一種圖像處理中人體特徵的提取方法及裝置與流程
2023-05-19 02:25:26 3

本發明涉及圖像處理領域,尤其涉及一種圖像處理中人體特徵的提取方法及裝置。
背景技術:
體感技術,不僅應用於遊戲領域,還可用於安全保衛、健康醫療、娛樂購物等領域。總之,體感技術的發展,給人機互動方式帶來革命性的改變。
體感技術通過識別人體的動作特徵來操控體感設備,而在識別動作特徵的過程中,需要提取人體各個部位的中心點。例如,在光學感測中,首先需要識別出人體,再劃分出人體的各個部位(如頭部、軀幹部、肘部、手部等),然後從各個部位中提取出中心點作為識別運動特徵的參數。由此可見,人體部位中心點提取是體感技術中一項關鍵技術,中心點提取的準確性直接影響了對動作特徵識別的準確性。而體感技術是體感設備操控人員通過肢體動作操控設備,那麼對於部位中心點的提取速度便有要求。
在目前在體感技術中,能夠滿足實時處理速度需求的主要是型心法。型該方法的處理對象是人體影像,該方法將人體影像中屬於同一個部位的每個像素點的坐標相加,再求平均值,然後把求得的平均值作為該部位的中心點。
然而,型心法提取中心點的準確性,嚴重受限於人體部位分類的準確性。這是由於目前採用的基於概率的人體部位分類技術中,部位的分類並不準確。通常,一個部位由屬於該部位的概率值不為0的像素點組成,而在實際中,一個像素點往往屬於若干個部位,因此,部位與部位之間並沒有明確的界限。而型心法沒有考慮部位分類不準確這一因素,又簡單的僅以像素點的坐標為單一的參數,來提取中心點,導致中心點的提取結果的準確性有待提高。
技術實現要素:
本發明的目的是提供一種圖像處理中人體特徵的提取方法及裝置,以克服相關技術中人體部位中心點提取準確性低的問題。
一方面,本發明提供一種圖像處理中人體特徵的提取方法,包括:
針對預先獲取的人體影像,計算所述人體影像中的每個像素點屬於各個人體部位的概率;
針對任一待提取中心點的人體部位,由屬於所述人體部位的概率大於第一預設閾值的點組成所述人體部位的基礎點集;
從所述基礎點集中,獲取概率大於第二預設閾值的點,形成生長點集,其中所述第二預設閾值大於所述第一預設閾值;
針對所述生長點集中的任一點,當該點滿足預設條件時,執行以下操作:以該點為種子點,通過區域生長法獲得與該種子點對應的種子區域;所述預設條件包括:未曾被選作為種子點、且不在任一種子點的種子區域中;
針對所述人體部位的每一個種子區域,將該種子區域中的每一個點的概率視為該點的密度、並根據該種子區域中每一個點的密度,以及每一個點在所述人體影像中的位置坐標,計算該種子區域的重心;
針對每一個種子區域的重心,根據所述基礎點集中與該重心的像素距離小於等於第一預設距離的點的概率,計算該重心為所述人體部位的中心點的預測概率;
將基礎點集中距離預測概率最大的重心最近的點,確定為所述人體部位的中心點。
另一方面,本發明還提供一種圖像處理中人體特徵的提取裝置,所述裝置包括:
概率計算模塊,用於針對預先獲取的人體影像,計算所述人體影像中的每個像素點屬於各個人體部位的概率;
基礎點集獲取模塊,用於針對任一待提取中心點的人體部位,由屬於所述人體部位的概率大於第一預設閾值的點組成所述人體部位的基礎點集;
生長點集確定模塊,用於從所述基礎點集中,獲取概率大於第二預設閾值的點,形成生長點集,其中所述第二預設閾值大於所述第一預設閾值;
種子區域形成模塊,用於針對所述生長點集中的任一點,當該點滿足預設條件時,執行以下操作:以該點為種子點,通過區域生長法獲得與該種子點對應的種子區域;所述預設條件包括:未曾被選作為種子點、且不在任一種子點的種子區域中;
重心計算模塊,用於針對所述人體部位的每一個種子區域,將該種子區域中的每一個點的概率視為該點的密度、並根據該種子區域中每一個點的密度,以及每一個點在所述人體影像中的位置坐標,計算該種子區域的重心;
預測概率計算模塊,用於針對每一個種子區域的重心,根據所述基礎點集中與該重心的像素距離小於等於第一預設距離的點的概率,計算該重心為所述人體部位的中心點的預測概率;
中心點確定模塊,用於將基礎點集中距離預測概率最大的重心最近的點,確定為所述人體部位的中心點。
本發明至少具有以下有益效果:本發明實施例,引入屬於待提取中心點的人體部位的概率作為提取中心點的參數,並通過種子點將屬於人體部位的點劃分至不同種子區域,然後根據種子區域,得出各種子區域的重心,再進一步根據重心的周圍點的概率,確定出最有可能接近中心點的重心,使得最終獲得的中心點與概率緊密聯繫,從而降低基於概率的部位分類技術分得的人體部位不準確對提取中心點的影響,提高提取中心點的準確性,並且本發明的提取中心點的方法簡便,能夠滿足實時處理的處理速度需求。
