KR101732898B1 - 영상 처리 장치 및 방법 - Google Patents

영상 처리 장치 및 방법 Download PDF

Info

Publication number
KR101732898B1
KR101732898B1 KR1020120134350A KR20120134350A KR101732898B1 KR 101732898 B1 KR101732898 B1 KR 101732898B1 KR 1020120134350 A KR1020120134350 A KR 1020120134350A KR 20120134350 A KR20120134350 A KR 20120134350A KR 101732898 B1 KR101732898 B1 KR 101732898B1
Authority
KR
South Korea
Prior art keywords
region
boundary
human body
mesh model
image processing
Prior art date
Application number
KR1020120134350A
Other languages
English (en)
Other versions
KR20140067295A (ko
Inventor
최욱
이기창
김도균
이영범
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020120134350A priority Critical patent/KR101732898B1/ko
Priority to US13/771,778 priority patent/US9020251B2/en
Publication of KR20140067295A publication Critical patent/KR20140067295A/ko
Application granted granted Critical
Publication of KR101732898B1 publication Critical patent/KR101732898B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/005—Tree description, e.g. octree, quadtree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/30—Polynomial surface description
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

깊이 영상 및 컬러 영상을 이용하여 사람의 몸을 모델링 하는 방법 및 장치에 관한 것으로, 일 측면에 있어서, 영상 처리 장치는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출하고, 상기 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시키며, 상기 경계의 내부 픽셀의 깊이 값에 기초하여 상기 일반 바디 메쉬 모델의 메쉬를 변형할 수 있다.

Description

영상 처리 장치 및 방법{IMAGE PROCESSING APPARATUS AND METHOD THEREOF}
아래의 실시 예들은 깊이 영상 및 컬러 영상을 이용하여 사람의 몸을 모델링 하는 방법 및 장치에 관한 것이다.
얼굴 인식 및 3차원(3D, 3 Dimension) 측정 기술이 발달함에 따라, 영상에서 사람의 얼굴 위치를 자동으로 인식하여, 정교하면서도 애니메이션화(animatable) 한 3차원 얼굴 모델로 생성하는 기술이 많이 개발되었다.
하지만, 상대적으로 사람의 몸(body)을 모델링하는 기술의 개발은 비교적 많이 진전되지 않았다. 왜냐하면, 얼굴에 비해, 몸에는 인식 가능한 특징이 적기 때문이다. 따라서, 애니메이션화 가능한 3차원 바디 모델을 생성하는 기술의 개발도 늦어지고 있다.
일 측면에 있어서, 영상 처리 장치는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출하는 추출부, 상기 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시키는 매칭부 및 상기 경계의 내부 픽셀의 깊이 값에 기초하여 상기 일반 바디 메쉬 모델의 메쉬를 변형하는 변형부를 포함할 수 있다.
상기 추출부는 상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 임시 추출부, 상기 임시 인체 영역을 상기 깊이 값에 기초하여 전경 영역, 배경 영역 및 불확실한 영역으로 분류하는 분류부 및 상기 컬러 영상의 컬러 값을 이용하여, 상기 불확실한 영역에 속한 픽셀에 대하여 상기 전경 영역 및 상기 배경 영역 중 하나를 결정함으로써 재분류하는 결정부를 포함할 수 있다.
상기 결정부는 그랩 컷(grab-cut) 방식을 이용하여 상기 결정을 수행할 수 있다.
상기 추출부는 상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 임시 추출부 및 상기 임시 인체 영역에서 머리, 손 및 발로 추정된 영역을 제거한 바디 영역을 상기 인체 영역으로서 추출하는 바디 영역 추출부를 포함하고, 상기 머리로 추정된 영역은, 상기 임시 인체 영역의 폭에 해당하는 수평 길이가 절대적으로 짧거나 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 상기 목의 상부에 해당하는 영역이고, 상기 손은, 상기 컬러 영상의 컬러 값 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고 상기 제1 경계를 기준으로 말단에 해당하고, 상기 발은, 상기 컬러 영상의 컬러 값 차이에 기초하여 다리와 발간의 제2 경계를 획득하고, 상기 제2 경계를 기준으로 말단에 해당하는 영역일 수 있다.
상기 추출부는 상기 목으로 추정된 영역의 양 끝점들, 상기 제1 경계의 양 끝점들, 상기 제2 경계의 양 끝점들 및 겨드랑이 부분의 점들 중 하나 이상의 점을 특징점으로서 추출하는 특징점 추출부를 더 포함하고, 상기 매칭부는, 상기 특징점을 이용하여 상기 매칭을 수행할 수 있다.
