CN109413152A - 图像处理方法、装置、存储介质及电子设备 - Google Patents

Abstract

本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备，所述方法包括：拍摄获取深度图像；当检测到所述深度图像包括人体图像时，将所述深度图像压缩得到第一信息；将所述第一信息发送给服务器；接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法处理得到。利用服务器进行运算量较大的体感运算，可以降低本地设备的负担，同时，配置更高的服务器可以进行更加复杂的体感运算，提高体感运算的准确性。另外，将深度图像压缩发送给服务器，既可以降低本地设备的运算量，又可以将更多的基础信息给服务器。

Description

图像处理方法、装置、存储介质及电子设备

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法、装置、存储介质及电子设备。

背景技术

随着电子技术的不断发展，电子设备如手机的功能越来越强大，用户可以在手机上安装各式各样的应用程序，比如视频类应用、即时通讯类应用以及游戏应用等等。

相关技术中，游戏类应用越来越注重人机交互，特别是体感游戏。体感游戏通过捕捉用户的动作轮廓来实现控制***中的特定角色或载具。但是，其中对动作轮廓的识别和跟踪算法需要较多的***资源，对电子设备如手机的负担较大。

发明内容

本申请实施例提供一种图像处理方法、装置、存储介质及电子设备，可以降低电子设备如手机的负担。

第一方面，本申请实施例提供了一种图像处理方法，包括：

拍摄获取深度图像；

当检测到所述深度图像包括人体图像时，将所述深度图像压缩得到第一信息；

将所述第一信息发送给服务器；

接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法处理得到。

第二方面，本申请实施例还提供了一种图像处理方法，包括：

获取压缩后的深度图像信息，并解压所述压缩后的深度图像信息，得到深度图像；

对所述深度图像进行分析，得到所述深度图像中的人体信息；

根据体感算法对所述人体信息进行处理，得到控制指令；

根据所述控制指令生成待播放图像信息，并将所述待播放图像信息发送出去。

第三方面，本申请实施例还提供了一种图像处理装置，包括：

获取单元，用于拍摄获取深度图像；

压缩单元，用于当检测到所述深度图像包括人体图像时，将所述深度图像压缩得到第一信息；

发送单元，用于将所述第一信息发送给服务器；

接收单元，用于接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法处理得到。

第四方面，本申请实施例还提供了一种图像处理装置，包括：

解压单元，用于获取压缩后的深度图像信息，并解压所述压缩后的深度图像信息，得到深度图像；

分析单元，用于对所述深度图像进行分析，得到所述深度图像中的人体信息；

处理单元，用于根据体感算法对所述人体信息进行处理，得到控制指令；

生成单元，用于根据所述控制指令生成待播放图像信息，并将所述待播放图像信息发送出去。

第五方面，本申请实施例还提供了一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的图像处理方法。

第六方面，本申请实施例还提供了一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的图像处理方法。

本申请实施例首先拍摄获取深度图像，然后当深度图像包括人体图像时，将深度图像压缩并将压缩后的信息发送给服务器，让服务器跟进体感算法对深度图像进行处理，最后接收服务器处理后返回的第二信息。利用服务器进行运算量较大的体感运算，可以降低本地设备的负担，同时，配置更高的服务器可以进行更加复杂的体感运算，提高体感运算的准确性。另外，将深度图像压缩发送给服务器，既可以降低本地设备的运算量，又可以将更多的基础信息给服务器。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。

图1是本申请实施例提供的图像处理方法的流程示意图。

图2为本申请实施例提供的图像处理方法的场景示意图。

图3为本申请实施例提供的图像处理方法的另一流程示意图。

图4为本申请实施例提供的图像处理方法的另一场景示意图。

图5为本申请实施例提供的图像处理方法的又一流程示意图。

图6为本申请实施例提供的图像处理装置的模块示意图。

图7为本申请实施例提供的图像处理装置的另一模块示意图。

图8为本申请实施例提供的电子设备的结构示意图。

图9为本申请实施例提供的电子设备的另一结构示意图。

具体实施方式

请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。

本申请实施例提供一种图像处理方法，该图像处理方法的执行主体可以是本申请实施例提供的图像处理装置，或者集成了该图像处理装置的电子设备，其中该图像处理装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑(PDA，Personal Digital Assistant)、服务器等。

