CN108090908B - 图像分割方法、装置、终端及存储介质 - Google Patents
图像分割方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN108090908B CN108090908B CN201711288196.9A CN201711288196A CN108090908B CN 108090908 B CN108090908 B CN 108090908B CN 201711288196 A CN201711288196 A CN 201711288196A CN 108090908 B CN108090908 B CN 108090908B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- original image
- segmented
- position coordinates
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种图像分割方法,包括:利用检测算法检测原始图像中是否存在目标对象;当检测出所述原始图像中存在目标对象时,获取所述原始图像中目标对象区域的中心点的坐标值;根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标;根据所述位置坐标分割出目的区域以得到目的图像;及保存所述目的图像。本发明还提供一种图像分割装置、终端及存储介质。本发明分割得到的目的图像保持了大分辨率下采集的图像中的细节信息,分割后的图像能适配现有通用的传输、存储和管理系统及设备,便于推广和使用。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种图像分割方法、装置、终端及存储介质。
背景技术
人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部的一系列相关技术。
在人脸识别系统中,为了获取更多面部细节信息和覆盖更大的视野区域,采集的人脸图片的原始分辨率从720P(1280×720分辨率)、1080P(1920×1080分辨率)逐渐向2K(2560×1440分辨率)、4K(4096×2160分辨率)甚至8K(7680×4320分辨率)转变。
大分辨率虽然带来了充分的面部细节信息,但具有大分辨率的图片往往与现有传输、存储、管理系统不相兼容,如果应用于实际生活中,会带来高昂的系统和设备更新成本,不利于新技术的推广和应用。
发明内容
鉴于以上内容,有必要提出一种图像分割方法、装置、终端及存储介质,保持了大分辨率下采集的人脸图像中的面部细节信息,分割后的人脸图像能适配现有通用的传输、存储和管理系统及设备。
本申请的第一方面提供一种图像分割方法,所述方法包括:
利用人脸检测算法检测原始图像中是否存在目标对象;
当检测出所述原始图像中存在目标对象时,获取所述原始图像中目标对象区域的中心点的坐标值;
根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标;
根据所述位置坐标分割出目的区域以得到目的图像;及
保存所述目的图像。
根据本发明的一个优选实施例中,所述方法还包括:
判断所检测出的目标对象区域是否符合预设分割条件;及
当确定所检测出的目标对象区域符合所述预设分割条件时,获取所述原始图像中目标对象区域的中心点的坐标值。
根据本发明的一个优选实施例中,所述根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标包括:
所述原始图像中目标对象区域的中心点坐标G(a,b),所述预设目的图像的分辨率为m*n,原始图像的分辨率为x*y,其中a、b、m、n、x、y均为正常数,
当0≤a-m/2、a+m/2≤x,且0≤b-n/2、b+n/2≤y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,b+n/2)、(a+m/2,b+n/2)、(a-m/2,b-n/2)、(a+m/2,b-n/2);
当a-m/2≤0时,则所述待分割的目的区域的位置坐标分别为(0,b+n/2)、(m,b+n/2)、(0,b-n/2)、(m,b-n/2);
当a+m/2≥x时,则所述待分割的目的区域的位置坐标分别为(x-m,b+n/2)、(x,b+n/2)、(x-m,b-n/2)、(x,b-n/2);
当b-n/2≤0时,则所述待分割的目的区域的位置坐标分别为(a-m/2,n)、(a+m/2,n)、(a-m/2,0)、(a+m/2,0);或者
当b+n/2≥y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,y)、(a+m/2,y)、(a-m/2,y-n)、(a+m/2,y-n)。
根据本发明的一个优选实施例中,所述方法还包括:
将所述目的图像与所述原始图像进行关联并同步存储关联信息。
本申请的第二方面提供一种图像分割装置,所述装置包括:
检测模块,用于检测原始图像中是否存在目标对象;
获取模块,用于当所述检测模块检测出所述原始图像中存在目标对象时,获取所述原始图像中目标对象区域的中心点的坐标值;
标定模块,用于根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标;
分割模块,用于根据所述位置坐标分割出目的区域以得到目的图像;及
存储模块,用于保存所述目的图像。
根据本发明的一个优选实施例中,所述装置还包括:
判断模块,用于判断所检测出的目标对象区域是否符合预设分割条件;及
当所述判断模块确定所检测出的目标对象区域符合所述预设分割条件时,所述获取模块获取所述原始图像中目标对象区域的中心点的坐标值。
根据本发明的一个优选实施例中,所述标定模块根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标包括:
所述原始图像中目标对象区域的中心点坐标G(a,b),所述预设目的图像的分辨率为m*n,原始图像的分辨率为x*y,其中a、b、m、n、x、y均为正常数,
当0≤a-m/2、a+m/2≤x,且0≤b-n/2、b+n/2≤y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,b+n/2)、(a+m/2,b+n/2)、(a-m/2,b-n/2)、(a+m/2,b-n/2);
当a-m/2≤0时,则所述待分割的目的区域的位置坐标分别为(0,b+n/2)、(m,b+n/2)、(0,b-n/2)、(m,b-n/2);
当a+m/2≥x时,则所述待分割的目的区域的位置坐标分别为(x-m,b+n/2)、(x,b+n/2)、(x-m,b-n/2)、(x,b-n/2);
