。
数据管理可以主要包括用户身份信息的建立与验证,身份信息与测量信息的绑定与同步,本地信息的存储以及与网络信息的同步等。当该装置如手机客户端接收到监测模块上传的生理信号时,首先要将数据存储到本地的数据库中,然后再将需要上传的数据同步到服务器端。本地数据库这里选用Android平台嵌入的关系型数据库SQLite,从而实现手机端的数据库设计和服务器端基本一致。
以该方法应用于自动测量人体参数的场景为例,为了对每个用户进行系统的管理并方便数据的后期处理,可以为每个用户建立专有的数据库。数据库主要包括用户ID(uid),以及测量信息:身高(Height)、肩宽(Shoulder)、左手臂长度(L_hand)、右手臂长度(R_hand)、腰宽(Waist)、腰到脚长度(Waist_feet)、腿长(Leg),其具体设计可以如表2所示:
表2:
为了论证系统算法的准确性,我们对八组被测进行实验,将测量结果与真实值运用如下公式做出统计,获得每组的绝对误差值,然后求出平均值,如表3、4所示,误差范围基本控制在0.04米以内。
绝对误差=|真实值–测量值|
相对误差=|真实值–测量值|/真实值
表3:
表4:
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图7,示出了本发明一种基于消失点提取图像信息的装置实施例的结构框图,具体可以包括如下模块:
图像获取模块701,被配置为获取目标图像;
图像分割模块702,被配置为对所述目标图像进行图像分割,获得所述目标图像中的目标对象;
第一测量模块703,被配置为获得所述目标对象的关键点的位置信息;
第二测量模块704,被配置为根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息。
本实施例通过上述模块进行图像分割获得目标对象,并根据目标对象上的关键点位置信息以及已知的实际参照物的测量信息计算获得目标对象的测量信息。该信息提取装置源于目标对象上的关键点以及实际的参照物,因此可以获得更加精确的测量信息。
另外,本发明实施例能够克服环境限制,实现人机交互,增强用户体验。因其可以快速准确的获得测量信息,可用于快速服装设计、量体裁衣,手机端游戏等应用。
在另一实施例中,如图8所示,图像分割模块702可以包括:
处理子模块801,被配置为对所述目标图像进行预处理;
分割子模块802,被配置为对预处理后的所述目标图像进行所述目标对象及背景图像的区分,获得所述目标对象。
在另一实施例中,如图9所示,第一测量模块703可以包括:
识别子模块901,被配置为对所述目标对象进行部位识别;
确定子模块902,被配置为在识别出的部位上确定所述关键点及所述关键点在所述目标图像中的位置信息。
其中,识别子模块901,可以被配置为根据预先获得的部位位置与对象高度之间的比例关系,识别所述目标对象的部位。
在另一实施例中,如图10所示,第二测量模块704可以包括:
消失点确定子模块1001,被配置为根据位于指定方向上的参照物的位置信息,确定所述指定方向上的消失点;
计算子模块1002,被配置为根据所述消失点,预先获知的所述目标图像中参照物的测量信息,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
其中,如图11所示,计算子模块1002可以包括:
第一子模块1101,被配置为根据所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述参照物的测量信息及其在所述目标图像中的位置信息,计算获得尺寸因素;
第二子模块1102,被配置为根据所述尺寸因素,所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
在另一实施例中,如图12所示,第二测量模块704可以包括:
测量子模块1201,被配置为根据所述参照物的测量信息及在所述目标图像中所述参照物在指定方向上的像素点位置信息,确定所述指定方向上单位像素点的测量信息;
获取子模块1202,被配置为根据所述指定方向上单位像素点的测量信息及所述关键点的位置信息获得所述目标对象的测量信息。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种基于消失点提取图像信息的方法和装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于消失点提取图像信息的方法,其特征在于,包括:
获取目标图像;
对所述目标图像进行图像分割,获得所述目标图像中的目标对象;
获得所述目标对象的关键点的位置信息;
根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标图像进行图像分割,获得所述目标图像中的目标对象,包括:
对所述目标图像进行预处理;
对预处理后的所述目标图像进行所述目标对象及背景图像的区分,获得所述目标对象。
3.根据权利要求1所述的方法,其特征在于,所述获得所述目标对象的关键点的位置信息,包括:
对所述目标对象进行部位识别;
在识别出的部位上确定所述关键点及所述关键点在所述目标图像中的位置信息。
4.根据权利要求3所述的方法,其特征在于,所述对所述目标对象进行部位识别,包括:
根据预先获得的部位位置与对象高度之间的比例关系,识别所述目标对象的部位。