以下进行具体分析说明。

请参阅图1，图1为本申请实施例提供的图像处理方法的流程示意图。该图像处理方法可以包括：

101，拍摄获取深度图像。

其中，电子设备可以通过调用摄像头组件实时拍摄获取深度图像。其中，摄像头组件可以包括深度摄像头，还可以包括深度摄像头和RGB摄像头。

电子设备可以为移动终端(如手机)，则摄像头组件可以为移动终端的前置摄像头，也可以为移动终端的后置摄像头。

需要说明的是，该深度图像可以为的格式可以为位图(BitMaP，BMP)、联合照片专家组(Joint Photographic Expert Group，JPEG)等等格式。

102，当检测到深度图像包括人体图像时，将深度图像压缩得到第一信息。

对深度图像进行轮廓分析，由于人体上一般有多个轮廓信息，比如人脸轮廓信息，关节轮廓信息等等，所以可以识别出多个轮廓信息，根据多个轮廓信息组合确定并判断深度图像是否包括人体图像。若包括人体图像，则将深度图像压缩得到第一信息。

在一些实施例中，将深度图像压缩得到第一信息具体可以为：利用深度图像的稀疏性进行压缩，得到第一信息。

深度图像具有明显的稀疏性，利用深度图像具有明显稀疏性的特征，对深度图像压缩可以得到压缩比例较好，同时损失又少的第一信息。

在一些实施例中，利用深度图像的稀疏性进行压缩，得到第一信息具体可以包括：

将深度图像分块，得到有效数据块；

将有效数据块的信息进行稀疏变换，得到稀疏信息；

将稀疏信息通过压缩感知算法处理，得到压缩感知信息；

对压缩感知信息进行凸优化处理，得到简化信息和待处理信息；

根据简化信息和待处理信息得到第一信息。

其中，首先分析深度图像的稀疏性，将深度图像分块，具体的，对空间系数为0值的区域进行划分，得到空间系数为0值的单一数据块、以及空间系数非0值的有效数据块。然后将有效数据块的信息进行稀疏变换，即，对空间系数非0值的区域进行稀疏变换，例如，如采用L0范数对信号建模，利用稀疏性使0系数最小化，将有效数据块内的有效信号从N维空间投影到M维空间当中，得到稀疏信息，其中M远小于N。接着将稀疏信号通过压缩感觉算法处理，具体的，对非0值的区域做稀疏变换后，重新做区域做划分，得到新的分块。然后，对压缩感知信息进行凸优化处理，具体的，利用L1模型与L0模型近似等价的特性，将难于求解的L0模型转换为L1模型，求解该凸优化问题，将分块后的非0值区域进行压缩。求解凸优化后，原始图像分解为：空间大量压缩的0系数的区域(简化信息)，以及空间少量压缩的非0系数区域(待处理信息)。根据空间大量压缩的0系数的区域，以及空间少量压缩的非0系数区域得到第一信息。

103，将第一信息发送给服务器。

得到压缩后的第一信息后，将该第一信息发送给服务器，让服务器对该第一信息进行处理。

需要说明的是，本申请实施例中服务器可以为云服务器，也可以本地服务器，也可以为远端服务器。

104，接收服务器返回的第二信息，第二信息为第一信息根据体感算法处理得到。

服务器根据体感算法对第一信息处理完成后，得到第二信息。接收服务器返回的第二信息。

如图2所示，电子设备100通过前置摄像头获取深度图像，该深度图像中包括用户400的图像，电子设备100会根据该深度图像的稀疏性进行压缩，然后将压缩后的深度图像发送到服务器200，服务器200根据先对压缩后的深度图像进行还原得到还原后的深度图像，然后对还原后的深度图像进行体感算法，得到用户400的图像对应的体感控制指令，接着根据体感控制指令做出对应的回应，得到一个待播放图像，然后将该待播放图像发送回电子设备100，电子设备可以在其的显示屏上播放该播放图像。如图中所示，电子设备100显示的待播放图像中的第一对象151对应用户400的图像，待播放图像中的第二对象152为服务器根据体感控制指令生成的对象。

