CN117078994A - 户外场景图像中的人体合成方法及计算机可读存储介质 - Google Patents

户外场景图像中的人体合成方法及计算机可读存储介质 Download PDF

Info

Publication number
CN117078994A
CN117078994A CN202310584416.1A CN202310584416A CN117078994A CN 117078994 A CN117078994 A CN 117078994A CN 202310584416 A CN202310584416 A CN 202310584416A CN 117078994 A CN117078994 A CN 117078994A
Authority
CN
China
Prior art keywords
target
human body
scene image
coordinate point
reference object
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
Application number
CN202310584416.1A
Other languages
English (en)
Inventor
付磊
欧阳一村
陈雅琼
朱光强
罗富章
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maxvision Technology Corp
Original Assignee
Maxvision Technology Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Maxvision Technology Corp filed Critical Maxvision Technology Corp
Priority to CN202310584416.1A priority Critical patent/CN117078994A/zh
Publication of CN117078994A publication Critical patent/CN117078994A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/38—Outdoor scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Processing (AREA)

Abstract

本申请公开一种户外场景图像中的人体合成方法，该方法包括：获取场景图像和待合成至场景图像中的人体目标；对场景图像进行识别分类，获取场景图像中的可合成区域以及用于合成的所有可参照对象，并在所有的可参照对象中挑选用于合成的目标参照物；以及依据目标参照物和场景图像将人体目标进行比例缩放后，并将缩放后的人体目标合成至选定的可合成区域上；可参照对象包括人物参照物或者车类参照物。本申请还提供一种计算机可读存储介质。