当b-n/2≤0时,则所述待分割的目的区域的位置坐标分别为(a-m/2,n)、(a+m/2,n)、(a-m/2,0)、(a+m/2,0);或者
当b+n/2≥y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,y)、(a+m/2,y)、(a-m/2,y-n)、(a+m/2,y-n)。
根据本发明的一个优选实施例中,所述存储模块,还用于将所述目的图像与所述原始图像进行关联并同步存储关联信息。
本申请的第三方面提供一种终端,所述终端包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现图像分割方法的步骤。
本申请的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现图像分割方法的步骤。
本发明运用所述的图像分割方法分割得到的图像不仅保持了大分辨率下采集的图像中的细节信息,分割后的图像还能适配现有通用的传输、存储和管理系统及设备,便于推广和使用,能获得较佳的图像识别或跟踪效果。
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,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的图像分割方法的流程图。
图2是本发明原始图像与待分割的目的区域之间的位置关系的第一较佳实施例的示意图。
图3是本发明原始图像与待分割的目的区域之间的位置关系的第二较佳实施例的示意图。
图4是本发明原始图像与待分割的目的区域之间的位置关系的第三较佳实施例的示意图。
图5是本发明原始图像与待分割的目的区域之间的位置关系的第四较佳实施例的示意图。
图6是本发明原始图像与待分割的目的区域之间的位置关系的第五较佳实施例的示意图。
图7是本发明实施例二提供的图像分割装置的结构图。
图8是本发明实施例三提供的终端的示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
优选地,本发明的图像分割方法应用在一个或者多个终端或者服务器中。所述终端是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(DigitalSignal Processor,DSP)、嵌入式设备等。
所述终端可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一
图1是本发明实施例一提供的图像分割方法的流程图。所述图像分割方法应用于终端。根据不同的需求,图1所示流程图中的执行顺序可以改变,某些步骤可以省略。
在本实施例中,所述图像分割方法可以应用于具备拍照或摄像功能的智能终端中,所述终端并不限定于个人电脑、智能手机、平板电脑、安装有摄像头的台式机或一体机等。
所述图像分割方法也可以应用于由终端和通过网络与所述终端进行连接的服务器所构成的硬件环境中。网络包括但不限于:广域网、城域网或局域网。本发明实施例的图像分割方法可以由服务器来执行,也可以由终端来执行,还可以是由服务器和终端共同执行。
例如,对于需要进行图像分割的终端,可以直接在终端上集成本申请的方法所提供的图像分割功能,或者安装用于实现本申请的方法的客户端。再如,本申请所提供的方法还可以软件开发工具包(Software Development Kit,SDK)的形式运行在服务器等设备上,以SDK的形式提供图像分割功能的接口,终端或其他设备通过提供的接口即可实现人脸的跟踪。
如图1所示,所述图像分割方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
101:利用检测算法检测原始图像中是否存在目标对象。
本实施例中,所述原始图像中的目标对象是指用户感兴趣的标的物,在实际应用中,可以是人脸,手势、船舶、建筑物等。本文是人脸为目标对象进行举例说明如何进行图像分割的。
本实施例中,因目标对象是人脸,因而相应的检测算法为人脸检测算法,所述人脸检测算法可采用如下至少一种方法:基于模板的人脸检测方法、基于人工神经网络的人脸检测方法、基于模型的人脸检测方法、基于肤色的人脸检测方法或者基于特征子脸的人脸检测方法等。
基于模板的人脸检测方法,首先预存储一个或多个标准人脸模板,然后计算测试样本与标准模板之间的匹配程度是否大于预先设置的阈值来判断图像中是否存在人脸。当测试样本与标准模板之间的匹配程度大于预先设置的阈值,则认为图像中存在人脸。
基于人工神经网络的人脸检测方法,通过采集人脸图像样本集和非人脸图像样本集的学习来产生分类器,进而判断图像中是否存在人脸。
基于肤色模型的人脸检测方法,依据人脸的肤色在色彩空间中分布相对集中的规律来进行检测,不同人在不同光照条件下的肤色分布有着相似的高斯分布。
基于特征子脸的人脸检测方法,将所有人脸集合视为一个人脸子空间,通过计算检测样本与其在子空间的投影自己的距离从而判断图像中是否存在人脸。
在色度空间实现的肤色分割,对光照强度不敏感、且鲁棒性较好,因而对于图像中存在单个人脸的情况时,采用基于肤色模型的人脸检测方法会获得较佳的人脸检测效果。
本实施例中,所采用的人脸检测算法均为现有技术,本文在此不再赘述。
本实施例中,当所述终端利用人脸检测算法检测出原始图像中存在人脸时,执行步骤102;当所述终端利用人脸检测算法检测出原始图像中不存在人脸时,则可以直接结束流程。即,所述终端利用人脸检测算法没有检测出原始图像中的人脸时,结束流程。
102:获取所述原始图像中目标对象区域的中心点的坐标值。
本实施例中,所指的人脸区域是指包含了人脸的主要特征部位,如眼睛、鼻子、嘴巴的一个几何区域。
一般而言,利用人脸检测算法不仅可以判断给定的原始图像中是否存在人脸,还可以在确定原始图像中存在人脸时继续确定人脸区域的大小和位置。可以使用一个选择框来表示利用人脸检测算法检测出的原始图像中的人脸区域。所述选择框的大小与人脸区域的大小接近,通常是与人脸区域的外轮廓相切,选择框的形状可以自定义,例如圆形、长方形、正方形、三角形等,人脸移动时,人脸图像选择框也随之移动。
如图2所示,人脸区域为利用人脸检测算法从原始图像200中检测到的人脸区域,为便于与下文目的区域202进行区别描述,本文将从原始图像200中确定的人脸区域使用点画线矩形框来表示。
在一些实施例中,所述人脸区域可以使用一个选择框来表示,即在原始图像中可以显示出选择框来表示检测出的人脸区域。在其他实施例中,还可以不显示出选择框。
所述终端检测到人脸区域后,获取所述人脸区域的中心坐标,所述中心坐标为所述选择框的几何中心点的坐标。
103:根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标。
本实施例中,所述终端分析所述中心坐标的坐标值与所述预设目的图像的分辨率之间的大小关系从而确定待分割的目的区域的位置坐标。当终端确定待分割的目的区域的位置坐标后,即可根据所述位置坐标分割出目的区域从而得到目的图像。
