CN107564020A - 一种图像区域确定方法及装置 - Google Patents

一种图像区域确定方法及装置 Download PDF

Info

Publication number
CN107564020A
CN107564020A CN201710773104.XA CN201710773104A CN107564020A CN 107564020 A CN107564020 A CN 107564020A CN 201710773104 A CN201710773104 A CN 201710773104A CN 107564020 A CN107564020 A CN 107564020A
Authority
CN
China
Prior art keywords
depth
target
image
value
pixel
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.)
Granted
Application number
CN201710773104.XA
Other languages
English (en)
Other versions
CN107564020B (zh
Inventor
王琳
王西颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Qiyuan Technology Co ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201710773104.XA priority Critical patent/CN107564020B/zh
Publication of CN107564020A publication Critical patent/CN107564020A/zh
Application granted granted Critical
Publication of CN107564020B publication Critical patent/CN107564020B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例提供了图像区域确定方法及装置,包括:获取目标深度图像;预估所述目标深度图像中用于表示目标物的像素点的深度范围;根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,从而可以分割出更准确的包含目标物的区域图像,进而在后续的操作中可以提供更准确的区域图像。

Description

一种图像区域确定方法及装置
技术领域
本发明涉及图像处理技术领域,特别是涉及一种图像区域确定方法及装置。
背景技术
虚拟现实(Virtual Reality,简称VR)技术是利用计算机生成一种模拟环境,用户可以沉浸到该模拟环境中进行体验。虚拟现实技术是科技发展的趋势,如今,已应用于各个领域,例如:医学领域、VR电影、VR游戏等。
在虚拟环境中用户可以与虚拟现实设备之间进行交互,其中一种交互方式是手势交互。以手势交互过程为例,虚拟现实设备通过摄像头获得图像,并检测所获得图像中的用户手部区域,再通过模板匹配的方式解析用户手部区域中用户手势的含义,由于肤色特征是表征人手最为有效的物理特征之一,因此,现有技术中一般利用肤色特征检测图像中的用户手部区域。
然而,发明人在实现本发明的过程中发现,现有技术至少存在如下问题:由于不同的人肤色特征不一样,即使同一个人,在不同时间或者穿着不同的衣物导致在图像中呈现出的肤色特征也可能不同。若在一个背景色比较复杂的彩色图像中,当肤色和背景色相同或相近时,通过肤色特征确定图像中的手部区域会导致所确定出的手部区域不准确,这样,虚拟现实设备对手势含义的解析也可能不准确,进而影响用户与虚拟现实设备之间的手势交互的体验。
发明内容
本发明实施例的目的在于提供一种图像区域确定方法及装置,解决通过色彩信息以确定目标物在图像中的区域不准确的问题。具体技术方案如下:
第一方面,本发明实施例提供了一种图像区域确定方法,所述方法包括:
获取目标深度图像;
预估所述目标深度图像中用于表示目标物的像素点的深度范围;
根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
可选地,所述预估所述目标深度图像中用于表示所述目标物的像素点的深度范围的步骤,包括:
统计目标灰度范围内每一灰度值在所述目标深度图像中对应像素点的个数,其中,所述目标灰度范围为:预先设定的在深度图像中用于表示所述目标物的像素点的灰度范围;
根据所述预设的深度与灰度的对应关系,确定所述目标灰度值所对应的目标深度值,其中,所述目标灰度值为:个数最多的像素点所对应的灰度值;
将满足以下表达式的范围确定为所述目标深度图像中用于表示所述目标物的像素点的深度范围:
[a+max,b+max]
其中,max为所述目标深度值;a,b分别为预设的深度波动值,并且a小于b。
可选地,通过以下方式确定所述目标灰度范围:
获得目标物与摄像设备之间的最小距离和最大距离,所述摄像设备为用于获取深度图像的设备;
