CN110310293A - 人体图像分割方法及设备 - Google Patents
人体图像分割方法及设备 Download PDFInfo
- Publication number
- CN110310293A CN110310293A CN201910601007.1A CN201910601007A CN110310293A CN 110310293 A CN110310293 A CN 110310293A CN 201910601007 A CN201910601007 A CN 201910601007A CN 110310293 A CN110310293 A CN 110310293A
- Authority
- CN
- China
- Prior art keywords
- image
- human body
- segmentation
- pixel value
- size
- 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
Links
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本公开实施例提供一种人体图像分割方法及设备,该方法包括:获取所述预设神经网络输出的第一人体分割图像,将所述第一人体分割图像的像素值乘以255,得到像素值为0和255的第二人体分割区域;对所述第二人体分割图像进行双三次插值,得到像素值为0至255的第三人体分割图像;将所述第三人体分割图像的像素值除以255,得到像素值为0至1的目标分割掩膜,根据目标分割掩膜和所述原始图像,得到人体分割区域的图像,能够从原始图像中提取到图像边缘平滑的人体分割区域的图像,避免分割出的图像边缘出现边缘锯齿,影响图像显示效果。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种人体图像分割方法及设备。
背景技术
在小视频制作过程中,为了满足客户个性化需求,视频软件通常提供图像融合功能:即将图像中的人体区域分割出来,再将原始背景区域删除,替换为有特效效果的背景,以提升视频的美化效果。
目前,现有的对人体图像进行分割主要是通过深度学习神经网络实现的,其处理过程主要为:将目标图像下采样至与深度学习神经网络输入尺寸对应的大小,然后通过深度学习神经网络对图像中人体区域进行识别,将人体区域从背景中分割出来,然后通过上采样与原图像进行融合。
但是,由于在现有的神经网络中使用的mask(掩膜)只有0和1的值(其中1表示人体分割区域,0表示背景区域),这样经过上采样处理后的图像依旧是只有0和1的值,导致人体与背景分割的边缘通常会出现边缘锯齿,而且上采样后图像的边缘锯齿会变得很明显,图像边缘不再平滑,影响人体分割后图像的显示效果。
发明内容
本公开实施例提供一种人体图像分割方法及设备,以克服现有技术中人体与背景分割的边缘通常会出现边缘锯齿,而且上采样后图像的边缘锯齿会变得很明显,图像边缘不再平滑,影响人体分割后图像的显示效果的问题。
第一方面,本公开实施例提供一种人体图像分割方法,包括:
将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0;
将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割图像中的人体分割区域的像素值为255,背景区域像素值为0;
对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
第二方面,本公开实施例提供一种人体图像分割设备,包括:
第一人体分割图像获取单元,用于将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0;
第二人体分割图像获取单元,用于将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割图像中的人体分割区域的像素值为255,背景区域像素值为0;
第三人体分割图像获取单元,用于对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
目标分割掩膜获取单元,用于将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
人体分割区域的图像取单元,用于根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
第三方面,本公开实施例提供一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的人体图像分割方法。
第四方面,本公开实施例提供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计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的人体图像分割方法。
本实施例提供的人体图像分割方法及设备,该方法首先通过获取所述预设神经网络输出的第一人体分割图像,并将所述第一人体分割图像的像素值乘以255,得到像素值为0和255的第二人体分割区域;然后通过对所述第二人体分割图像进行双三次插值,得到像素值为0至255的第三人体分割图像;最后将所述第三人体分割图像的像素值除以255,得到像素值为0至1的目标分割掩膜,根据目标分割掩膜和所述原始图像,得到人体分割区域的图像,由于目标分割掩膜的像素值为0至1,而不是0和1,因此能够从原始图像中提取到图像边缘平滑的人体分割区域的图像,避免图像边缘出现边缘锯齿,影响图像显示效果。
附图说明
为了更清楚地说明本公开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一简单地介绍,显而易见地,下面描述中的附图是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的人体图像分割系统的架构示意图;