在一些实施例中,所述终端可以根据所述位置坐标在待分割的目的区域上标定出一个分割框以表示该区域为感兴趣区域。即所述终端可以根据所述位置坐标在所述目的区域上显示出一个分割框,如图2所示中的黑线矩形框为待分割的目的区域202。
下面结合图2-图6具体阐述所述终端是如何根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标的。
应当理解的是,由于大分辨率图像中的人脸区域的周围信息也是比较重要的,因而,从大分辨率图像中分割出的目的图像的区域会比人脸区域大。即原始图像200中的人脸区域204远小于待分割的目的区域202,如此分割出的目的图像会保留足够多的细节信息。
先假设所述原始图像中人脸区域的中心点坐标G(a,b),所述预设目的图像的分辨率为m*n,原始图像的分辨率为x*y,其中a、b、m、n、x、y均为正常数。原始图像的分辨率是由成像设备的参数决定的。以原始图像的左下角为原点、原始图像的下边缘所在的方向为X轴、原始图像的左边缘所在的方向为Y轴建立XOY坐标系,则原始图像的坐标分别记为(0,y)、(x,y)、(x,0)、(0,0)。
当终端判断出0≤a-m/2、a+m/2≤x,且0≤b-n/2、b+n/2≤y时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)。参见图2所示,所述人脸区域204位于原始图像200的中间位置,此时,待分割出的目的区域202与所述原始图像200中人脸区域204具有相同的中心坐标(a,b)。
当终端判断出a-m/2≤0时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(0,b+n/2)、(m,b+n/2)、(0,b-n/2)、(m,b-n/2)。参见图3所示,所述人脸区域位于原始图像200的左下角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)右边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图3中虚线框所示,该虚线框已经超出了原始图像的左边界,因而所述终端将所述虚线框向右移动调整至分割框202位置处。
当终端判断出a+m/2≥x时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(x-m,b+n/2)、(x,b+n/2)、(x-m,b-n/2)、(x,b-n/2)。参见图4所示,所述人脸区域位于原始图像200的右下角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)的左边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图4中虚线框所示,该虚线框已经超出了原始图像的右边界,因而所述终端将所述虚线框向左移动调整至分割框202位置处。
当终端判断出b-n/2≤0时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(a-m/2,n)、(a+m/2,n)、(a-m/2,0)、(a+m/2,0)。参见图5所示,所述人脸区域位于原始图像200的左下角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)的上边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图5中虚线框所示,该虚线框已经超出了原始图像的下边界,因而所述终端将所述虚线框向上移动调整至分割框202位置处。
当终端判断出b+n/2≥y时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(a-m/2,y)、(a+m/2,y)、(a-m/2,y-n)、(a+m/2,y-n)。参见图6所示,所述人脸区域位于原始图像200的左上角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)的下边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图6中虚线框所示,该虚线框已经超出了原始图像的上边界,因而所述终端将所述虚线框向下移动调整至分割框202位置处。
104:根据所述位置坐标分割出目的区域以得到目的图像。
本实施例中,所述终端以所述位置坐标为边界所得到的分割框中的人脸区域进行分割从而得到目的图像。
105:保存所述目的图像。
本实施例中,所述终端将所述目的图像进行存储。所述终端可以预先设置一个特定的存储位置,专用于存储所述目的图像。所述特定的位置可以是一个特定的文件夹,或者是一个以特定名称命名的文件夹。将每一次分割得到的目的图像均缓存于预先设置的特定的存储位置中,可以便于用户后续查找及管理。
进一步地,在实际应用时,当所述原始图像中的人脸信息不够充分时,则分割出的目的图像中的人脸信息也会不充分,甚至会出现模糊等降质状况,将影响到后续目的图像的使用,因而,在步骤101之后,步骤102之前,所述大分辨图像分割方法还可以包括:判断所述原始图像中所检测出的人脸区域是否符合预设分割条件。
当所述终端确定所述原始图像中所检测出的人脸区域符合预设分割条件时,执行步骤102,获取所述原始图像中人脸区域的中心点的坐标值;当所述终端确定所述原始图像中所检测出的人脸区域不符合预设分割条件时,则可以直接结束流程。对符合预设分割条件的人脸区域才进一步获取所述人脸区域中心点的坐标值,进而分割出目的图像,如此可以保证分割得到的目的图像的质量一致。
本实施例中,所述预设分割条件可以包括以下一种或多种的组合:人脸区域的曝光量在预设曝光范围区间(例如,900-1100)、人脸偏转角度不超过预设角度值(例如,20度)、人脸遮挡区域占整个人脸区域的比例不超过预设比例值(例如,20%)等。也就是说,对于人脸曝光过度(曝光量大于1100)、曝光不足(曝光量小于900)、人脸偏转角度过多(向左或向右偏转角度大于20度)、人脸过度遮挡(遮挡区域占整个人脸区域的比例超过20%)的人脸区域则认为是不符合分割条件的。
需要说明的是,本申请所述的方法不仅适用于从给定的大分辨率图像中分割出目的图像,还适用于对大分辨率下的视频流进行分割。具体地,当所述终端获取的是视频流时,可以将视频流进行逐帧提取,再对提取的每一帧图像进行分割。此时,步骤101则可以变为:利用人脸检测算法检测当前帧图像中是否存在人脸,当所述终端检测出当前帧图像中存在人脸时,执行所述步骤102;当所述终端检测出当前帧图像中不存在人脸时,则继续检测下一帧图像中是否存在人脸。
更进一步地,为便于后续用户需要查看与所述目的图像相对应的原始图像中的其他信息时,例如,用户需要查看原始图像的背景信息时,例如查看人的整体穿着等,所述大分辨图像分割方法还可以包括:将所述目的图像与所述原始图像进行关联并同步存储关联信息。