상기 겨드랑이 부분의 점들은 곡률 계산에 기초하여 검출될 수 있다.상기 매칭부는 상기 일반 바디 메쉬 모델(generic body mesh model)을 투영(projection)하여 2차원 바디 메쉬 모델을 생성하는 변환부 및 상기 2차원 바디 메쉬 모델의 포인트들을 서로 간의 토폴로지(topology)를 유지시키며, 상기 추출한 인체 영역의 경계로 매칭 시키는 바디 매칭부를 포함할 수 있다.
상기 바디 매칭부는 상기 경계에서 추출한 특징점과 상기 2차원 바디 메쉬 모델의 특징점을 매칭시킬 수 있다.
상기 변형부는 상기 추출한 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 상기 2차원 바디 메쉬 모델의 메쉬를 변형할 수 있다.
상기 변형부는 상기 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지 시키며 상기 메쉬를 변형할 수 있다.
일 측면에 있어서, 영상 처리 방법은 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출하는 단계, 상기 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시키는 단계 및 상기 경계의 내부 픽셀의 깊이 값에 기초하여 상기 일반 바디 메쉬 모델의 메쉬를 변형하는 단계를 포함할 수 있다.
상기 추출하는 단계는 상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 단계, 상기 임시 인체 영역을 상기 깊이 값에 기초하여 전경 영역, 배경 영역 및 불확실한 영역으로 분류하는 단계 및 상기 컬러 영상의 컬러 값을 이용하여, 상기 불확실한 영역에 속한 픽셀에 대하여 상기 전경 영역 및 상기 배경 영역 중 하나를 결정함으로써 재분류하는 단계를 포함할 수 있다.
상기 추출하는 단계는 상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 단계, 상기 임시 인체 영역의 폭에 해당하는 수평 길이가 절대적으로 짧거나 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 상기 목의 상부에 해당하는 영역을 머리로 추정하는 단계, 상기 컬러 영상의 컬러 값 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고, 상기 제1 경계를 기준으로 말단을 손으로 추정하는 단계, 상기 컬러 영상의 컬러 값의 차이에 기초하여 다리와 발 간의 제2 경계를 획득하고, 상기 제2 경계를 기준으로 말단을 발로 추정하는 단계 및 상기 임시 인체 영역에서 상기 머리, 상기 손 및 상기 발로 추정한 영역을 제거한 바디 영역을 상기 인체 영역으로서 추출하는 단계를 포함할 수 있다.
상기 추출하는 단계는 상기 목으로 추정된 영역의 양 끝점들, 상기 제1 경계의 양 끝점들, 상기 제2 경계의 양 끝점들 및 겨드랑이 부분의 점들 중 하나 이상의 점을 특징점으로서 추출하는 단계를 더 포함하고, 상기 매칭시키는 단계는 상기 특징점을 이용하여 상기 매칭을 수행할 수 있다.
상기 매칭시키는 단계는 상기 일반 바디 메쉬 모델(generic body mesh model)을 투영(projection)하여 2차원 바디 메쉬 모델을 생성하는 단계 및 상기 2차원 바디 메쉬 모델의 포인트들을 서로 간의 토폴로지(topology)를 유지시키며, 상기 추출한 인체 영역의 경계로 매칭시키는 단계를 포함할 수 있다.
상기 추출한 인체 영역의 경계로 매칭시키는 단계는 상기 경계에서 추출한 특징점과 상기 2차원 바디 메쉬 모델의 특징점을 매칭할 수 있다.
상기 변형하는 단계는 상기 추출한 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 상기 2차원 바디 메쉬 모델의 메쉬를 변형할 수 있다.
상기 변형하는 단계는 상기 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지 시키며 상기 메쉬를 변형할 수 있다.
도 1은 일 실시예에 따른 영상 처리 장치에서 개인별로 특성화된 3차원 바디 메쉬 모델을 생성하는 개념을 나타낸 도면이다.
도 2는 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 3은 다른 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 4는 일 실시예에 따른 영상 처리 장치에서 인체 영역을 추출한 결과를 나타낸 도면이다.
도 5는 일 실시예에 따른 영상 처리 장치에서 인체 영역의 머리, 손 및 발로 추정된 부분을 제거한 도면이다.
도 6은 일 실시예에 따른 영상 처리 장치에서 일반 바디 메쉬 모델과 추출된 인체 영역의 매칭을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 영상 처리 장치에서 2차원 상에서, 추출된 인체 영역의 경계와 일반 바디 메쉬 모델의 경계가 매칭된 결과를 나타낸 도면이다.