图2为本公开实施例提供的人体图像分割方法流程示意图一;
图3为本公开实施例提供的人体图像分割方法流程示意图二;
图4为本公开实施例提供的人体图像分割设备的结构框图;
图5为本公开实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
参考图1,图1为本发明实施例提供的人体图像分割系统的架构示意图。如图1所示,本实施例提供的系统包括终端设备101和服务器102。其中,终端设备101可以为儿童故事机、手机、平板、车载终端等。本实施例对终端设备101的实现方式不做特别限制,只要该终端设备101能够对图像进行处理即可。服务器102可以是一台,也可以是多台服务器组成的集群。
参考图2,图2为本公开实施例提供的人体图像分割方法流程示意图一。本实施例的方法可以应用在终端设备或服务器中,该人体图像分割方法包括:
S201:将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0。
在本公开实施例中,预设神经网络的可以是现有的深度学习神经网络,其作用是将目标图像下采样至与深度学习神经网络输入尺寸对应的大小,然后通过深度学习神经网络对图像中人体区域进行识别,并分割出识别到的人体分割的图像。
其中,第一人体分割图像中包含两部分的图像区域:即人体分割区域和背景区域。这里,人体分割区域用于与其他的背景图像进行融合,以达到美化的效果。
S202:将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为255,背景区域像素值为0。
在本公开实施例中,通过将第一人体分割图像的像素值乘以255,将第一人体分割图像转化为用RGB像素表示的第二人体分割图像。
其中,第二人体分割图像业也包含人体分割区域和背景区域的两部分的图像区域。
S203:对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255。
在本公开实施例中,双三次插值算法,相较于最临近差值和双线性插值,得到的图像更清晰平滑。
其中,通过双三次插值将第三人体分割图像的像素值由255和0的值,转化为像素值由0至255的值。
S204:将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1。
在本公开实施例中,通过将0至255的像素值的第三人体分割图像除以255,得到像素值为0至1的人体分割图像,即为目标分割掩膜。
其中,目标分割掩膜的作用是将原始图像的人体分割区域分给出来。
S205:根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
具体地,可以将原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
其中,得到人体分割区域的图像后,可以将人体分割区域的图像与目标背景图像进行融合。
从上述描述可知,首先通过获取所述预设神经网络输出的第一人体分割图像,并将所述第一人体分割图像的像素值乘以255,得到像素值为0和255的第二人体分割区域;然后通过对所述第二人体分割图像进行双三次插值,得到像素值为0至255的第三人体分割图像;最后将所述第三人体分割图像的像素值除以255,得到像素值为0至1的目标分割掩膜,根据目标分割掩膜和所述原始图像,得到人体分割区域的图像,由于目标分割掩膜的像素值为0至1,而不是0和1,因此能够从原始图像中提取到图像边缘平滑的人体分割区域的图像,避免图像边缘出现边缘锯齿,影响图像显示效果。
参考图3,图3为本公开实施例提供的人体图像分割方法流程示意图二。由于原始图像一般是由视频软件拍摄的图像,而预设神经网络为了提高识别速度输入输出的图像尺寸较小,因此通常原始图像的尺寸要大于预设神经网络输入输入的尺寸。在本公开实施例中,所述原始图像为第一尺寸,所述预设神经网络输入输出图像均为第二尺寸,其中第一尺寸大于第二尺寸。该人体图像分割方法详述如下:
S301:对第一尺寸的原始图像进行下采样处理,得到第二尺寸的原始图像。
其中,原始图像可以是视频软件拍摄的图像,例如小视频软件拍摄的图像,其尺寸大小为(H x W)1920x1080。
在本公开实施例中,通过对原始图像进行下采样,例如四次,得到与所述预设神经网络匹配的第二尺寸的原始图像。例如,设神经网络输入输出的第二尺寸为(h x w)448x256。
S302:将所述第二尺寸的原始图像输入至所述预设神经网络,获取所述预设神经网络输出的第二尺寸的第一人体分割图像,其中所述第一人体分割图像中人体分割区域像素值为1,背景区域像素值为0。
在本公开实施例中,将尺寸为(h x w)448x256的原始图像,输入至预设神经网络中,得到的第一人体分割图像的尺寸也是(h x w)448x256。
S303:将第二尺寸的第一人体分割图像的像素值乘以255,得到第二尺寸的第二人体分割图像,其中所述第二人体分割区域的像素值为255,背景区域像素值为0。
在本公开实施例中,步骤S303的内容与上述步骤S202的内容一致,具体描述请参考步骤S202的相关描述,这里不再赘述。
例如,第一人体分割图像的尺寸为(h x w)448x256,第二人体分割图像的尺寸为(h x w)448x256。
S304:对第二尺寸的第二人体分割图像双三次插值上采样,得到第一尺寸的第三人体分割图像,其中所述第三人体分割图像的像素值为0至255。
在本实施例中,为了将第二人体分割图像还原至与原始图像的第一尺寸相匹配吗,这里需要对第二尺寸的第二人体分割图像进行上采样,其中上采样的次数与下采样相同,例如四次。
例如,通过四次上采样,将尺寸为(h x w)448x256第二人体分割图像,转化为尺寸为(H x W)1920x1080的第三人体分割图像。
