CN112652071A - 外轮廓点标注方法、装置、电子设备和可读存储介质 - Google Patents
外轮廓点标注方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN112652071A CN112652071A CN202110010949.XA CN202110010949A CN112652071A CN 112652071 A CN112652071 A CN 112652071A CN 202110010949 A CN202110010949 A CN 202110010949A CN 112652071 A CN112652071 A CN 112652071A
- Authority
- CN
- China
- Prior art keywords
- outer contour
- dimensional
- marked
- contour point
- outline
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种外轮廓点标注方法、装置、电子设备和可读存储介质,涉及图像处理技术领域,通过获取待处理图像,待处理图像中包括目标区域,目标区域表征待标注物体所在区域,获取目标区域中的待标注物体的三维模型参数,并基于三维模型参数构建三维模型,其中,三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点。然后将三维外轮廓点候选区域投影至待标注物体,得到待标注物体的二维外轮廓点候选区域。基于凸包算法,从二维外轮廓点候选区域筛选得到目标外轮廓点。最后将目标外轮廓点标注于待标注物体,得到外轮廓点标注结果。如此,可快速准确地实现二维人体外轮廓的标注,以便于获得大量训练数据,从而使得训练结果准确性提高。
Description
技术领域
本发明涉及图像处理技术领域,具体而言,涉及一种外轮廓点标注方法、装置、电子设备和可读存储介质。
背景技术
在图像处理技术领域中,人体外轮廓由多个具有明确语义的二维外轮廓点组成。通过训练模型检测人体外轮廓点,可以应用于人体美体塑形等项目。
目前业界内没有公开的或者类似的包括人体外轮廓点的数据集。现有的数据集来源主要依靠人工标注,数据量较少,标注速度慢且人工成本很大。然而模型训练需要大量的训练数据,训练数据的数量严重影响训练结果。
如何快速准确地实现二维人体外轮廓的标注,以得到大量的训练数据是当前亟需解决的问题。
发明内容
有鉴于此,本申请提供了一种外轮廓点标注方法、装置、电子设备和可读存储介质,以改善上述问题。
第一方面,本发明提供一种外轮廓点标注方法,应用于电子设备,所述方法包括:
获取待处理图像,所述待处理图像中包括目标区域,所述目标区域表征待标注物体所在区域;
获取所述目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,所述三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点;
将所述三维外轮廓点候选区域投影至所述待标注物体,得到所述待标注物体的二维外轮廓点候选区域;
基于凸包算法,从所述二维外轮廓点候选区域筛选得到目标外轮廓点;
将所述目标外轮廓点标注于所述待标注物体,得到外轮廓点标注结果。
在可选的实施方式中,所述三维外轮廓顶点包括多个外轮廓顶点,在执行将所述三维外轮廓点候选区域投影至所述待标注物体的步骤之前,所述方法还包括:
获取相机位置,计算所述三维外轮廓顶点中每个外轮廓顶点与所述相机位置的距离和角度;
获取所述角度相同时,与所述相机位置的距离最小的外轮廓顶点,并将该外轮廓顶点作为可见外轮廓顶点,将其他外轮廓点作为不可见外轮廓点。
在可选的实施方式中,所述电子设备包括预先设定的三维模型模板及预先训练的神经网络模型;所述待标注物体为人体;所述获取所述目标区域中的待标注物体的三维模型参数的步骤包括:
在所述目标区域中获取所述待标注物体的人脸区域,使用二分类人脸性别算法对所述人脸区域进行性别识别,得到性别识别结果;
基于所述性别识别结果,获取预先设定的三维模型模板;
利用预先训练的神经网络模型提取所述待标注物体的三维模型参数。
在可选的实施方式中,所述基于所述三维模型参数构建三维模型的步骤包括:
基于所述三维模型参数及所述三维模型模板进行建模,得到所述目标区域中的待标注物体的初始三维模型参数;
获取所述目标区域中的待标记物体的二维关键点;
基于SMPLify算法,利用所述二维关键点对所述初始三维模型参数进行优化处理,得到所述目标区域中的待标注物体的三维模型。
在可选的实施方式中,所述获取所述目标区域中的待标注物体的三维模型参数的步骤包括:
响应输入操作,获取所述目标区域中的待标注物体的三维模型参数。
在可选的实施方式中,所述三维外轮廓顶点为多个,每个所述三维外轮廓顶点包括顶点编号,所述基于所述三维外轮廓顶点,从所述二维外轮廓点候选区域筛选得到目标外轮廓点的步骤包括:
基于所述凸包算法,计算每个所述二维外轮廓点候选区域的极值;
基于所有所述极值,确定每个所述二维外轮廓点候选区域的外轮廓点;
确定所述待标注物体的朝向,将各顶点编号按照所述待标注物体的朝向标注在各所述外轮廓点上,得到目标外轮廓点。
在可选的实施方式中,所述基于所有所述极值,确定每个所述二维外轮廓点候选区域的外轮廓点的步骤包括:
基于所有所述极值,确定每个所述二维外轮廓点候选区域的初始外轮廓点;
获取所述待标注物体的掩膜图像;
计算每个所述二维外轮廓点候选区域的初始外轮廓点与所述掩膜图像的距离;
针对每个所述二维外轮廓点候选区域,从该二维外轮廓点候选区域的所有初始外轮廓点中选取距离最近的初始外轮廓,将该距离最近的初始外轮廓作为该二维外轮廓点候选区域的外轮廓点。
第二方面,本发明提供一种外轮廓点标注装置,应用于电子设备,所述装置包括:
获取模块,用于获取待处理图像,所述待处理图像中包括目标区域,所述目标区域表征待标注物体所在区域;
所述获取模块,还用于获取所述目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,所述三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点;
投影模块,用于将所述三维外轮廓点候选区域投影至所述待标注物体,得到所述待标注物体的二维外轮廓点候选区域;
筛选模块,用于基于所述凸包算法,从所述二维外轮廓点候选区域筛选得到目标外轮廓点;
标注模块,用于将所述目标外轮廓点标注于所述待标注物体,得到外轮廓点标注结果。
第三方面,本发明提供一种电子设备,所述电子设备包括处理器、存储器及总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器及所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,以执行前述实施方式任意一项所述的外轮廓点标注方法的步骤。
第四方面,本发明提供一种可读存储介质,所述可读存储介质存储有计算机程序,计算机程序被执行时实现1-7任意一项所述的外轮廓点标注方法的步骤。
本申请实施例提供了一种外轮廓点标注方法、装置、电子设备和可读存储介质,通过获取待处理图像,待处理图像中包括目标区域,目标区域表征待标注物体所在区域,获取目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点。然后将三维外轮廓点候选区域投影至待标注物体,得到待标注物体的二维外轮廓点候选区域。基于凸包算法,从二维外轮廓点候选区域筛选得到目标外轮廓点。最后将目标外轮廓点标注于待标注物体,得到外轮廓点标注结果。如此,可快速准确地实现二维人体外轮廓的标注,以便于获得大量训练数据,从而使得训练结果准确性提高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举一些举例,并配合所附附图,作详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电子设备的结构框图。
图2为本申请实施例提供的一种外轮廓点标注方法的流程示意图。
图3为本申请实施例提供的一种人体的标准三维外轮廓点候选区域的示意图。
图4为本申请实施例提供的一种待标注物体的重建三维模型的示意图之一。
图5为本申请实施例提供的一种待标注物体的重建三维模型的示意图之二。
图6为本申请实施例提供的一种外轮廓点标注结果图之一。
图7为本申请实施例提供的一种待标注物体的掩膜图。
图8为本申请实施例提供的一种外轮廓点标注结果图之二。
图9为本申请实施例提供的外轮廓点标注装置的功能模块框图。
图标:100-电子设备;110-存储器;120-处理器;130-外轮廓点标注装置;131-获取模块;132-投影模块;133-筛选模块;134-标注模块;140-通信单元。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
此外,若出现术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在不冲突的情况下,本申请的实施例中的特征可以相互结合。
如背景技术所介绍,在图像处理技术领域中,人体外轮廓由多个具有明确语义的二维外轮廓点组成。通过训练模型检测人体外轮廓点,可以应用于人体美体塑形等项目。
目前业界内没有公开的或者类似的包括人体外轮廓点的数据集。现有的数据集来源主要依靠人工标注,数据量较少,标注速度慢且人工成本很大。然而模型训练需要大量的训练数据,训练数据的数量严重影响训练结果。
如何快速准确地实现二维人体外轮廓的标注,以得到大量的训练数据是当前亟需解决的问题。
有鉴于此,本申请实施例提供了一种外轮廓点标注方法、装置、电子设备和可读存储介质,通过建立图像中待标注人体的三维人体参数模型,将三维人体参数模型投影到二维平面,通过筛选与优化,获得目标外轮廓点,最后将目标外轮廓点标注在对应位置,得到标注结果。可快速准确地实现二维人体外轮廓的标注,以便于获得大量训练数据,从而使得训练结果准确性提高。下面对上述方案进行详细阐述。