请参阅图3，图3为本申请实施例提供的图像处理方法的另一流程示意图。该图像处理方法具体可以包括：

201，获取当前播放图像的图像信息。

在体感游戏中，播放游戏界面。具体的，可以在电子设备如移动终端中播放游戏界面。也可以在电视等其他设备上播放游戏界面。其中，可以通过移动终端在电视等其他设备上播放游戏界面，例如，移动终端将游戏界面投影到电视等其他设备上。也可以电视等其他设备播放游戏界面，同时与移动终端连接，并利用移动终端的摄像头作为体感输入设备。获取当前播放图像的图像信息，即，获取体感游戏当前播放图像的图像信息，图像信息至少包括播放时间信息。

202，拍摄获取深度图像。

可以通过移动终端的摄像头组件实时拍摄获取深度图像。其中，摄像头组件可以包括深度摄像头，还可以包括深度摄像头和RGB摄像头。摄像头组件可以为移动终端的前置摄像头，也可以为移动终端的后置摄像头。

需要说明的是，可以通过摄像头组件获取RGB-D视频流，然后从RGB-D视频流提取一帧或多帧深度图像。其中，RGB-D视频流的频率至少为30帧/秒(FPS)的视频流。

需要说明的是，201对应的操作和202对应的操作可以对调进行。

203，当检测到深度图像包括人体图像时，将图像信息与深度图像关联，并将关联的图像信息和深度图像压缩得到第一信息。

对深度图像进行轮廓分析，由于人体上一般有多个轮廓信息，比如人脸轮廓信息，关节轮廓信息等等，所以可以识别出多个轮廓信息，根据多个轮廓信息组合确定并判断深度图像是否包括人体图像。若包括人体图像，则将图像信息与深度图像关联，并将关联的图像信息和深度图像压缩得到第一信息。具体的，若服务器具有体感游戏的数据，则只需要知道当前播放的播放时间信息等少量信息即可获取体感游戏播放的当前播放图像，不需要将当前播放图像也发送给服务器。也可以将体感游戏当前播放图像、以及深度图像一起压缩然后发送给服务器。

需要说明的是，体感游戏需要将游戏界面的图像与用户的动作结合起来对体感游戏进行操作，因此，需要将图像信息与深度图像关联，即用户当前的动作对应当前播放图像，如此才可以准确的控制体感游戏。

在一些实施例中，将深度图像压缩得到第一信息具体可以为：利用深度图像的稀疏性进行压缩，得到第一信息。

在一些实施例中，利用深度图像的稀疏性进行压缩，得到第一信息具体可以包括：

分块：将深度图像分块，得到有效数据块；

稀疏变换：将有效数据块的信息进行稀疏变换，得到稀疏信息；

压缩感知：将稀疏信息通过压缩感知算法处理，得到压缩感知信息；

凸优化：对压缩感知信息进行凸优化处理，得到简化信息和待处理信息；

合成：根据简化信息和待处理信息得到第一信息。

其中，分块具体为分析信号的稀疏性，对空间系数为0值的区域进行划分。稀疏变换具体为对空间稀疏非0值的区域，通过L0范数对信号建模，利用稀疏性使0系数最小化，将稀疏信号从N维空间投影到M维空间当中，其中M远小于N。压缩感知具体为对非0值的区域做稀疏变换后，重新做区域做划分，得到新的分块。凸优化具体为利用L1模型与L0模型近似等价的特性，将难于求解的L0模型转换为L1模型，求解该凸优化问题，将分块后的非0值区域进行压缩。求解凸优化后，原始图像分解为：空间大量压缩的0系数的区域，以及空间少量压缩的非0系数区域。

在一些实施例中，可以采用基于压缩感知的自适应深度图像编码方法，将原始RGB-D视频流压缩为对带宽占用更低的数据进行网络传输。具体的，利用单帧深度图像的稀疏性特征，对视频流进行编码，然后封装编码后的视频流，通过网络传输协议输送至服务器。