根据拍摄距离与灰度之间的对应关系,获得所述最小距离对应的最小灰度值、所述最大距离对应的最大灰度值,其中,所述拍摄距离为:目标物与拍摄设备之间的距离;
将满足以下表达式的范围确定为所述目标灰度范围:
[c,d]
其中,c为所述最小灰度值;d为所述最大灰度值。
可选地,所述方法还包括:
对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像。
可选地,所述对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像的步骤之后,还包括:
按照以下方式对所述区域图像中的每一操作对象进行处理,其中,所述操作对象为:像素行或像素列:
统计目标操作对象中深度值位于所述深度范围内的像素点的个数,其中,所述目标操作对象为所述区域图像中的任一操作对象;
判断所述个数是否大于预设阈值;
如果所述个数不大于所述预设阈值,将所述目标操作对象中各像素点的深度值调整为预设深度值。
第二方面,本发明实施例提供了一种图像区域确定装置,所述装置包括:
获取模块,用于获取目标深度图像;
预估模块,用于预估所述目标深度图像中用于表示目标物的像素点的深度范围;
第一确定模块,用于根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
可选地,所述预估模块包括:
统计子模块,用于统计目标灰度范围内每一灰度值在所述目标深度图像中对应像素点的个数,其中,所述目标灰度范围为:预先设定的在深度图像中用于表示所述目标物的像素点的灰度范围;
第一确定子模块,用于根据所述预设的深度与灰度的对应关系,确定所述目标灰度值所对应的目标深度值,其中,所述目标灰度值为:个数最多的像素点所对应的灰度值;
第二确定子模块,用于将满足以下表达式的范围确定为所述目标深度图像中用于表示所述目标物的像素点的深度范围:
[a+max,b+max]
其中,max为所述目标深度值;a,b分别为预设的深度波动值,并且a小于b。
可选地,所述装置还包括:
第二确定模块,用于确定所述目标灰度范围,包括:
第一获得子模块,用于获得目标物与摄像设备之间的最小距离和最大距离,所述摄像设备为用于获取深度图像的设备;
第二获得子模块,用于根据拍摄距离与灰度之间的对应关系,获得所述最小距离对应的最小灰度值、所述最大距离对应的最大灰度值,其中,所述拍摄距离为:目标物与拍摄设备之间的距离;
第三确定子模块,用于将满足以下表达式的范围确定为所述目标灰度范围:
[c,d]
其中,c为所述最小灰度值;d为所述最大灰度值。
可选地,所述装置还包括:
获得模块,用于对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像。
可选地,所述装置还包括:
处理模块,用于对所述区域图像中的每一操作对象进行处理,其中,所述操作对象为:像素行或像素列,包括:
统计子模块,用于统计目标操作对象中深度值位于所述深度范围内的像素点的个数,其中,所述目标操作对象为所述区域图像中的任一操作对象;
判断子模块,用于判断所述个数是否大于预设阈值;
调整子模块,用于当所述判断模块的判断结果为否时,将所述目标操作对象中各像素点的深度值调整为预设深度值。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的一种图像区域确定方法。
第五方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的一种图像区域确定方法。
本发明实施例提供的技术方案中,通过获取目标深度图像;预估所述目标深度图像中用于表示目标物的像素点的深度范围;根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。这样,通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,从而可以分割出更准确的包含目标物的区域图像,进而在后续的操作中可以提供更准确的区域图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的一种图像区域确定方法的一种流程图;
图2为本发明实施例提供的一种图像区域确定方法的另一种流程图;
图3为本发明实施例提供的一种图像区域确定装置的一种结构示意图;
图4为本发明实施例提供的一种图像区域确定装置的另一种结构示意图;
图5为本发明实施例提供的一种电子设备的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
为了在图像中分割出更准确的包含目标物的区域图像,进而在后续的操作中可以提供更准确的区域图像,本发明实施例提供了一种图像区域确定方法及装置。
本发明实施例提供的一种图像区域确定方法及装置可以应用于电子设备,其中,电子设备可以为手机、平板、虚拟现实设备等,本发明实施例以应用于虚拟现实设备为例进行介绍。
下面首先对一种图像区域确定方法进行介绍。
如图1所示,本发明实施例提供的一种图像区域确定方法,包括如下步骤:
S101,获取目标深度图像。