以上现有技术中的方案所存在的缺陷,均是申请人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案,都应该是申请人在本申请过程中对本申请做出的贡献。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的关键可以相互组合。
请结合参阅图1,图1为本申请实施例提供的一种电子设备100的结构框图。设备可以包括处理器120、存储器110、外轮廓点标注装置130及通信单元140,存储器110存储有处理器120可执行的机器可读指令,当电子设备100运行时,处理器120及存储器110之间通过总线通信,处理器120执行机器可读指令,并执行外轮廓点标注方法。
存储器110、处理器120以及通信单元140各元件相互之间直接或间接地电性连接,以实现信号的传输或交互。
例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。外轮廓点标注装置130包括至少一个可以软件或固件(firmware)的形式存储于存储器110中的软件功能模块。处理器120用于执行存储器110中存储的可执行模块,例如外轮廓点标注装置130所包括的软件功能模块或计算机程序。
其中,存储器110可以是,但不限于,随机读取存储器(Random Accessmemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器120可以是一种集成电路芯片,具有信号处理能力。上述处理器120可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等。
还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本申请实施例中,存储器110用于存储程序,处理器120用于在接收到执行指令后,执行程序。本申请实施例任一实施方式所揭示的流程定义的方法可以应用于处理器120中,或者由处理器120实现。
通信单元140用于通过网络建立电子设备100与其他电子设备之间的通信连接,并用于通过网络收发数据。
在一些实施例中,网络可以是任何类型的有线或者无线网络,或者是他们的结合。仅作为示例,网络可以包括有线网络、无线网络、光纤网络、远程通信网络、内联网、因特网、局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)、无线局域网(Wireless Local Area Networks,WLAN)、城域网(Metropolitan Area Network,MAN)、广域网(Wide Area Network,WAN)、公共电话交换网(Public Switched Telephone Network,PSTN)、蓝牙网络、ZigBee网络、或近场通信(Near Field Communication,NFC)网络等,或其任意组合。
在本申请实施例中,电子设备100可以是但不限于智能手机、个人电脑、平板电脑等具有处理功能的设备。
可以理解,图1所示的结构仅为示意。电子设备100还可以具有比图1所示更多或者更少的组件,或者具有与图1所示不同的配置。图1所示的各组件可以采用硬件、软件或其组合实现。
下面基于图1示出的电子设备100的结构图对本申请实施例提供的外轮廓点标注方法、装置、电子设备和可读存储介质的步骤进行详细阐述。
请结合参阅图2,图2为本申请实施例提供的外轮廓点标注方法的流程示意图。
步骤S1,获取待处理图像,待处理图像中包括目标区域,目标区域表征待标注物体所在区域。
步骤S2,获取目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点。
步骤S3,将三维外轮廓点候选区域投影至待标注物体,得到待标注物体的二维外轮廓点候选区域。
步骤S4,基于凸包算法,从二维外轮廓点候选区域筛选得到目标外轮廓点。
步骤S5,将目标外轮廓点标注于待标注物体,得到外轮廓点标注结果。
其中,三维外轮廓点候选区域中可以包括多个候选的外轮廓点,目标外轮廓点可以从三维外轮廓点候选区域包括的多个候选外轮廓点中筛选得到。
可选地,在步骤S1之前,本申请实施例还可以预先进行定义标注,得到人体的标准三维外轮廓点候选区域。例如,可基于SMPL人体模板模型包括的外轮廓点所对应的区域进行标注,标准三维外轮廓点候选区域可以如图3所示,图3为本申请实施例提供的一种人体的标准三维外轮廓点候选区域的示意图。
需要注意的是,由于男性与女性的SMPL人体模板存在较大差异,为提高精度,本申请实施例可分别对男性和女性的SMPL人体模板进行标注。该图所示出的是基于女性的SMPL人体模型所预先定义获得的标准三维外轮廓点候选区域。男性的标准三维外轮廓点候选区域与女性类似,在此不做展示。