應當理解的是,以上的一般描述和後文的細節描述僅是示例性和解釋性的,並不能限制本發明。
附圖說明
圖1為本發明實施例中圖像處理中人體特徵的提取方法的示例性流程圖之一;
圖2為本發明實施例中劃分預設範圍的示示意圖;
圖3為本發明實施例中圖像處理中人體特徵的提取方法的示例性流程圖之二;
圖4為本發明實施例中圖像處理中人體特徵的提取裝置的示意圖之一;
圖5為本發明實施例中圖像處理中人體特徵的提取裝置的示意圖之二。
具體實施方式
以下結合附圖對本發明的實施例進行說明,應當理解,此處所描述的實施例僅用於說明和解釋本發明,並不用於限定本發明。
這裡將詳細地對示例性實施例進行說明,其示例表示在附圖中。下面的描述涉及附圖時,除非另有表示,不同附圖中的相同數字表示相同或相似的要素。以下示例性實施例中所描述的實施方式並不代表與本發明相一致的所有實施方式。相反,它們僅是與如所附權利要求書中所詳述的、本發明的一些方面相一致的裝置和方法的例子。
針對現有技術中型心法雖然處理速度快,能夠滿足實時處理速度的需求,但該方法提取的人體部位的中心點準確性有待提高的問題,本發明實施例提供一種圖像處理中人體特徵的提取方法,用於提取人體部位的中心點,該方法相對型心法不僅能夠提高提取中心點的準確性,還能夠滿足實時處理要求處理速度快的需求。
首先,本發明實施例提供的圖像處理中人體特徵的提取方法,將人體影像中的點屬於待提取中心點的人體部位的概率考慮進來,用於確定人體部位中心點的位置,從而能夠降低部位分類不準確對提取中心點的影響,從而能夠提高提取人體部位的中心點的準確性。
此外,本發明實施例中,在根據概率提取人體部位的中心點之前,先對屬於該人體部位的點進行預處理,例如濾除概率小的點和孤立的點,通過減少參與提取中心點的點的數量,降低計算量,能夠提高提取中心點的速度,通過濾除屬於人體部位的概率小的點還能夠提高提取中心點的準確性。
下面通過簡單的實施例,對本發明實施例中圖像處理中人體特徵的提取方法進行詳細說明。
實施例一
如圖1所示,為本發明實施例提供的圖像處理中人體特徵的提取方法的示例性流程圖,該方法包括以下步驟:
步驟101:針對預先獲取的人體影像,計算所述人體影像中的每個像素點屬於各個人體部位的概率。
步驟102:針對任一待提取中心點的人體部位,由屬於所述人體部位的概率大於第一預設閾值的點組成所述人體部位的基礎點集。
步驟103:從所述基礎點集中,獲取概率大於第二預設閾值的點,形成生長點集,其中所述第二預設閾值大於所述第一預設閾值。
步驟104:針對所述生長點集中的任一點,當該點滿足預設條件時,執行以下操作:以該點為種子點,通過區域生長法獲得與該種子點對應的種子區域;所述預設條件包括:未曾被選作為種子點、且不在任一種子點的種子區域中。
步驟105:針對所述人體部位的每一個種子區域,將該種子區域中的每一個點的概率視為該點的密度、並根據該種子區域中每一個點的密度,以及每一個點在所述人體影像中的位置坐標,計算該種子區域的重心。
其中,在一個實施例中可以根據如下公式(1)計算種子區域的重心:
其中,G=ΣGi (1)
其中,在公式(1)中,Xi表示種子區域第i個點的橫坐標;Yi表示種子區域第i個點的縱坐標;Gi表示種子區域第i個點的概率;Xc表示種子區域的重心的橫坐標;Yc表示種子區域的重心的縱坐標;G表示種子區域的所有點的概率之和;*表示求乘積。
步驟106:針對每一個種子區域的重心,根據所述基礎點集中與該重心的像素距離小於等於第一預設距離的點的概率,計算該重心為所述人體部位的中心點的預測概率。
步驟107:將基礎點集中距離預測概率最大的重心最近的點,確定為所述人體部位的中心點。
下面,對上述各步驟進行詳細說明:
1)、其中,步驟104中通過區域生長法獲得與該種子點對應的種子區域,具可具體執行為:從所述基礎點集中,獲取概率大於第三預設閾值、且與所述種子點的像素距離小於第二預設距離的點,形成種子區域;其中,所述第三預設閾值小於所述第二預設閾值。
其中,為便於理解種子區域的形成過程,下面通過步驟A1至步驟A2對該過程進行舉例說明:
步驟A1:獲得生長點集後,從生長點集中任選一點,作為種子點,從屬於所述人體部位的基礎點集中,獲取概率大於第三預設閾值、且以在所述人體影像中的位置為基準、與種子點的像素距離小於第二預設距離的點,形成種子點的種子區域。