S305:将第一尺寸第三人体分割图像的像素值除以255,得到第一尺寸的目标分割掩膜,其中目标分割掩膜的像素值为0至1。
在本公开实施例中,步骤S305的内容与上述步骤S204的内容一致,具体描述请参考步骤S204的相关描述,这里不再赘述。
例如,将尺寸为(H x W)1920x1080的第三人体分割图像的像素值除以255,得到尺寸为(H x W)1920x1080的目标分割掩膜。
S306:根据第一尺寸的目标分割掩膜和所述第一尺寸的原始图像,得到人体分割区域的图像。
在本公开实施例中,步骤S306的内容与上述步骤S205的内容一致,具体描述请参考步骤S205的相关描述,这里不再赘述。
例如,根据尺寸为(H x W)1920x1080的目标分割掩膜和尺寸为(H x W)1920x1080的原始图像。
从上述描述可知,通过对第二尺寸的第二人体分割图像双三次插值上采样,使得得到目标分割掩膜与原始图像匹配,满足不同尺寸的原始图像的分割要求,提高分割方法的适用性。
在本公开的一个实施例中,在步骤S306之后,还包括将分割图像与目标背景图像进行融合过程,如下:
S307:将所述原始图像的像素值乘以(1-目标分割掩膜像素值),并加上选取的目标背景图像与目标分割掩膜像素值的乘积,得到人体分割区域与目标背景图像融合后的图像。
具体地,还可以通过融合系数α对融合的视觉效果进行调节。
将所述原始图像的像素值乘以(1-目标分割掩膜像素值乘以融合系数α),并加上选取的目标背景图像与目标分割掩膜像素值、融合系数α的乘积,得到人体分割区域与目标背景图像融合后的图像。
其中,融合系数α一般范围0.2-0.8,默认为0.2。
例如,目标背景图像为红色RGB(255,0,0)。
从上述描述可知,通过目标背景图像与目标分割掩膜像素值的乘积,实现分割图像与目标背景图像的融合;并通过融合系数α实现不同的融合效果。
对应于上文实施例的人体图像分割方法,图4为本公开实施例提供的人体图像分割设备的结构框图。
为了便于说明,仅示出了与本公开实施例相关的部分。参照图4,所述人体图像分割设备40包括:第一人体分割图像获取单元401、第二人体分割图像获取单元402、第三人体分割图像获取单元403、目标分割掩膜获取单元404和人体分割区域的图像取单元405。
第一人体分割图像获取单元401,用于将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中人体分割区域像素值为1,背景区域像素值为0;
第二人体分割图像获取单元402,用于将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割区域的像素值为255,背景区域像素值为0;
第三人体分割图像获取单元403,用于对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
目标分割掩膜获取单元404,用于将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
人体分割区域的图像取单元405,用于根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
本实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
在本公开的一个实施例中,所述原始图像为第一尺寸,所述预设神经网络输入输出图像均为第二尺寸,其中第一尺寸大于第二尺寸;
所述第一人体分割图像获取单元401,还用于对第一尺寸的原始图像进行下采样处理,得到第二尺寸的原始图像;将所述第二尺寸的原始图像输入至所述预设神经网络,获取所述预设神经网络输出的第二尺寸的第一人体分割图像;
相应地,所述第三人体分割图像获取单元403,还用于对第二尺寸的第二人体分割图像双三次插值上采样,得到第一尺寸的第三人体分割图像。
本实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
在本公开的一个实施例中,所述人体分割区域的图像取单元405,具体用于将所述原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
在本公开的一个实施例中,所述人体分割区域的图像取单元405,还用于将所述原始图像的像素值乘以(1-目标分割掩膜像素值),并加上选取的目标背景图像与目标分割掩膜像素值的乘积,得到人体分割区域与目标背景图像融合后的图像。
本实施例提供的设备,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
参考图5,其示出了适于用来实现本公开实施例的电子设备500的结构示意图,该电子设备500可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(Portable MediaPlayer,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(Read Only Memory,简称ROM)502中的程序或者从存储装置508加载到随机访问存储器(Random Access Memory,简称RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
第一方面,根据本公开的一个或多个实施例,提供了一种人体图像分割方法,包括:
将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0;
将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割图像中的人体分割区域的像素值为255,背景区域像素值为0;
对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
根据本公开的一个或多个实施例,所述原始图像为第一尺寸,所述预设神经网络输入输出图像均为第二尺寸,其中第一尺寸大于第二尺寸;
