CN108921834A - 一种人体前景检测*** - Google Patents
一种人体前景检测*** Download PDFInfo
- Publication number
- CN108921834A CN108921834A CN201810676902.5A CN201810676902A CN108921834A CN 108921834 A CN108921834 A CN 108921834A CN 201810676902 A CN201810676902 A CN 201810676902A CN 108921834 A CN108921834 A CN 108921834A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- feature parameter
- detection
- human body
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种人体前景检测***,包括图像获取模块、图像预处理模块、第一前景检测模块、图像参数确定模块、图像筛选模块和第二前景检测模块,所述图像获取模块用于获取检测图像,所述图像预处理模块用于对检测图像进行滤波处理,所述第一前景检测模块用于对检测图像的人体前景进行检测,所述图像参数确定模块用于确定图像的特征参数,所述图像筛选模块用于根据图像的特征参数剔除不合格的检测图像,所述第二前景检测模块用于根据剔除不合格检测图像后的检测图像对人体前景进行检测。本发明的有益效果为:实现了图像的准确获取和人体前景检测,克服了以往前景检测过程中使用可能破坏背景模型的图像进行前景检测,提升了前景检测的鲁棒性。
Description
技术领域
本发明涉及人体检测技术领域,具体涉及一种人体前景检测***。
背景技术
随着社会的发展,服务机器人逐渐进入人们的日常生活。目前,服务机器人往往只能由专业技术人员针对特定的应用领域进行研发,而机器人的智能水平还没有达到自主适应不同场合的程度,因此影响了机器人的普及。人机交互是作为服务机器人的关键技术,对服务机器人的发展起着重要的推动作用。而对人体进行准确检测是服务机器人亟待解决的问题。
发明内容
针对上述问题,本发明旨在提供一种人体前景检测***。
本发明的目的采用以下技术方案来实现:
提供了一种人体前景检测***,包括图像获取模块、图像预处理模块、第一前景检测模块、图像参数确定模块、图像筛选模块和第二前景检测模块,所述图像获取模块用于获取检测图像,所述图像预处理模块用于对检测图像进行滤波处理,所述第一前景检测模块用于对检测图像的人体前景进行检测,所述图像参数确定模块用于确定图像的特征参数,所述图像筛选模块用于根据图像的特征参数剔除不合格的检测图像,所述第二前景检测模块用于根据剔除不合格检测图像后的检测图像对人体前景进行检测。
本发明的有益效果为:实现了图像的准确获取和人体前景检测,通过对图像进行筛选,克服了以往前景检测过程中使用可能破坏背景模型的图像进行前景检测,提升了前景检测的鲁棒性。
可选的,所述图像参数确定模块包括第一特征参数确定模块、第二特征参数确定模块和第三特征参数确定模块,所述第一特征参数确定模块用于确定图像的第一特征参数,所述第二特征参数确定模块用于确定图像的第二特征参数,所述第三特征参数确定模块用于确定图像的第三特征参数。
可选的,所述第一特征参数确定模块用于确定图像的第一特征参数,具体为:
将图像在HSL空间表示,用P(0)表示背景图像,P(t)表示t时刻的图像,P(t-1)表示t-1时刻的图像;
采用下式确定图像第一特征参数C1(t):
式中,C1(t)表示图像的第一特征参数,M表示图像的宽,N表示图像的高,x和y表示图像的第x行和第y列,l(t,x,y)表示P(t)在位置(x,y)处的亮度值,T1表示预先设定的亮度阈值;所述第一特征参数越大,表示t时刻图像亮度越高。
可选的,所述第二特征参数确定模块用于确定图像的第二特征参数,具体为:
将图像在灰度空间表示,用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa,采用下式将灰度差分图像转化为二值边缘图像Pb:式中,Pb(x,y)表示二值边缘图像Pb在位置(x,y)的像素值,Pa(x,y)表示灰度差分图像Pa在位置(x,y)的像素值,T2表示预先设定的二值化阈值;
设P(0)的边缘图像为Pb(0),P(t)的边缘图像为Pb(t),P(t-1)的边缘图像为Pb(t-1),采用下式确定图像第二特征参数C2(t,0)、C2(t,t-1):