步驟A2:然後對於生長點集中的任一點,當該點未曾被選作為種子點、且不在已選做種子點的種子區域中時,將該點作為種子點,從屬於所述人體部位的基礎點集中,獲取概率大於第三預設閾值、且以在所述人體影像中的位置為基準、與種子點的像素距離小於第二預設距離的點,形成種子點的種子區域。
其中,當種子點集中不存在未曾選作為種子點且不在任一種子點的種子區域中的點時,種子區域的劃分才完成。
其中,以在所述人體影像中的位置為基準、與種子點的像素距離小於第二預設距離的點例如是:根據種子點在人體影像中的位置,從基礎點集中,查找到的與種子點的像素距離為預設像素點的點。
2)、其中步驟106可具體執行為以下步驟:
步驟B1:針對每一個種子區域的重心,從所述基礎點集中獲取與該重心的像素距離小於等於第一預設距離的點的概率。
步驟B2:計算與該重心的像素距離小於等於第一預設距離的點的概率的和,將計算的和作為該重心的預測概率。
其中,以概率的和值作為重心的預測概率,能夠簡單方便的計算該重心為人體部位的中心點的概率大小,提高計算速度。
其中,當然也可以採用其它方法計算各重心的預測概率,例如,當預設範圍為以重心為中心、以n(n為正整數)個像素點的距離為半徑的圓形區域時,將該圓形區域按照距離重心的遠近劃分為預設數量的圓環形區域。例如,如圖2所示,當n為3時,將第一預設距離按照以重心O為中心,分別以1個像素點、2個像素點和3個像素點的距離為半徑的圓,將第一預設距離的範圍劃分出3個圓環形區域,這三個圓環形區域分別為區域1、區域2(圖2中黑色標識的圓環形區域)和區域3。然後為各區域設置權重,其中,區域1表示距離重心最近,則該區域對應的權值最大,區域3距離重心最遠,則區域3的權值最小。對預設範圍內的任一點,將該點屬於人體部位的概率乘以該點所在區域的權值作為該點的新概率,然後將預設範圍內的各點的新概率的和作為重心的預測概率。由於距離重心越近權重越大,這樣能夠增加中心周圍的點的概率的作用。當然,也可以使用其它方法計算重心為人體部位的中心點的預測概率,本發明對此不做限定。
3)、其中,步驟107中,當預測概率最大的重心為基礎點集中的點時,基礎點集中距離該重心最近的點即是重心本身。即步驟107中包括將預測概率最大的重心作為基礎點集的重心的情況,由此,通過步驟107,最終獲得的中心 點都能夠在人體部位上。這樣,即使基於概率的部位分類技術分割的部位不準確(例如、即使由於環境或衣著的影響,一個部位被分割成至少兩部分,或者由於受動作的影響,一個部位中間出現空洞時),根據步驟107確定的中心點都能夠落在人體部位上,從而提高確定中心點的準確性。
4)、為了簡化計算,並優化用於提取中心點的基礎點集,本發明實施例中,在步驟103形成生長點集之前,還可以濾除所述基礎點集中,與所述人體部位的其它點不相鄰的點。這樣,不僅可以減少用於提取中心點的數據量,還能夠優化用於提取中心點的基礎數據,從而提高提取中心點的準確性。
綜上,本發明實施例,引入屬於待提取中心點的人體部位的概率作為提取中心點的參數,並通過種子點將屬於人體部位的點劃分至不同種子區域,然後根據種子區域,得出各種子區域的重心,再進一步根據重心的周圍點的概率,確定出最有可能接近中心點的重心,使得最終獲得的中心點與概率緊密聯繫,從而降低基於概率的部位分類技術分得的人體部位不準確對提取中心點的影響,提高提取中心點的準確性,並且本發明的提取中心點的方法簡便,能夠滿足實時處理的處理速度需求。
實施例二
如圖3所示,以提取頭部的中心點為例,對本發明實施例中提供的圖像處理中人體特徵的提取方法進行說明,該方法包括以下步驟:
步驟301:在預先獲取的人體影像中,獲取屬於頭部的概率不為0的點,形成頭部的初始點集。
步驟302:濾除初始點集中,概率小於第等於第一預設閾值的點,並濾除與頭部的其它點不相鄰的點,形成基礎點集。
步驟303:從所述基礎點集中,獲取概率大於第二預設閾值的點,形成生長點集。
步驟304:針對所述生長點集中的任一點,當該點滿足預設條件時,執行以下操作:以該點為種子點,通過區域生長法獲得與該種子點對應的種子區域; 所述預設條件包括:未曾被選作為種子點、且不在任一種子點的種子區域中。
步驟305:針對所述頭部的每一個種子區域,將該種子區域中的每一個點的概率視為該點的密度、並根據該種子區域中每一個點的密度,以及每一個點在所述人體影像中的位置坐標,計算該種子區域的重心。
步驟306:針對每一個種子區域的重心,從所述基礎點集中獲取與該重心的像素距離小於等於第一預設距離的點的概率,並計算獲取的點的概率的和,將計算的和作為該重心為頭部的中心點的預測概率。