所述将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,包括:
对第一尺寸的原始图像进行下采样处理,得到第二尺寸的原始图像;
将所述第二尺寸的原始图像输入至所述预设神经网络,获取所述预设神经网络输出的第二尺寸的第一人体分割图像;
相应地,对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,包括:
对第二尺寸的第二人体分割图像双三次插值上采样,得到第一尺寸的第三人体分割图像。
根据本公开的一个或多个实施例,所述根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像,包括:
将所述原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
根据本公开的一个或多个实施例,所述方法还包括:
将所述原始图像的像素值乘以(1-目标分割掩膜像素值),并加上选取的目标背景图像与目标分割掩膜像素值的乘积,得到人体分割区域与目标背景图像融合后的图像。
根据本公开的一个或多个实施例,所述第一尺寸为1920×1080,所述第二尺寸为448×256。
第二方面,根据本公开的一个或多个实施例,提供了一种人体图像分割设备,包括:
第一人体分割图像获取单元401,用于将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0;
第二人体分割图像获取单元402,用于将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割图像中的人体分割区域的像素值为255,背景区域像素值为0;
第三人体分割图像获取单元403,用于对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
目标分割掩膜获取单元404,用于将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
人体分割区域的图像取单元405,用于根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
根据本公开的一个或多个实施例,所述原始图像为第一尺寸,所述预设神经网络输入输出图像均为第二尺寸,其中第一尺寸大于第二尺寸;
所述第一人体分割图像获取单元401,还用于对第一尺寸的原始图像进行下采样处理,得到第二尺寸的原始图像;将所述第二尺寸的原始图像输入至所述预设神经网络,获取所述预设神经网络输出的第二尺寸的第一人体分割图像;
相应地,所述第三人体分割图像获取单元403,还用于对第二尺寸的第二人体分割图像双三次插值上采样,得到第一尺寸的第三人体分割图像。
根据本公开的一个或多个实施例,所述人体分割区域的图像取单元405,具体用于将所述原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
根据本公开的一个或多个实施例,所述人体分割区域的图像取单元405,具体用于将所述原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
根据本公开的一个或多个实施例,所述人体分割区域的图像取单元405,还用于将所述原始图像的像素值乘以(1-目标分割掩膜像素值乘以融合系数α),并加上选取的目标背景图像与目标分割掩膜像素值、融合系数α的乘积,得到人体分割区域与目标背景图像融合后的图像。
根据本公开的一个或多个实施例,所述第一尺寸为1920×1080,所述第二尺寸为448×256。
第三方面,根据本公开的一个或多个实施例,提供了一种电子设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的人体图像分割方法。
第四方面,根据本公开的一个或多个实施例,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计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的人体图像分割方法。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种人体图像分割方法,其特征在于,包括:
将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0;
将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割图像中的人体分割区域的像素值为255,背景区域像素值为0;
对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
2.根据权利要求1所述的方法,其特征在于,所述原始图像为第一尺寸,所述预设神经网络输入输出图像均为第二尺寸,其中第一尺寸大于第二尺寸;
所述将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,包括:
对第一尺寸的原始图像进行下采样处理,得到第二尺寸的原始图像;
将所述第二尺寸的原始图像输入至所述预设神经网络,获取所述预设神经网络输出的第二尺寸的第一人体分割图像;
相应地,对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,包括:
对第二尺寸的第二人体分割图像双三次插值上采样,得到第一尺寸的第三人体分割图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像,包括:
将所述原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
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:
将所述原始图像的像素值乘以(1-目标分割掩膜像素值),并加上选取的目标背景图像与目标分割掩膜像素值的乘积,得到人体分割区域与目标背景图像融合后的图像。
5.根据权利要求2所述的方法,其特征在于,所述第一尺寸为1920×1080,所述第二尺寸为448×256。
6.一种人体图像分割设备,其特征在于,包括:
第一人体分割图像获取单元,用于将原始图像输入至预设神经网络,获取所述预设神经网络输出的第一人体分割图像,其中所述第一人体分割图像中的人体分割区域像素值为1,背景区域像素值为0;
第二人体分割图像获取单元,用于将所述第一人体分割图像的像素值乘以255,得到第二人体分割图像,其中所述第二人体分割图像中的人体分割区域的像素值为255,背景区域像素值为0;
第三人体分割图像获取单元,用于对所述第二人体分割图像进行双三次插值,得到第三人体分割图像,其中所述第三人体分割图像的像素值为0至255;
目标分割掩膜获取单元,用于将所述第三人体分割图像的像素值除以255,得到目标分割掩膜,其中目标分割掩膜的像素值为0至1;
人体分割区域的图像取单元,用于根据所述目标分割掩膜和所述原始图像,得到人体分割区域的图像。
7.根据权利要求6所述的设备,其特征在于,所述原始图像为第一尺寸,所述预设神经网络输入输出图像均为第二尺寸,其中第一尺寸大于第二尺寸;
所述第一人体分割图像获取单元401,还用于对第一尺寸的原始图像进行下采样处理,得到第二尺寸的原始图像;将所述第二尺寸的原始图像输入至所述预设神经网络,获取所述预设神经网络输出的第二尺寸的第一人体分割图像;
相应地,所述第三人体分割图像获取单元403,还用于对第二尺寸的第二人体分割图像双三次插值上采样,得到第一尺寸的第三人体分割图像。
8.根据权利要求6所述的设备,其特征在于,所述人体分割区域的图像取单元,具体用于将所述原始图像的像素值乘以(1-目标分割掩膜像素值),得到人体分割区域的图像。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至5任一项所述的人体图像分割方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至5任一项所述的人体图像分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910601007.1A CN110310293B (zh) | 2019-07-04 | 2019-07-04 | 人体图像分割方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910601007.1A CN110310293B (zh) | 2019-07-04 | 2019-07-04 | 人体图像分割方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110310293A true CN110310293A (zh) | 2019-10-08 |
CN110310293B CN110310293B (zh) | 2021-08-10 |
Family
ID=68078950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910601007.1A Active CN110310293B (zh) | 2019-07-04 | 2019-07-04 | 人体图像分割方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110310293B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598903A (zh) * | 2020-05-21 | 2020-08-28 | Oppo广东移动通信有限公司 | 人像分割方法、装置、存储介质和电子设备 |
CN111768416A (zh) * | 2020-06-19 | 2020-10-13 | Oppo广东移动通信有限公司 | 照片裁剪方法及装置 |
CN114494297A (zh) * | 2022-01-28 | 2022-05-13 | 杭州电子科技大学 | 处理多种先验知识的自适应视频目标分割方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915527A (zh) * | 2012-10-15 | 2013-02-06 | 中山大学 | 基于形态学成分分析的人脸图像超分辨率重建方法 |
US20180374197A1 (en) * | 2016-11-30 | 2018-12-27 | Boe Technology Group Co., Ltd. | Human face resolution re-establishing method and re-establishing system, and readable medium |
CN109493350A (zh) * | 2018-11-09 | 2019-03-19 | 重庆中科云丛科技有限公司 | 人像分割方法及装置 |
CN109858436A (zh) * | 2019-01-29 | 2019-06-07 | 中国科学院自动化研究所 | 基于视频动态前景掩膜的目标类别修正方法、检测方法 |
-
2019
- 2019-07-04 CN CN201910601007.1A patent/CN110310293B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915527A (zh) * | 2012-10-15 | 2013-02-06 | 中山大学 | 基于形态学成分分析的人脸图像超分辨率重建方法 |