式中,C2(t,0)、C2(t,t-1)表示图像的第二特征参数,表示异或操作,∪表示或操作,S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数;所述第二特征参数越大,表示两幅图像边缘之间的差异程度越大。
可选的,所述第三特征参数确定模块用于确定图像的第三特征参数,具体为:
采用下式确定图像第三特征参数C3(t):
式中,C3(t)表示图像的第三特征参数,Pf(t)表示t时刻二值图像,前景像素的值为255,背景像素的值为0,S(Pf(t))表示Pf(t)中值不等于0的像素的个数;所述第三特征参数越大,表示t时刻前景像素的个数占图像像素总数的比例越高。
可选的,所述图像筛选模块包括第一图像筛选模块、第二图像筛选模块和第三图像筛选模块,所述第一图像筛选模块用于对相似图像进行剔除,所述第二图像筛选模块用于对场景变化剧烈图像进行剔除,所述第三图像筛选模块用于对发生错误前景检测的图像进行剔除。
可选的,所述第一图像筛选模块用于对相似图像进行剔除,具体为:若同时满足C2(t,0)<Y0,C2(t,t-1)<Y0,C3(t-1)<Y1,则将该图像作为相似图像进行剔除,其中,Y0表示判断两幅图像边缘是否相同的阈值,若小于该阈值,则认为两幅图像相同,Y1表示判断前景物体是否可以忽略的阈值,若小于该阈值,则认为前景可以忽略;
所述第二图像筛选模块用于对场景变化剧烈图像进行剔除,具体为:若满足C1(t)>Y2,则认为该图像场景变化剧烈,进行剔除,其中,Y2表示判断图像是否为高亮度图像的阈值,若大于该阈值,则图像为高亮度图像;
所述第三图像筛选模块用于对发生错误前景检测的图像进行剔除,具体为:若满足C2(t,0)>Y0,C2(t,t-1)>Y0,则将该图像作为发生错误前景检测的图像进行剔除。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
图像获取模块1、图像预处理模块2、第一前景检测模块3、图像参数确定模块4、图像筛选模块5、第二前景检测模块6。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种人体前景检测***,包括图像获取模块1、图像预处理模块2、第一前景检测模块3、图像参数确定模块4、图像筛选模块5和第二前景检测模块6,所述图像获取模块1用于获取检测图像,所述图像预处理模块2用于对检测图像进行滤波处理,所述第一前景检测模块3用于对检测图像的人体前景进行检测,所述图像参数确定模块4用于确定图像的特征参数,所述图像筛选模块5用于根据图像的特征参数剔除不合格的检测图像,所述第二前景检测模块6用于根据剔除不合格检测图像后的检测图像对人体前景进行检测。
本实施例实现了图像的准确获取和人体前景检测,通过对图像进行筛选,克服了以往前景检测过程中使用可能破坏背景模型的图像进行前景检测,提升了前景检测的鲁棒性。
优选的,所述图像参数确定模块4包括第一特征参数确定模块、第二特征参数确定模块和第三特征参数确定模块,所述第一特征参数确定模块用于确定图像的第一特征参数,所述第二特征参数确定模块用于确定图像的第二特征参数,所述第三特征参数确定模块用于确定图像的第三特征参数;
所述第一特征参数确定模块用于确定图像的第一特征参数,具体为:
将图像在HSL空间表示,用P(0)表示背景图像,P(t)表示t时刻的图像,P(t-1)表示t-1时刻的图像;
采用下式确定图像第一特征参数C1(t):
式中,C1(t)表示图像的第一特征参数,M表示图像的宽,N表示图像的高,x和y表示图像的第x行和第y列,l(t,x,y)表示P(t)在位置(x,y)处的亮度值,T1表示预先设定的亮度阈值;所述第一特征参数越大,表示t时刻图像亮度越高;
所述第二特征参数确定模块用于确定图像的第二特征参数,具体为:
将图像在灰度空间表示,用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa,采用下式将灰度差分图像转化为二值边缘图像Pb:式中,Pb(x,y)表示二值边缘图像Pb在位置(x,y)的像素值,Pa(x,y)表示灰度差分图像Pa在位置(x,y)的像素值,T2表示预先设定的二值化阈值;
设P(0)的边缘图像为Pb(0),P(t)的边缘图像为Pb(t),P(t-1)的边缘图像为Pb(t-1),采用下式确定图像第二特征参数C2(t,0)、C2(t,t-1):
