CN111489415B - 一种基于图像的人群点位生成方法 - Google Patents

一种基于图像的人群点位生成方法 Download PDF

Info

Publication number
CN111489415B
CN111489415B CN202010281271.4A CN202010281271A CN111489415B CN 111489415 B CN111489415 B CN 111489415B CN 202010281271 A CN202010281271 A CN 202010281271A CN 111489415 B CN111489415 B CN 111489415B
Authority
CN
China
Prior art keywords
image
offset
grid
individual
num
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.)
Active
Application number
CN202010281271.4A
Other languages
English (en)
Other versions
CN111489415A (zh
Inventor
李立杰
黄天羽
李弋豪
李鹏
丁刚毅
徐元超
何天阳
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010281271.4A priority Critical patent/CN111489415B/zh
Publication of CN111489415A publication Critical patent/CN111489415A/zh
Application granted granted Critical
Publication of CN111489415B publication Critical patent/CN111489415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种基于图像的人群点位生成方法，包括以下步骤：预先设置人群排布个体数量NUM；将图像转为二值图像，在二值图像上叠加约束表演个***置的网格结构，每一个网格对应一个可用的个***置；用Tg表示根据网格与待显示图像重合面积占比决定每一个网格中是否排布个体的阈值；将所有个体在表演过程中需要遵守的约束条件表示为Tg的函数f(Tg)；将人群排布方案设计问题转换为优化问题；通过调节参数Tg实现优化问题求解；根据求得的最优解获得人群点位方案。本发明的方法，可以完全通过自动化的方式生成与图像相吻合并且符合人数要求的点位排布方案，在整个生成过程中不需要手工干预和调整，提高了生成效率。