5.根据权利要求1至4中任意一项所述的方法,其特征在于,所述根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息,包括:
根据位于指定方向上的参照物的位置信息,确定所述指定方向上的消失点;
根据所述消失点,预先获知的所述目标图像中参照物的测量信息,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
6.根据权利要求5所述的方法,其特征在于,所述根据所述消失点,预先获知的所述目标图像中参照物的测量信息,以及所述关键点的位置信息,计算获得所述目标对象的测量信息,包括:
根据所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述参照物的测量信息及其在所述目标图像中的位置信息,计算获得尺寸因素;
根据所述尺寸因素,所述消失点的坐标和连接所述消失点形成的消失线的向量,以及所述关键点的位置信息,计算获得所述目标对象的测量信息。
7.根据权利要求1至4中任意一项所述的方法,其特征在于,所述根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息,包括:
根据所述参照物的测量信息及在所述目标图像中所述参照物在指定方向上的像素点位置信息,确定所述指定方向上单位像素点的测量信息;
根据所述指定方向上单位像素点的测量信息及所述关键点的位置信息获得所述目标对象的测量信息。
8.根据权利要求1至4中任意一项所述的方法,其特征在于,所述目标对象的测量信息至少包括下列之一:
人体的身高、肩宽、左手臂长度、右手臂长度、腰宽、腰到脚长度、腿长。
9.一种基于消失点提取图像信息的装置,其特征在于,包括:
图像获取模块,被配置为获取目标图像;
图像分割模块,被配置为对所述目标图像进行图像分割,获得所述目标图像中的目标对象;
第一测量模块,被配置为获得所述目标对象的关键点的位置信息;
第二测量模块,被配置为根据所述关键点的位置信息及预先获知的所述目标图像中参照物的测量信息,获得所述目标对象的测量信息。
10.根据权利要求9所述的装置,其特征在于,所述图像分割模块包括:
处理子模块,被配置为对所述目标图像进行预处理;
分割子模块,被配置为对预处理后的所述目标图像进行所述目标对象及背景图像的区分,获得所述目标对象。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610413012.6A CN107507213A (zh) | 2016-06-13 | 2016-06-13 | 一种基于消失点提取图像信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610413012.6A CN107507213A (zh) | 2016-06-13 | 2016-06-13 | 一种基于消失点提取图像信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107507213A true CN107507213A (zh) | 2017-12-22 |
Family
ID=60678454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610413012.6A Pending CN107507213A (zh) | 2016-06-13 | 2016-06-13 | 一种基于消失点提取图像信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107507213A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108903237A (zh) * | 2018-07-23 | 2018-11-30 | 广州维纳斯家居股份有限公司 | 智能升降桌高度调节方法、装置、智能升降桌及存储介质 |
CN109685001A (zh) * | 2018-12-24 | 2019-04-26 | 石狮市森科智能科技有限公司 | 人体三围数据获得方法及智能售衣系统及智能无人售衣机 |
CN110946597A (zh) * | 2018-09-27 | 2020-04-03 | 上海西门子医疗器械有限公司 | X射线摄影设备和方法 |
CN111611928A (zh) * | 2020-05-22 | 2020-09-01 | 杭州智珺智能科技有限公司 | 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322589A (zh) * | 2008-07-16 | 2008-12-17 | 苏州大学 | 用于服装设计的非接触式人体测量方法 |
CN101661619A (zh) * | 2009-09-25 | 2010-03-03 | 天津大学 | 基于单视图测量的图片伪造检测方法 |
CN102657532A (zh) * | 2012-05-04 | 2012-09-12 | 深圳泰山在线科技有限公司 | 基于人体姿态识别的身高测量方法及装置 |
US20130315470A1 (en) * | 2012-05-25 | 2013-11-28 | Poikos Limited | Body measurement |