도 8은 일 실시예에 따른 영상 처리 장치에서 생성된 3차원 바디 메쉬 모델을 나타낸 도면이다.
도 9는 일 실시예에 따른 영상 처리 방법의 흐름도이다.
이하, 일측에 따른 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 일 실시예에 따른 영상 처리 장치에서 개인별로 특성화된 3차원 바디 메쉬 모델을 생성하는 개념을 나타낸 도면이다.
일 실시예에 따른 영상 처리 장치는 한 쌍의 컬러 영상(110)과 깊이 영상(120)을 입력 받을 수 있다. 한 쌍의 컬러 영상(110)과 깊이 영상(120)이란 동일한 시간 및 동일한 촬영 각도 중 적어도 하나에서 촬영된 컬러 영상(110)과 깊이 영상(120)을 의미한다.
일 실시예에 따른 영상 처리 장치는 깊이 영상(120)의 깊이 값에 기초하여 컬러 영상(110)으로부터 인체 영역을 추출할 수 있다. 여기서 추출은 컴퓨터 비전 분야에서 사용되는 세그멘테이션(segmentation)을 의미할 수 있다.
일 실시예에 따른 영상 처리 장치는 추출한 인체 영역의 경계(boundary)에서, 특징점을 추출할 수 있다. 여기서 특징점에는 사람의 목으로 추정된 부분의 양 끝점, 손과 팔이 연결되는 부분의 양 끝점, 발과 다리가 연결되는 부분의 양 끝점, 겨드랑이로 추정된 부분, 왼쪽 다리와 오른쪽 다리가 연결되는 부분 등이 포함될 수 있다.
일 실시예에 따른 영상 처리 장치는 추출한 특징점과 3차원의 일반 바디 메쉬 모델(generic body mesh model)(130)의 특징점이 매칭될 수 있도록, 3차원의 일반 바디 메쉬 모델(130)을 투영(projection)하여 2차원의 일반 바디 메쉬 모델을 생성할 수 있다.
일 실시예에 따른 영상 처리 장치는 2차원의 일반 바디 메쉬 모델의 특징점과 경계에서 추출한 특징점이 일치되도록, 2차원 일반 바디 메쉬 모델을 경계에 매칭시킬 수 있다.
일 실시예에 따른 영상 처리 장치는 매칭된 경계가 유지되면서, 동시에 몸의 형상 또한 매칭될 수 있도록, 2차원 일반 바디 메쉬 모델의 메쉬를 3차원으로 변화시켜서 결과적으로는 추출한 인체 영역과 매칭되는 개인별로 특화된 바디 메쉬 모델(personalized body mesh model)(140)을 생성할 수 있다.
도 2는 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 2를 참조하면, 일실시예에 따른 영상 처리 장치는 추출부(210), 매칭부(220) 및 변형부(230)를 포함할 수 있다.
추출부(210)는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출할 수 있다. 여기서, 추출은 컴퓨터 비전(vision) 분야에서 사용되는 세그멘테이션(segmentation)을 의미할 수 있다. 추출부(210)는 컬러 영상에서 인체 영역의 깊이 값과 인체 영역을 제외한 영역의 깊이 값의 차이에 기초하여, 인체 영역을 추출할 수 있다. 추출부(210)는 그랩 컷(Grab-cut) 알고리즘을 이용하여 인체 영역의 경계를 보다 정밀하게 분리시킬 수 있다.
추출부(210)는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 먼저 임시 인체 영역을 추출할 수 있다. 추출부(210)는 임시 인체 영역에서 머리로 추정된 영역, 손으로 추정된 영역, 발로 추정된 영역을 제거한 바디 영역을 인체 영역으로서 추출 할 수 있다. 매칭의 대상이 되는 일반 바디 메쉬 모델에는 머리 영역, 손 영역, 발 영역이 포함되지 않기 때문이다.
추출부(210)는 임시 인체 영역에서 목 부분을 감지하여 머리로 추정된 영역을 제거할 수 있다. 추출부(210)는 임시 인체 영역의 폭에 해당하는 수평 길이가 절대적으로 짧거나 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 목의 상부에 해당하는 영역을 머리 영역으로 추정할 수 있다.
추출부(210)는 임시 인체 영역에서 손과 팔의 컬러 값 차이에 기초하여 손 영역을 구별하고, 손 영역을 제거할 수 있다. 추출부(210)는 컬러 영상의 컬러 값 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고, 제1 경계를 기준으로 말단에 해당하는 영역을 손 영역으로 추정할 수 있다.