Description

一种基于图像的人群点位生成方法
技术领域
本发明涉及一种人群点位生成方法，特别涉及一种大型人群表演中根据静态图像生成人群点位的方法。
背景技术
专业编排导演设计的大型人群表演往往可以用不同时刻对应的不同图像来表示。在实际编排过程中，需要把导演创意的图像转换成演员对应的点位来实现。随着信息技术的发展，生成点位的方法已经从传统的手工绘图和现场编排方式转换为通过计算机对图像进行处理的生成方式。
在现有的支持大型人群表演的***(例如浙江大学的团体操虚拟编排与演练原型***、北京理工大学的广场文艺表演仿真编排***)中，点位生成都是一个重要的模块，其功能就是根据图像生成每个演员的点位坐标，但是均没有公开具体的点位生成实现方法。
点位生成最简单的方法就是首先把图像转换成二值图像，然后将所有值为‘0’或‘1’的像素点转换成演员点位。但是由于图像像素点和实际演员人数并不一致，无法做到每帧图像和演员人数的精确匹配。现阶段的解决方案是在使用计算机生成基本方案之后，由用户通过UI进行手工干预和调整，生成最终的点位图。当参演演员数目较少时，这种方式的编排效率仍可接受。但大部分现代大型广场文艺表演由几百人乃至成千上万人组成，这种需要大量手工干预的方式生成效率低，无法支撑大型人群表演的需求。
美国休斯敦大学的Qin Gu和Zhigang Deng在论文“Generating Freestyle GroupFormations in Agent-Based Crowd Simulations”中，通过brush painting，texturemap，boundary sketches三种基础UI交互方式实现了人群点位的定制化生成，可以实现人群边缘与中间填充点位密度的控制。但这种方法同样存在对操作UI的手工工作量要求较高，生成效率很低的问题，无法支撑大型表演规划仿真中数据量大，修改频繁的工作需求。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于图像的人群点位生成方法，包括以下步骤：
(1)预先设置人群排布个体数量NUM；
(2)将图像转为二值图像，在二值图像上叠加约束表演个***置的网格结构，每一个网格对应一个可用的个***置；
(3)用Tg表示根据网格与待显示图像重合面积占比决定每一个网格中是否排布个体的阈值，Tg取值为(0,1]；
(4)将所有个体在表演过程中需要遵守的约束条件表示为Tg的函数f(Tg)；
(5)将人群排布方案设计问题转换为优化问题min|NUM(f(Tg))-NUM|，NUM(f(Tg))表示阈值为Tg时人群排布个体数量；
(6)通过调节参数Tg实现优化问题求解；
(7)根据求得的最优解，在与待显示图像重合面积占比达到阈值Tg的网格中排布个体，获得人群点位方案。
根据本发明实施例的一种具体实现方式，在步骤(3)中，除了参数Tg外，增加参数δoffset，表示网格与图像之间的二维偏移量；
在步骤(4)中，将所有个体在表演过程中需要遵守的约束条件表示为Tg和δoffset的函数f(δoffset,Tg)；
在步骤(5)中，将人群排布方案设计问题转换为优化问题min|NUM(f(δoffset,Tg))-NUM|，NUM(f(δoffset,Tg))表示阈值为Tg,偏移量为δoffset时人群排布个体数量；
在步骤(6)中，通过调节参数Tg和δoffset实现优化问题求解。
根据本发明实施例的一种具体实现方式，δoffset每个坐标偏移量的取值范围为[-0.5，0.5]。
根据本发明实施例的一种具体实现方式，所述网格与待显示图像重合面积通过图像与网格进行掩码计算获得。
本发明还提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的一种人群点位生成方法。
本发明还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述的一种人群点位生成方法。
本发明还提供了一种计算机程序产品，其特征在于，包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述的一种人群点位生成方法。
有益效果
本发明提出的一种基于图像的人群点位生成方法，可以完全通过自动化的方式生成与图像相吻合并且符合人数要求的点位排布方案，在整个生成过程中不需要手工干预和调整，提高了生成效率。
附图说明
图1为本发明实施例一所述方法的流程图；
图2为图像根据参数Tg生成人群点位的示意图；
图3为本发明实施例二所述方法的流程图；
图4为图像对应不同参数Tg和δoffset的人群点位生成结果示意图。
具体实施方式
下面结合附图，具体说明本发明的优选实施方式。
根据本发明实施例的一种具体实施方式，图1为本发明一种基于图像的人群点位生成方法的流程图，包括以下步骤：
(1)预先设置人群排布个体数量NUM；
(2)将图像转为二值图像，在二值图像上叠加约束表演个***置的网格结构，每一个网格对应一个可用的个***置；
(3)用Tg表示根据网格与待显示图像重合面积占比决定每一个网格中是否排布个体的阈值，Tg取值为(0，1]；
(4)将所有个体在表演过程中需要遵守的约束条件表示为Tg的函数f(Tg)；
(5)将人群排布方案设计问题转换为优化问题min|NUM(f(Tg))-NUM|，NUM(f(Tg))表示阈值为Tg时人群排布个体数量；
(6)通过调节参数Tg实现优化问题求解；
(7)根据求得的最优解，在与待显示图像重合面积占比达到阈值Tg的网格中排布个体，获得人群点位方案。
图2为根据实施例一所述方法流程生成人群点位的示意图。结合图2，举例说明本发明实施例一的具体实施方式。
如图2所示，待显示图像是白色的圆。在待显示图像上叠加4*4的网格，每一个网格对应一个可用的个***置。用Tg表示根据网格与待显示图像重合面积占比决定每一个网格中是否排布个体的阈值，Tg取值为(0，1]。例如，Tg＝0.5表示网格与白色圆的重合面积达到网格面积一半的时候，就在网格中排布一个个体；Tg＝1则表示全部网格均位于白色圆中，才在网格中排布一个个体。图2所示为Tg＝0.9的情况，也就是网格与白色圆的重合面积达到网格面积90％的时候，就在网格中排布一个个体。图2中正中心的四个网格与白色圆的重合面积均超过了网格面积的90％，所以可以看到在中心的四个网格中分别排布了一个个体。而边缘的一圈网格与白色圆的重合面积均没有达到阈值，所以没有排布个体。
需要说明的是，网格的形状并不一定是图2所示的方格。约束表演个***置的网格结构可以是方格、六边形或三角形等多种形状，以满足***的多样化需求。
设置了参数Tg之后，将所有个体在表演过程中需要遵守的约束条件表示为Tg的函数f(Tg)。当Tg取值变化的时候，对应的人群个体排布方案就会发生变化。由于参加表演的总人数是用户预先设置的，因此可以将人群点位生成问题转换为一个能量优化问题：min|NUM(f(Tg))-NUM|。其中NUM(f(Tg))表示阈值为Tg时人群排布个体数量。
能量优化是一种寻找研究体系能量极小状态的方法，可以处理多维空间函数的优化问题。现阶段已经有很多比较成熟的优化问题求解方法。在min|NUM(f(Tg))-NUM|式中，通过调节参数Tg寻找解决问题的最优化方案，这个最优化方案也就是在约束规则f(Tg)下生成与目标人群个体数相等，形状相同的人群排布方案。由于搜索空间小且结果相对易于收敛，使用最简单的梯度下降法就可以实现能量优化问题求解。