式中,C2(t,0)、C2(t,t-1)表示图像的第二特征参数,表示异或操作,∪表示或操作,S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数;所述第二特征参数越大,表示两幅图像边缘之间的差异程度越大;
所述第三特征参数确定模块用于确定图像的第三特征参数,具体为:
采用下式确定图像第三特征参数C3(t):
式中,C3(t)表示图像的第三特征参数,Pf(t)表示t时刻二值图像,前景像素的值为255,背景像素的值为0,S(Pf(t))表示Pf(t)中值不等于0的像素的个数;所述第三特征参数越大,表示t时刻前景像素的个数占图像像素总数的比例越高;
本优选实施例将图像亮度和边缘特征的变化作为图像参数,通过图像特征变化的参数来描述输入图像和前景检测结果。通过描述输入图像,避免使用可能破坏背景模型的图像进行背景模型的更新;具体的,第一特征参数越大,表示t时刻图像亮度越高,第二特征参数越大,表示两幅图像边缘之间的差异程度越大,第三特征参数越大,表示t时刻前景像素的个数占图像像素总数的比例越高;
优选的,所述图像筛选模块5包括第一图像筛选模块、第二图像筛选模块和第三图像筛选模块,所述第一图像筛选模块用于对相似图像进行剔除,所述第二图像筛选模块用于对场景变化剧烈图像进行剔除,所述第三图像筛选模块用于对发生错误前景检测的图像进行剔除;
所述第一图像筛选模块用于对相似图像进行剔除,具体为:若同时满足C2(t,0)<Y0,C2(t,t-1)<Y0,C3(t-1)<Y1,则将该图像作为相似图像进行剔除,其中,Y0表示判断两幅图像边缘是否相同的阈值,若小于该阈值,则认为两幅图像相同,Y1表示判断前景物体是否可以忽略的阈值,若小于该阈值,则认为前景可以忽略;
所述第二图像筛选模块用于对场景变化剧烈图像进行剔除,具体为:若满足C1(t)>Y2,则认为该图像场景变化剧烈,进行剔除,其中,Y2表示判断图像是否为高亮度图像的阈值,若大于该阈值,则图像为高亮度图像;
所述第三图像筛选模块用于对发生错误前景检测的图像进行剔除,具体为:若满足C2(t,0)>Y0,C2(t,t-1)>Y0,则将该图像作为发生错误前景检测的图像进行剔除;
本优选实施例实现了图像的滤除,保证了图像前景检测的准确性,具体的,根据第一特征参数、第二特征参数和第三特征图像对相似图像、场景剧烈变化图像和发生错误前景检测的图像进行剔除,实现了图像的准确剔除。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术目的地应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (7)
1.一种人体前景检测***,其特征在于,包括图像获取模块、图像预处理模块、第一前景检测模块、图像参数确定模块、图像筛选模块和第二前景检测模块,所述图像获取模块用于获取检测图像,所述图像预处理模块用于对检测图像进行滤波处理,所述第一前景检测模块用于对检测图像的人体前景进行检测,所述图像参数确定模块用于确定图像的特征参数,所述图像筛选模块用于根据图像的特征参数剔除不合格的检测图像,所述第二前景检测模块用于根据剔除不合格检测图像后的检测图像对人体前景进行检测。
2.根据权利要求1所述的人体前景检测***,其特征在于,所述图像参数确定模块包括第一特征参数确定模块、第二特征参数确定模块和第三特征参数确定模块,所述第一特征参数确定模块用于确定图像的第一特征参数,所述第二特征参数确定模块用于确定图像的第二特征参数,所述第三特征参数确定模块用于确定图像的第三特征参数。
3.根据权利要求2所述的人体前景检测***,其特征在于,所述第一特征参数确定模块用于确定图像的第一特征参数,具体为:
将图像在HSL空间表示,用P(0)表示背景图像,P(t)表示t时刻的图像,P(t-1)表示t-1时刻的图像;
采用下式确定图像第一特征参数C1(t):
式中,C1(t)表示图像的第一特征参数,M表示图像的宽,N表示图像的高,x和y表示图像的第x行和第y列,l(t,x,y)表示P(t)在位置(x,y)处的亮度值,T1表示预先设定的亮度阈值;所述第一特征参数越大,表示t时刻图像亮度越高。
4.根据权利要求3所述的人体前景检测***,其特征在于,所述第二特征参数确定模块用于确定图像的第二特征参数,具体为:
将图像在灰度空间表示,用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa,采用下式将灰度差分图像转化为二值边缘图像Pb:式中,Pb(x,y)表示二值边缘图像Pb在位置(x,y)的像素值,Pa(x,y)表示灰度差分图像Pa在位置(x,y)的像素值,T2表示预先设定的二值化阈值;