深度图像中的每个像素点除了记录光照强度信息之外,还可以记录所对应的深度信息,深度信息可以包括深度值,深度值用来表示所拍摄的图像场景中某一点与图像获取设备间的距离。其中,图像获取设备为获取该深度图像的设备,该图像获取设备可以为深度摄像机;更进一步地,深度摄像机可以为时间飞行(Time of flight,简称TOF)深度摄像机。
当然,深度图像的获取并不仅限于以上方法,还可以通过其他的方法获得,例如,可以通过双摄像头的视差,即两个摄像头对于同一景物所成的像所形成的差别,从而可以估计出该景物的深度信息;另外,还可以通过单个摄像头通过移动在不同角度捕捉同一场景,利用不同角度所形成的差别从而估计出景物的深度信息;还可以通过多次不同距离的对焦从而计算距离等。
S102,预估所述目标深度图像中用于表示目标物的像素点的深度范围。
一种实施方式中,可以根据目标灰度范围和预设的深度与灰度的对应关系,预估所述目标深度图像中用于表示目标物的像素点的深度范围。
其中,目标物为电子设备可以拍摄的任意对象,例如,笔,杯子,人的手部,头部等。
其中,深度范围可以表示为:以目标物与图像获取设备所能达到的最近距离和最远距离为端点所确定的距离范围。例如,目标物与图像获取设备的最近距离为2米,最远距离为3米,则深度范围为:大于或者等于2,且小于或者等于3;可以表示为[2,3]。
需要说明的是,本发明实施例中出现的“[]”表示数值范围,例如,[a,b]表示的数值范围为:大于或者等于a,且小于或者等于b。
其中,目标灰度范围为:预先设定的在深度图像中用于表示目标物的像素点的灰度范围。
目标灰度范围与目标物直接相关,由于不同的目标物具有不同的特征,所以不同的目标物其所对应的目标灰度范围是不同的。例如,对于人的手部来说,目标灰度范围可以预估为[50,150];而对于人的黑色头发部分来说,目标灰度范围可以预估为[0,40]。
确定目标灰度范围的第一种实施方式:可以是根据研究人员的经验预估确定的;还可以是研究人员通过统计一定数量的相关数据,进而确定目标灰度范围,其中,获得该相关数据的应用场景是与本发明实施例的应用场景相同或相近的。
确定目标灰度范围的第二种实施方式:首先,获得目标物与摄像设备之间的最小距离和最大距离,其中,摄像设备为用于获取深度图像的设备,例如:TOF深度摄像机。获取目标物与摄像设备之间的距离可以通过距离传感器、雷达等设备获得,还可以根据经验预估该距离,或者统计一定数量的距离数据从而获得相应的距离。另外,最小距离为目标物与摄像设备之间的所能达到的最小距离,最大距离为目标物与摄像设备之间的所能达到的最大距离,该最小距离和最大距离均可以为根据经验的预估距离。
然后,根据拍摄距离与灰度之间的对应关系,获得最小距离对应的最小灰度值、最大距离对应的最大灰度值。
其中,拍摄距离为:目标物与拍摄设备之间的距离。拍摄距离与灰度之间的对应关系可以是预设的,并且,该预设的对应关系可以是长期经验获得的,具体地,拍摄距离与灰度之间的对应关系可以是正比例关系,示例地,拍摄距离为0.5米时灰度为100,拍摄距离为0.05米时灰度为10,那么,拍摄距离为0.2米时灰度为40。
以对应关系为正比例关系为例进行说明,根据该正比例关系,在获得的最小距离所对应的灰度值为最小灰度值,获得的最大距离所对饮的灰度值为最大灰度值。
在确定最小灰度值和最大灰度值之后,则将:大于该最小灰度值并且小于该最大灰度值的范围确定为目标灰度范围。具体地,将满足以下表达式的范围确定为目标灰度范围:
[c,d]
其中,c为最小灰度值;d为最大灰度值。
可见,可以认为目标灰度范围是与目标物直接相关的。
第三种实施方式中,对于上述步骤S102:预估所述目标深度图像中用于表示目标物的像素点的深度范围,具体可以包括以下步骤:
首先,统计目标灰度范围内每一灰度值在目标深度图像中对应像素点的个数,其中,目标灰度范围可以通过上述确定目标灰度范围的实施方式来确定。在目标深度图像中,每一像素点对应一灰度值。
其中,统计灰度值对应的像素点的个数还可以通过灰度直方图进行统计,灰度直方图反映图像中各灰度值出现的频率。一般情况中,在灰度直方图中,横坐标表示各灰度值,纵坐标表示各灰度值对应的像素点出现的频率,即各灰度值对应的像素点个数。这样,在灰度直方图中便可以找到出现频率最高的像素点所对应的灰度值。
然后,根据预设的深度与灰度的对应关系,确定目标灰度值所对应的目标深度值。
其中,目标灰度值为:个数最多的像素点所对应的灰度值。
其中,预设的深度和灰度的对应关系可以是自定义设定的,具体地,深度和灰度的对应关系可以根据经验得到,还可以是根据一定数量的深度值以及深度值所对应的灰度值,进而得出深度和灰度的对应关系。
示例地,预设的深度与灰度的对应关系可以是正比例关系,具体地,预设的深度和灰度的正比例关系为:Y=0.02X,其中,Y为深度值,X为灰度值。当目标灰度值为100时,则此时,目标深度值为2。
最后,将满足以下表达式的范围确定为目标深度图像中用于表示目标物的像素点的深度范围:
[a+max,b+max]
其中,max为目标深度值;a,b分别为预设的深度波动值,并且a小于b。
其中,深度波动范围即为[a,b];另外,预设的深度波动值可以是根据经验设定的,还可以是对一定数量的深度数据进行统计分析所得到的,需要说明的是,所选取的一定数量的深度数据应为与目标物相同或者类似的物体的深度数据。
