CN114612617A - 图像处理方法、装置、电子设备和介质 - Google Patents

Abstract

本公开提供了一种图像处理方法，涉及计算机视觉技术领域，尤其涉及图像处理技术领域。实现方案为：获取现实空间的图像；提取图像对应的三维的空间特征点；对图像进行人像识别，以确定人像对应的三维区域；以及将空间特征点与三维区域进行比对，并剔除空间特征点中位于三维区域内部以及位于三维区域的边界上的特征点，以获得现实空间对应的空间特征点云图。

Description

图像处理方法、装置、电子设备和介质

技术领域

本公开涉及计算计视觉技术领域，尤其涉及图像处理技术领域，具体涉及一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

通过视觉图像构建空间特征点云图时，由于空间中经常会有人的存在，从而导致构建出来的空间特征点云图中包含有本不属于空间特征的人像特征点，使空间特征点云图质量变差，进而导致在后续使用空间特征点云图进行视觉空间定位时，出现定位不准的问题。因而，如何排除人的因素对空间特征点云图质量的影响显得尤为重要。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像处理方法，包括：获取现实空间的图像；提取所述图像对应的三维的空间特征点；对所述图像进行人像识别，以确定所述人像对应的三维区域；以及将所述空间特征点与所述三维区域进行比对，并剔除所述空间特征点中位于所述三维区域内部以及位于所述三维区域的边界上的特征点，以获得所述现实空间对应的空间特征点云图。

根据本公开的另一方面，提供了一种图像处理装置，包括：获取模块，被配置为获取现实空间的图像；提取模块，被配置为提取所述图像对应的三维的空间特征点；识别模块，被配置为对所述图像进行人像识别，以确定所述人像对应的三维区域；以及比对模块，被配置为将所述空间特征点与所述三维区域进行比对，并剔除所述空间特征点中位于所述三维区域内部以及位于所述三维区域的边界上的特征点，以获得所述现实空间对应的空间特征点云图。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行图像处理方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行图像处理方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现图像处理方法。

根据本公开的一个或多个实施例，提供了一种图像处理方法，通过对现实空间图像的进行空间特征点的识别和人像所在的三维区域的构建，实现在三维空间中对空间特征点中的人像特征点的剔除，从而提升空间特征点云图的质量。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的图像处理方法的流程图；

图3示出了根据本公开的实施例的图像处理装置的结构框图；以及

图4示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个要素与另一要素区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，可以通过避免人出现在空间特征点云图构建的空间中来提升构建的空间特征点云图质量，然而这一方法的不可控性较强，适用范围较小。还可以针对现实空间的图像进行三维的空间特征点的提取，并将三维的空间特征点映射为二维的特征点，以在二维平面上将二维的特征点与图像中的人像轮廓进行比对，来剔除人像轮廓内的特征点。然而这一方法，在人被物体所遮挡的场景下，由于对人像内的特征点的剔除是在二维平面上进行的，容易出现对遮挡人像的物体进行错误地剔除的情况，进而影响了空间特征点云图的质量。

为解决上述问题，本公开通过对现实空间图像的进行三维的空间特征点的识别和现实空间图像中人像所在的三维区域的构建，将空间特征点与人像特征点在三维空间进行比对，实现在三维空间中对空间特征点中的人像特征点的剔除，可以有效防止特征点的错误剔除，从而提升空间特征点云图的质量。

需要说明的是，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行图像处理方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来执行图像处理方法。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开的实施例的图像处理方法的流程图。如图2所示，图像处理方法200包括：步骤S201、获取现实空间的图像；步骤S202、提取所述图像对应的三维的空间特征点；步骤S203、对所述图像进行人像识别，以确定所述人像对应的三维区域；以及步骤S204、将所述空间特征点与所述三维区域进行比对，并剔除所述空间特征点中位于所述三维区域内部以及位于所述三维区域的边界上的特征点，以获得所述现实空间对应的空间特征点云图。

由此，通过对现实空间图像的进行三维的空间特征点的识别和对现实空间图像中的人像所在的三维区域的构建，将空间特征点与人像特征点在三维空间进行比对，实现在三维空间中对空间特征点中的人像特征点的剔除，这一方法使得落在人像所在的三维区域内部以及落在三维区域的边界上的特征点被剔除，而将其余的特征点存储为空间特征点云图，以用于空间定位和/或增强现实空间的重建。这一方法可以有效防止特征点的错误剔除，从而提升空间特征点云图的质量，进而提升空间定位的准确性和增强现实空间的重建质量。