在后续实际处理中,根据不同的人体自身的行为姿势不同,三维外轮廓点候选区域也有所区别。同时待标注物体可以是人体、动物或任何物品。下面以待标注物体为人体对上述步骤做详细阐述。
本申请实施例中通过建立图像中待标注人体的三维人体参数模型,将三维人体参数模型投影到二维平面,通过筛选与优化,获得目标外轮廓点,最后将目标外轮廓点标注在对应位置,得到标注结果。可快速准确地实现二维人体外轮廓的标注,以便于获得大量训练数据,从而使得训练结果准确性提高。
在实际的图像处理时,图像中的人像往往呈现不同的动作和身体姿态,因此一些轮廓点会被身体遮挡,为了使得建立的待标注物体的三维模型参数更加精准,本申请实施例中还可预先计算出被人像遮挡住的轮廓点。因此,作为一种可选的实施方式,三维外轮廓顶点包括多个外轮廓顶点,在步骤S3,将三维外轮廓点候选区域投影至待标注物体的步骤之前,方法还包括:
获取相机位置,计算三维外轮廓顶点中每个外轮廓顶点与相机位置的距离和角度。
获取角度相同时,与相机位置的距离最小的外轮廓顶点,并将该外轮廓顶点作为可见外轮廓顶点,将其他外轮廓点作为不可见外轮廓点。
其中,获取相机位置的方法可以参阅现有技术中,根据不同旋转矩阵计算得到相机位置,在此不做赘述。
如此,通过按照与相机位置的距离,对距离相机位置相同角度时的外轮廓顶点进行筛选,将距离最小的外轮廓顶点作为可见外轮廓点,将其他外轮廓点作为不可见外轮廓点,从而适应人体的不同姿态,使得后续将三维外轮廓点候选区域投影至待标注物体获得的目标外轮廓点更加精准。
作为一种可选的实施方式,步骤S1,获取目标区域中的待标注物体的三维模型参数可通过以下方式实现:
响应输入操作,获取目标区域中的待标注物体的三维模型参数。
也就是说,可通过人工直接对待标注物体的三维外轮廓点候选区域以及三维外轮廓顶点进行标注,人工标注后将标注好的三维模型参数输入电子设备,电子设备响应输入操作,得到目标区域中的待标注物体的三维模型参数。
作为另一种可选的实施方式,电子设备包括预先设定的三维模型模板及预先训练的神经网络模型,待标注物体为人体。步骤S1,获取目标区域中的待标注物体的三维模型参数可通过以下方式实现:
在目标区域中获取待标注物体的人脸区域,使用二分类人脸性别算法对人脸区域进行性别识别,得到性别识别结果。
基于性别识别结果,获取预先设定的三维模型模板。
利用预先训练的神经网络模型提取待标注物体的三维模型参数。
由于不同性别的人体的SMPL人体模型并不相同,基于不同人体的SMPL人体模型进行标注的标准三维外轮廓点候选区域也有所不同,因此,需要根据待标注人体的性别获取对应的三维模型模板。
当识别到待标注人体为男性时,则获取男性的三维模型模板,当识别到待标注人体为女性时,则获取女性的三维模型模板。
如此,本申请实施例通过上述方法即可对二维图像中的待标注人体进行三维人体重建,最终得到目标区域中的待标注物体的三维模型参数。
进一步地,基于上述方法对二维图像中的待标注人体进行三维人体重建得到的三维模型参数可能与实际的人体存在差异,如图4所示,图4为本申请实施例提供的一种待标注物体的重建三维模型的示意图之一。虽然建模得到的三维人体与实际人体的动作相似,但是建模得到的三维人体的头部方向与实际人体的头部方向并不相同,同时建模得到的三维人体的右腿也与实际人体的右腿并不吻合。
因此,在可选的实施方式中,还可以基于下列步骤进一步对建模得到的三维人体进行优化:
基于三维模型参数及三维模型模板进行建模,得到目标区域中的待标注物体的初始三维模型参数。
获取目标区域中的待标记物体的二维关键点。
基于SMPLify算法,利用二维关键点对初始三维模型参数进行优化处理,得到目标区域中的待标注物体的三维模型。
其中,二维关键点可以是基于openpose模型获得,该模型包括25个2D关键点。
然后以上述二维关键点的投影误差为优化目标,基于SMPLify算法对初始三维模型参数进行优化,直到投影误差达到预设阈值,完成优化,得到目标区域中的待标注物体的三维模型参数,优化后三维模型参数所构建的三维人体模型如图5所示,图5为本申请实施例提供的一种待标注物体的重建三维模型的示意图之二。对比图5与图4可知看出,图5中的三维人体模型其动作姿态与实际人体姿态吻合,头部及腿部也均吻合。使得后续基于三维模型参数投影得到的二维人体外轮廓点更加精准。
在可选的实施方式中,三维外轮廓顶点为多个,每个三维外轮廓顶点包括顶点编号,步骤S4,基于三维外轮廓顶点,从二维外轮廓点候选区域筛选得到目标外轮廓点可通过以下方法实现:
基于凸包算法,计算每个二维外轮廓点候选区域的极值。
基于所有极值,确定每个二维外轮廓点候选区域的外轮廓点。
确定待标注物体的朝向,将各顶点编号按照所述待标注物体的朝向标注在各所述外轮廓点上,得到目标外轮廓点。
其中,可通过待标注物体的旋转前后法向量的夹角确定待标注物体的朝向,例如,待标注物体朝向右边、左边、前面、后面。
接着按照待标注物体的朝向,将各三维外轮廓顶点的顶点标号与各外轮廓点匹配,得到目标外轮廓点,假设顶点标号共65个,则得到的目标外轮廓点在待标注物体上标注后的外轮廓点标注结果图像可以如图6所示。