进一步地,在深度波动值通过选取一定数量的深度数据进行统计分析得到的情况下,深度波动值可以为该选取的一定数量的深度数据计算所得到的标准差。此时,a与b可以互为相反数,即,-a=b=标准差。
具体地,目标物为手,选取的一定数量的深度数据为手型深度数据,深度波动值为所选取的手型深度数据的标准差。那么,可以利用如下公式计算得到所选取的手型深度数据的平均值:
其中,μ为平均值,N为所选取的一定数量,xi为第i个像素点的深度值;
然后,利用如下公式可得到标准差:
其中,σ为标准差。
这样,便可得到深度波动值,进而得到a=-σ,b=σ,此时深度波动范围为[-σ,σ]。
S103,根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
在深度范围内的深度值,即可以认为是目标物在目标深度图像中所在区域的各像素点的深度值。
示例地,预估的深度范围为[1,5],那么,在目标深度图像中,在[1,5]范围内的深度值所对应的像素点,均为目标深度图像中目标物所在区域内的像素点。具体来说,例如,深度值为3的所有像素点均为目标物所在区域内的像素点,深度值为6的像素点是目标物所在区域以外的像素点。
第四种实施方式中,在目标深度图像中确定目标物所在区域之后,根据所确定的该区域对目标深度图像进行图像分割处理,进而可得到仅包含目标物所在区域的区域图像。
具体地,对于深度范围内的深度值所对应的像素点可以保留,而深度范围以外的深度值所对应的像素点可以去掉,去掉的方式可以是将像素点的深度值调整为预设的深度值,例如,预设深度值为0,则将目标物所在区域以外的像素点的深度值均调整为0,目标深度图像经过深度值调整处理后,得到仅包含目标物所在区域的区域图像。这样,便可以将目标物所在区域内的像素点与区域以外像素点区分开,进而在所得到的区域图像中仅显示目标物所在区域。
本发明实施例提供的技术方案中,通过获取目标深度图像;预估所述目标深度图像中用于表示目标物的像素点的深度范围;根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。这样,通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,从而可以分割出更准确的包含目标物的区域图像,进而在后续的操作中可以提供更准确的区域图像。
为了在获得包含目标物所在区域的区域图像之后,可以进一步地清除该目标物所在区域以外的噪点,进而使得该区域图像更精确。如图2所示,本发明实施例还提供一种图像区域确定方法的另一实施方式,包括如下步骤:
S201,获取目标深度图像。
S202,预估所述目标深度图像中用于表示目标物的像素点的深度范围。
S203,根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
步骤S201-S203与上述实施例的步骤S101-S103相同,具体可以参见图1及图1对应的实施例,这里不再赘述。
S204,对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像。
具体可以参见图1对应的实施例中的第四种实施方式,这里不再赘述。
S205,统计目标操作对象中深度值位于所述深度范围内的像素点的个数,其中,所述目标操作对象为所述区域图像中的任一操作对象。
其中,操作对象可以为像素行或像素列,对区域图像中的每一操作对象均进行处理。
以像素行为例进行说明,每一像素点均对应一深度值,在目标像素行中,统计该目标像素行中深度值位于深度范围内的像素点的个数。
示例地,深度范围为[1,5],目标像素行中有50个像素点,其中有10个像素点的深度值在[1,5]内,那么,满足深度值位于深度范围内的像素点的个数为10。
S206,判断所述个数是否大于预设阈值;如果否,执行步骤S207;如果是,执行步骤S208。
其中,预设阈值可以是自定义设定的。当统计的深度值位于深度范围内的像素点个数大于该预设阈值时,执行步骤S208,即将保持该目标操作对象中各像素点对应的深度值不变。
示例地,预设阈值为10,当统计出目标像素行中深度值位于深度范围内的像素点的个数为15时,保持该目标像素行中各像素点对应的深度值不变。
S207,将所述目标操作对象中各像素点的深度值调整为预设深度值。
其中,预设深度值可以是自定义设定,例如,可将预设深度值设置为0,这样,便可以将目标物所在区域内的像素点与区域以外像素点区分开,进而在所得到的区域图像中仅显示目标物所在区域。
对于目标操作对象中,当深度值位于深度范围内的像素点个数不大于预设阈值时,将该目标操作对象中的所有像素点的深度值调整为该预设深度值。
示例地,以目标像素行为例,预设深度值为0,预设阈值为10,深度范围为[1,5],目标像素行中有50个像素点,其中有5个像素点的深度值在[1,5]内,此时,满足深度值位于深度范围内的像素点的个数小于预设阈值,那么,将该目标像素行中的50个像素点的深度值均调整为0。
本发明实施例提供的实施方式中,通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,并且,通过该实施方式,可以进一步地清除该目标物所在区域以外的噪点,进而使得该区域图像更精确。
