CN110717417A - 深度图人体前景提取方法及计算机可读存储介质 - Google Patents
深度图人体前景提取方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110717417A CN110717417A CN201910910581.5A CN201910910581A CN110717417A CN 110717417 A CN110717417 A CN 110717417A CN 201910910581 A CN201910910581 A CN 201910910581A CN 110717417 A CN110717417 A CN 110717417A
- Authority
- CN
- China
- Prior art keywords
- frame
- human body
- point
- depth map
- current frame
- 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
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种深度图人体前景提取方法及计算机可读存储介质,方法包括:在当前帧的深度图中获取人脸检测框或跟踪框;将人脸检测框或跟踪框的中心点作为种子点,并加入种子点队列;判断种子点队列是否为空;若为空,则根据人体前景点集合中的像素点,得到人体前景;若不为空,则取出种子点队列当前的队首点,并将队首点加入人体前景点集合;在当前帧的深度图中获取队首点预设大小的邻域;确定所述邻域内各像素点对应的阈值;若邻域内的一像素点的像素值与队首点的像素值的差值绝对值小于所述一像素点对应的阈值,则将所述一像素点加入种子点队列;继续执行判断种子点队列是否为空的步骤。本发明可有效实现人体前景提取并去除地面部分。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种深度图人体前景提取方法及计算机可读存储介质。
背景技术
人体前景提取是许多计算机视觉任务的前提,比如人体骨骼关键点提取、人体换衣算法等。使用RGB图像的人体前景提取算法容易受到衣服纹理、背景的影响、提取效果欠佳,深度图的出现改善了这一状况。所述深度图是指,利用结构光摄像头或者算法立体摄像头采集的带有深度信息的二维矩阵。所述深度信息指矩阵上的取值,其大小为对应物体的点到摄像头镜片的距离。使用了深度图的人体前景算法克服了RGB图像中纹理、背景的影响,但存在新的问题,由于人体站立时脚接触地面,接触地面的深度信息与脚的深度信息接近,在提取人体前景时不易区分。
为了克服深度图上不易区分人体的脚与地面的问题,研究者进行了一些改进。如利用平面拟合来检测平坦的地面,进而实现脚和地面的分离这一类算法在平面上可以有效得区分脚和地面,但不适用于地面不平坦的户外,而且拟合平面的工作量大。
发明内容
本发明所要解决的技术问题是:提供一种深度图人体前景提取方法及计算机可读存储介质,可有效实现人体前景提取并去除地面部分。
为了解决上述技术问题,本发明采用的技术方案为:一种深度图人体前景提取方法,包括:
在当前帧的深度图中获取人脸检测框或跟踪框;
将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景,所述阈值为自适应阈值,根据像素点所在的位置确定。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
本发明的有益效果在于:通过获取人脸检测框或跟踪框,并将其中心点作为初始的种子点,可有效保证初始的种子点处于人体区域范围内,从而可准确得到人体前景图;通过在种子区域生长算法的基础上,自适应调整阈值,使得像素点在竖直方向上越靠近人体的脚部,对应的阈值越小,以达到分离人体前景脚与地面粘连的目的,从而能有效实现人体前景提取并去除地面部分。
附图说明
图1为本发明实施例的一种深度图人体前景提取方法的流程图;
图2为本发明实施例一的方法流程图;
图3为本发明实施例一的步骤S7的流程图;
图4为深度图;
图5为图4通过传统固定阈值的种子区域生长算法结果的示意图;
图6为图4通过本发明实施例一的自适应阈值的种子区域生长算法结果的示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:将人脸检测框或跟踪框的中心点作为初始种子点;根据种子点的邻域内的像素点所在的位置自适应调整其对应的阈值,使得像素点在竖直方向上越靠近人体的脚部,对应的阈值越小,从而有效去除地面部分。