由图6可知,在某些时候,直接基于极值确定的每个二维外轮廓点候选区域的外轮廓点,与实际待标注物体的外轮廓点有些许差异,存在不够准确的问题。
因此,作为一种可选的实施方式,可通过以下方式,优化外轮廓点,得到更精确的目标外轮廓点:
基于所有极值,确定每个二维外轮廓点候选区域的初始外轮廓点。
获取待标注物体的掩膜图像。
计算每个二维外轮廓点候选区域的初始外轮廓点与掩膜图像的距离。
针对每个二维外轮廓点候选区域,从该二维外轮廓点候选区域的所有初始外轮廓点中选取距离最近的初始外轮廓,将该距离最近的初始外轮廓作为该二维外轮廓点候选区域的外轮廓点。
同样以图6中示出的待标注物体为例,该待标注物体的掩膜图像可以如图7所示。
通过选取出每个二维外轮廓点候选区域的初始外轮廓点中与掩膜图像最近的初始外轮廓点,将该距离最近的初始外轮廓作为该二维外轮廓点候选区域的外轮廓点,从而得到更精准的目标外轮廓点。
如图8所示出的图像可知,基于上述方法优化后得到的目标外轮廓点,其更加贴合待标注物体的外轮廓。
基于同一发明构思,请结合参阅图9,图9为本申请实施例提供的外轮廓点标注装置的功能模块框图。本申请实施例中还提供了与图2示出的外轮廓点标注方法对应的外轮廓点标注装置130,装置包括:
获取模块131,用于获取待处理图像,待处理图像中包括目标区域,目标区域表征待标注物体所在区域。
获取模块131,还用于获取目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点。
投影模块132,用于将三维外轮廓点候选区域投影至待标注物体,得到待标注物体的二维外轮廓点候选区域。
筛选模块133,用于凸包算法,从二维外轮廓点候选区域筛选得到目标外轮廓点。
标注模块134,用于将目标外轮廓点标注于待标注物体,得到外轮廓点标注结果。
由于本申请实施例中的装置解决问题的原理与本申请实施例上述外轮廓点标注方法、装置、电子设备和可读存储介质相似,因此装置的实施原理可以参见方法的实施原理,重复之处不再赘述。
本申请实施例也提供了一种可读存储介质,可读存储介质中存储有计算机程序,计算机程序被执行时实现上述的外轮廓点标注方法的步骤。
综上所述,本申请实施例提供了一种外轮廓点标注方法、装置、电子设备100和可读存储介质,通过获取待处理图像,待处理图像中包括目标区域,目标区域表征待标注物体所在区域,获取目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点。然后将三维外轮廓点候选区域投影至待标注物体,得到待标注物体的二维外轮廓点候选区域。基于凸包算法,从二维外轮廓点候选区域筛选得到目标外轮廓点。最后将目标外轮廓点标注于待标注物体,得到外轮廓点标注结果。如此,可快速准确地实现二维人体外轮廓的标注,以便于获得大量训练数据,从而使得训练结果准确性提高。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种外轮廓点标注方法,其特征在于,应用于电子设备,所述方法包括:
获取待处理图像,所述待处理图像中包括目标区域,所述目标区域表征待标注物体所在区域;
获取所述目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,所述三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点;
将所述三维外轮廓点候选区域投影至所述待标注物体,得到所述待标注物体的二维外轮廓点候选区域;
基于凸包算法,从所述二维外轮廓点候选区域筛选得到目标外轮廓点;
将所述目标外轮廓点标注于所述待标注物体,得到外轮廓点标注结果。
2.根据权利要求1所述的外轮廓点标注方法,其特征在于,所述三维外轮廓顶点包括多个外轮廓顶点,在执行将所述三维外轮廓点候选区域投影至所述待标注物体的步骤之前,所述方法还包括:
获取相机位置,计算所述三维外轮廓顶点中每个外轮廓顶点与所述相机位置的距离和角度;
获取所述角度相同时,与所述相机位置的距离最小的外轮廓顶点,并将该外轮廓顶点作为可见外轮廓顶点,将其他外轮廓点作为不可见外轮廓点。
3.根据权利要求1所述的外轮廓点标注方法,其特征在于,所述电子设备包括预先设定的三维模型模板及预先训练的神经网络模型;所述待标注物体为人体;所述获取所述目标区域中的待标注物体的三维模型参数的步骤包括:
在所述目标区域中获取所述待标注物体的人脸区域,使用二分类人脸性别算法对所述人脸区域进行性别识别,得到性别识别结果;
基于所述性别识别结果,获取预先设定的三维模型模板;
利用预先训练的神经网络模型提取所述待标注物体的三维模型参数。
4.根据权利要求3所述的外轮廓点标注方法,其特征在于,所述基于所述三维模型参数构建三维模型的步骤包括:
基于所述三维模型参数及所述三维模型模板进行建模,得到所述目标区域中的待标注物体的初始三维模型参数;
获取所述目标区域中的待标记物体的二维关键点;