根据一些实施例，步骤S202包括：基于同步定位与建图(SimultaneousLocalization And Mapping，SLAM)算法提取所述图像对应的三维的空间特征点。由此，利用SLAM算法基于所获取的二维图像实现对现实空间所对应的三维的空间特征点的提取，从而作为构建空间特征点云图的基础并用于空间定位和/或增强现实空间的重建的基础。

根据一些实施例，步骤S203包括：基于人像识别与分割算法对所述图像中的所述人像进行提取，以获得二维的人像图像；以及获取所述人像在所述现实空间中对应的人与用于获取所述图像的硬件设备之间的距离信息，并基于所述距离信息和所述人像图像确定所述人像对应的所述三维区域。

示例性的，人像识别与分割算法可以是基于开源计算机视觉库(Open SourceComputer Vision Library，OpenCV)的人体检测算法，也可以是其他适用的人像分割算法，以用于对图像中的人像进行识别与提取。本公开对所采用的人像识别与分割算法不做限定。

在获取得到二维的人像图像的基础上，可以通过获取人像在现实空间中对应的人与用于获取图像的硬件设备之间的距离信息来实现对人像所对应的三维区域的构建，从而将二维的人像图像映射到三维空间中，以用于剔除落在这一三维空间区域内的特征点。由此，通过三维的空间特征点与人像对应的三维区域的在三维空间进行比对和剔除可以有效防止特征点的错误剔除，从而提升空间特征点云图的质量，进而提升空间定位的准确性和增强现实空间的重建质量。

根据一些实施例，获取所述人像在所述现实空间中对应的人与所述硬件设备之间的距离信息包括：利用所述同步定位与建图算法，基于所述人像图像获取所述人像与所述硬件设备之间的距离信息。可以理解的是，可以利用SLAM算法对二维的人像图像进行分析计算来确定人像与硬件设备之间的距离信息，从而用于构建人像所对应的三维区域。

根据一些实施例，步骤S203中所采用的硬件设备为飞行时间(Time of Flight，TOF)相机，并且其中，所述距离信息是基于所述TOF相机确定的。当采用TOF相机进行现实空间的图像的采集时，可以直接通过TOF相机来获取定人像与相机之间的距离信息，从而基于这一距离信息和二维的人像图像来构建人像所对应的三维区域，而无需额外获取距离信息，可以提升人像的三维区域的构建效率。

根据一些实施例，响应于人像识别与分割算法未在所述图像中识别到人像，将所述空间特征点直接作为所述空间特征点云图进行存储。

根据本公开的另一方面，提供了一种图像处理装置。如图3所示，图像处理装置300包括：获取模块301，被配置为获取现实空间的图像；提取模块302，被配置为提取所述图像对应的三维的空间特征点；识别模块303，被配置为对所述图像进行人像识别，以确定所述人像对应的三维区域；以及比对模块304，被配置为将所述空间特征点与所述三维区域进行比对，并剔除所述空间特征点中位于所述三维区域内部以及位于所述三维区域的边界上的特征点，以获得所述现实空间对应的空间特征点云图。

由此，通过提取模块302对现实空间图像的进行三维的空间特征点的识别和识别模块303对现实空间图像中的人像所在的三维区域的构建，由比对模块304将空间特征点与人像特征点在三维空间进行比对，实现在三维空间中对空间特征点中的人像特征点的剔除，图像处理装置300使得落在人像所在的三维区域内部以及落在三维区域的边界上的特征点被剔除，而将其余的特征点存储为空间特征点云图，以用于空间定位和/或增强现实空间的重建。这一方法可以有效防止特征点的错误剔除，从而提升空间特征点云图的质量，进而提升空间定位的准确性和增强现实空间的重建质量。

图像处理装置400的模块401-404的操作与前述描述的步骤S201-步骤S204的操作类似，在此不作赘述。

根据一些实施例，提取模块402还被配置为：基于同步定位与建图算法提取所述图像对应的三维的空间特征点。由此，提取模块402可以利用SLAM算法基于所获取的二维图像实现对现实空间所对应的三维的空间特征点的提取，从而作为构建空间特征点云图的基础并用于空间定位和/或增强现实空间的重建的基础。

根据一些实施例，识别模块403包括：提取单元，被配置为基于人像识别与分割算法对所述图像中的所述人像进行提取，以获得二维的人像图像；以及确定单元，被配置为获取所述人像在所述现实空间中对应的人与用于获取所述图像的硬件设备之间的距离信息，并基于所述距离信息和所述人像图像确定所述人像对应的所述三维区域。

示例性的，人像识别与分割算法可以是基于OpenCV的人体检测算法，也可以是其他适用的人像分割算法，以用于对图像中的人像进行识别与提取。本公开对所采用的人像识别与分割算法不做限定。