请参阅图1,一种深度图人体前景提取方法,包括:
在当前帧的深度图中获取人脸检测框或跟踪框;
将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景,所述阈值为自适应阈值,根据像素点所在的位置确定。
从上述描述可知,本发明的有益效果在于:可有效实现人体前景提取并去除地面部分。
进一步地,所述在当前帧的深度图中获取人脸检测框或跟踪框具体为:
从深度摄像机获取彩色图和深度图,并同步所述彩色图和深度图的位置;
在当前帧的彩色图中进行人脸检测,判断是否存在人脸;
若当前帧的彩色图中存在人脸,则获取人脸检测框;
根据所述人脸检测框在当前帧的彩色图中的位置,在当前帧的深度图中获取人脸检测框;
若当前帧的彩色图中不存在人脸,则判断上一帧的深度图中是否存在人脸检测框或跟踪框;
若上一帧的深度图中存在人脸检测框或跟踪框,则对上一帧的深度图中的人脸检测框或跟踪框进行跟踪,在当前帧的深度图中获取跟踪框。
由上述描述可知,由于深度图上都是深度信息,不受彩色图上纹理背景的影响,因此跟踪效果更好。
进一步地,所述判断上一帧的深度图中是否存在人脸检测框或跟踪框之后,进一步包括:
若上一帧的深度图中不存在人脸检测框且不存在跟踪框,则读取下一帧的彩色图,并将所述下一帧的彩色图作为当前帧的彩色图,执行所述在当前帧的彩色图中进行人脸检测,判断是否存在人脸的步骤。
进一步地,所述将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景具体为:
将所述人脸检测框或跟踪框的中心点作为种子点,并加入种子点队列;
判断所述种子点队列是否为空;
若为空,则根据人体前景点集合中的像素点,得到人体前景;
若不为空,则取出所述种子点队列当前的队首点,并将所述队首点加入人体前景点集合;
在当前帧的深度图中获取所述队首点预设大小的邻域;
确定所述邻域内各像素点对应的阈值;
若所述邻域内的一像素点的像素值与所述队首点的像素值的差值绝对值小于所述一像素点对应的阈值,则将所述一像素点加入所述种子点队列
继续执行所述判断所述种子点队列是否为空的步骤。
进一步地,所述确定所述邻域内各像素点对应的阈值具体为:
确定当前帧对应的人体竖直跨度和人体跨度顶部;
获取所述邻域内的一像素点,并计算所述一像素点与当前帧对应的人体跨度顶部在竖直方向上的距离;
计算所述距离与当前帧对应的人体竖直跨度的比值;
若所述比值小于预设的第一比例值,则所述一像素点对应的阈值为预设的第一阈值;
若所述比值大于预设的第二比例值,则所述一像素点对应的阈值为预设的第二阈值;
若所述比值大于或等于所述第一比例值,且小于或等于所述第二比例值,则根据所述比例,计算第三阈值,作为所述一像素点对应的阈值,所述第三阈值小于或等于所述第一阈值,且大于或等于所述第二阈值。
进一步地,所述确定当前帧对应的人体竖直跨度和人体跨度顶部具体为:
判断是否有在上一帧的深度图中获得人体前景;
若没有,则将当前帧对应的人体竖直跨度设为图像的宽度,将当前帧对应的人体跨度顶部设为图像的顶部;
若有,则根据上一帧的深度图中的人体前景,获取人体在竖直方向的跨度和跨度顶部,并分别将所述跨度和跨度顶部作为当前帧对应的人体竖直跨度和人体跨度顶部。
由上述描述可知,像素点在竖直方向上越靠近人体的脚部,对应的阈值越小,当到地面位置时设置一个足够小的阈值就可以避免地面被加入,以达到分离人体前景脚与地面粘连的目的。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
实施例一
请参照图2-6,本发明的实施例一为:一种深度图人体前景提取方法,可应用于计算机视觉任务,如图2所示,所述方法包括如下步骤:
S1:从深度摄像机获取彩色图和深度图,并同步所述彩色图和深度图的位置;具体地,利用OpenNI(一套开源API,为用户提供了一套深度相机交互方法,这里主要使用其获取RGB图像、深度图,以及标定同步)从RGBD摄像机(深度摄像机)读取RGB视频流和深度视频流,并同步彩色图(RGB图)与深度图的位置,即进行位置标定,使得彩色图和深度图中的像素点一一对应。
进一步地,将同一时刻的彩色图和深度图作为同一帧(或同一帧号)的彩色图和深度图。
S2:在当前帧的彩色图中进行人脸检测,判断是否存在人脸,若是,则执行步骤S3,若否,则执行步骤S4。