设P(0)的边缘图像为Pb(0),P(t)的边缘图像为Pb(t),P(t-1)的边缘图像为Pb(t-1),采用下式确定图像第二特征参数C2(t,0)、C2(t,t-1):
式中,C2(t,0)、C2(t,t-1)表示图像的第二特征参数,表示异或操作,∪表示或操作,S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数;所述第二特征参数越大,表示两幅图像边缘之间的差异程度越大。
5.根据权利要求4所述的人体前景检测***,其特征在于,所述第三特征参数确定模块用于确定图像的第三特征参数,具体为:
采用下式确定图像第三特征参数C3(t):
式中,C3(t)表示图像的第三特征参数,Pf(t)表示t时刻二值图像,前景像素的值为255,背景像素的值为0,S(Pf(t))表示Pf(t)中值不等于0的像素的个数;所述第三特征参数越大,表示t时刻前景像素的个数占图像像素总数的比例越高。
6.根据权利要求5所述的人体前景检测***,其特征在于,所述图像筛选模块包括第一图像筛选模块、第二图像筛选模块和第三图像筛选模块,所述第一图像筛选模块用于对相似图像进行剔除,所述第二图像筛选模块用于对场景变化剧烈图像进行剔除,所述第三图像筛选模块用于对发生错误前景检测的图像进行剔除。
7.根据权利要求6所述的人体前景检测***,其特征在于,所述第一图像筛选模块用于对相似图像进行剔除,具体为:若同时满足C2(t,0)<Y0,C2(t,t-1)<Y0,C3(t-1)<Y1,则将该图像作为相似图像进行剔除,其中,Y0表示判断两幅图像边缘是否相同的阈值,若小于该阈值,则认为两幅图像相同,Y1表示判断前景物体是否可以忽略的阈值,若小于该阈值,则认为前景可以忽略;
所述第二图像筛选模块用于对场景变化剧烈图像进行剔除,具体为:若满足C1(t)>Y2,则认为该图像场景变化剧烈,进行剔除,其中,Y2表示判断图像是否为高亮度图像的阈值,若大于该阈值,则图像为高亮度图像;
所述第三图像筛选模块用于对发生错误前景检测的图像进行剔除,具体为:若满足C2(t,0)>Y0,C2(t,t-1)>Y0,则将该图像作为发生错误前景检测的图像进行剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810676902.5A CN108921834A (zh) | 2018-06-27 | 2018-06-27 | 一种人体前景检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810676902.5A CN108921834A (zh) | 2018-06-27 | 2018-06-27 | 一种人体前景检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108921834A true CN108921834A (zh) | 2018-11-30 |
Family
ID=64422484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810676902.5A Withdrawn CN108921834A (zh) | 2018-06-27 | 2018-06-27 | 一种人体前景检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921834A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163101A (zh) * | 2020-01-22 | 2021-07-23 | 浙江宇视科技有限公司 | 图像曝光调整方法、装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069790A (zh) * | 2015-08-06 | 2015-11-18 | 潍坊学院 | 一种齿轮外观缺陷快速影像检测方法 |
CN105205484A (zh) * | 2014-11-26 | 2015-12-30 | 中国人民解放军第二炮兵工程大学 | 基于曲波变换与维纳滤波的合成孔径雷达目标检测方法 |
CN107993254A (zh) * | 2017-12-14 | 2018-05-04 | 广西科技大学 | 基于关联帧差分法的运动目标检测方法 |