204，将第一信息发送给服务器。

得到压缩后的第一信息后，将该第一信息发送给服务器，让服务器对该第一信息进行处理。

205，接收服务器返回的第二信息，第二信息为第一信息根据体感算法以及图像信息处理得到。

服务器根据体感算法、以及图像信息对第一信息处理完成后，得到第二信息。接收服务器返回的第二信息。其中，识别深度图像中的人体图像得到对应的体感控制指令，当前播放图像在体感控制指令的控制下，得到对应的待播放图像，该待播放图像压缩得到第二信息。

在一些实施例中，在服务器完成数据重建，并通过体态识别和跟踪算法为体感游戏交互提供输入指令；最终将渲染的游戏画面回传至移动终端或与移动终端关联的显示设备上。

206，将第二信息进行解压缩处理，得到待播放图像信息。

将第二信息进行解压缩，得到待播放图像信息。其中，待播放图像信息为之前深度图像中人体图像对应的体感控制指令，对当前播放图像进行控制得到的。

207，根据待播放图像信息生成待播放图像。

若在移动终端上播放体感游戏，则在移动终端的显示屏上显示该待播放图像。若移动终端通过投影在电视等其他设备播放体感游戏，则在电视等其他设备上显示该待播放图像。还可以，服务器分别与移动终端和电视连接，移动终端获取深度图像，电视播放体感游戏，则在电视上显示该播放图像。

通过压缩感知算法降低了传输到服务器的数据的大小，同时保留了深度图像中的有效信号，在服务器端可以实现了更高数目的骨骼点提取算法，确保了体感游戏交互的准确性和实时性。对网络传输带宽的要求低，同时也降低了移动终端的运算量和功耗开销。不再是传输控制指令到服务器，不再仅适用于简单的控制体感游戏。在格斗类、角色扮演类等对状态要求严格同步的体感游戏中，可以保证数据的高效实时传输。此外，对于体感游戏，每一帧都需要进行大量的体感数据同步，且用户的体态信息需要定义出更多的交互指令，这些处理对移动终端的运算能力有较高要求，而且对于体态的识别和跟踪算法通常采用深度神经网络，这类算法的实现需要借助移动端的GPU、DSP等运算单元，移动终端稳定输出14个骨骼关键点能维持的帧率有限，且骨骼数量限制了游戏功能的实现，同时功耗开销也较大。而将将体态识别和跟踪算法等处理放在性能更优的服务器上执行，可以获得大于17个骨骼关键点，提供更丰富的游戏功能。压缩后的深度图像占带宽资源很低，能维持高传输速率。

如图4所示，电子设备100通过前置摄像头或后置摄像头获取深度图像，该深度图像中包括用户400的图像，电子设备100会根据该深度图像的稀疏性进行压缩，然后将压缩后的深度图像发送到服务器200，同时，电子设备100将体感游戏当前播放的图像信息也发送给服务器200，服务器200根据先对压缩后的深度图像进行还原得到还原后的深度图像，然后对还原后的深度图像进行体感算法，得到用户400的图像对应的体感控制指令，接着按照体感游戏的预设逻辑，在体感游戏当前播放的图像信息的基础上，根据体感控制指令的操作得到一个待播放图像，然后将该待播放图像发送回电子设备100，电子设备可以传送到显示设备400上显示。如图中所示，显示设备400显示的待播放图像中的第一对象451对应用户400的图像，待播放图像中的第二对象452为服务器200根据体感控制指令生成的。第二对象452可以为新生成的，也可以为原先存在但根据体感控制指令变换位置或姿势。待播放图像中的第三对象453可以为背景图像，也可以为根据体感指令新生成的。

在一些实施例中，还可以首先通过移动端App进入服务器桌面，并在桌面内启动体感游戏。然后体感游戏远程调用移动终端镜头，用户在镜头前通过体感与游戏交互。接着用户通过特定姿势进行标定，标定成功后将持续跟踪该用户的位置。再接着用户可通过挥手、跳跃、弯腰等姿态控制游戏内的虚拟角色或载具。最后将深度图像被传输至服务器进行处理，根据游戏逻辑将渲染结果返回至移动显示设备上。