추출부(210)는 임시 인체 영역에서 발과 다리의 컬러 차이에 기초하여 발 영역을 구별하고, 발 영역을 제거할 수 있다. 추출부(210)는 컬러 영상의 컬러 값 차이에 기초하여 다리와 발간의 제2 경계를 획득하고, 제2 경계를 기준으로 말단에 해당하는 영역을 발 영역으로 추정할 수 있다.
일반 바디 메쉬 모델은 사람의 몸(body)의 일반적인 형상을 본으로 하여 복수개의 메쉬들로 구성된 모델이다.
매칭부(220)는 추출부(210)에서 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시킬 수 있다. 매칭부(220)는 3차원의 일반 바디 메쉬 모델을 투영하여 2차원의 일반 바디 메쉬 모델을 생성할 수 있다. 추출부(210)에서 추출한 인체 영역은 2차원이어서, 일반 바디 메쉬 모델을 매칭시키기 위해서는 2차원으로의 변환이 필요하다.
매칭부(220)는 추출한 인체 영역의 경계의 특징점과 2차원 일반 바디 메쉬 모델의 경계의 특징점을 매칭시킬 수 있다. 여기서, 특징점에는 목으로 추정되는 부분의 양 끝점들, 손과 팔이 연결되는 부분의 양 끝점들, 겨드랑이 부분의 점들, 발과 다리가 연결되는 부분의 양 끝점들, 양쪽 다리가 연결되는 부분의 점 등이 포함될 수 있다.
매칭부(220)는 2차원 일반 바디 메쉬 모델의 경계의 포인트들의 토폴로지(topology)를 유지시키며, 추출부(210)에서 추출한 인체 영역의 경계와 2차원 일반 바디 메쉬 모델의 경계를 매칭시킬 수 있다.
변형부(230)는 경계의 내부 픽셀의 깊이 값에 기초하여 일반 바디 메쉬 모델의 메쉬를 변형할 수 있다. 인체 영역의 경계의 내부는 몸통을 의미하며, 내부 픽셀의 깊이 값은 깊이 영상으로부터 획득할 수 있다. 변형부(230)는 경계의 내부 픽셀과 대응하는 일반 바디 메쉬 모델의 버텍스(vertex)가 내부 픽셀의 깊이 값을 가지도록 함으로써, 메쉬를 변형할 수 있다. 버텍스와 버텍스 간에 에지(edge)가 형성되고, 에지와 에지를 구성으로 하여 메쉬가 형성될 수 있다. 따라서, 버텍스에 3차원의 깊이 값이 주어짐으로써, 메쉬가 변형될 수 있다.
변형부(230)는 추출부(210)에서 추출한 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 2차원 바디 메쉬 모델의 메쉬를 변형할 수 있다. 변형부(230)는 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지 시키며 메쉬를 변형할 수 있다. 이웃하는 버텍스들 간에는 유사한 깊이 값을 가질 수 있고, 에지의 방향성도 유사할 수 있다. 변형부(230)는 이웃하는 버텍스들 간에 유사한 깊이 값을 가지고, 유사한 에지의 방향성을 가지도록 하여, 메쉬를 변형할 수 있다.
변형부(230)는 2차원 바디 메쉬 모델의 버텍스들의 깊이 값을 개인별로 상이한 인체 영역의 경계 내부의 깊이 값과 일치시킴으로써, 2차원 바디 메쉬 모델의 메쉬가 변형되어 3차원의 개인별 메쉬 모델을 생성할 수 있다.
도 3은 다른 일 실시예에 따른 영상 처리 장치의 블록도이다.
도 3을 참조하면, 일 실시예에 따른 영상 처리 장치는 추출부(310), 매칭부(320) 및 변형부(330)를 포함할 수 있다.
추출부(310)는 임시 추출부(311), 분류부(313), 결정부(315), 바디영역 추출부(317) 및 특징점 추출부(319)를 포함할 수 있다.
추출부(310)는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출할 수 있다. 여기서, 추출은 컴퓨터 비전(vision) 분야에서 사용되는 세그멘테이션(segmentation)을 의미할 수 있다. 추출부(310)는 컬러 영상에서 인체 영역의 깊이 값과 인체 영역을 제외한 영역의 깊이 값의 차이에 기초하여, 인체 영역을 추출할 수 있다. 추출부(310)는 그랩 컷(Grab-cut) 알고리즘을 이용하여 인체 영역의 경계를 보다 정밀하게 분리시킬 수 있다.
임시 추출부(311)는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 임시 인체 영역을 추출할 수 있다. 임시 인체 영역은 매칭부(320)의 입력이 되는 인체 영역을 생성하기 위해 가공 및 처리가 필요한 영역을 의미한다.