S3:获取人脸检测框,并根据所述人脸检测框在当前帧的彩色图中的位置,在当前帧的深度图中获取人脸检测框;然后执行步骤S7。
S4:判断上一帧的深度图中是否存在人脸检测框或跟踪框,若是,则执行步骤S6,若否,即不存在人脸检测框且不存在跟踪框,则执行步骤S5。
S5:读取下一帧的彩色图,并将所述下一帧的彩色图作为当前帧的彩色图,然后对其进行人脸检测判断是否存在人脸,即执行步骤S2。
S6:对上一帧的深度图中的人脸检测框或跟踪框进行跟踪,在当前帧的深度图中获取跟踪框;然后执行步骤S7。由于深度图上都是深度信息,不受彩色图上纹理背景的影响,因此跟踪效果更好。
S7:将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景,其中,所述阈值为自适应阈值,根据像素点所在的位置确定,进一步地,图中未示出,但该步骤之后,还可继续在下一帧中获取人体前景,即继续执行步骤S5。
如图3所示,所述S7包括如下步骤:
S701:将当前帧的深度图中的人脸检测框或跟踪框的中心点作为种子点,并加入种子点队列。
S702:判断所述种子点队列是否为空,若是,则执行步骤S703,若否,则执行步骤S704。
S703:根据人体前景点集合中的像素点,得到人体前景。
S704:取出所述种子点队列当前的队首点,并将所述队首点加入人体前景点集合;
S705:在当前帧的深度图中获取所述队首点预设大小的邻域;优选地,获取所述队首点的4邻域,即上下左右四个点。
S706:从所述邻域内获取一像素点,并确定所述一像素点对应的阈值。
具体地,首先,确定当前帧对应的人体竖直跨度和人体跨度顶部。其中,若上一帧的深度图中未获得人体前景,则将当前帧对应的人体竖直跨度设为深度图的宽度,将当前帧对应的人体跨度顶部设为深度图的顶部。若上一帧的深度图中有获得人体前景,根据上一帧的深度图中的人体前景,获取人体在竖直方向的跨度和跨度顶部,并分别将所述跨度和跨度顶部作为当前帧对应的人体竖直跨度和人体跨度顶部。例如,若以深度图左上角为原点,以向右方向为X轴正方向,以向下方向为Y轴正方向,以像素点为长度单位,建立直角坐标系,则人体在竖直方向上的跨度顶部为人体前景中y值最小的像素点,跨度底部为人体前景中y值最大的像素点,计算这两个像素点的y值的差值绝对值,即可得到人体在竖直方向上的跨度。
然后获取所述邻域内的一像素点,并计算所述一像素点与当前帧对应的人体跨度顶部在竖直方向上的距离,即计算所述一像素点的y值与跨度顶部对应的像素点的y值的差值绝对值。
接着计算所述距离与当前帧对应的人体竖直跨度的比值。若所述比值小于预设的第一比例值(优选为0.5),则所述一像素点对应的阈值为预设的第一阈值;若所述比值大于预设的第二比例值(优选为0.9),则所述一像素点对应的阈值为预设的第二阈值;若所述比值大于或等于所述第一比例值,且小于或等于所述第二比例值,则根据所述比例,计算第三阈值,作为所述一像素点对应的阈值。其中,所述第三阈值小于或等于所述第一阈值,且大于或等于所述第二阈值。
S707:判断所述一像素点的像素值与所述队首点的像素值的差值绝对值是否小于所述一像素点对应的阈值,若是,则执行步骤S708,若否,则执行步骤S709。
S708:将所述一像素点加入所述种子点队列,可加至队尾。然后执行步骤S709。
S709:判断所述邻域内的像素点是否遍历完成,若是,则继续检查种子点队列是否为空,即执行步骤S702,若否,则从所述邻域内获取下一像素点,即执行步骤S706。
例如,假设种子点队列当前的队首点,即步骤S704中取出的点为p,其在深度图的取值为m,则设置点p为人体前景点,并扫描点p的4邻域,假设邻域中的点q在深度图中的取值为n,若m-n的绝对值小于阈值t,则认为点q符合条件,将点q加入种子点队列。本实施例中,阈值t有别于传统种子区域生长算法的固定阈值,而是根据所述一像素点在人体的位置自适应调整,具体公式可为:
其中,maxy为当前帧对应的人体竖直跨度,qy为点q与当前帧对应的人体跨度顶部在竖直方向上的距离,也就是说,qy越大,点q越靠近脚部;公式中具体数值需根据实际情况(深度图精度等因素)进行微调。可以看出,点q在竖直方向上越靠近脚部,对应的阈值越小,当到地面位置时设置一个足够小的阈值就可以避免地面被加入,缺点是一部分脚上的像素会也会被误去除,不过不影响整体人体的前景提取,以及后续的人体姿势预测。