请参阅图5，图5为本申请实施例提供的图像处理方法的又一流程示意图。该图像处理方法具体可以包括：

301，获取压缩后的深度图像信息，并解压压缩后的深度图像信息，得到深度图像。

其中，压缩后的深度图像信息是根据深度图像的稀疏性进行压缩的，具体可以上述实施例中的压缩方式，在此不再赘述。

服务器利用稀疏性变换可逆的特性，对压缩后的深度图像信息进行还原，得到深度图像。

在一些实施例中，服务器接收到压缩后的深度图像信息后，对压缩后的深度图像信息进行拆包及解码操作，还原深度图像，并得到是否丢帧、时间戳等信息。

302，对深度图像进行分析，得到深度图像中的人体图像。

在得到还原后的深度图像后，由于人体图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征以及Haar特征(Haar特征是一种反映图像的灰度变化的，像素分模块求差值的一种特征)等。所以可以对待识别图像进行特征扫描分析，确定并截取待识别图像中的人体图像。

303，根据体感算法对人体图像进行处理，得到控制指令。

在一些实施例中，根据体感算法对人体图像进行处理，得到控制指令具体可以包括：

从人体图像中提取人体特征点信息；

将人体特征点信息进行结合，以生成人体模型信息；

根据体感算法对人体模型信息进行处理，得到对应的控制指令。

需要说明的是，人体的肢体上的特征点(如头部、颈部、肩部、肘部、腕部、腰部、膝部、脚踝部等等)图像都具有一定的线条以及轮廓特点。

其中，可以对人体图像的线条以及轮廓进行扫描分析，确定出多个具有一定特征的特征点，将特征点与人体特征点信息进行特征点相似度匹配，将特征点相似度高于一定阈值的特征点确定为相应的人体特征点信息。

在一些实施方式中，该对人体图像进行分析，识别出人体图像对应的人体特征点信息，具体可以，通过预设学习模型对人体图像上的图像元素进行分析，识别出人体图像中的人体特征点信息。

其中，该预设学习模型可以为mobilenet-Openpose模型，该mobilenet-Openpose模型可以识别出捕捉到人体图像，并从该人体图像中识别出人体特征点信息，该人体特征点信息可以理解为人体的身体特点的部位，使得后期可以根据该人体特征点信息构架人体构架模型。

在一些实施方式中，从人体图像中提取人体特征点信息具体可以包括：

(1)通过预设学习模型对人体图像上的线条以及轮廓进行扫描，以得到图像元素；

(2)对该图像元素进行特征分析，识别出人体图像中的人体特征点信息，该人体特征点信息包括头部、颈部、左肩部、左肘部、左腕部、左腰部、左膝部、左脚踝部、右肩部、右肘部、右腕部、右腰部、右膝部、右脚踝部特征点信息。

其中，可以通过mobilenet-Openpose模型对人体图像上的线条以及轮廓进行扫描，识别出人体图像上的图像元素，该图像元素为电子设备可以识别出特征点信息，对每个图像元素进行特征智能分析，识别出重要的人体特征点信息，该重要的人体特征点信息可以包括头部、颈部、左肩部、左肘部、左腕部、左腰部、左膝部、左脚踝部、右肩部、右肘部、右腕部、右腰部、右膝部、右脚踝部特征点信息。

其中，该人体模型信息为人体骨架模型，就是按照基本的人体构造规则将识别出的人体特征信息进行依次连接，形成人体模型信息，也即人体骨架信息，该人体模型信息表示了被拍摄的用户的身体姿势的表现，在一实施方式中，该人体模型信息可以3D火柴人模型，该3D火柴人模型可以表现出用户的身体姿势。

在一些实施方式中，将人体特征点信息进行结合，以生成人体模型信息具体可以包括：按照预设人体构造规则将该人体特征点信息进行依次连接，生成人体模型信息。

其中，该预设人体构造规则即按照人体的基本结构，即脑部可以为头部以及颈部的结合，身体为肩部以及腰部的结合，手部为肩部、肘部以及腕部的结合、腿部为腰部、膝部以及脚踝部结合的规则进行依次构造，最后将脑部、身体、手部以及腿部进行综合，形成人体模型信息，该形成的人体模型信息可以表现出用户的姿势状态信息。