US20180374197A1 (en) * | 2016-11-30 | 2018-12-27 | Boe Technology Group Co., Ltd. | Human face resolution re-establishing method and re-establishing system, and readable medium |
CN109493350A (zh) * | 2018-11-09 | 2019-03-19 | 重庆中科云丛科技有限公司 | 人像分割方法及装置 |
CN109858436A (zh) * | 2019-01-29 | 2019-06-07 | 中国科学院自动化研究所 | 基于视频动态前景掩膜的目标类别修正方法、检测方法 |
Non-Patent Citations (3)
Title |
---|
CSDN: "卷积神经网络CNN基本概念(二)上采样 下采样", 《HTTPS://BLOG.CSDN.NET/A1809032425/ARTICLE/DETAILS/81158649》 * |
ROHAN RELAN: "A Non-Expert"s Guide to Image Segmentation Using Deep Neural Nets", 《HTTPS://MEDIUM.COM/@HANRELAN/A-NON-EXPERTS-GUIDE-TO-IMAGE-SEGMENTATION-USING-DEEP-NEURAL-NETS-DDA5022F6282》 * |
温佩芝: "基于卷积神经网络改进的图像自动分割方法", 《计算机应用研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598903A (zh) * | 2020-05-21 | 2020-08-28 | Oppo广东移动通信有限公司 | 人像分割方法、装置、存储介质和电子设备 |
CN111598903B (zh) * | 2020-05-21 | 2023-09-29 | Oppo广东移动通信有限公司 | 人像分割方法、装置、存储介质和电子设备 |
CN111768416A (zh) * | 2020-06-19 | 2020-10-13 | Oppo广东移动通信有限公司 | 照片裁剪方法及装置 |
CN111768416B (zh) * | 2020-06-19 | 2024-04-19 | Oppo广东移动通信有限公司 | 照片裁剪方法及装置 |
CN114494297A (zh) * | 2022-01-28 | 2022-05-13 | 杭州电子科技大学 | 处理多种先验知识的自适应视频目标分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110310293B (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766777B (zh) | 虚拟形象的生成方法、装置、电子设备及存储介质 | |
WO2022166872A1 (zh) | 一种特效展示方法、装置、设备及介质 | |
CN110298851A (zh) | 人体分割神经网络的训练方法及设备 | |
CN111510645B (zh) | 视频处理方法、装置、计算机可读介质和电子设备 | |
CN110310293A (zh) | 人体图像分割方法及设备 | |
CN112738634B (zh) | 视频文件的生成方法、装置、终端及存储介质 | |
CN109408685A (zh) | 思维导图展示方法和装置 | |
WO2021139382A1 (zh) | 人脸图像的处理方法、装置、可读介质和电子设备 | |
CN111325704B (zh) | 图像修复方法、装置、电子设备及计算机可读存储介质 | |
CN110062176A (zh) | 生成视频的方法、装置、电子设备和计算机可读存储介质 | |
CN110070585A (zh) | 图像生成方法、装置和计算机可读存储介质 | |
US12019669B2 (en) | Method, apparatus, device, readable storage medium and product for media content processing | |
CN110072151A (zh) | 虚拟礼物展示方法、电子设备及计算机可读存储介质 | |
JP2023515607A (ja) | 画像特殊効果の処理方法及び装置 | |
CN110210501A (zh) | 虚拟对象生成方法、电子设备及计算机可读存储介质 | |
WO2022132032A1 (zh) | 人像图像处理方法及装置 | |
WO2024016923A1 (zh) | 特效图的生成方法、装置、设备及存储介质 | |
CN114489896B (zh) | 内容显示方法、装置、存储介质及电子设备 | |
CN109710364A (zh) | 调整布局方式的方法、装置、电子设备及存储介质 | |
CN109840528A (zh) | 提取图像的特征图的方法和装置 | |
CN110288523B (zh) | 图像生成方法和装置 | |
US11962929B2 (en) | Method, apparatus, and device for configuring video special effect, and storage medium | |
CN110288552A (zh) | 视频美化方法、装置及电子设备 | |
CN110222736A (zh) | 训练分类器的方法、装置、电子设备和计算机可读存储介质 | |
CN110209861A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 |
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 |