找出最优解，实际上就已经获得了所需的Tg参数的值。只需要在与待显示图像重合面积占比达到阈值Tg的网格中排布个体，就可以获得最终的人群点位方案。
实施例二提出了本发明的另一种具体实施方式，图3为实施例二对应的流程图。与实施例一相比，实施例二的方法主要区别在于：
在步骤(3)中，除了参数Tg外，增加参数δoffset，表示网格与图像之间的二维偏移量；
在步骤(4)中，将所有个体在表演过程中需要遵守的约束条件表示为Tg和δoffset的函数f(δoffset，Tg)；
在步骤(5)中，将人群排布方案设计问题转换为优化问题min|NUM(f(δoffset,Tg))-NUM|，NUM(f(δoffset,Tg))表示阈值为Tg,偏移量为δoffset时人群排布个体数量；
在步骤(6)中，通过调节参数Tg和δoffset实现优化问题求解。
实施例二所实现的一种基于图像的人群点位生成方法完整步骤如下：
(1)预先设置人群排布个体数量NUM；
(2)将图像转为二值图像，在二值图像上生成约束表演个***置的网格结构，每一个网格对应一个可用的个***置；
(3)用Tg表示根据网格与待显示图像重合面积占比决定每一个网格中是否排布个体的阈值，Tg取值为(0,1]；用参数δoffset表示网格与图像之间的二维偏移量；
(4)将所有个体在表演过程中需要遵守的约束条件表示为Tg和δoffset的函数f(δoffset,Tg)；
(5)将人群排布方案设计问题转换为优化问题min|NUM(f(δoffset,Tg))-NUM|，NUM(f(δoffset,Tg))表示阈值为Tg,偏移量为δoffset时人群排布个体数量；
(6)通过调节参数Tg和δoffset实现优化问题求解；
(7)根据求得的最优解，在与待显示图像重合面积占比达到阈值Tg的网格中排布个体，获得人群点位方案。
图4为图像对应不同参数Tg和δoffset的人群点位生成结果示意图。结合图4，举例说明实施例二的具体实施方式。
实施例二与实施例一的区别在于，增加了一个能量优化问题的可调参数δoffset，表示网格与图像之间的二维偏移量。图4中，左上角的网格对应的δoffset参数为(0.5,0)，表示网格在X轴上产生了0.5个网格的偏移量。右上角的网格对应的δoffset参数为(0,0)，表示没有偏移，与图像完全对准。右下角的网格对应的δoffset参数为(-0.5,0.5)，表示网格在X轴上产生了-0.5个网格的偏移量，在Y轴上产生了0.5个网格的偏移量。
在实施例二中，设置δoffset每个坐标偏移量的取值范围为[-0.5，0.5]。增加参数δoffset后，整体网格只是产生了一个很小的偏移量，对人群排布方案结果几乎没有影响，但是与实施例一相比，增加了一个可调参数后，在进行能量优化问题求解时可以扩大候选方案的搜索空间维度，减少由于搜索空间维度低导致的大量局部极小值对搜索过程的影响，提高搜索收敛效率。
根据本发明实施例的一种具体实现方式，所述网格与待显示图像重合面积通过图像与网格进行掩码计算获得。一般来说，图像分辨率较高，一个网格可能对应图像中的很多个像素点。由于图像的待显示部分和其他部分取值分别为“0”和“1”，所以通过网格与每个像素点进行掩码计算，就可以非常简单的获得与待显示图像的重合面积占比。
第二方面，本发明实施例提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的一种基于图像的人群点位生成方法。
第三方面，本发明实施例提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述的一种基于图像的人群点位生成方法。
第四方面，本发明实施例提供了一种计算机程序产品，包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述的一种基于图像的人群点位生成方法。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称并不构成对该单元本身的限定。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种基于图像的人群点位生成方法，其特征在于，包括以下步骤：
(1)预先设置人群排布个体数量NUM；
(2)将图像转为二值图像，在二值图像上叠加约束表演个***置的网格结构，每一个网格对应一个可用的个***置；
(3)用Tg表示根据网格与待显示图像重合面积占比决定每一个网格中是否排布个体的阈值，Tg取值为(0，1]；
(4)将所有个体在表演过程中需要遵守的约束条件表示为Tg的函数f(Tg)；
(5)将人群排布方案设计问题转换为优化问题min|NUM(f(Tg))-NUM|，NUM(f(Tg))表示阈值为Tg时人群排布个体数量；
(6)通过调节参数Tg实现优化问题求解；
(7)根据求得的最优解，在与待显示图像重合面积占比达到阈值Tg的网格中排布个体，获得人群点位方案。
2.根据权利要求1所述的一种基于图像的人群点位生成方法，其特征在于，在步骤(3)中，除了参数Tg外，增加参数δoffset，表示网格与图像之间的二维偏移量；
在步骤(4)中，将所有个体在表演过程中需要遵守的约束条件表示为Tg和δoffset的函数f(δoffset，Tg)；
在步骤(5)中，将人群排布方案设计问题转换为优化问题min|NUM(f(δoffset，Tg))-NUM|，NUM(f(δoffset，Tg))表示阈值为Tg，偏移量为δoffset时人群排布个体数量；
在步骤(6)中，通过调节参数Tg和δoffset实现优化问题求解。
3.根据权利要求2所述的一种基于图像的人群点位生成方法，其特征在于，δoffset每个坐标偏移量的取值范围为[-0.5，0.5]。
4.根据权利要求1～3任一项所述的一种基于图像的人群点位生成方法，其特征在于，所述网格与待显示图像重合面积通过图像与网格进行掩码计算获得。
5.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-4任一项所述的一种基于图像的人群点位生成方法。
6.一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-4任一项所述的一种基于图像的人群点位生成方法。
CN202010281271.4A 2020-04-10 2020-04-10 一种基于图像的人群点位生成方法 Active CN111489415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010281271.4A CN111489415B (zh) 2020-04-10 2020-04-10 一种基于图像的人群点位生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010281271.4A CN111489415B (zh) 2020-04-10 2020-04-10 一种基于图像的人群点位生成方法