Description

户外场景图像中的人体合成方法及计算机可读存储介质
技术领域
本申请涉及图像处理领域，更具体地说，涉及一种户外场景图像中的人体合成方法及计算机可读存储介质。
背景技术
学习模型的精度要求也越来越高，精度的提升一方面通过调整网络模型结构来达到，另一方面依赖于获取大量的训练数据；然而现实场景中由于诸多因素的限制，获取数据的成本越来越高，导致在很多场景下不能得到我们需要的数据量。因此我们有必要通过合成的手段来获得我们所需的数据量，以此来提升模型的精度。同样，为了提高户外复杂场景下的人体识别模型精确度，所述复杂场景是指训练数据不是单纯的人体图像，复杂场景下往往出现有人、车、花草树木、人行道、车道以及其他固定和移动目标，然而单纯通过网上收集包含人体目标的复杂场景需要人工花费较多时间去挑选，或者比如直接使用PS软件直接人体目标合成至复杂场景中，该方法合成的图像最为精确且最为真实但每张图像的合成需要耗费大量的人工时间。
发明内容
针对现有技术，本申请解决的技术问题是提供一种实现自动图像合成的户外场景图像中的人体合成方法及计算机可读存储介质。
为解决上述技术问题，本申请提供一种一种户外场景图像中的人体合成方法，其包括：
获取场景图像和待合成至场景图像中的人体目标；
对场景图像进行识别分类，获取场景图像中的可合成区域以及用于合成的所有可参照对象，并在所有的可参照对象中挑选用于合成的目标参照物；以及，
依据目标参照物和场景图像将人体目标进行比例缩放后，并将缩放后的人体目标合成至选定的可合成区域上；
其中，可参照对象包括人物参照物或者车类参照物。
在一种可能的实现方式中，所述在所有的可参照对象中挑选用于合成的目标参照物，包括：
选取场景图像中坐标点A作为人体目标的合成位置；计算在场景图像中每一可参照对象与坐标点A的距离；
挑选所有的距离S中最小值对应的参照物目标为目标参照物。
在一种可能的实现方式中，所述依据目标参照物和场景图像将人体目标进行比例缩放，包括：
获取目标参照物的外接矩形框的高度hc和宽度hc；
获取合成前的人体目标的外接矩形框的高度h和宽度w；
获取目标参照物的外接矩形框的左上角坐标点L1和右下角坐标点R1；
根据高度hc、宽度hc、高度h、宽度w以及合成位置进行人体目标的比例缩放：hs＝(R1y–Z1y)*(H–R1y)/(H–Ay)且ws＝w*hs/h，或者进行人体目标的比例缩放为：ws＝(R1x–Z1x)*(W–R1x)/(W–Ax)且hs＝h*ws/w；
其中，hs和ws分别为人体目标进行比例缩放后在合成至场景图像中的高度和宽度；H和W分别为场景图像的高度和宽度；R1x和R1y分别为目标参照物的外接矩形框的右下角坐标点R1的横坐标和纵坐标；Z1x和Z1y分别为目标参照物的外接矩形框的左下角坐标点Z1的横坐标和纵坐标；其Ax和Ay分别为坐标点A的横坐标和纵坐标。
在一种可能的实现方式中，所述将缩放后的人体目标合成至选定的可合成区域上，包括：
以坐标点A作为合成至场景图像中人体目标的左下角坐标点Ao；
计算合成至场景图像中人体目标的左上角坐标点Bo和右下角坐标点Co：Box＝Ax且Boy＝Ay－hs；Cox＝Ax+ws且Coy＝Ay。其中，Box和Boy分别为左上角坐标点Bo的横坐标和纵坐标；Cox和Coy分别为左上角坐标点Co的横坐标和纵坐标。
在一种可能的实现方式中，所述进行人体目标的比例缩放修正为：h′s＝α*hs且w′s＝w*h′s/h，或者，所述进行人体目标的比例缩放修正为：w′s＝α*hs且h′s＝h*w′s/w；其中，α为缩放阈值，α为现实场景中人体目标的实际高度与显示场景中目标参照物的实际高度之比；h′s和w′s分别为修正后的人体目标的高度和宽度。
在一种可能的实现方式中，所述将缩放后的人体目标合成至选定的可合成区域上，包括：以坐标点A作为合成至场景图像中人体目标的左下角坐标点Ao；计算合成至场景图像中人体目标的左上角坐标点Bo和右下角坐标点Co：Box＝Ax且Boy＝Ay－h′s；Cox＝Ax+w′s且Coy＝Ay。其中，Box和Boy分别为左上角坐标点Bo的横坐标和纵坐标；Cox和Coy分别为左上角坐标点Co的横坐标和纵坐标。
在一种可能的实现方式中，每一可参照对象的中心点与坐标点A的距离s为：
其中，Ax和Ay分别为坐标点A的横坐标和纵坐标，Zix和Ziy分别为从场景图像中识别出来的任一可参照对象的外接矩形框的左上角坐标点的横坐标和纵坐标；Rix和Riy分别为从场景图像中识别出来的任一可参照对象的外接矩形框的右下角坐标点的横坐标和纵坐标。
在一种可能的实现方式中，当存在两个以上的可参照对象的中心点与坐标点A的距离均为最小值时，选择目标参照物的标准为：
判定该两个以上的可参照对象中是否存在一参照物对象F1位于选定的可合成区域内，
若是，则选定该参照物对象F1为目标参照物，否则，选择该两个以上的可参照对象中的距离选定的可合成区域轮廓边缘最近对象为目标参照物。
在一种可能的实现方式中，任一参照物对象和可合成区域轮廓之间的距离的求解方式为：获取该参照物对象的轮廓上的所有像素点，获得像素集合L1；获取该合成区域的轮廓上的所有像素点，获得像素集合L2；计算像素集合L1每一像素点和像素集合L2中任一像素点之间的距离，获取所有距离值中的最小值，设定该最小值为该参照物对象至可合成区域轮廓边缘的距离。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现所述户外场景图像中的人体合成方法的步骤。