结合上述方法实施例,本发明实施例还提供一种图像区域确定装置,如图3所示,所述装置包括:
获取模块310,用于获取目标深度图像;
预估模块320,用于预估所述目标深度图像中用于表示目标物的像素点的深度范围;
第一确定模块330,用于根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
可选地,第五种实施方式中,所述预估模块320可以包括:
统计子模块,用于统计目标灰度范围内每一灰度值在所述目标深度图像中对应像素点的个数,其中,所述目标灰度范围为:预先设定的在深度图像中用于表示所述目标物的像素点的灰度范围;
第一确定子模块,用于根据所述预设的深度与灰度的对应关系,确定所述目标灰度值所对应的目标深度值,其中,所述目标灰度值为:个数最多的像素点所对应的灰度值;
第二确定子模块,用于将满足以下表达式的范围确定为所述目标深度图像中用于表示所述目标物的像素点的深度范围:
[a+max,b+max]
其中,max为所述目标深度值;a,b分别为预设的深度波动值,并且a小于b。
可选地,第六种实施方式中,所述装置还可以包括:
第二确定模块,用于确定所述目标灰度范围,包括:
第一获得子模块,用于获得目标物与摄像设备之间的最小距离和最大距离,所述摄像设备为用于获取深度图像的设备;
第二获得子模块,用于根据拍摄距离与灰度之间的对应关系,获得所述最小距离对应的最小灰度值、所述最大距离对应的最大灰度值,其中,所述拍摄距离为:目标物与拍摄设备之间的距离;
第三确定子模块,用于将满足以下表达式的范围确定为所述目标灰度范围:
[c,d]
其中,c为所述最小灰度值;d为所述最大灰度值。
可选地,第七种实施方式中,所述装置还可以包括:
获得模块340,用于对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像。
对于该实施例而言,由于其基本相似于上述图1及图1所对应的方法实施例,所以描述地比较简单,参见上述图1及图1所对应的方法实施例的部分说明即可。
本发明实施例提供的技术方案中,通过获取目标深度图像;预估所述目标深度图像中用于表示目标物的像素点的深度范围;根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。这样,通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,从而可以分割出更准确的包含目标物的区域图像,进而在后续的操作中可以提供更准确的区域图像。
在上述第七种实施方式的基础上,本发明实施例还提供一种图像区域确定装置的另一种实施方式,如图4所示,所述装置还可以包括:
处理模块350,用于对所述区域图像中的每一操作对象进行处理,其中,所述操作对象为:像素行或像素列,包括:
统计子模块351,用于统计目标操作对象中深度值位于所述深度范围内的像素点的个数,其中,所述目标操作对象为所述区域图像中的任一操作对象;
判断子模块352,用于判断所述个数是否大于预设阈值;
调整子模块353,用于当所述判断模块的判断结果为否时,将所述目标操作对象中各像素点的深度值调整为预设深度值。
对于该实施例而言,由于其基本相似于上述图2及图2所对应的方法实施例,所以描述地比较简单,参见上述图2及图2所对应的方法实施例的部分说明即可。
本发明实施例提供的实施方式中,通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,并且,通过该实施方式,可以进一步地清除该目标物所在区域以外的噪点,进而使得该区域图像更精确。
本发明实施例还提供了一种电子设备,如图5所示,包括处理器510、通信接口520、存储器530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信,
存储器530,用于存放计算机程序;
处理器510,用于执行存储器530上所存放的程序时,实现如下步骤:
获取目标深度图像;
预估所述目标深度图像中用于表示目标物的像素点的深度范围;
根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
通过深度数据确定图像中目标物所在区域,避免了目标物与背景颜色相近而导致所确定出图像中目标物所在区域不准确的问题,从而可以分割出更准确的包含目标物的区域图像,进而在后续的操作中可以提供更准确的区域图像。
当然,本发明实施例提供的一种电子设备还可以执行上述实施例中任一所述的一种图像区域确定方法。具体见图1和图2、以及所对应的实施例,这里不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的一种图像区域确定方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的一种图像区域确定方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,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。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。