基于SMPLify算法,利用所述二维关键点对所述初始三维模型参数进行优化处理,得到所述目标区域中的待标注物体的三维模型。
5.根据权利要求1所述的外轮廓点标注方法,其特征在于,所述获取所述目标区域中的待标注物体的三维模型参数的步骤包括:
响应输入操作,获取所述目标区域中的待标注物体的三维模型参数。
6.根据权利要求1所述的外轮廓点标注方法,其特征在于,所述三维外轮廓顶点为多个,每个所述三维外轮廓顶点包括顶点编号,所述基于所述三维外轮廓顶点,从所述二维外轮廓点候选区域筛选得到目标外轮廓点的步骤包括:
基于所述凸包算法,计算每个所述二维外轮廓点候选区域的极值;
基于所有所述极值,确定每个所述二维外轮廓点候选区域的外轮廓点;
确定所述待标注物体的朝向,将各顶点编号按照所述待标注物体的朝向标注在各所述外轮廓点上,得到目标外轮廓点。
7.根据权利要求6所述的外轮廓点标注方法,其特征在于,所述基于所有所述极值,确定每个所述二维外轮廓点候选区域的外轮廓点的步骤包括:
基于所有所述极值,确定每个所述二维外轮廓点候选区域的初始外轮廓点;
获取所述待标注物体的掩膜图像;
计算每个所述二维外轮廓点候选区域的初始外轮廓点与所述掩膜图像的距离;
针对每个所述二维外轮廓点候选区域,从该二维外轮廓点候选区域的所有初始外轮廓点中选取距离最近的初始外轮廓,将该距离最近的初始外轮廓作为该二维外轮廓点候选区域的外轮廓点。
8.一种外轮廓点标注装置,其特征在于,应用于电子设备,所述装置包括:
获取模块,用于获取待处理图像,所述待处理图像中包括目标区域,所述目标区域表征待标注物体所在区域;
所述获取模块,还用于获取所述目标区域中的待标注物体的三维模型参数,并基于所述三维模型参数构建三维模型,其中,所述三维模型包括三维外轮廓点候选区域以及三维外轮廓顶点;
投影模块,用于将所述三维外轮廓点候选区域投影至所述待标注物体,得到所述待标注物体的二维外轮廓点候选区域;
筛选模块,用于凸包算法,从所述二维外轮廓点候选区域筛选得到目标外轮廓点;
标注模块,用于将所述目标外轮廓点标注于所述待标注物体,得到外轮廓点标注结果。
9.一种电子设备,其特征在于,所述电子设备包括处理器、存储器及总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器及所述存储器之间通过总线通信,所述处理器执行所述机器可读指令,以执行权利要求1-7任意一项所述的外轮廓点标注方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质存储有计算机程序,计算机程序被执行时实现1-7任意一项所述的外轮廓点标注方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010949.XA CN112652071A (zh) | 2021-01-06 | 2021-01-06 | 外轮廓点标注方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110010949.XA CN112652071A (zh) | 2021-01-06 | 2021-01-06 | 外轮廓点标注方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112652071A true CN112652071A (zh) | 2021-04-13 |
Family
ID=75368262
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110010949.XA Pending CN112652071A (zh) | 2021-01-06 | 2021-01-06 | 外轮廓点标注方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652071A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202654A (zh) * | 2022-02-17 | 2022-03-18 | 广东皓行科技有限公司 | 一种实体目标的模型构建方法、存储介质和计算机设备 |
CN114299402A (zh) * | 2022-03-07 | 2022-04-08 | 成都理工大学 | 隐患点自动识别方法、电子设备及计算机可读存储介质 |
CN114820679A (zh) * | 2022-07-01 | 2022-07-29 | 小米汽车科技有限公司 | 图像标注方法、装置、电子设备和存储介质 |
-
2021
- 2021-01-06 CN CN202110010949.XA patent/CN112652071A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114202654A (zh) * | 2022-02-17 | 2022-03-18 | 广东皓行科技有限公司 | 一种实体目标的模型构建方法、存储介质和计算机设备 |