如图4-6所示,图4为深度图,图5为图4通过传统固定阈值的种子区域生长算法结果的示意图,图6为图4通过本实施例的自适应阈值的种子区域生长算法结果的示意图。可以看出,本实施例的方法能有效实现人体前景提取并去除地面部分。
本实施例通过获取人脸检测框或跟踪框,并将其中心点作为初始的种子点,可有效保证初始的种子点处于人体区域范围内,从而可准确得到人体前景图;通过在种子区域生长算法的基础上,自适应调整阈值,使得像素点在竖直方向上越靠近人体的脚部,对应的阈值越小,以达到分离人体前景脚与地面粘连的目的,从而能有效实现人体前景提取并去除地面部分。
实施例二
本实施例为对应上述实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如下步骤:
在当前帧的深度图中获取人脸检测框或跟踪框;
将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景,所述阈值为自适应阈值,根据像素点所在的位置确定。
进一步地,所述在当前帧的深度图中获取人脸检测框或跟踪框具体为:
从深度摄像机获取彩色图和深度图,并同步所述彩色图和深度图的位置;
在当前帧的彩色图中进行人脸检测,判断是否存在人脸;
若当前帧的彩色图中存在人脸,则获取人脸检测框;
根据所述人脸检测框在当前帧的彩色图中的位置,在当前帧的深度图中获取人脸检测框;
若当前帧的彩色图中不存在人脸,则判断上一帧的深度图中是否存在人脸检测框或跟踪框;
若上一帧的深度图中存在人脸检测框或跟踪框,则对上一帧的深度图中的人脸检测框或跟踪框进行跟踪,在当前帧的深度图中获取跟踪框。
进一步地,所述判断上一帧的深度图中是否存在人脸检测框或跟踪框之后,进一步包括:
若上一帧的深度图中不存在人脸检测框且不存在跟踪框,则读取下一帧的彩色图,并将所述下一帧的彩色图作为当前帧的彩色图,执行所述在当前帧的彩色图中进行人脸检测,判断是否存在人脸的步骤。
进一步地,所述将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景具体为:
将所述人脸检测框或跟踪框的中心点作为种子点,并加入种子点队列;
判断所述种子点队列是否为空;
若为空,则根据人体前景点集合中的像素点,得到人体前景;
若不为空,则取出所述种子点队列当前的队首点,并将所述队首点加入人体前景点集合;
在当前帧的深度图中获取所述队首点预设大小的邻域;
确定所述邻域内各像素点对应的阈值;
若所述邻域内的一像素点的像素值与所述队首点的像素值的差值绝对值小于所述一像素点对应的阈值,则将所述一像素点加入所述种子点队列
继续执行所述判断所述种子点队列是否为空的步骤。
进一步地,所述确定所述邻域内各像素点对应的阈值具体为:
确定当前帧对应的人体竖直跨度和人体跨度顶部;
获取所述邻域内的一像素点,并计算所述一像素点与当前帧对应的人体跨度顶部在竖直方向上的距离;
计算所述距离与当前帧对应的人体竖直跨度的比值;
若所述比值小于预设的第一比例值,则所述一像素点对应的阈值为预设的第一阈值;
若所述比值大于预设的第二比例值,则所述一像素点对应的阈值为预设的第二阈值;
若所述比值大于或等于所述第一比例值,且小于或等于所述第二比例值,则根据所述比例,计算第三阈值,作为所述一像素点对应的阈值,所述第三阈值小于或等于所述第一阈值,且大于或等于所述第二阈值。
进一步地,所述确定当前帧对应的人体竖直跨度和人体跨度顶部具体为:
判断是否有在上一帧的深度图中获得人体前景;
若没有,则将当前帧对应的人体竖直跨度设为图像的宽度,将当前帧对应的人体跨度顶部设为图像的顶部;
若有,则根据上一帧的深度图中的人体前景,获取人体在竖直方向的跨度和跨度顶部,并分别将所述跨度和跨度顶部作为当前帧对应的人体竖直跨度和人体跨度顶部。
综上所述,本发明提供的一种深度图人体前景提取方法及计算机可读存储介质,通过获取人脸检测框或跟踪框,并将其中心点作为初始的种子点,可有效保证初始的种子点处于人体区域范围内,从而可准确得到人体前景图;通过在种子区域生长算法的基础上,自适应调整阈值,使得像素点在竖直方向上越靠近人体的脚部,对应的阈值越小,有效避免了人体前景脚部与地面的粘连。本发明能有效实现人体前景提取并去除地面部分。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种深度图人体前景提取方法,其特征在于,包括:
在当前帧的深度图中获取人脸检测框或跟踪框;
将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景,所述阈值为自适应阈值,根据像素点所在的位置确定。