Claims (11)

1.一种图像区域确定方法,其特征在于,所述方法包括:
获取目标深度图像;
预估所述目标深度图像中用于表示目标物的像素点的深度范围;
根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
2.根据权利要求1所述的方法,其特征在于,预估所述目标深度图像中用于表示所述目标物的像素点的深度范围的步骤,包括:
统计目标灰度范围内每一灰度值在所述目标深度图像中对应像素点的个数,其中,所述目标灰度范围为:预先设定的在深度图像中用于表示所述目标物的像素点的灰度范围;
根据所述预设的深度与灰度的对应关系,确定所述目标灰度值所对应的目标深度值,其中,所述目标灰度值为:个数最多的像素点所对应的灰度值;
将满足以下表达式的范围确定为所述目标深度图像中用于表示所述目标物的像素点的深度范围:
[a+max,b+max]
其中,max为所述目标深度值;a,b分别为预设的深度波动值,并且a小于b。
3.根据权利要求1所述的方法,其特征在于,
通过以下方式确定所述目标灰度范围:
获得目标物与摄像设备之间的最小距离和最大距离,所述摄像设备为用于获取深度图像的设备;
根据拍摄距离与灰度之间的对应关系,获得所述最小距离对应的最小灰度值、所述最大距离对应的最大灰度值,其中,所述拍摄距离为:目标物与拍摄设备之间的距离;
将满足以下表达式的范围确定为所述目标灰度范围:
[c,d]
其中,c为所述最小灰度值;d为所述最大灰度值。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像。
5.根据权利要求4所述的方法,其特征在于,所述对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像的步骤之后,还包括:
按照以下方式对所述区域图像中的每一操作对象进行处理,其中,所述操作对象为:像素行或像素列:
统计目标操作对象中深度值位于所述深度范围内的像素点的个数,其中,所述目标操作对象为所述区域图像中的任一操作对象;
判断所述个数是否大于预设阈值;
如果所述个数不大于所述预设阈值,将所述目标操作对象中各像素点的深度值调整为预设深度值。
6.一种图像区域确定装置,其特征在于,所述装置包括:
获取模块,用于获取目标深度图像;
预估模块,用于预估所述目标深度图像中用于表示目标物的像素点的深度范围;
第一确定模块,用于根据所述目标深度图像中深度值位于所述深度范围内的像素点,确定所述目标深度图像中所述目标物所在区域。
7.根据权利要求6所述的装置,其特征在于,所述预估模块包括:
统计子模块,用于统计目标灰度范围内每一灰度值在所述目标深度图像中对应像素点的个数,其中,所述目标灰度范围为:预先设定的在深度图像中用于表示所述目标物的像素点的灰度范围;
第一确定子模块,用于根据所述预设的深度与灰度的对应关系,确定所述目标灰度值所对应的目标深度值,其中,所述目标灰度值为:个数最多的像素点所对应的灰度值;
第二确定子模块,用于将满足以下表达式的范围确定为所述目标深度图像中用于表示所述目标物的像素点的深度范围:
[a+max,b+max]
其中,max为所述目标深度值;a,b分别为预设的深度波动值,并且a小于b。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二确定模块,用于确定所述目标灰度范围,包括:
第一获得子模块,用于获得目标物与摄像设备之间的最小距离和最大距离,所述摄像设备为用于获取深度图像的设备;
第二获得子模块,用于根据拍摄距离与灰度之间的对应关系,获得所述最小距离对应的最小灰度值、所述最大距离对应的最大灰度值,其中,所述拍摄距离为:目标物与拍摄设备之间的距离;
第三确定子模块,用于将满足以下表达式的范围确定为所述目标灰度范围:
[c,d]
其中,c为所述最小灰度值;d为所述最大灰度值。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
获得模块,用于对所述目标深度图像进行图像分割处理,获得包含所述目标物所在区域的区域图像。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
处理模块,用于对所述区域图像中的每一操作对象进行处理,其中,所述操作对象为:像素行或像素列,包括:
统计子模块,用于统计目标操作对象中深度值位于所述深度范围内的像素点的个数,其中,所述目标操作对象为所述区域图像中的任一操作对象;
判断子模块,用于判断所述个数是否大于预设阈值;
调整子模块,用于当所述判断模块的判断结果为否时,将所述目标操作对象中各像素点的深度值调整为预设深度值。
11.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
CN201710773104.XA 2017-08-31 2017-08-31 一种图像区域确定方法及装置 Active CN107564020B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710773104.XA CN107564020B (zh) 2017-08-31 2017-08-31 一种图像区域确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710773104.XA CN107564020B (zh) 2017-08-31 2017-08-31 一种图像区域确定方法及装置