분류부(313)는 임시 인체 영역을 깊이 영상의 깊이 값에 기초하여 전경(foreground) 영역, 배경(background) 영역 및 불확실한(uncertain) 영역으로 분류할 수 있다. 임시 추출부(311)에서 추출한 임시 인체 영역은 부정확한 캘리브레이션(calibration) 등의 이유로 약간의 오차가 발생할 수 있다. 분류부(313)는 보다 좁게 설정된 깊이 값의 범위에 기초하여, 추출한 인체 영역을 인체 영역이 확실한 전경 영역, 인체 영역의 배경이 확실한 배경 영역, 인체 영역과 배경 영역 중 어느 것에 해당하는 것인지 불분명한 불확실한 영역으로 분류할 수 있다.
결정부(315)는 컬러 영상의 컬러 값에 기초하여 불확실한 영역에 속한 픽셀에 대하여, 전경 영역 및 배경 영역 중 하나를 결정함으로써, 재분류할 수 있다. 예를 들면, 결정부(315)는 불확실한 영역의 픽셀들 중 전경 영역과 유사한 컬러 값을 가지는 픽셀을 전경 영역으로 결정할 수 있다. 또는 예를 들면, 결정부(315)는 불확실한 영역의 픽셀들 중 배경 영역과 유사한 컬러 값을 가지는 픽셀을 배경 영역으로 결정할 수 있다.
결정부(315)는 그랩 컷(grab-cut) 방식을 이용하여 불확실한 영역에 속한 픽셀이 전경 영역 및 배경 영역 중 어디에 속할지 결정할 수 있다. 또한, 여기서 언급되지는 않지만 다양한 세그멘테이션 방법들이 불확실한 영역에 속한 픽셀이 속할 영역을 결정하기 위해 사용될 수 있다.
바디영역 추출부(317)는 임시 추출부(311)에서 추출한 임시 인체 영역에서 머리, 손 및 발로 추정된 영역을 제거한 바디 영역을 인체 영역으로서 추출할 수 있다. 머리 영역, 손 영역, 발 영역을 임시 인체 영역으로부터 제거하는 이유는 인체 영역과 매칭시키려는 일반 바디 메쉬 모델이 머리 영역, 손 영역 및 발 영역을 포함하지 않기 때문이다.
다른 예로, 바디영역 추출부(317)는 결정부(315)에서 불확실한 영역에 속한 픽셀이 재분류 된 임시 인체 영역에서, 머리, 손 및 발로 추정된 영역을 제거한 바디 영역을 인체 영역으로서 추출할 수 있다.
바디영역 추출부(317)는 임시 인체 영역의 폭에 해당하는 수평 길이가 절대적으로 짧거나, 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 목의 상부에 해당하는 영역을 머리로 추정할 수 있다.
바디영역 추출부(317)는 임시 인체 영역에서 컬러 영상의 컬러 값의 차이에 기초하여 손과 팔 간의 제1 경계를 획득할 수 있다. 바디영역 추출부(317)는 제1 경계를 기준으로 말단을 손으로 추정할 수 있다. 예를 들면, 바디영역 추출부(317)는 사람이 입은 옷의 컬러 값과 손의 컬러 값의 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고, 제1 경계를 기준으로 말단을 손으로 추정할 수 있다.
바디영역 추출부(317)는 임시 인체 영역에서 컬러 영상의 컬러 값의 차이에 기초하여 다리와 발 간의 제2 경계를 획득할 수 있다. 바디영역 추출부(317)는 제2 경계를 기준으로 말단을 발로 추정할 수 있다. 예를 들면, 바디영역 추출부(317)는 사람이 입은 옷의 컬러 값과 발의 컬러 값의 차이에 기초하여 발과 다리 간의 제2 경계를 획득하고, 제2 경계를 기준으로 말단을 발로 추정할 수 있다.
예를 들면, 바디영역 추출부(317)는 그랩 컷(Grab-Cut) 방식을 이용하여 임시 인체 영역으로부터 얼굴 영역, 손 영역, 발 영역을 제거할 수 있다. 이때, 그랩 컷 알고리즘에 적용되는 조건으로는 1) 목 부분을 판단하기 위해 임시 인체 영역의 폭에 해당하는 수평 길이가 절대적으로 짧거나, 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 목의 상부에 해당하는 영역 2) 손과 옷은 컬러 값이 다름, 3) 발과 옷은 컬러 값이 다름이 포함될 수 있다.