2.根据权利要求1所述的深度图人体前景提取方法,其特征在于,所述在当前帧的深度图中获取人脸检测框或跟踪框具体为:
从深度摄像机获取彩色图和深度图,并同步所述彩色图和深度图的位置;
在当前帧的彩色图中进行人脸检测,判断是否存在人脸;
若当前帧的彩色图中存在人脸,则获取人脸检测框;
根据所述人脸检测框在当前帧的彩色图中的位置,在当前帧的深度图中获取人脸检测框;
若当前帧的彩色图中不存在人脸,则判断上一帧的深度图中是否存在人脸检测框或跟踪框;
若上一帧的深度图中存在人脸检测框或跟踪框,则对上一帧的深度图中的人脸检测框或跟踪框进行跟踪,在当前帧的深度图中获取跟踪框。
3.根据权利要求2所述的深度图人体前景提取方法,其特征在于,所述判断上一帧的深度图中是否存在人脸检测框或跟踪框之后,进一步包括:
若上一帧的深度图中不存在人脸检测框且不存在跟踪框,则读取下一帧的彩色图,并将所述下一帧的彩色图作为当前帧的彩色图,执行所述在当前帧的彩色图中进行人脸检测,判断是否存在人脸的步骤。
4.根据权利要求1所述的深度图人体前景提取方法,其特征在于,所述将所述人脸检测框或跟踪框的中心点作为种子点,并根据预设的阈值,在当前帧的深度图上进行种子区域生长,得到人体前景具体为:
将所述人脸检测框或跟踪框的中心点作为种子点,并加入种子点队列;
判断所述种子点队列是否为空;
若为空,则根据人体前景点集合中的像素点,得到人体前景;
若不为空,则取出所述种子点队列当前的队首点,并将所述队首点加入人体前景点集合;
在当前帧的深度图中获取所述队首点预设大小的邻域;
确定所述邻域内各像素点对应的阈值;
若所述邻域内的一像素点的像素值与所述队首点的像素值的差值绝对值小于所述一像素点对应的阈值,则将所述一像素点加入所述种子点队列,
继续执行所述判断所述种子点队列是否为空的步骤。
5.根据权利要求4所述的深度图人体前景提取方法,其特征在于,所述确定所述邻域内各像素点对应的阈值具体为:
确定当前帧对应的人体竖直跨度和人体跨度顶部;
获取所述邻域内的一像素点,并计算所述一像素点与当前帧对应的人体跨度顶部在竖直方向上的距离;
计算所述距离与当前帧对应的人体竖直跨度的比值;
若所述比值小于预设的第一比例值,则所述一像素点对应的阈值为预设的第一阈值;
若所述比值大于预设的第二比例值,则所述一像素点对应的阈值为预设的第二阈值;
若所述比值大于或等于所述第一比例值,且小于或等于所述第二比例值,则根据所述比例,计算第三阈值,作为所述一像素点对应的阈值,所述第三阈值小于或等于所述第一阈值,且大于或等于所述第二阈值。
6.根据权利要求5所述的深度图人体前景提取方法,其特征在于,所述确定当前帧对应的人体竖直跨度和人体跨度顶部具体为:
判断是否有在上一帧的深度图中获得人体前景;
若没有,则将当前帧对应的人体竖直跨度设为图像的宽度,将当前帧对应的人体跨度顶部设为图像的顶部;
若有,则根据上一帧的深度图中的人体前景,获取人体在竖直方向的跨度和跨度顶部,并分别将所述跨度和跨度顶部作为当前帧对应的人体竖直跨度和人体跨度顶部。
7.一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,所述程序被处理器执行时实现如权利要求1-6任一项所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910581.5A CN110717417B (zh) | 2019-09-25 | 2019-09-25 | 深度图人体前景提取方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910910581.5A CN110717417B (zh) | 2019-09-25 | 2019-09-25 | 深度图人体前景提取方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717417A true CN110717417A (zh) | 2020-01-21 |
CN110717417B CN110717417B (zh) | 2022-06-07 |
Family