Publications (2)

Publication Number Publication Date
CN107564020A true CN107564020A (zh) 2018-01-09
CN107564020B CN107564020B (zh) 2020-06-12

Family

ID=60978443

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710773104.XA Active CN107564020B (zh) 2017-08-31 2017-08-31 一种图像区域确定方法及装置

Country Status (1)

Country Link
CN (1) CN107564020B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320320A (zh) * 2018-01-25 2018-07-24 重庆爱奇艺智能科技有限公司 一种信息显示方法、装置及设备
CN109035220A (zh) * 2018-07-10 2018-12-18 珠海格力智能装备有限公司 目标对象的图像检测方法和装置
CN110910393A (zh) * 2018-09-18 2020-03-24 北京市商汤科技开发有限公司 数据处理方法及装置、电子设备及存储介质
CN111127478A (zh) * 2019-12-13 2020-05-08 上海众源网络有限公司 一种视图块分割方法及装置
CN112987008A (zh) * 2021-02-09 2021-06-18 上海眼控科技股份有限公司 一种相对深度测量方法、装置、设备及存储介质
CN113052839A (zh) * 2021-04-28 2021-06-29 闫丹凤 一种地图检测方法及装置

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2374089A1 (en) * 2008-12-30 2011-10-12 Nokia Corp. Method, apparatus and computer program product for providing hand segmentation for gesture analysis
KR20120040924A (ko) * 2010-10-20 2012-04-30 삼성전자주식회사 영상 처리 장치 및 방법
CN103456007A (zh) * 2013-08-09 2013-12-18 华为终端有限公司 一种获取深度信息的方法和装置
CN103843335A (zh) * 2011-10-14 2014-06-04 索尼公司 图像处理装置、图像处理方法和程序
CN104023177A (zh) * 2014-06-04 2014-09-03 华为技术有限公司 摄像机控制方法、装置及摄像机
CN104157008A (zh) * 2014-07-30 2014-11-19 深圳大学 一种基于asift的深度像匹配方法
US20150070467A1 (en) * 2013-09-12 2015-03-12 Ventana 3D Llc Depth key compositing for video and holographic projection
CN104954689A (zh) * 2015-06-30 2015-09-30 努比亚技术有限公司 一种利用双摄像头获得照片的方法及拍摄装置
CN105243658A (zh) * 2015-09-08 2016-01-13 江苏大学 一种基于Kinect传感器的植株深度特征识别方法
EP2194725B1 (en) * 2008-12-04 2016-03-30 Samsung Electronics Co., Ltd. Method and apparatus for correcting a depth image
CN105516578A (zh) * 2014-09-25 2016-04-20 联想(北京)有限公司 图像处理方法、装置及电子设备
US20160335780A1 (en) * 2015-05-12 2016-11-17 Canon Kabushiki Kaisha Object tracking device and a control method for object tracking device
CN106327473A (zh) * 2016-08-10 2017-01-11 北京小米移动软件有限公司 前景图像的获取方法及装置
CN106648063A (zh) * 2016-10-19 2017-05-10 北京小米移动软件有限公司 手势识别方法及装置
CN106899781A (zh) * 2017-03-06 2017-06-27 宇龙计算机通信科技(深圳)有限公司 一种图像处理方法及电子设备
CN106937049A (zh) * 2017-03-09 2017-07-07 广东欧珀移动通信有限公司 基于景深的人像色彩的处理方法、处理装置和电子装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2194725B1 (en) * 2008-12-04 2016-03-30 Samsung Electronics Co., Ltd. Method and apparatus for correcting a depth image
EP2374089A1 (en) * 2008-12-30 2011-10-12 Nokia Corp. Method, apparatus and computer program product for providing hand segmentation for gesture analysis
CN102272773A (zh) * 2008-12-30 2011-12-07 诺基亚公司 提供手分割用于手势分析的方法、装置和计算机程序产品
KR20120040924A (ko) * 2010-10-20 2012-04-30 삼성전자주식회사 영상 처리 장치 및 방법
CN103843335A (zh) * 2011-10-14 2014-06-04 索尼公司 图像处理装置、图像处理方法和程序
US20140168211A1 (en) * 2011-10-14 2014-06-19 Sony Corporation Image processing apparatus, image processing method and program
CN103456007A (zh) * 2013-08-09 2013-12-18 华为终端有限公司 一种获取深度信息的方法和装置
US20150070467A1 (en) * 2013-09-12 2015-03-12 Ventana 3D Llc Depth key compositing for video and holographic projection
CN104023177A (zh) * 2014-06-04 2014-09-03 华为技术有限公司 摄像机控制方法、装置及摄像机
CN104157008A (zh) * 2014-07-30 2014-11-19 深圳大学 一种基于asift的深度像匹配方法
CN105516578A (zh) * 2014-09-25 2016-04-20 联想(北京)有限公司 图像处理方法、装置及电子设备
US20160335780A1 (en) * 2015-05-12 2016-11-17 Canon Kabushiki Kaisha Object tracking device and a control method for object tracking device
CN104954689A (zh) * 2015-06-30 2015-09-30 努比亚技术有限公司 一种利用双摄像头获得照片的方法及拍摄装置
CN105243658A (zh) * 2015-09-08 2016-01-13 江苏大学 一种基于Kinect传感器的植株深度特征识别方法
CN106327473A (zh) * 2016-08-10 2017-01-11 北京小米移动软件有限公司 前景图像的获取方法及装置
CN106648063A (zh) * 2016-10-19 2017-05-10 北京小米移动软件有限公司 手势识别方法及装置
CN106899781A (zh) * 2017-03-06 2017-06-27 宇龙计算机通信科技(深圳)有限公司 一种图像处理方法及电子设备
CN106937049A (zh) * 2017-03-09 2017-07-07 广东欧珀移动通信有限公司 基于景深的人像色彩的处理方法、处理装置和电子装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CAROLINE ROUGIER 等: "Fall Detection from Depth Map Video Sequences", 《ICOST 2011》 *
陈皓 等: "基于深度图像的手势识别综述", 《内蒙古大学学报(自然科学版)》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320320A (zh) * 2018-01-25 2018-07-24 重庆爱奇艺智能科技有限公司 一种信息显示方法、装置及设备
CN108320320B (zh) * 2018-01-25 2021-04-20 重庆爱奇艺智能科技有限公司 一种信息显示方法、装置及设备
CN109035220A (zh) * 2018-07-10 2018-12-18 珠海格力智能装备有限公司 目标对象的图像检测方法和装置
CN110910393A (zh) * 2018-09-18 2020-03-24 北京市商汤科技开发有限公司 数据处理方法及装置、电子设备及存储介质
CN110910393B (zh) * 2018-09-18 2023-03-24 北京市商汤科技开发有限公司 数据处理方法及装置、电子设备及存储介质
CN111127478A (zh) * 2019-12-13 2020-05-08 上海众源网络有限公司 一种视图块分割方法及装置
CN111127478B (zh) * 2019-12-13 2023-09-05 上海众源网络有限公司 一种视图块分割方法及装置
CN112987008A (zh) * 2021-02-09 2021-06-18 上海眼控科技股份有限公司 一种相对深度测量方法、装置、设备及存储介质
CN113052839A (zh) * 2021-04-28 2021-06-29 闫丹凤 一种地图检测方法及装置