특징점 추출부(319)는 목으로 추정된 영역의 양 끝점들, 손과 팔이 연결되는 제1 경계의 양 끝점들, 발과 다리가 연결되는 제2 경계의 양 끝점들 및 겨드랑이 부분의 점들 중 하나 이상의 점을 특징점으로서 추출할 수 있다. 또한, 특징점 추출부(319)는 왼쪽 다리와 오른쪽 다리가 연결되는 부분의 점을 특징점으로서 추출할 수도 있다.
추출된 특징점은 일반 바디 메쉬 모델의 특징점과 매칭시키는데 사용될 수 있다.
특징점 추출부(319)는 곡률 계산에 기초하여 겨드랑이 부분의 점들을 검출할 수 있다. 예를 들면, 특징점 추출부(319)는 인체 영역의 경계에서 곡률을 계산할 수 있다. 특징점 추출부(319)는 계산한 곡률 값이 가장 큰 경우의 점들을 겨드랑이 부분에 해당하는 점들로 판단하고, 특징점으로서 추출할 수 있다.
매칭부(320)는 변환부(321) 및 바디 매칭부(323)를 포함할 수 있다.
추출부(310)에서 추출한 인체 영역은 컬러 영상에서 추출한 것으로 2차원 영상이다. 따라서, 매칭부(320)에서 일반 바디 메쉬 모델을 인체 영역에 매칭시키기 위해서는 3차원의 일반 바디 메쉬 모델을 2차원으로 변환할 필요가 있다.
변환부(321)는 3차원의 일반 바디 메쉬 모델(generic body mesh model)을 투영(projection)하여 2차원 바디 메쉬 모델을 생성할 수 있다. 3차원 일반 바디 메쉬 모델은 일정한 간격을 가지는 포인트들로 구성될 수 있다. 변환부(321)는 상기 포인트들의 좌표를 투영하여 2차원의 좌표로 변환할 수 있다.
바디 매칭부(323)는 2차원 바디 메쉬 모델의 포인트들을 서로 간의 토폴로지(topology)를 유지시키며, 인체 영역의 경계와 매칭 시킬 수 있다. 서로 간의 토폴로지를 유지시킨다는 것은 포인트들 간의 거리를 유지하고, 각 포인트 별로 좌우에 위치한 포인트들의 위치가 매칭 중에도 유지된다는 것을 의미할 수 있다.
바디 매칭부(323)는 특징점 추출부(317)가 경계에서 추출한 특징점과 2차원 바디 메쉬 모델의 특징점을 매칭시킬 수 있다. 바디 매칭부(323)는 2차원 바디 메쉬 모델의 포인트들을 추출부(310)에서 추출한 인체 영역의 경계와 매칭 시킴과 동시에, 2차원 바디 메쉬 모델의 특징점이 특징점 추출부(317)에 의해서 추출된 인체 영역의 경계의 특징점과 매칭되도록 함으로써, 2차원 바디 메쉬 모델의 경계를, 인체 영역의 경계에 보다 정확하게 매칭시킬 수 있다.
변형부(330)는 추출부(310)에서 추출한 인체 영역의 경계의 내부 픽셀의 깊이 값에 기초하여 일반 바디 메쉬 모델의 메쉬를 변형(deform)할 수 있다. 여기서, 변형의 대상이 되는 일반 바디 메쉬 모델은 추출한 인체 영역의 경계와 매칭이 이루어진 2차원의 일반 바디 메쉬 모델이다. 변형부(330)는 2차원의 일반 바디 메쉬 모델의 메쉬를 변형함으로써, 3차원의 일반 바디 메쉬 모델을 생성할 수 있다.
변형부(330)는 경계의 내부에 위치한 픽셀의 깊이 값을 깊이 영상으로부터 획득할 수 있다.
변형부(330)는 추출부(310)에서 추출한 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 2차원 바디 메쉬 모델의 메쉬를 변형할 수 있다. 여기서, 2차원 바디 메쉬 모델은 2차원 일반 바디 메쉬 모델과 동일한 대상을 가리키는 표현으로 사용되었다.
2차원 바디 메쉬 모델의 버텍스들이 경계의 내부에 위치한 픽셀의 깊이 값을 가짐에 따라, 메쉬의 형태가 바뀔 수 있다. 또한, 버텍스들이 깊이 값을 가짐에 따라 2차원 바디 메쉬 모델은 3차원 메쉬 모델로 변형될 수 있다. 이때, 3차원 메쉬 모델은 추출된 인체 영역의 경계 및 경계 내부와 매칭되므로, 개인별로 특화된(personalized) 바디 메쉬 모델이 된다.