服务器可以逐帧检测深度图像中的人体特征点，由于在服务器上运行体感运算，可采用大于17个骨骼节点的识别跟踪算法。

304，根据控制指令生成待播放图像信息，并将待播放图像信息发送出去。

得到控制指令后，对应生成待播放信息。并将待播放图像信息发送出去。具体的，可以根据控制指令生成一些特效图像，如向右出拳生成火球等。

在一些实施例中，获取压缩后的深度图像时，还获取当前播放图像的图像信息。根据控制指令生成待播放图像信息具体包括：根据控制指令对图像信息进行处理，生成待播放图像信息

当处于体感游戏时，不仅获取压缩后的深度图像，还同时获取当前播放体感游戏的当前播放图像的图像信息，如当前播放的图像、或者当前播放的图像对应的播放时刻等。得到人体图像对应的控制指令后，在当前播放的图像中，结合控制指令得到对应的待播放图像。

在一些实施例中，将体感游戏渲染得到的缓存数据包装为视频流格式，并进行视频的压缩编码，通过服务同步至移动终端的显示设备上，需要保证视频流的实时同步。

需要说明的是，上述实施例分别为在移动终端和服务器上运行的图像处理方法，也可以理解为移动终端和服务器之间的相互交互，上述实施例可以结合形成在移动终端和服务器之间交互的图像处理方法。

由上述可知，本实施例提供的一种图像处理方法，首先拍摄获取深度图像，然后当深度图像包括人体图像时，将深度图像压缩并将压缩后的信息发送给服务器，让服务器跟进体感算法对深度图像进行处理，最后接收服务器处理后返回的第二信息。利用服务器进行运算量较大的体感运算，可以降低本地设备的负担，同时，配置更高的服务器可以进行更加复杂的体感运算，提高体感运算的准确性。另外，将深度图像压缩发送给服务器，既可以降低本地设备的运算量，又可以将更多的基础信息给服务器。

为便于更好的实施本申请实施例提供的图像处理方法，本申请实施例还提供一种基于上述图像处理方法的装置。其中名词的含义与上述图像处理方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图6，图6为本申请实施例提供的图像处理装置的模块示意图。具体而言，该图像处理装置400可以位于移动终端内，该图像处理装置400包括：获取单元410、压缩单元420、发送单元430以及接收单元440。

获取单元410，用于拍摄获取深度图像。

压缩单元420，用于当检测到深度图像包括人体图像时，将深度图像压缩得到第一信息。

发送单元430，用于将第一信息发送给服务器

接收单元440，用于接收服务器返回的第二信息，第二信息为第一信息根据体感算法处理得到。

在一些实施例中，压缩单元420还用于利用深度图像的稀疏性进行压缩，得到第一信息。

在一些实施例中，压缩单元420还用于将深度图像分块，得到有效数据块；将有效数据块的信息进行稀疏变换，得到稀疏信息；将稀疏信息通过压缩感知算法处理，得到压缩感知信息；对压缩感知信息进行凸优化处理，得到简化信息和待处理信息；根据简化信息和待处理信息得到第一信息。

在一些实施例中，获取单元410还用于获取当前播放图像的图像信息。压缩单元420还用于将图像信息与深度图像关联，并将关联的图像信息和深度图像压缩得到第一信息。接收单元440还用于接收服务器返回的第二信息，第二信息为第一信息根据体感算法以及图像信息处理得到；将第二信息进行解压缩处理，得到待播放图像信息；根据待播放图像信息生成待播放图像。

请参阅图7，图7为本申请实施例提供的图像处理装置的另一模块示意图。具体而言，该图像处理装置500可以位于服务器内，该图像处理装置500包括：解压单元510、分析单元520、处理单元530以及生成单元540。

解压单元510，用于获取压缩后的深度图像信息，并解压压缩后的深度图像信息，得到深度图像。

分析单元520，用于对深度图像进行分析，得到深度图像中的人体信息。

处理单元530，用于根据体感算法对人体信息进行处理，得到控制指令。

生成单元540，用于根据控制指令生成待播放图像信息，并将待播放图像信息发送出去。

在一些实施例中，解压单元510还用于获取压缩后的深度图像、以及当前播放图像的图像信息。生成单元540还用于根据控制指令对图像信息进行处理，生成待播放图像信息

在一些实施例中，处理单元530还用于从人体图像中提取人体特征点信息；将人体特征点信息进行结合，以生成人体模型信息；根据体感算法对人体模型信息进行处理，得到对应的控制指令。