本申请提供的户外场景图像的户外场景图像中的人体合成方法的有益效果在于：对于场景图像和人体目标，利用自动识别图像场景中的可合成区域和可参照对象，自动依据目标参照物和场景图像对人体目标进行自适应比例缩放，并将比例缩放的人体目标合成至可合成区域内，该人体合成方法基于图像处理方式自动实现户外场景图像中人体合成，简便有效且节省人力。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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为本申请实施例的户外场景图像中户外场景图像中的人体合成方法的流程图；
图2为本申请实施例的依据目标参照物和场景图像将人体目标进行比例缩放的步骤流程图；
图3为本申请实施例的户外场景图像中人体合成结果示意图。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
现结合附图对本申请的户外场景图像中的人体合成方法及计算机可读存储介质进行具体说明。
请参照图1，本申请实施例提供的户外场景图像中的人体合成方法包括下述步骤S100至步骤S300。该户外场景图像中的人体合成方法用于将人体目标合成至特定的场景图像，该场景图像为户外复杂场景，户外复杂场景是指不为仅存在单一人体目标的场景图像，该户外复杂场景往往出现有人、车、花草树木、人行道、车道以及其他固定和移动目标。
步骤S100：获取场景图像和待合成至场景图像中的人体目标。
在此步骤中，人体目标可以为其他图像中分割出来的人体目标，该人体目标一般呈现为人体轮廓的人体目标。场景图像为任一户外场景图像。
步骤S200：对场景图像进行识别分类，获取场景图像中的可合成区域以及用于合成的所有可参照对象，并在所有的可参照对象中挑选用于合成的目标参照物；
在此步骤中，可合成区域可为现实生活中的符合人体站立或者行走的区域，例如用于合成的可合成区域可为指道路、空地或者操场，但不限于此，可合成区域为上空区域以外的没有其他目标占领的空白区域；该用于合成的可参照对象是指用作人体合成时的场景图像中参照对象。可以理解地，为了保证人体合成至场景图像中呈现合理性，不应当是的人体过大或者过小，即合成至场景图像中的人体目标的尺寸应当具有合理性，不应当使得合成进去的人体相对于场景图像中其他目标过于突兀。并且，为了使得人体目标合乎常理，本申请合成是所有的可参照对象采用人物参照物或者车类参照物。
在一具体实施例中，在所有的可参照对象中挑选用于合成的目标参照物为：选取场景图像中坐标点A作为人体目标的合成位置；计算在场景图像中每一可参照对象的中心点与坐标点A的距离；挑选所有的距离S中最小值对应的参照物目标为目标参照物。
其中，每一可参照对象的中心点与坐标点A的距离S具体计算为：
其中，Ax和Ay分别为坐标点A的横坐标和纵坐标，Zix和Ziy分别为从场景图像中识别出来的任一可参照对象的外接矩形框的左上角坐标点的横坐标和纵坐标；Rix和Riy分别为从场景图像中识别出来的任一可参照对象的外接矩形框的右下角坐标点的横坐标和纵坐标。
进一步地，当存在两个以上的可参照对象的中心点与坐标点A的距离均为最小值时，选择目标参照物的标准为：
判定该两个以上的可参照对象中是否存在一参照物对象F1位于选定的可合成区域内；
若是，则选定该参照物对象F1为目标参照物；
否则，选择该两个以上的可参照对象中的距离选定的可合成区域轮廓边缘最近对象为目标参照物。在一具体实施例中，任一参照物对象和可合成区域轮廓之间的距离的求解方式为：获取该参照物对象的轮廓上的所有像素点，获得像素集合L1；获取该合成区域的轮廓上的所有像素点，获得像素集合L2；计算像素集合L1每一像素点和像素集合L2中任一像素点之间的距离，获取所有距离值中的最小值，设定该最小值为该参照物对象至可合成区域轮廓边缘的距离。
值得说明的是，为了让合成至场景图像中的人体目标的尺寸相对场景图像中其他物体不过于突兀，需要选择场景图像中的其他物体作为参照物，以便后续的在合成过程中对人体目标综合考虑参照物位置的大小来调整人体目标在场景图像中合适大小。进一步地，例如将某一人体目标融合至场景图像中的一选定的可合成区域K中，如果从场景图像中识别出了多个可用于合成时的可参照对象，可参照对象包括场景图像中人物参照物对象和车类参照物对象，由于场景图像中可参照对象往往是多个的，为了合成过程地简便性，只需要选择一个参照物作为合成时的参照对象即可；并且可以理解地，在该选定的可合成区域选择坐标点A为人体目标合成位置后，选择与坐标点A越近的可参照物对象，本申请以距离S中的最小值来选定离坐标点A的人体目标最近的可参照物对象作为最终的目标参照物，会使得合成后的人体目标更具合理性。进一步地，当存在多个可参照对象与坐标点A均为最小值时，由于最终人体目标是合成在该选定的可合成区域K内，为了进一步保证人体目标合成后的合理性，应当挑选在最小值对应的多个可参照对象中，挑选出离可合成区域K最近的可参照对象作为目标参照物，本申请中以每一参照物对象距离可合成区域的轮廓的距离来表征该可参照物对象和可合成区域K的距离值。
步骤S300：依据目标参照物和场景图像将人体目标进行比例缩放，并将缩放后的人体目标合成至选定的可合成区域上。
在一具体实施例中，参照图2，所述依据目标参照物和场景图像将人体目标进行比例缩放具体包括如下步骤。
步骤S310：获取目标参照物的外接矩形框的高度hc和宽度hc；
步骤S311：获取合成前的人体目标的外接矩形框的高度h和宽度w；