Publications (2)

Publication Number Publication Date
CN111489415A CN111489415A (zh) 2020-08-04
CN111489415B true CN111489415B (zh) 2021-07-23

Family

ID=71798566

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010281271.4A Active CN111489415B (zh) 2020-04-10 2020-04-10 一种基于图像的人群点位生成方法

Country Status (1)

Country Link
CN (1) CN111489415B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101655987B (zh) * 2008-08-19 2011-10-26 北京理工大学 广场文艺表演仿真编排***及其使用方法
CN103577875B (zh) * 2013-11-20 2016-05-25 北京联合大学 一种基于fast的计算机辅助cad人数统计方法
CN105654021B (zh) * 2014-11-12 2019-02-01 株式会社理光 检测人群对目标位置关注度的方法及设备
CN108595775B (zh) * 2018-03-29 2019-03-19 山东师范大学 人群疏散仿真过程中障碍物几何形状的优化方法及***
JP7300468B2 (ja) * 2018-06-08 2023-06-29 アタボティックス インコーポレイテッド 保管格子と外部作業ステーションとの間で共通ロボット車両隊を共有する保管及び回収システム
CN109819453B (zh) * 2019-03-05 2021-07-06 西安电子科技大学 基于改进遗传算法的成本最优化无人机基站部署方法
CN109978976A (zh) * 2019-04-08 2019-07-05 北京理工大学 大型广场文艺表演虚拟编排仿真***

Also Published As

Publication number Publication date
CN111489415A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN109934914B (zh) 一种嵌入式城市设计场景仿真方法及***
Zhao Application of 3D CAD in landscape architecture design and optimization of hierarchical details
CN103544711A (zh) 遥感影像的自动配准方法
TWI613510B (zh) 電子束描繪裝置、電子束描繪方法及記錄媒體
CN104851133B (zh) 一种图像自适应网格生成变分方法
CN109448112B (zh) 三维模型库的建立方法及装置
CN108961385B (zh) 一种slam构图方法及装置
CN115937461B (zh) 多源融合模型构建及纹理生成方法、装置、介质及设备
CN103247033A (zh) 一种基于影像选取控制点的矢量数据纠正方法
CN114782646A (zh) 房屋模型的建模方法、装置、电子设备和可读存储介质
CN111489415B (zh) 一种基于图像的人群点位生成方法
CN105894553B (zh) 一种基于格栅选择的街巷空间形态布局方法
CN103679814A (zh) 一种三角形网格模型的处理方法及装置
CN111773710B (zh) 一种纹理图像处理的方法、装置、电子设备和存储介质
CN109583450A (zh) 基于前馈神经网络融合视觉注意先验的显著区域检测方法
US20140347373A1 (en) Method of generating terrain model and device using the same
CN116433794A (zh) 一种cae软件中三维模型的处理方法及***
CN111582163B (zh) 一种大规模人群位置变换方案生成方法
CN111161289A (zh) 图像中物体轮廓精度提升方法、装置和计算机程序产品
CN112002019B (zh) 一种基于mr混合现实的模拟人物阴影的方法
CN111260755B (zh) 基于深度学习与数字图像处理的数字扎染图案生成方法
CN107016695A (zh) 一种亚像素级影像配准方法及***
CN112084938A (zh) 一种基于图结构提高平面目标表征稳定性的方法及装置
CN117523341B (zh) 一种深度学习训练图像样本的生成方法、装置及设备
JP2001092805A (ja) 解析メッシュ生成装置、方法及び記憶媒体

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
GR01 Patent grant
GR01 Patent grant