-
2018
- 2018-06-27 CN CN201810676902.5A patent/CN108921834A/zh not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205484A (zh) * | 2014-11-26 | 2015-12-30 | 中国人民解放军第二炮兵工程大学 | 基于曲波变换与维纳滤波的合成孔径雷达目标检测方法 |
CN105069790A (zh) * | 2015-08-06 | 2015-11-18 | 潍坊学院 | 一种齿轮外观缺陷快速影像检测方法 |
CN107993254A (zh) * | 2017-12-14 | 2018-05-04 | 广西科技大学 | 基于关联帧差分法的运动目标检测方法 |
Non-Patent Citations (1)
Title |
---|
马琼雄: "基于视觉的服务机器人人机交互技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113163101A (zh) * | 2020-01-22 | 2021-07-23 | 浙江宇视科技有限公司 | 图像曝光调整方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4664432B2 (ja) | ショットサイズ識別装置及び方法、電子機器、並びにコンピュータプログラム | |
CN1825984B (zh) | 信息处理方法和装置 | |
CN106412573A (zh) | 一种检测镜头污点的方法和装置 | |
CN101014963A (zh) | 借助移动台检测代码的方法 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
US20120207379A1 (en) | Image Inspection Apparatus, Image Inspection Method, And Computer Program | |
US20130170756A1 (en) | Edge detection apparatus, program and method for edge detection | |
US7333656B2 (en) | Image processing method and image processing apparatus | |
CN110706182A (zh) | 一种屏蔽罩平面度检测方法、装置、终端设备及存储介质 | |
CN104680504A (zh) | 场景变化检测方法及其装置 | |
JP6924064B2 (ja) | 画像処理装置およびその制御方法、ならびに撮像装置 | |
CN105338342A (zh) | 一种图像坏点的检测方法及装置 | |
CN112798613B (zh) | Lcd异物缺陷彩色成像检测方法、电子设备及存储介质 | |
CN108107611B (zh) | 一种自适应缺陷检测方法、装置及电子设备 | |
CN105243662A (zh) | 一种端子位置的确定方法及终端设备 | |
CN100525475C (zh) | 影像清晰检测方法 | |
CN105049706A (zh) | 一种图像处理方法及终端 | |
CN113781396A (zh) | 屏幕缺陷检测方法、装置、设备和存储介质 | |
CN116129102A (zh) | 一种基于改进型图像处理算法的水表识别方法及相关装置 | |
CN109060830B (zh) | 显示屏的杂质的检测方法和装置 | |
CN108921834A (zh) | 一种人体前景检测*** | |
CN108154077B (zh) | 火灾自动定位式照相平台 | |
CN113554583A (zh) | 一种显示面板的检测方法及检测*** | |
JP2021052238A (ja) | 付着物検出装置および付着物検出方法 | |
CN116958058A (zh) | 镜头脏污检测方法、装置及图像检测设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181130 |
|
WW01 | Invention patent application withdrawn after publication |