本实施例中,所述关联信息可以包括:图像的采集信息及图像的文件信息。所述图像的采集信息可以包括以下一种或多种的组合:图像采集的时间、地点、设备等信息。所述图像的文件信息可以包括以下一种或多种的组合:坐标信息、名称信息、存储位置信息及图像(视频)等。所述坐标信息可以包括:所述原始图像中人脸的中心坐标、标定出的待分割的目的区域的位置坐标。所述名称信息可以包括:所述目的图像的名称、所述原始图像的名称。所述存储位置信息可以包括:所述目的图像的存储位置、所述原始图像的存储位置。所述目的图像与所述关联信息可以对应记录在电子表格中。
综上所述,所述图像分割方法包括:利用人脸检测算法检测原始图像中是否存在人脸;当检测出所述原始图像中存在人脸时,获取所述原始图像中人脸区域的中心点的坐标值;根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标;根据所述位置坐标分割出目的区域以得到目的图像;及保存所述目的图像。本发明分割后的目的图像的尺寸分辨率较原始图像的分辨率大大减少,因而,能够适配现有通用的传输、存储和管理系统及设备。另外,从原始图像中分割出的目的图像保留了大分辨率下人脸的更多细节信息,运用到人脸识别和跟踪时能获得较佳的效果。
最后需要说明的是,本发明所述的图像分割方法,不仅限于对人脸图像的分割,还可以是对其他图像,例如手势图像,船舶图像等的分割。在实际应用中,若需从原始图像中分割出包含用户感兴趣的对象的目的图像,仅需采用相应的检测算法检测出用户感兴趣的目标对象的区域,获取用户感兴趣的目标对象的区域的中心点坐标即可,具体过程本发明在此不再一一阐述。
上述图1-图6详细介绍了本发明的图像分割方法,下面结合第7~8图,分别对实现所述图像分割方法的软件系统的功能模块以及实现所述图像分割方法的硬件系统架构进行介绍。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
实施例二
参阅图7所示,是本发明图像分割装置的较佳实施例中的功能模块图。
在一些实施例中,所述图像分割装置70运行于所述终端8中。所述图像分割装置70可以包括多个由程序代码段所组成的功能模块。所述图像分割装置70中的各个程序段的程序代码可以存储于所述终端8的存储器81中,并由所述至少一个处理器82所执行,以执行(详见图1描述)对大分辨率人脸图像的分割。
本实施例中,所述图像分割装置70根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:检测模块700、获取模块701、标定模块702、分割模块703、存储模块704及判断模块705。本发明所称的模块是指一种能够被至少一个处理器82所执行并且能够完成固定功能的一系列计算机程序段,其存储在所述存储器81中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
所述检测模块700,用于检测原始图像中是否存在目标对象。
本实施例中,所述原始图像中的目标对象是指用户感兴趣的标的物,在实际应用中,可以是人脸,手势、船舶、建筑物等。本文是人脸为目标对象进行举例说明如何进行图像分割的。
本实施例中,因目标对象是人脸,因而相应的检测算法为人脸检测算法,所述人脸检测算法可采用如下至少一种方法:基于模板的人脸检测方法、基于人工神经网络的人脸检测方法、基于模型的人脸检测方法、基于肤色的人脸检测方法或者基于特征子脸的人脸检测方法等。
基于模板的人脸检测方法,首先预存储一个或多个标准人脸模板,然后计算测试样本与标准模板之间的匹配程度是否大于预先设置的阈值来判断图像中是否存在人脸。当测试样本与标准模板之间的匹配程度大于预先设置的阈值,则认为图像中存在人脸。
基于人工神经网络的人脸检测方法,通过采集人脸图像样本集和非人脸图像样本集的学习来产生分类器,进而判断图像中是否存在人脸。
基于肤色模型的人脸检测方法,依据人脸的肤色在色彩空间中分布相对集中的规律来进行检测,不同人在不同光照条件下的肤色分布有着相似的高斯分布。
基于特征子脸的人脸检测方法,将所有人脸集合视为一个人脸子空间,通过计算检测样本与其在子空间的投影自己的距离从而判断图像中是否存在人脸。
在色度空间实现的肤色分割,对光照强度不敏感、且鲁棒性较好,因而对于图像中存在单个人脸的情况时,采用基于肤色模型的人脸检测方法会获得较佳的人脸检测效果。
本实施例中,所采用的人脸检测算法均为现有技术,本文在此不再赘述。
本实施例中,当所述检测模块700利用人脸检测算法检测出原始图像中存在人脸时,执行获取模块701;当所述检测模块700利用人脸检测算法检测出原始图像中不存在人脸时,则不执行任何操作。即,所述检测模块700利用人脸检测算法没有检测出原始图像中的人脸时,不执行任何操作。
所述获取模块701,用于获取所述原始图像中人脸区域的中心点的坐标值。
本实施例中,所指的人脸区域是指包含了人脸的主要特征部位,如眼睛、鼻子、嘴巴的一个几何区域。
一般而言,利用人脸检测算法不仅可以判断给定的原始图像中是否存在人脸,还可以在确定原始图像中存在人脸时继续确定人脸区域的大小和位置。可以使用一个选择框来表示利用人脸检测算法检测出的原始图像中的人脸区域。所述选择框的大小与人脸区域的大小接近,通常是与人脸区域的外轮廓相切,选择框的形状可以自定义,例如圆形、长方形、正方形、三角形等,人脸移动时,人脸图像选择框也随之移动。
如图2所示,人脸区域204为利用人脸检测算法从原始图像200中检测到的人脸区域,为便于与下文目的区域202进行区别描述,本文将从原始图像200中确定的人脸区域204使用点画线矩形框来表示。
在一些实施例中,所述人脸区域可以使用一个选择框来表示,即在原始图像中可以显示出选择框来表示检测出的人脸区域。在其他实施例中,还可以不显示出选择框。
所述检测模块700检测到人脸区域后,所述获取模块701获取所述人脸区域的中心坐标,所述中心坐标为所述选择框的几何中心点的坐标。
所述标定模块702,用于根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标。
本实施例中,所述标定模块702分析所述中心坐标的坐标值与所述预设目的图像的分辨率之间的大小关系从而确定待分割的目的区域的位置坐标。当标定模块702确定待分割的目的区域的位置坐标后,所述分割模块703即可根据所述位置坐标分割出目的区域从而得到目的图像。
在一些实施例中,所述标定模块702可以根据所述位置坐标在待分割的目的区域上标定出一个分割框以表示该区域为感兴趣区域。即所述标定模块702可以根据所述位置坐标在所述目的区域上显示出一个分割框,如图2所示中的黑线矩形框为待分割的目的区域202。
下面结合图2-图6具体阐述所述标定模块702是如何根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标的。