ID=69210822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910910581.5A Active CN110717417B (zh) | 2019-09-25 | 2019-09-25 | 深度图人体前景提取方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717417B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130266223A1 (en) * | 2012-04-05 | 2013-10-10 | Mediatek Singapore Pte. Ltd. | Region growing method for depth map/color image |
CN104036483A (zh) * | 2013-03-06 | 2014-09-10 | 北京三星通信技术研究有限公司 | 图像处理系统和图像处理方法 |
CN105374030A (zh) * | 2015-10-12 | 2016-03-02 | 北京深视科技有限公司 | 一种背景模型和运动物体检测方法及系统 |
CN105868707A (zh) * | 2016-03-28 | 2016-08-17 | 华中科技大学 | 一种基于深度图像信息的坠床行为实时检测方法 |
US20170124717A1 (en) * | 2015-10-28 | 2017-05-04 | Intel Corporation | Method and system of background-foreground segmentation for image processing |
CN106991688A (zh) * | 2017-03-09 | 2017-07-28 | 广东欧珀移动通信有限公司 | 人体跟踪方法、人体跟踪装置和电子装置 |
US20170249744A1 (en) * | 2014-12-02 | 2017-08-31 | Shanghai United Imaging Healthcare Co., Ltd. | A Method and System for Image Processing |
-
2019
- 2019-09-25 CN CN201910910581.5A patent/CN110717417B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130266223A1 (en) * | 2012-04-05 | 2013-10-10 | Mediatek Singapore Pte. Ltd. | Region growing method for depth map/color image |
CN104036483A (zh) * | 2013-03-06 | 2014-09-10 | 北京三星通信技术研究有限公司 | 图像处理系统和图像处理方法 |
US20170249744A1 (en) * | 2014-12-02 | 2017-08-31 | Shanghai United Imaging Healthcare Co., Ltd. | A Method and System for Image Processing |
CN105374030A (zh) * | 2015-10-12 | 2016-03-02 | 北京深视科技有限公司 | 一种背景模型和运动物体检测方法及系统 |
US20170124717A1 (en) * | 2015-10-28 | 2017-05-04 | Intel Corporation | Method and system of background-foreground segmentation for image processing |
CN105868707A (zh) * | 2016-03-28 | 2016-08-17 | 华中科技大学 | 一种基于深度图像信息的坠床行为实时检测方法 |
CN106991688A (zh) * | 2017-03-09 | 2017-07-28 | 广东欧珀移动通信有限公司 | 人体跟踪方法、人体跟踪装置和电子装置 |
Non-Patent Citations (3)
Title |
---|
ZHI JIN等: "Robust Plane Detection Using Depth Information From a Consumer Depth Camera", 《2019 IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY》 * |