本申请实施例还提供一种电子设备。请参阅图8，电子设备600包括处理器601以及存储器602。其中，处理器601与存储器602电性连接。

该处理器600是电子设备600的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器602内的计算机程序，以及调用存储在存储器602内的数据，执行电子设备600的各种功能并处理数据，从而对电子设备600进行整体监控。

该存储器602可用于存储软件程序以及模块，处理器601通过运行存储在存储器602的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器601对存储器602的访问。

在本申请实施例中，电子设备600中的处理器601会按照如下的方式，将一个或一个以上的计算机程序的进程对应的指令加载到存储器602中，并由处理器601运行存储在存储器602中的计算机程序，从而实现各种功能，如下：

拍摄获取深度图像；

当检测到深度图像包括人体图像时，将深度图像压缩得到第一信息；

将第一信息发送给服务器；

接收服务器返回的第二信息，第二信息为第一信息根据体感算法处理得到。

在一些实施例中，在将深度图像压缩得到第一信息时，处理器601可以具体执行：

利用深度图像的稀疏性进行压缩，得到第一信息。

在一些实施例中，在将深度图像压缩得到第一信息时，处理器601可以具体执行：

将深度图像分块，得到有效数据块；

将有效数据块的信息进行稀疏变换，得到稀疏信息；

将稀疏信息通过压缩感知算法处理，得到压缩感知信息；

对压缩感知信息进行凸优化处理，得到简化信息和待处理信息；

根据简化信息和待处理信息得到第一信息。

在一些实施例中，在将第一信息发送给服务器之前，处理器601可以具体执行：

获取当前播放图像的图像信息；

在将深度图像压缩得到第一信息时，处理器601可以具体执行：

将图像信息与深度图像关联，并将关联的图像信息和深度图像压缩得到第一信息；

在接收服务器返回的第二信息，第二信息为第一信息根据体感算法处理得到时，处理器601可以具体执行：

接收服务器返回的第二信息，第二信息为第一信息根据体感算法以及图像信息处理得到；

在接收服务器返回的第二信息之后，处理器601可以具体执行：

将第二信息进行解压缩处理，得到待播放图像信息；

根据待播放图像信息生成待播放图像。

由上述可知，本申请实施例的电子设备，首先拍摄获取深度图像，然后当深度图像包括人体图像时，将深度图像压缩并将压缩后的信息发送给服务器，让服务器跟进体感算法对深度图像进行处理，最后接收服务器处理后返回的第二信息。利用服务器进行运算量较大的体感运算，可以降低本地设备的负担，同时，配置更高的服务器可以进行更加复杂的体感运算，提高体感运算的准确性。另外，将深度图像压缩发送给服务器，既可以降低本地设备的运算量，又可以将更多的基础信息给服务器。

请一并参阅图9，在一些实施例中，电子设备600还可以包括：显示器603、射频电路604、音频电路605以及电源606。其中，其中，显示器603、射频电路604、音频电路605以及电源606分别与处理器601电性连接。

该显示器603可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器603可以包括显示面板，在一些实施例中，可以采用液晶显示器(Liquid Crystal Display，LCD)、或者有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。

该射频电路604可以用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。

该音频电路605可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。

该电源606可以用于给电子设备600的各个部件供电。在一些实施例中，电源606可以通过电源管理***与处理器601逻辑相连，从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。

尽管图9中未示出，电子设备600还可以包括摄像头、蓝牙模块等，在此不再赘述。

本申请实施例还提供一种存储介质，该存储介质存储有计算机程序，当该计算机程序在计算机上运行时，使得该计算机执行上述任一实施例中的图像处理方法，比如：拍摄获取深度图像；当检测到深度图像包括人体图像时，将深度图像压缩得到第一信息；将第一信息发送给服务器；接收服务器返回的第二信息，第二信息为第一信息根据体感算法处理得到。在本申请实施例中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM，)、或者随机存取记忆体(Random Access Memory，RAM)等。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