应当理解的是,由于大分辨率图像中的人脸区域的周围信息也是比较重要的,因而,从大分辨率图像中分割出的目的图像的区域会比人脸区域大。即原始图像200中的人脸区域204远小于待分割的目的区域202,如此分割出的目的图像会保留足够多的细节信息。
先假设所述原始图像中人脸区域的中心点坐标G(a,b),所述预设目的图像的分辨率为m*n,原始图像的分辨率为x*y,其中a、b、m、n、x、y均为正常数。原始图像的分辨率是由成像设备的参数决定的。以原始图像的左下角为原点、原始图像的下边缘所在的方向为X轴、原始图像的左边缘所在的方向为Y轴建立XOY坐标系,则原始图像的坐标分别记为(0,y)、(x,y)、(x,0)、(0,0)。
当标定模块702判断出0≤a-m/2、a+m/2≤x,且0≤b-n/2、b+n/2≤y时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)。参见图2所示,所述人脸区域204位于原始图像200的中间位置,此时,待分割出的目的区域202与所述原始图像200中人脸区域204具有相同的中心坐标(a,b)。
当标定模块702判断出a-m/2≤0时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(0,b+n/2)、(m,b+n/2)、(0,b-n/2)、(m,b-n/2)。参见图3所示,所述人脸区域位于原始图像200的左下角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)右边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图3中虚线框所示,该虚线框已经超出了原始图像的左边界,因而所述标定模块702将所述虚线框向右移动调整至分割框202位置处。
当标定模块702判断出a+m/2≥x时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(x-m,b+n/2)、(x,b+n/2)、(x-m,b-n/2)、(x,b-n/2)。参见图4所示,所述人脸区域位于原始图像200的右下角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)的左边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图4中虚线框所示,该虚线框已经超出了原始图像的右边界,因而所述标定模块702将所述虚线框向左移动调整至分割框202位置处。
当标定模块702判断出b-n/2≤0时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(a-m/2,n)、(a+m/2,n)、(a-m/2,0)、(a+m/2,0)。参见图5所示,所述人脸区域位于原始图像200的左下角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)的上边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图5中虚线框所示,该虚线框已经超出了原始图像的下边界,因而所述标定模块702将所述虚线框向上移动调整至分割框202位置处。
当标定模块702判断出b+n/2≥y时,则标定出的待分割的目的区域202的位置坐标(即分割框的位置坐标)分别为(a-m/2,y)、(a+m/2,y)、(a-m/2,y-n)、(a+m/2,y-n)。参见图6所示,所述人脸区域位于原始图像200的左上角位置,此时,待分割出的目的区域202的中心点位于所述原始图像200中人脸区域的中心坐标(a,b)的下边。若任就以坐标点(a-m/2,b+n/2),(a+m/2,b+n/2),(a-m/2,b-n/2),(a+m/2,b-n/2)为顶点标定出的分割框如图6中虚线框所示,该虚线框已经超出了原始图像的上边界,因而所述标定模块702将所述虚线框向下移动调整至分割框202位置处。
所述分割模块703,用于根据所述位置坐标分割出目的区域以得到目的图像。
本实施例中,所述分割模块703以所述位置坐标为边界所得到的分割框中的人脸区域进行分割从而得到目的图像。
所述存储模块704,用于保存所述目的图像。
本实施例中,所述存储模块704将所述目的图像进行存储。所述终端可以预先设置一个特定的存储位置,专用于存储所述目的图像。所述特定的位置可以是一个特定的文件夹,或者是一个以特定名称命名的文件夹。将每一次分割得到的目的图像均缓存于预先设置的特定的存储位置中,可以便于用户后续查找及管理。
进一步地,在实际应用时,当所述原始图像中的人脸信息不够充分时,则分割出的目的图像中的人脸信息也会不充分,甚至会出现模糊等降质状况,将影响到后续目的图像的使用,因而,所述图像分割装置70还可以包括判断模块705,用于判断所述原始图像中所检测出的人脸区域是否符合预设分割条件。
当所述判断模块705确定所述原始图像中所检测出的人脸区域符合预设分割条件时,执行所述获取模块701,获取所述原始图像中人脸区域的中心点的坐标值;当所述判断模块705确定所述原始图像中所检测出的人脸区域不符合预设分割条件时,则可以直接结束。对符合预设分割条件的人脸区域才进一步获取所述人脸区域中心点的坐标值,进而分割出目的图像,如此可以保证分割得到的目的图像的质量一致。
本实施例中,所述预设分割条件可以包括以下一种或多种的组合:人脸区域的曝光量在预设曝光范围区间(例如,900-1100)、人脸偏转角度不超过预设角度值(例如,20度)、人脸遮挡区域占整个人脸区域的比例不超过预设比例值(例如,20%)等。也就是说,对于人脸曝光过度(曝光量大于1100)、曝光不足(曝光量小于900)、人脸偏转角度过多(向左或向右偏转角度大于20度)、人脸过度遮挡(遮挡区域占整个人脸区域的比例超过20%)的人脸区域则认为是不符合分割条件的。
需要说明的是,本申请所述的图像分割装置70不仅适用于从给定的大分辨率图像中分割出目的图像,还适用于对大分辨率下的视频流进行分割。具体地,当所述终端获取的是视频流时,可以将视频流进行逐帧提取,再对提取的每一帧图像进行分割。此时,所述检测模块700利用人脸检测算法检测当前帧图像中是否存在人脸,当所述检测模块700检测出当前帧图像中存在人脸时,执行获取模块701;当所述检测模块700检测出当前帧图像中不存在人脸时,则继续检测下一帧图像中是否存在人脸。
更进一步地,为便于后续用户需要查看与所述目的图像相对应的原始图像中的其他信息时,例如,用户需要查看原始图像的背景信息时,例如查看人的整体穿着等,所述存储模块704还可以用于,将所述目的图像与所述原始图像进行关联并同步存储关联信息。