변형부(330)는 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지시키며 메쉬를 변형할 수 있다. 변형부(330)는 인접하는 버텍스들이 유사한 깊이 값을 가지도록 하고, 인접하는 버텍스들 간에 위치 관계를 유지시키며, 메쉬를 변형할 수 있다. 예를 들면, 버텍스들 간의 위치 관계는 버텍스들 간의 거리, 앞, 뒤, 좌, 우에 위치한 버텍스들을 의미할 수 있다.
도 4는 일 실시예에 따른 영상 처리 장치에서 인체 영역을 추출한 결과를 나타낸 도면이다.
도 4를 참조하면, 깊이 영상의 깊이 정보를 이용하면 컬러 영상으로부터 영상(410)과 같이 사람 몸의 대략적인 세그멘테이션(segmentation)이 가능하다
하지만, 부정확한 캘리브레이션(calibration) 등의 이유로 약간의 오차가 발생할 수 있다. 약간의 오차를 보상하기 위해 영상(420)과 같이 영상(410)은 확실히 사람의 몸에 해당하는 전경 영역(421), 확실히 사람의 몸이 아닌 배경 영역(425), 그리고 전경 영역(421)인지, 배경 영역(425)인지 불확실한 영역(423)으로 분류될 수 있다.
일 실시예에 따른 영상 처리 장치는 불확실한 영역(423)에 속하는 픽셀들이 전경 영역(421)에 속하는지, 아니면 배경 영역(425)에 속하는지를 결정하기 위해서 컬러 기반의 세그멘테이션(segmentation) 방법인 그랩 컷(grab-cut) 알고리즘을 이용할 수도 있고, 이외의 다른 세그멘테이션 방법을 사용할 수도 있다.
도 5는 일 실시예에 따른 영상 처리 장치에서 인체 영역의 머리, 손 및 발로 추정된 부분을 제거한 도면이다.
도 5를 참조하면, 영상(510)은 그랩 컷(grab-cut) 알고리즘을 이용하여 세그멘테이션(segmentation)한 결과를 나타낸다.
일반 바디 메쉬 모델(Generic body mesh model)은 머리 영역, 손 영역, 발 영역이 없는 메쉬(mesh) 모델이다. 따라서, 일반 바디 메쉬 모델과 컬러 영상에서 세그멘테이션 한 인체 영역을 매칭시키기 위해서는 세그멘테이션 한 임시 인체 영역에서 머리, 손, 발에 해당하는 영역을 제거할 필요가 있다.
일 실시예에 따른 영상 처리 장치는 목 부분(521)이 사람의 몸 중 수평 방향으로 가장 짧은 길이(d1)를 갖는다고 가정하여, 임시 인체 영역에서 목 부분(521)의 상부를 제거할 수 있다.
일 실시예에 따른 영상 처리 장치는 손과 팔이 연결되는 부분(522, 523)은 옷과 컬러 값이 다르다는 가정을 이용하여, 임시 인체 영역에서 손에 해당하는 영역을 제거할 수 있다. 이때, 손에 해당하는 영역을 구별하기 위해 그랩 컷 알고리즘이 이용될 수 있다. 또한, 짧은 길이(d2, d3)도 다른 가정으로 반영될 수 있다.
일 실시예에 따른 영상 처리 장치 발과 다리가 연결되는 부분(524, 525)도 옷과 컬러 값이 다르다는 가정을 이용하여, 임시 인체 영역에서 발에 해당하는 영역을 제거할 수 있다. 이때, 발에 해당하는 영역을 구별하기 위해 그랩 컷 알고리즘이 이용될 수 있다. 또한, 짧은 길이(d4, d5)도 다른 가정으로 반영될 수 있다.
도 6은 일 실시예에 따른 영상 처리 장치에서 일반 바디 메쉬 모델(610)과 추출된 인체 영역(620)의 매칭을 설명하기 위한 도면이다.
도 6을 참조하면, 일반 바디 메쉬 모델(610)은 3차원의 모델이 투영되어 생성된 것이다. 일반 바디 메쉬 모델(610)은 투영된 메쉬 모델(Projected mesh model)로 호칭될 수 있다.
일 실시예에 따른 영상 처리 장치는 추출된 인체 영역(620)에서 목으로 추정된 영역의 양 끝점(621, 622), 손과 팔이 만나는 제1 경계의 양 끝점(623, 624, 627, 628), 발과 다리가 만나는 제2 경계의 양 끝점(631, 632, 633, 634), 겨드랑이 부분의 점들(625, 626), 양쪽 다리가 연결되는 부분의 점(629) 중 적어도 하나를 특징점으로서 추출할 수 있다.
이러한 특징점의 3차원 좌표는 깊이 영상으로부터 획득할 수 있다. 그리고, 일반 바디 메쉬 모델(610)에도 대응하는 특징점들(611, 612, 614, 615)이 존재한다.