李璐一: "基于 Kinect 的物体分割与识别算法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
陆剑锋等: "自适应区域生长算法在医学图像分割中的应用", 《计算机辅助设计与图形学学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110717417B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458805B (zh) | 一种平面检测方法、计算设备以及电路系统 | |
Feng et al. | Local background enclosure for RGB-D salient object detection | |
US9070042B2 (en) | Image processing apparatus, image processing method, and program thereof | |
CN109961406A (zh) | 一种图像处理的方法、装置及终端设备 | |
CN107392958B (zh) | 一种基于双目立体摄像机确定物体体积的方法及装置 | |
US9406137B2 (en) | Robust tracking using point and line features | |
US8705868B2 (en) | Computer-readable storage medium, image recognition apparatus, image recognition system, and image recognition method | |
CN104574366B (zh) | 一种基于单目深度图的视觉显著性区域的提取方法 | |
US8699749B2 (en) | Computer-readable storage medium, image processing apparatus, image processing system, and image processing method | |
CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
CN110619285B (zh) | 人体骨骼关键点提取方法及计算机可读存储介质 | |
WO2018082389A1 (zh) | 一种肤色检测方法、装置及终端 | |
CN105374039B (zh) | 基于轮廓锐度的单目图像深度信息估计方法 | |
CN110189294B (zh) | 基于深度可信度分析的rgb-d图像显著性检测方法 | |
CN106570472B (zh) | 一种肤色检测方法、装置及终端 | |
US20210319580A1 (en) | Method, apparatus and electronic device for stereo matching | |
CN103826032B (zh) | 深度图后期处理方法 | |
WO2007052191A2 (en) | Filling in depth results | |
CN106408596B (zh) | 基于边缘的局部立体匹配方法 | |
CN106997478B (zh) | 基于显著中心先验的rgb-d图像显著目标检测方法 | |
CN111091592A (zh) | 图像处理方法、图像处理装置、电子设备及可读存储介质 | |
US8718325B2 (en) | Computer-readable storage medium, image processing apparatus, image processing system, and image processing method | |
CN108596923A (zh) | 三维数据的获取方法、装置以及电子设备 | |
CN107016682A (zh) | 一种自然图像显著对象自适应分割方法 | |
US20130100125A1 (en) | Method, System and Computer Program Product for Enhancing a Depth Map |
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 |