步驟307:將基礎點集中距離預測概率最大的重心最近的點,確定為頭部的中心點。
本發明實施例,通過根據屬於頭部的概率,和屬於頭部的點的位置坐標提取出頭部的中心點,從而能夠降低部位分類不準確對提取中心點的影響,提高提取中心點的準確性。
實施例三
基於相同的發明構思,本發明實施例還提供一種圖像處理中人體特徵的提取裝置,如圖4所示,所述裝置包括:
概率計算模塊401,用於針對預先獲取的人體影像,計算所述人體影像中的每個像素點屬於各個人體部位的概率;
基礎點集獲取模塊402,用於針對任一待提取中心點的人體部位,由屬於所述人體部位的概率大於第一預設閾值的點組成所述人體部位的基礎點集;
生長點集確定模塊403,用於從所述基礎點集中,獲取概率大於第二預設閾值的點,形成生長點集,其中所述第二預設閾值大於所述第一預設閾值;
種子區域形成模塊404,用於針對所述生長點集中的任一點,當該點滿足預設條件時,執行以下操作:以該點為種子點,通過區域生長法獲得與該種子點對應的種子區域;所述預設條件包括:未曾被選作為種子點、且不在任一種子點的種子區域中;
重心計算模塊405,用於針對所述人體部位的每一個種子區域,將該種子 區域中的每一個點的概率視為該點的密度、並根據該種子區域中每一個點的密度,以及每一個點在所述人體影像中的位置坐標,計算該種子區域的重心;
預測概率計算模塊406,用於針對每一個種子區域的重心,根據所述基礎點集中與該重心的像素距離小於等於第一預設距離的點的概率,計算該重心為所述人體部位的中心點的預測概率;
中心點確定模塊407,用於將基礎點集中距離預測概率最大的重心最近的點,確定為所述人體部位的中心點。
其中,在一個實施例中,所述種子區域形成模塊,具體用於從所述基礎點集中,獲取概率大於第三預設閾值、且與所述種子點的像素距離小於第二預設距離的點,形成種子區域;其中,所述第三預設閾值小於所述第二預設閾值。
其中,在一個實施例中,如圖5所示,所述裝置還包括:
濾除模塊408,用於所述生長點集確定模塊從所述基礎點集中,獲取概率大於第二預設閾值的點,形成生長點集之前,濾除所述基礎點集中,與所述人體部位的其它點不相鄰的點。
其中,在一個實施例中,如圖5所示,所述預測概率計算模塊406,具體包括:
概率獲取單元409,用於針對每一個種子區域的重心,從所述基礎點集中獲取與該重心的像素距離小於等於第一預設距離的點的概率;
預測概率計算單元410,用於計算與該重心的像素距離小於等於第一預設距離的點的概率的和,將計算的和作為該重心的預測概率。
關於上述實施例中的裝置,其中各個模塊執行操作的具體方式已經在有關該方法的實施例中進行了詳細描述,此處將不做詳細闡述說明。
本領域內的技術人員應明白,本發明的實施例可提供為方法、系統、或電腦程式產品。因此,本發明可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且,本發明可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、 CD-ROM、光學存儲器等)上實施的電腦程式產品的形式。
本發明是參照根據本發明實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器,使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中,使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品,該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上,使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理,從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
儘管已描述了本發明的優選實施例,但本領域內的技術人員一旦得知了基本創造性概念,則可對這些實施例作出另外的變更和修改。所以,所附權利要求意欲解釋為包括優選實施例以及落入本發明範圍的所有變更和修改。
顯然,本領域的技術人員可以對本發明進行各種改動和變型而不脫離本發明的精神和範圍。這樣,倘若本發明的這些修改和變型屬於本發明權利要求及其等同技術的範圍之內,則本發明也意圖包含這些改動和變型在內。