CN105595490A (zh) * | 2015-08-28 | 2016-05-25 | 广州穗达服饰企业有限公司 | 一种通过照片为服装定制实现人体尺寸的量身方法 |
-
2016
- 2016-06-13 CN CN201610413012.6A patent/CN107507213A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101322589A (zh) * | 2008-07-16 | 2008-12-17 | 苏州大学 | 用于服装设计的非接触式人体测量方法 |
CN101661619A (zh) * | 2009-09-25 | 2010-03-03 | 天津大学 | 基于单视图测量的图片伪造检测方法 |
CN102657532A (zh) * | 2012-05-04 | 2012-09-12 | 深圳泰山在线科技有限公司 | 基于人体姿态识别的身高测量方法及装置 |
US20130315470A1 (en) * | 2012-05-25 | 2013-11-28 | Poikos Limited | Body measurement |
CN105595490A (zh) * | 2015-08-28 | 2016-05-25 | 广州穗达服饰企业有限公司 | 一种通过照片为服装定制实现人体尺寸的量身方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108903237A (zh) * | 2018-07-23 | 2018-11-30 | 广州维纳斯家居股份有限公司 | 智能升降桌高度调节方法、装置、智能升降桌及存储介质 |
CN110946597A (zh) * | 2018-09-27 | 2020-04-03 | 上海西门子医疗器械有限公司 | X射线摄影设备和方法 |
CN110946597B (zh) * | 2018-09-27 | 2023-09-26 | 上海西门子医疗器械有限公司 | X射线摄影设备和方法 |
CN109685001A (zh) * | 2018-12-24 | 2019-04-26 | 石狮市森科智能科技有限公司 | 人体三围数据获得方法及智能售衣系统及智能无人售衣机 |
CN111611928A (zh) * | 2020-05-22 | 2020-09-01 | 杭州智珺智能科技有限公司 | 一种基于单目视觉与关键点识别的身高及身体尺寸测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657631B (zh) | 人体姿态识别方法及装置 | |
CN102657532B (zh) | 基于人体姿态识别的身高测量方法及装置 | |
CN107507188A (zh) | 一种基于机器学习提取图像信息的方法及装置 | |
CN107507213A (zh) | 一种基于消失点提取图像信息的方法及装置 | |
CN107990899A (zh) | 一种基于slam的定位方法和系统 | |
CN102521878B (zh) | 可编程三维人体建模和人体测量系统和方法 | |
CN105512627A (zh) | 一种关键点的定位方法及终端 | |
CN109685013B (zh) | 人体姿态识别中头部关键点的检测方法及装置 | |
CN104899918B (zh) | 一种无人机的三维环境建模方法及系统 | |
CN110084195A (zh) | 基于卷积神经网络的遥感图像目标检测方法 | |
CN107392086A (zh) | 人体姿态的评估装置、系统及存储装置 | |
CN107862744A (zh) | 航空影像三维建模方法及相关产品 | |
CN109509222B (zh) | 直线类物体的检测方法及装置 | |
CN107329962A (zh) | 图像检索数据库生成方法、增强现实的方法及装置 | |
TWI774271B (zh) | 關鍵點檢測方法、電子設備及電腦可讀儲存介質 | |
CN105893936A (zh) | 一种基于hoirm和局部特征融合的行为识别方法 | |
CN101794459A (zh) | 一种立体视觉影像与三维虚拟物体的无缝融合方法 | |
CN108225334A (zh) | 一种基于三维实景数据的定位方法及装置 | |
CN108664860B (zh) | 房间平面图的识别方法及装置 | |
CN115170749B (zh) | 基于Cesium的WEBGIS三维可视化构建方法及系统 | |
CN114677435A (zh) | 一种点云全景融合要素提取方法和系统 | |
CN105279522A (zh) | 一种基于sift的场景物体实时配准方法 | |
CN105512610B (zh) | 一种基于感兴趣点位置信息的视频中人体动作识别方法 | |
CN104573722A (zh) | 基于三维点云的三维人脸种族分类装置和方法 | |
CN113724378B (zh) | 三维建模方法和装置、计算机可读存储介质及计算机设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171222 |
|
RJ01 | Rejection of invention patent application after publication |