在提取单元获取得到二维的人像图像的基础上，确定单元可以通过获取人像在现实空间中对应的人与用于获取图像的硬件设备之间的距离信息来实现对人像所对应的三维区域的构建，从而将二维的人像图像映射到三维空间中，以用于剔除落在这一三维空间区域内的特征点。由此，通过三维的空间特征点与人像对应的三维区域的在三维空间进行比对和剔除可以有效防止特征点的错误剔除，从而提升空间特征点云图的质量，进而提升空间定位的准确性和增强现实空间的重建质量。

根据一些实施例，确定单元还被配置为：利用所述同步定位与建图算法，基于所述人像图像获取所述人像与所述硬件设备之间的距离信息。可以理解的是，确定单元可以利用SLAM算法对二维的人像图像进行分析计算来确定人像与硬件设备之间的距离信息，从而用于构建人像所对应的三维区域。

根据一些实施例，获取模块401所采用的硬件设备为TOF相机，并且其中，所述确定单元还被配置为基于所述TOF相机确定所述距离信息。当获取模块401采用TOF相机进行现实空间的图像的采集时，确定单元可以直接通过TOF相机来获取定人像与相机之间的距离信息，从而基于这一距离信息和二维的人像图像来构建人像所对应的三维区域，而无需额外获取距离信息，可以提升人像的三维区域的构建效率。

如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储电子设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

电子设备400中的多个部件连接至I/O接口405，包括：输入单元406、输出单元407、存储单元408以及通信单元409。输入单元406可以是能向电子设备400输入信息的任何类型的设备，输入单元406可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元407可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元408可以包括但不限于磁盘、光盘。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙^TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如图像处理方法。例如，在一些实施例中，图像处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的图像处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

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。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (13)

1.一种图像处理方法，所述方法包括：

获取现实空间的图像；

提取所述图像对应的三维的空间特征点；

对所述图像进行人像识别，以确定所述人像对应的三维区域；以及

将所述空间特征点与所述三维区域进行比对，并剔除所述空间特征点中位于所述三维区域内部以及位于所述三维区域的边界上的特征点，以获得所述现实空间对应的空间特征点云图。

2.根据权利要求1所述的方法，其中，所述提取所述图像对应的三维的空间特征点包括：

基于同步定位与建图算法提取所述图像对应的三维的空间特征点。

3.根据权利要求2所述的方法，其中，所述对所述图像进行人像识别，以确定所述人像对应的三维区域包括：

基于人像识别与分割算法对所述图像中的所述人像进行提取，以获得二维的人像图像；以及

获取所述人像在所述现实空间中对应的人与用于获取所述图像的硬件设备之间的距离信息，并基于所述距离信息和所述人像图像确定所述人像对应的所述三维区域。

4.根据权利要求3所述的方法，其中，获取所述人像在所述现实空间中对应的人与所述硬件设备之间的距离信息包括：

利用所述同步定位与建图算法，基于所述人像图像获取所述人像与所述硬件设备之间的距离信息。

5.根据权利要求3所述的方法，其中，所述硬件设备为飞行时间相机，并且其中，所述距离信息是基于所述飞行时间相机确定的。

6.一种图像处理装置，包括：

获取模块，被配置为获取现实空间的图像；

提取模块，被配置为提取所述图像对应的三维的空间特征点；

识别模块，被配置为对所述图像进行人像识别，以确定所述人像对应的三维区域；以及

比对模块，被配置为将所述空间特征点与所述三维区域进行比对，并剔除所述空间特征点中位于所述三维区域内部以及位于所述三维区域的边界上的特征点，以获得所述现实空间对应的空间特征点云图。

7.根据权利要求6所述的装置，其中，所述提取模块还被配置为：

基于同步定位与建图算法提取所述图像对应的三维的空间特征点。

8.根据权利要求7所述的装置，其中，所述识别模块包括：

提取单元，被配置为基于人像识别与分割算法对所述图像中的所述人像进行提取，以获得二维的人像图像；以及

确定单元，被配置为获取所述人像在所述现实空间中对应的人与用于获取所述图像的硬件设备之间的距离信息，并基于所述距离信息和所述人像图像确定所述人像对应的所述三维区域。

9.根据权利要求8所述的装置，其中，所述确定单元还被配置为：

利用所述同步定位与建图算法，基于所述人像图像获取所述人像与所述硬件设备之间的距离信息。

10.根据权利要求8所述的装置，其中，所述硬件设备为飞行时间相机，并且其中，所述确定单元还被配置为基于所述飞行时间相机确定所述距离信息。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-5中任一项所述的方法。

Images