Also Published As

Publication number Publication date
CN107564020B (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN107564020A (zh) 一种图像区域确定方法及装置
CN105721853B (zh) 生成图像捕获指令的方法、系统和计算机可读存储设备
CN108961157B (zh) 图片处理方法、图片处理装置及终端设备
CN108765340B (zh) 模糊图像处理方法、装置及终端设备
CN107944420B (zh) 人脸图像的光照处理方法和装置
CN107920257B (zh) 视频关键点实时处理方法、装置及计算设备
CN108416902A (zh) 基于差异识别的实时物体识别方法和装置
CN111368717B (zh) 视线确定方法、装置、电子设备和计算机可读存储介质
US9058655B2 (en) Region of interest based image registration
CN108337551A (zh) 一种屏幕录制方法、存储介质及终端设备
CN108961267B (zh) 图片处理方法、图片处理装置及终端设备
CN110245641A (zh) 一种目标追踪拍摄方法、装置、电子设备
CN114511041B (zh) 模型训练方法、图像处理方法、装置、设备和存储介质
CN108200335A (zh) 基于双摄像头的拍照方法、终端及计算机可读存储介质
CN109657543B (zh) 人流量监控方法、装置及终端设备
CN111598065A (zh) 深度图像获取方法及活体识别方法、设备、电路和介质
CN108647264A (zh) 一种基于支持向量机的图像自动标注方法及装置
CN114267041A (zh) 场景中对象的识别方法及装置
CN107145741B (zh) 基于图像分析的耳诊数据采集方法及装置
CN108932703B (zh) 图片处理方法、图片处理装置及终端设备
CN109948630A (zh) 靶纸图像的识别方法、装置、系统和存储介质
CN108734712B (zh) 背景分割的方法、装置及计算机存储介质
CN109785439A (zh) 人脸素描图像生成方法及相关产品
CN108665459A (zh) 一种图像模糊检测方法、计算设备及可读存储介质
CN109685015B (zh) 图像的处理方法、装置、电子设备和计算机存储介质

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210926

Address after: 210046 room 1103, building C, Xingzhi science and Technology Park, Nanjing Economic and Technological Development Zone, Jiangsu Province

Patentee after: Nanjing iqiyi Intelligent Technology Co., Ltd

Address before: 10 / F and 11 / F, Hongcheng development building, 2 Haidian North 1st Street, Haidian District, Beijing 100080

Patentee before: BEIJING QIYI CENTURY SCIENCE & TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 210046 room 1103, building C, Xingzhi science and Technology Park, Nanjing Economic and Technological Development Zone, Jiangsu Province

Patentee after: Nanjing Qiyuan Technology Co.,Ltd.

Address before: 210046 room 1103, building C, Xingzhi science and Technology Park, Nanjing Economic and Technological Development Zone, Jiangsu Province

Patentee before: Nanjing iqiyi Intelligent Technology Co.,Ltd.