步骤S312：获取目标参照物的外接矩形框的左上角坐标点L1和右下角坐标点R1；
步骤S313：根据高度hc、宽度hc、高度h、宽度w以及合成位置进行人体目标的比例缩放：hs＝(R1y–Z1y)*(H–R1y)/(H–Ay)且ws＝w*hs/h，或者进行人体目标的比例缩放为：ws＝(R1x–Z1x)*(W–R1x)/(W–Ax)且hs＝h*ws/w；
其中，hs和ws分别为人体目标进行比例缩放后在合成至场景图像中的高度和宽度；H和W分别为场景图像的高度和宽度；R1x和R1y分别为目标参照物的外接矩形框的右下角坐标点R1的横坐标和纵坐标；Z1x和Z1y分别为目标参照物的外接矩形框的左下角坐标点Z1的横坐标和纵坐标；其Ax和Ay分别为坐标点A的横坐标和纵坐标。
在此实施例中，在上述步骤S310至上述步骤S313中，为有效保证合成至场景图像中的人体目标的合理性，根据选择出来的目标参照物的高度和宽度、合成位置的坐标点A的坐标以及场景图像本身的高度和宽度来综合调整最终人体目标在场景图像中的大小，即最终人体目标场景图像中的高度hs和宽度ws。
并且，在此实施例中，所述将缩放后的人体目标合成至选定的可合成区域上，包括：
步骤S320：以坐标点A作为合成至场景图像中人体目标的左下角坐标点Ao；
步骤S321：计算合成至场景图像中人体目标的左上角坐标点Bo和右下角坐标点Co：Box＝Ax且Boy＝Ay－hs；Cox＝Ax+ws且Coy＝Ay。其中，Box和Boy分别为左上角坐标点Bo的横坐标和纵坐标；Cox和Coy分别为左上角坐标点Co的横坐标和纵坐标。
在另一具体实施例中，所述进行人体目标的比例缩放修正为：h′s＝α*hs且w′s＝w*h′s/h，或者，所述进行人体目标的比例缩放修正为：w′s＝α*hs且h′s＝h*w′s/w，其中，α为缩放阈值，α为现实场景中人体目标的实际高度与显示场景中目标参照物的实际高度之比。相较于上一具体实施例，在此实施例中，对人体目标合成时的比例缩放不仅考虑了目标参照物的高度和宽度、合成位置的坐标点A的坐标以及原来场景图像本身的高度和宽度，还考虑了目标参照物和待合成的人体目标在现实场景中的尺寸的差别。
例如，当选定的目标参照物检测识别为车类参照物且待合成人体目标为成人目标时，其中车类参照物包括货车和私家车等车型；当目标参照物为私家车且人体目标为成人，此时按照惯常经验将现实场景中私家车的高度设定为1.4米且成人的人体目标高度设定为1.7，因此α为1.7/1.4；当目标参照物为货车且人体目标为成人，此时按照惯常经验将现实场景中私家车的高度设定为2.7米且成人的人体目标高度设定为1.7，因此α为1.7/2.7。又如，当选定的目标参照物检测识别为成人时且待合成人体目标为成人时，缩放阈值α为1。可以理解地，按照选择的场景图像和获取的人体目标，当待合成的是小孩目标时，还可以按照实际应用情况，考虑现实场景中待合成的小孩目标和现实场景中各类目标参照物的高度比；故而缩放阈值α的实际值可按照实际应用情况进行调整设定，缩放阈值α依据经验设定的现实场景中人体目标和目标参照物的高度而定。
进一步地，在此实施例中，所述将缩放后的人体目标合成至选定的可合成区域上，包括：
步骤S320：以坐标点A作为合成至场景图像中人体目标的左下角坐标点Ao；
步骤S321：计算合成至场景图像中人体目标的左上角坐标点Bo和右下角坐标点Co：Box＝Ax且Boy＝Ay－h′s；Cox＝Ax+w′s且Coy＝Ay。其中，Box和Boy分别为左上角坐标点Bo的横坐标和纵坐标；Cox和Coy分别为左上角坐标点Co的横坐标和纵坐标。
其中，图3为户外场景图像中的人体合成结果示意图，其中第一张图为场景图像，第二张图片为可合成区域的识别结果图且其中白色区域为可合成区域，第三张图为最终的人体合成结果。
值得说明的是，上述待合成的人体目标的左下角坐标点Ao、左上角坐标点Bo和右下角坐标点Co均理解为该人体目标的外接矩形框的左下角点、左上角点和右下角点。
值得说明的是，在本申请实施例中，以整个图像的左上角点为坐标原点建立图像坐标系。其中，高度为Y轴方向长度，宽度为X轴方向长度；其中，对于图像的任一目标的外接矩形框而言，该任一目标的左上角坐标点和右下角坐标点是位于外接矩形框的一对角线上的，相较于右下角坐标点，左上角坐标点距离坐标原点距离更近。
此外，上述户外场景图像中的人体合成方法还包括步骤S400：记录已经合成至选定的可合成区域内的人体目标所占的像素点位置，可以理解地，可以不断在可合成区域内融入人体目标，记录已经合成至可合成区域内的人体目标，可以防止合成目标重叠现象。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时，实现所述户外场景图像中的人体合成方法的步骤。
在本实施例中，处理器可能是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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。所述计算机可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种户外场景图像中的人体合成方法，其特征在于，包括：
获取场景图像和待合成至场景图像中的人体目标；
对场景图像进行识别分类，获取场景图像中的可合成区域以及用于合成的所有可参照对象，并在所有的可参照对象中挑选用于合成的目标参照物；以及
依据目标参照物和场景图像将人体目标进行比例缩放后，并将缩放后的人体目标合成至选定的可合成区域上；