需要说明的是，对本申请实施例的图像处理方法而言，本领域普通测试人员可以理解实现本申请实施例的图像处理方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，如存储在电子设备的存储器中，并被该电子设备内的至少一个处理器执行，在执行过程中可包括如图像处理方法的实施例的流程。其中，该的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。

对本申请实施例的图像处理装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。该集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，该存储介质譬如为只读存储器，磁盘或光盘等。

以上对本申请实施例所提供的一种图像处理方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (11)

1.一种图像处理方法，其特征在于，包括：

拍摄获取深度图像；

当检测到所述深度图像包括人体图像时，将所述深度图像压缩得到第一信息；

将所述第一信息发送给服务器；

接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法处理得到。

2.如权利要求1所述的图像处理方法，其特征在于，所述将所述深度图像压缩得到第一信息包括：

利用所述深度图像的稀疏性进行压缩，得到第一信息。

3.如权利要求2所述的图像处理方法，其特征在于，所述利用所述深度图像的稀疏性进行压缩，得到第一信息包括：

将所述深度图像分块，得到有效数据块；

将所述有效数据块的信息进行稀疏变换，得到稀疏信息；

将所述稀疏信息通过压缩感知算法处理，得到压缩感知信息；

对所述压缩感知信息进行凸优化处理，得到简化信息和待处理信息；

根据所述简化信息和所述待处理信息得到所述第一信息。

4.如权利要求1所述的图像处理方法，其特征在于，所述将所述第一信息发送给服务器之前，还包括：

获取当前播放图像的图像信息；

所述将所述深度图像压缩得到第一信息包括：

将所述图像信息与所述深度图像关联，并将关联的所述图像信息和所述深度图像压缩得到第一信息；

所述接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法处理得到包括：

接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法以及所述图像信息处理得到；

所述接收所述服务器返回的第二信息之后，还包括：

将所述第二信息进行解压缩处理，得到待播放图像信息；

根据所述待播放图像信息生成待播放图像。

5.一种图像处理方法，其特征在于，包括：

获取压缩后的深度图像信息，并解压所述压缩后的深度图像信息，得到深度图像；

对所述深度图像进行分析，得到所述深度图像中的人体图像；

根据体感算法对所述人体图像进行处理，得到控制指令；

根据所述控制指令生成待播放图像信息，并将所述待播放图像信息发送出去。

6.如权利要求5所述的图像处理方法，其特征在于，所述获取压缩后的深度图像包括：

获取压缩后的深度图像、以及当前播放图像的图像信息；

所述根据所述控制指令生成待播放图像信息包括：

根据所述控制指令对所述图像信息进行处理，生成待播放图像信息。

7.如权利要求5所述的图像处理方法，其特征在于，所述根据体感算法对所述人体图像进行处理，得到控制指令包括：

从所述人体图像中提取人体特征点信息；

将所述人体特征点信息进行结合，以生成人体模型信息；

根据所述体感算法对所述人体模型信息进行处理，得到对应的控制指令。

8.一种图像处理装置，其特征在于，包括：

获取单元，用于拍摄获取深度图像；

压缩单元，用于当检测到所述深度图像包括人体图像时，将所述深度图像压缩得到第一信息；

发送单元，用于将所述第一信息发送给服务器；

接收单元，用于接收所述服务器返回的第二信息，所述第二信息为所述第一信息根据体感算法处理得到。

9.一种图像处理装置，其特征在于，包括：

解压单元，用于获取压缩后的深度图像信息，并解压所述压缩后的深度图像信息，得到深度图像；

分析单元，用于对所述深度图像进行分析，得到所述深度图像中的人体信息；

处理单元，用于根据体感算法对所述人体信息进行处理，得到控制指令；

生成单元，用于根据所述控制指令生成待播放图像信息，并将所述待播放图像信息发送出去。

10.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至7任一项所述的图像处理方法。

11.一种电子设备，包括处理器和存储器，所述存储器有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至7任一项所述的图像处理方法。