CN114202654B (zh) * | 2022-02-17 | 2022-04-19 | 广东皓行科技有限公司 | 一种实体目标的模型构建方法、存储介质和计算机设备 |
CN114299402A (zh) * | 2022-03-07 | 2022-04-08 | 成都理工大学 | 隐患点自动识别方法、电子设备及计算机可读存储介质 |
CN114820679A (zh) * | 2022-07-01 | 2022-07-29 | 小米汽车科技有限公司 | 图像标注方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108875524B (zh) | 视线估计方法、装置、系统和存储介质 | |
CN112652071A (zh) | 外轮廓点标注方法、装置、电子设备和可读存储介质 | |
US10262417B2 (en) | Tooth axis estimation program, tooth axis estimation device and method of the same, tooth profile data creation program, tooth profile data creation device and method of the same | |
CN109657631B (zh) | 人体姿态识别方法及装置 | |
CN107440810B (zh) | 牙齿类型判断程序、牙齿类型位置判断装置及其方法 | |
CN108475439B (zh) | 三维模型生成系统、三维模型生成方法和记录介质 | |
JP4950787B2 (ja) | 画像処理装置及びその方法 | |
US9864969B2 (en) | Image processing apparatus for generating map of differences between an image and a layout plan | |
US20150015602A1 (en) | System and method for selective determination of point clouds | |
JP2007004767A (ja) | 画像認識装置、方法およびプログラム | |
JP2007233997A (ja) | 顔特徴点検出装置及びその方法 | |
CN112336342B (zh) | 手部关键点检测方法、装置及终端设备 | |
US11922593B2 (en) | Methods of estimating a bare body shape from a concealed scan of the body | |
US20150269759A1 (en) | Image processing apparatus, image processing system, and image processing method | |
CN109740659B (zh) | 一种图像匹配方法及装置、电子设备、存储介质 | |
JP2016062225A (ja) | 画像生成装置、画像検出システム及び画像生成方法 | |
KR102207725B1 (ko) | 다중 측량 모드의 3차원 측량 시스템 및 측량방법 | |
Ozbay et al. | A hybrid method for skeleton extraction on Kinect sensor data: Combination of L1-Median and Laplacian shrinking algorithms | |
CN110796709A (zh) | 车架号尺寸获取方法、装置、计算机设备和存储介质 | |
US11461914B2 (en) | Measuring surface distances on human bodies | |
CN109255801A (zh) | 视频中三维物体边缘追踪的方法、装置、设备及存储介质 | |
JP2012123631A (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
JP2021026778A (ja) | クロスドメイン距離学習のシステム及び方法 | |
WO2016115536A2 (en) | Determining three-dimensional information from projections or placement of two-dimensional patterns | |
CN115862124A (zh) | 视线估计方法、装置、可读存储介质及电子设备 |
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 |