本实施例中,所述关联信息可以包括:图像的采集信息及图像的文件信息。所述图像的采集信息可以包括以下一种或多种的组合:图像采集的时间、地点、设备等信息。所述图像的文件信息可以包括以下一种或多种的组合:坐标信息、名称信息、存储位置信息及图像(视频)等。所述坐标信息可以包括:所述原始图像中人脸的中心坐标、标定出的待分割的目的区域的位置坐标。所述名称信息可以包括:所述目的图像的名称、所述原始图像的名称。所述存储位置信息可以包括:所述目的图像的存储位置、所述原始图像的存储位置。所述目的图像与所述关联信息可以对应记录在电子表格中。
综上所述,所述图像分割装置70包括:检测模块700利用人脸检测算法检测原始图像中是否存在人脸;当检测模块700检测出所述原始图像中存在人脸时,获取模块701获取所述原始图像中人脸区域的中心点的坐标值;标定模块702根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标;分割模块703根据所述位置坐标分割出目的区域以得到目的图像;及存储模块704保存所述目的图像。本发明分割后的目的图像的尺寸分辨率较原始图像的分辨率大大减少,因而,能够适配现有通用的传输、存储和管理系统及设备。另外,从原始图像中分割出的目的图像保留了大分辨率下人脸的更多细节信息,运用到人脸识别和跟踪时能获得较佳的效果。
最后需要说明的是,本发明所述的图像分割装置70,不仅限于对人脸图像的分割,还可以是对其他图像,例如手势图像,船舶图像等的分割。在实际应用中,若需从原始图像中分割出包含用户感兴趣的对象的目的图像,仅需采用相应的检测算法检测出用户感兴趣的目标对象的区域,获取用户感兴趣的目标对象的区域的中心点坐标即可,具体过程本发明在此不再一一阐述。
实施例三
在本发明较佳实施例中,所述终端8包括存储器81、至少一个处理器82、至少一条通信总线83、显示屏幕84及至少一个摄像头85。
本领域技术人员应该了解,图8示出的终端的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述终端8还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述终端8包括一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的终端,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器、嵌入式设备等。所述终端8还可包括用户设备,所述用户设备包括但不限于任何一种可与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等任何具备摄像头85的成像设备等。
需要说明的是,所述终端8仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器81用于存储程序代码和各种数据,例如安装在所述终端8中的快速拍照的系统,并在终端8的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器81包括只读存储器(Read-Only Memory,ROM)、随机存储器(RandomAccess Memory,RAM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在本实施例中,所述存储器81中预先存储有人脸检测算法,用于在所述摄像头85捕获到拍照对象的影像时进行人脸检测。所述存储器81中还预先存储有预设分割条件。
在一些实施例中,所述至少一个处理器82可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器82是所述终端8的控制核心(Control Unit),利用各种接口和线路连接整个终端8的各个部件,通过运行或执行存储在所述存储器81内的程序或者模块,以及调用存储在所述存储器81内的数据,以执行终端8的各种功能和处理数据,例如执行图像分割的功能。
在一些实施例中,所述至少一条通信总线83被设置为实现所述存储器81、所述至少一个处理器82、所述显示屏幕84以及所述至少一个摄像头85等之间的连接通信。
在一些实施例中,所述显示屏幕84可用于显示由观看者输入的信息或提供给观看者的信息以及终端8的各种图形观看者接口,这些图形观看者接口可以由图形、文本、图标、视频和其任意组合来构成。所述显示屏幕84可包括显示面板,可选的,可以采用液晶显示屏幕(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板。
所述显示屏幕84还可以包括触摸面板。如果所述显示屏幕84包括触摸面板,所述显示屏幕84可以被实现为触摸屏,以接收来自观看者的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。上述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与上述触摸或滑动操作相关的持续时间和压力。所述显示面板与所述触摸面板可以作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将所述显示面板与所述触摸面板进行集成而实现输入和输出功能。
在一些实施例中,所述至少一个摄像头85设置有如电荷耦合(charge-coupleddevice,CCD)式的感光元件,所述感光元件可用于感测进入摄像头内的光线。在一些实施例中,所述至少一个摄像头85可以为固定式的摄像头,也可以为可旋转式的摄像头。
所述终端8可以包括两个摄像头85。在一些实施例中,该两个摄像头85可以分别为终端8的前置摄像头及后置摄像头。在一些实施例中,该两个摄像头85可以并排设置在所述终端8的同一侧,用于实现例如拍摄广角照片的效果。
在其他实施例中,所述至少一个摄像头85还可以不设置在所述终端8上,而是独立存在,通过有线或者无线的方式与所述终端8通讯连接。
尽管未示出,所述终端8还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理系统与所述至少一个处理器82逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述终端8还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块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,终端,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部分。
在进一步的实施例中,结合图1,所述至少一个处理器82可执行所述终端8的操作系统以及安装的各类应用程序(如所述的图像分割装置70)、程序代码等,例如,上述的各个模块,包括检测模块700、获取模块701、标定模块702、分割模块703、存储模块704及判断模块705。