其中，可参照对象包括人物参照物或者车类参照物。
2.如权利要求1所述的户外场景图像中的人体合成方法，其特征在于，所述在所有的可参照对象中挑选用于合成的目标参照物，包括：
选取场景图像中坐标点A作为人体目标的合成位置；
计算在场景图像中每一可参照对象与坐标点A的距离；
挑选所有的距离S中最小值对应的参照物目标为目标参照物。
3.如权利要求2所述的户外场景图像中的人体合成方法，其特征在于，所述依据目标参照物和场景图像将人体目标进行比例缩放，包括：
获取目标参照物的外接矩形框的高度hc和宽度hc；
获取合成前的人体目标的外接矩形框的高度h和宽度w；
获取目标参照物的外接矩形框的左上角坐标点L1和右下角坐标点R1；
根据高度hc、宽度hc、高度h、宽度w以及合成位置进行人体目标的比例缩放：hs＝(R1y–Z1y)*(H–R1y)/(H–Ay)且ws＝w*hs/h，或者进行人体目标的比例缩放为：ws＝(R1x–Z1x)*(W–R1x)/(W–Ax)且hs＝h*ws/w；
其中，hs和ws分别为人体目标进行比例缩放后在合成至场景图像中的高度和宽度；H和W分别为场景图像的高度和宽度；R1x和R1y分别为目标参照物的外接矩形框的右下角坐标点R1的横坐标和纵坐标；Z1x和Z1y分别为目标参照物的外接矩形框的左下角坐标点Z1的横坐标和纵坐标；其Ax和Ay分别为坐标点A的横坐标和纵坐标。
4.如权利要求3所述的户外场景图像中的人体合成方法，其特征在于，所述将缩放后的人体目标合成至选定的可合成区域上，包括：
以坐标点A作为合成至场景图像中人体目标的左下角坐标点Ao；
计算合成至场景图像中人体目标的左上角坐标点Bo和右下角坐标点Co：Box＝Ax且Boy＝Ay－hs；Cox＝Ax+ws且Coy＝Ay；
其中，Box和Boy分别为左上角坐标点Bo的横坐标和纵坐标；Cox和Coy分别为左上角坐标点Co的横坐标和纵坐标。
5.如权利要求3所述的户外场景图像中的人体合成方法，其特征在于，
所述进行人体目标的比例缩放修正为：h′s＝α*hs且w′s＝w*h′s/h，或者，
所述进行人体目标的比例缩放修正为：w′s＝α*hs且h′s＝h*w′s/w；
其中，α为缩放阈值，α为现实场景中人体目标的实际高度与显示场景中目标参照物的实际高度之比；h′s和w′s分别为修正后的人体目标的高度和宽度。
6.如权利要求5所述的户外场景图像中的人体合成方法，其特征在于，所述将缩放后的人体目标合成至选定的可合成区域上，包括：
以坐标点A作为合成至场景图像中人体目标的左下角坐标点Ao；
计算合成至场景图像中人体目标的左上角坐标点Bo和右下角坐标点Co：Box＝Ax且Boy＝Ay－h′s；Cox＝Ax+w′s且Coy＝Ay；
其中，Box和Boy分别为左上角坐标点Bo的横坐标和纵坐标；Cox和Coy分别为左上角坐标点Co的横坐标和纵坐标。
7.如权利要求2至6任一项所述的户外场景图像中的人体合成方法，其特征在于，每一可参照对象的中心点与坐标点A的距离s为：
其中，Ax和Ay分别为坐标点A的横坐标和纵坐标，Zix和Ziy分别为从场景图像中识别出来的任一可参照对象的外接矩形框的左上角坐标点的横坐标和纵坐标；Rix和Riy分别为从场景图像中识别出来的任一可参照对象的外接矩形框的右下角坐标点的横坐标和纵坐标。
8.如权利要求2至6任一项所述的户外场景图像中的人体合成方法，其特征在于，当存在两个以上的可参照对象的中心点与坐标点A的距离均为最小值时，选择目标参照物的标准为：
判定该两个以上的可参照对象中是否存在一参照物对象F1位于选定的可合成区域内，
若是，则选定该参照物对象F1为目标参照物，否则，选择该两个以上的可参照对象中的距离选定的可合成区域轮廓边缘最近对象为目标参照物。
9.如权利要求8所述户外场景图像中的人体合成方法，其特征在于，任一参照物对象和可合成区域轮廓之间的距离的求解方式为：获取该参照物对象的轮廓上的所有像素点，获得像素集合L1；获取该合成区域的轮廓上的所有像素点，获得像素集合L2；计算像素集合L1每一像素点和像素集合L2中任一像素点之间的距离，获取所有距离值中的最小值，设定该最小值为该参照物对象至可合成区域轮廓边缘的距离。
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存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至9任一项所述的户外场景图像中的人体合成方法的步骤。
CN202310584416.1A 2023-05-23 2023-05-23 户外场景图像中的人体合成方法及计算机可读存储介质 Pending CN117078994A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310584416.1A CN117078994A (zh) 2023-05-23 2023-05-23 户外场景图像中的人体合成方法及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310584416.1A CN117078994A (zh) 2023-05-23 2023-05-23 户外场景图像中的人体合成方法及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN117078994A true CN117078994A (zh) 2023-11-17

