一种基于深度图像的人头分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CN104517095A(43)申请公布日(43)申请公布日2015.04.15(21)申请号201310463756.5(22)申请日2013.10.08(71)申请人南京理工大学地址210094江苏省南京市孝陵卫200号(72)发明人钱惟贤顾骋顾国华尹章芹周霞陈钱路东明任侃任建乐(74)专利代理机构南京理工大学专利中心32203代理人朱显国(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06T7/20(2006.01)G06T7/40(2006.01)权利要求书1页说明书5页附图3页(54)发明名称一种基于深度图像的人头分割方法(57)摘要本发明提出一种基于深度图像的人头分割方法。该方法对采用双目摄像机以俯视角度采集到的图像使用运动目标检测的方法提取出图像中的运动区域；然后对图像中的运动区域进行快速立体匹配获得运动区域的视差图，在快速立体匹配过程中使用视差验证；将运动区域的视差图转换为深度图并运用深度分割的方法得到包含有人头信息的深度层，使用数学形态学操作获取到人头轮廓。本发明方法精度高、计算速度快，有很好的鲁棒性和实时性。CN104517095ACN104517095A权利要求书1/1页1.一种基于深度图像的人头分割方法，其特征在于，包括以下步骤：步骤一：使用双目摄像机以俯视角度预先采集监视区域的无人场景作为背景图像B，然后采集有人的场景作为原始图像I，对背景图像B和原始图像I做帧间差分求取原始图像I的运动区域；步骤二：对原始图像I的运动区域进行快速立体匹配计算出运动区域内每一个像素点的视差值，获得运动区域的视差图，所述快速立体匹配的过程为：2.1采用边缘检测提取原始图像I的强纹理点，对原始图像I中属于运动区域的强纹理点进行SAD匹配求取视差值；2.2对属于运动区域的非强纹理点进行视差验证并计算其视差值，具体过程为：假设当前非强纹理点的视差值和前一强纹理点的视差值相同，计算出当前非强纹理点在前一强纹理点视差值下的SAD值，若该SAD值小于预先设定的视差验证阈值Ty，则赋予当前非强纹理点与前一强纹理点相同的视差值，若该SAD值大于预先设定的视差验证阈值Ty，则通过SAD匹配计算出当前非强纹理点的视差值，并将当前非强纹理点标记为对下一个非强纹理点进行视差验证时所使用的强纹理点；步骤三：将原始图像I运动区域的视差图转换为深度图，并将深度图灰度值归一化到0～255的范围内，然后对归一化后的深度图使用深度分割的方法提取深度图中仅含有人头信息的深度层，所述深度分割方法中使用的深度分割阈值Ts由深度图中人员头部所在范围和整个深度图的范围决定，最后对仅含有人头信息的深度层进行数学形态学操作获取人头轮廓。2.根据权利要求1所述的基于深度图像的人头分割方法，其特征在于，所述步骤一中对背景图像B和原始图像I做帧间差分后，以预先设定的运动分离阈值TM对帧差图像进行二值化处理后，获取原始图像I的运动区域。3.根据权利要求1所述的基于深度图像的人头分割方法，其特征在于，所述步骤二中对SAD匹配施以匹配约束条件，实施匹配约束条件的方法如下：3.1将人员在原始图像I中可能出现的区域限定为匹配的搜索范围，所述人员在原始图像I中可能出现的区域由人员的高度和摄像机距离地面的高度决定；3.2使用灰度相似性约束删除搜索范围内灰度值与基准点灰度值相差较大的像素点；3.3使用斜坡约束，对满足灰度相似性约束的全部像素点计算其梯度形态，选取满足相同梯度形态的像素点作为SAD匹配的候选像素点。2CN104517095A说明书1/5页一种基于深度图像的人头分割方法技术领域[0001]本发明属于数字图像处理与模式识别领域，具体涉及一种基于深度图像的人头分割方法。背景技术[0002]在许多商业和公共场所，如车站、公共汽车、商场、影院等场所需要采集人员流动信息。这些信息能够用来决定商场的租赁价格、了解商品的销售情况；决定广告的投放效益；帮助车站安全高效地安排附属设施；帮助交通运营部门恰当地分配人力、物力、财力，合理地调整路线。出于上述实际应用需求，自动人员计数系统一直是研究人员关注和学习的热点。早年的自动人员计数系统都是一些机械装置、传感器，如红外光束检测、机械传动式自动检测、光幕传感器自动人员计数等。这些系统能够完成一定的计数任务，但在实际使用中机械装置存在严重的性能退化、漏检等问题，特别是多人同时通过传感器时，上述问题会频繁出现。[0003]随着计算机视觉的兴起，其可视化、自动化、对复杂场景的高适应性等优点将自动人员检测系统引入了新的领域，发展出了许多高效新颖的检测方法。这些方法都有一个共通点，那就是通过检测人头来实现监测人员流动的情况，因为