所述存储器81中存储有程序代码,且所述至少一个处理器82可调用所述存储器81中存储的程序代码以执行相关的功能。例如,图7中所述的各个模块(检测模块700、获取模块701、标定模块702、分割模块703、存储模块704及判断模块705)是存储在所述存储器81中的程序代码,并由所述至少一个处理器82所执行,从而实现所述各个模块的功能以达到快速拍照目的。
在本发明的一个实施例中,所述存储器81存储多个指令,所述多个指令被所述至少一个处理器82所执行以实现对大分辨率人脸图像的分割。
具体地,所述至少一个处理器82对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明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,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块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模块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。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (8)
1.一种图像分割方法,应用于终端中,其特征在于,所述方法包括:
利用检测算法检测原始图像中是否存在目标对象;
当检测出所述原始图像中存在目标对象时,获取所述原始图像中目标对象区域的中心点的坐标值;
根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标,包括:所述原始图像中目标对象区域的中心点坐标G(a,b),所述预设目的图像的分辨率为m*n,原始图像的分辨率为x*y,其中a、b、m、n、x、y均为正常数,当0≤a-m/2、a+m/2≤x,且0≤b-n/2、b+n/2≤y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,b+n/2)、(a+m/2,b+n/2)、(a-m/2,b-n/2)、(a+m/2,b-n/2);当a-m/2≤0时,则所述待分割的目的区域的位置坐标分别为(0,b+n/2)、(m,b+n/2)、(0,b-n/2)、(m,b-n/2);当a+m/2≥x时,则所述待分割的目的区域的位置坐标分别为(x-m,b+n/2)、(x,b+n/2)、(x-m,b-n/2)、(x,b-n/2);当b-n/2≤0时,则所述待分割的目的区域的位置坐标分别为(a-m/2,n)、(a+m/2,n)、(a-m/2,0)、(a+m/2,0);当b+n/2≥y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,y)、(a+m/2,y)、(a-m/2,y-n)、(a+m/2,y-n),其中,所述待分割的目的区域包含了所述目标对象区域;
根据所述位置坐标分割出目的区域以得到目的图像;及
保存所述目的图像。
2.如权利要求1所述的图像分割方法,其特征在于,所述方法还包括:
判断所检测出的目标对象区域是否符合预设分割条件;及
当确定所检测出的目标对象区域符合所述预设分割条件时,获取所述原始图像中目标对象区域的中心点的坐标值。
3.如权利要求1或2所述的图像分割方法,其特征在于,所述方法还包括:
将所述目的图像与所述原始图像进行关联并同步存储关联信息。
4.一种图像分割装置,运行于终端中,其特征在于,所述装置包括:
检测模块,用于检测原始图像中是否存在目标对象;
获取模块,用于当所述检测模块检测出所述原始图像中存在目标对象时,获取所述原始图像中目标对象区域的中心点的坐标值;
标定模块,用于根据所述中心点的坐标值及预设目的图像的分辨率标定出待分割的目的区域的位置坐标,包括:所述原始图像中目标对象区域的中心点坐标G(a,b),所述预设目的图像的分辨率为m*n,原始图像的分辨率为x*y,其中a、b、m、n、x、y均为正常数,当0≤a-m/2、a+m/2≤x,且0≤b-n/2、b+n/2≤y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,b+n/2)、(a+m/2,b+n/2)、(a-m/2,b-n/2)、(a+m/2,b-n/2);当a-m/2≤0时,则所述待分割的目的区域的位置坐标分别为(0,b+n/2)、(m,b+n/2)、(0,b-n/2)、(m,b-n/2);当a+m/2≥x时,则所述待分割的目的区域的位置坐标分别为(x-m,b+n/2)、(x,b+n/2)、(x-m,b-n/2)、(x,b-n/2);当b-n/2≤0时,则所述待分割的目的区域的位置坐标分别为(a-m/2,n)、(a+m/2,n)、(a-m/2,0)、(a+m/2,0);当b+n/2≥y时,则所述待分割的目的区域的位置坐标分别为(a-m/2,y)、(a+m/2,y)、(a-m/2,y-n)、(a+m/2,y-n),其中,所述待分割的目的区域包含了所述目标对象区域;
分割模块,用于根据所述位置坐标分割出目的区域以得到目的图像;及
存储模块,用于保存所述目的图像。
5.如权利要求4所述的图像分割装置,其特征在于,所述装置还包括:
判断模块,用于判断所检测出的目标对象区域是否符合预设分割条件;及
当所述判断模块确定所检测出的目标对象区域符合所述预设分割条件时,所述获取模块获取所述原始图像中目标对象区域的中心点的坐标值。
6.如权利要求4或5所述的图像分割装置,其特征在于,所述存储模块,还用于将所述目的图像与所述原始图像进行关联并同步存储关联信息。
7.一种终端,其特征在于:所述终端包括处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至3中任意一项所述图像分割方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至3中任意一项所述图像分割方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711288196.9A CN108090908B (zh) | 2017-12-07 | 2017-12-07 | 图像分割方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711288196.9A CN108090908B (zh) | 2017-12-07 | 2017-12-07 | 图像分割方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108090908A CN108090908A (zh) | 2018-05-29 |