Family

ID=88714125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310584416.1A Pending CN117078994A (zh) 2023-05-23 2023-05-23 户外场景图像中的人体合成方法及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN117078994A (zh)

Similar Documents

Publication Publication Date Title
US20240115009A1 (en) Foot Measuring and Sizing Application
WO2020007189A1 (zh) 避障提醒方法、装置、电子设备及可读存储介质
US8768046B2 (en) Determining model parameters based on transforming a model of an object
US8180157B2 (en) Image processing method, image processing system and computer program product
US20070189584A1 (en) Specific expression face detection method, and imaging control method, apparatus and program
US20090010544A1 (en) Method, apparatus, and program for detecting facial characteristic points
CN111480183A (zh) 用于产生透视效果的光场图像渲染方法和系统
KR101705558B1 (ko) Avm 시스템의 공차 보정 장치 및 방법
US20220105869A1 (en) Image system for a vehicle
CN112465911A (zh) 图像处理方法及装置
CN112669465B (zh) 场景转换方法、电子设备及存储介质
CN117078994A (zh) 户外场景图像中的人体合成方法及计算机可读存储介质
US10970592B2 (en) Adhering substance detection apparatus and adhering substance detection method
JP3605955B2 (ja) 車輌判別装置
JP2010097341A (ja) 入力画像から検出対象物の像を検出する画像処理装置
CN115147868A (zh) 客流相机的人体检测方法、客流相机、装置及存储介质
CN113766258A (zh) 直播间虚拟礼物赠送处理方法、设备及存储介质
CN115131273A (zh) 信息处理方法、测距方法及装置
CN113033441A (zh) 一种基于广角成像的行人碰撞预警方法
CN112766338A (zh) 一种计算距离图像的方法、系统及计算机可读存储介质
CN116709035B (zh) 图像帧的曝光调节方法、装置和计算机存储介质
CN116894939B (zh) 一种异形屏的区域定位方法、装置、电子设备和存储介质
US11858420B2 (en) Below vehicle rendering for surround view systems
JP2023091727A (ja) 学習装置およびその制御方法
KR101762117B1 (ko) Avm 시스템의 공차 보정 장치 및 방법

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