CN108090908B true CN108090908B (zh) | 2020-02-04 |
Family
ID=62174355
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711288196.9A Active CN108090908B (zh) | 2017-12-07 | 2017-12-07 | 图像分割方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108090908B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805883B (zh) * | 2018-06-08 | 2021-04-16 | Oppo广东移动通信有限公司 | 一种图像分割方法、图像分割装置及电子设备 |
CN109657603B (zh) * | 2018-12-17 | 2021-05-11 | 深圳云天励飞技术有限公司 | 人脸检测的方法及装置 |
CN111220786A (zh) * | 2020-03-09 | 2020-06-02 | 生态环境部华南环境科学研究所 | 一种深水沉积物有机污染快速监测方法 |
CN111881846B (zh) * | 2020-07-30 | 2024-04-02 | 北京市商汤科技开发有限公司 | 图像处理方法和相关装置、设备、存储介质 |
CN112418232A (zh) * | 2020-11-18 | 2021-02-26 | 北京有竹居网络技术有限公司 | 图像分割方法、装置、可读介质及电子设备 |
CN113742421B (zh) * | 2021-08-20 | 2023-09-12 | 郑州云智信安安全技术有限公司 | 基于分布式存储和图像处理的网络身份认证方法 |
CN115278099A (zh) * | 2022-06-29 | 2022-11-01 | 广东小天才科技有限公司 | 一种补光灯控制方法、终端设备及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7881505B2 (en) * | 2006-09-29 | 2011-02-01 | Pittsburgh Pattern Recognition, Inc. | Video retrieval system for human face content |
CN101795400B (zh) * | 2010-03-16 | 2013-03-27 | 上海复控华龙微系统技术有限公司 | 一种婴幼儿主动跟踪监护的方法及其实现系统 |
CN101895685B (zh) * | 2010-07-15 | 2012-07-25 | 杭州华银视讯科技有限公司 | 视频采集控制装置及其方法 |
CN102262727A (zh) * | 2011-06-24 | 2011-11-30 | 常州锐驰电子科技有限公司 | 客户采集终端人脸图像质量实时监控方法 |
CN106558040B (zh) * | 2015-09-23 | 2019-07-19 | 腾讯科技(深圳)有限公司 | 人物图像处理方法和装置 |
CN105654512B (zh) * | 2015-12-29 | 2018-12-07 | 深圳微服机器人科技有限公司 | 一种目标跟踪方法和装置 |
-
2017
- 2017-12-07 CN CN201711288196.9A patent/CN108090908B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108090908A (zh) | 2018-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090908B (zh) | 图像分割方法、装置、终端及存储介质 | |
CN108197547B (zh) | 人脸姿态估计方法、装置、终端及存储介质 | |
CN108765278B (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
US8792722B2 (en) | Hand gesture detection | |
US8750573B2 (en) | Hand gesture detection | |
WO2020215552A1 (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
CN109684980B (zh) | 自动阅卷方法及装置 | |
EP2336949B1 (en) | Apparatus and method for registering plurality of facial images for face recognition | |
CN104137028A (zh) | 控制被显示图像的旋转的设备和方法 | |
CN112749613B (zh) | 视频数据处理方法、装置、计算机设备及存储介质 | |
JP6157165B2 (ja) | 視線検出装置及び撮像装置 | |
CN110826372B (zh) | 人脸特征点检测方法及装置 | |
CN108764139B (zh) | 一种人脸检测方法、移动终端及计算机可读存储介质 | |
CN110991491A (zh) | 图像标注方法、装置、设备及存储介质 | |
CN113780201B (zh) | 手部图像的处理方法及装置、设备和介质 | |
CN114267041B (zh) | 场景中对象的识别方法及装置 | |
US10861169B2 (en) | Method, storage medium and electronic device for generating environment model | |
CN110738078A (zh) | 一种人脸识别方法及终端设备 | |
CN113920502A (zh) | 一种云台调整方法、装置、设备及介质 | |
CN113793323A (zh) | 一种元器件检测方法、系统、设备及介质 | |
CN113794831B (zh) | 视频拍摄方法、装置、电子设备及介质 | |
CN114332925A (zh) | 电梯内宠物检测方法、系统、装置及计算机可读存储介质 | |
CN112333441A (zh) | 摄像头检测方法、装置及电子设备 | |
CN106557766B (zh) | 模糊字符处理方法、系统及电子设备 | |
CN111368726B (zh) | 建筑工地作业面人数统计方法、系统、存储介质及装置 |
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 |