일 실시예에 따른 영상 처리 장치는 추출된 인체 영역(620)의 특징점들(623, 624)과 일반 바디 메쉬 모델(610)의 특징점들(611, 612)이 서로 일치하도록 매칭시킬 수 있다. 일 실시예에 따른 영상 처리 장치는 아핀 변환(affine transform)을 통하여 특징점들을 매칭시킬 수 있다.
일반 바디 메쉬 모델(610)의 모든 포인트들(611, 612, 613, 614, 615)은 서로 토폴로지를 유지하며, 추출된 인체 영역(620)의 경계 상에 위치하도록 매칭이 이루어질 수 있다.
추출된 인체 영역(620)의 경계와 일반 바디 메쉬 모델(610)의 경계가 매칭되기 위한 조건으로 일반 바디 메쉬 모델(610)의 포인트들의 토폴로지가 유지될 것, 추출된 인체 영역(620)의 특징점들과 일반 바디 메쉬 모델(610)의 특징점들이 서로 일치할 것이 반영될 수 있다.
도 7은 일 실시예에 따른 영상 처리 장치에서 2차원 상에서, 추출된 인체 영역(720)의 경계와 일반 바디 메쉬 모델(710)의 경계가 매칭된 결과를 나타낸 도면이다.
도 7을 참조하면, 일반 바디 메쉬 모델(710)의 경계가 컬러 영상에서 추출된 인체 영역(720)의 경계로 매칭될 수 있다. 즉, 일반적으로 사용되는 일반 바디 메쉬 모델이 사람마다 다양한 형태인 바디 모델로 변형될 수 있다. 여기서 매칭된 일반 바디 메쉬 모델(710)은 2차원 바디 메쉬 모델이다.
도 8은 일 실시예에 따른 영상 처리 장치에서 생성된 3차원 바디 메쉬 모델을 나타낸 도면이다.
도 8을 참조하면, 도 7의 일반 바디 메쉬 모델(710)은 깊이 영상의 깊이 값에 기초하여 3차원 바디 메쉬 모델로 변형될 수 있다.
일 실시예에 따른 영상 처리 장치는 일반 바디 메쉬 모델(710)의 포인트들 이 각각 컬러 영상에서 어떤 위치에 존재하는 지, 어떤 깊이 값을 갖는지도 알 수 있다. 일반 바디 메쉬 모델(710)은 컬러 영상에서 추출된 인체 영역(720)과 매칭되었기 때문에, 일반 바디 메쉬 모델(710)의 포인트들은 컬러 영상의 좌표 값에 매칭될 수 있다. 컬러 영상의 좌표 값으로부터 깊이 영상의 좌표 값이 추정될 수 있고, 깊이 영상의 좌표에 해당하는 깊이 값도 추정될 수 있다. 일반 바디 메쉬 모델(710)의 포인트들이 깊이 값을 가지게 되면서, 3차원 바디 메쉬 모델이 형성될 수 있다.
일 실시예에 따른 영상 처리 장치는 일반 바디 메쉬 모델(710)의 포인트들 중 특징점에 해당하는 버텍스(vertex)들의 깊이 값을 유지시키면서, 동시에 몸통 쪽 깊이 값과 일반 바디 메쉬 모델(710)의 몸통에 위치한 버텍스들(810, 820, 830)의 깊이 값이 일치되도록 메쉬(mesh)를 변형할 수 있다.
이 때, 일 실시예에 따른 영상 처리 장치는 몸통에 위치한 버텍스들(810, 820, 830) 및 일반 바디 메쉬 모델(710)에 포함된 버텍스들 간의 전체적인 토폴로지를 유지시키며, 메쉬를 변형할 수 있다.
도 9는 일 실시예에 따른 영상 처리 방법의 흐름도이다.
910단계에서, 일 실시예에 따른 영상 처리 장치는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출할 수 있다.
일 실시예에 따른 영상 처리 장치는 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 임시 인체 영역을 추출하고, 임시 인체 영역을 깊이 값에 기초하여 전경 영역, 배경 영역 및 불확실한 영역으로 분류할 수 있다.
일 실시예에 따른 영상 처리 장치는 컬러 영상의 컬러 값을 이용하여 불확실한 영역에 속한 픽셀에 대하여 전경 영역 및 배경 영역 중 하나를 속하는 영역으로 결정함으로써 재분류할 수 있다.
일 실시예에 따른 영상 처리 장치는 임시 인체 영역의 폭에 해당하는 수평 길이가 절대적으로 짧거나 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 목의 상부에 해당하는 영역을 머리로 추정할 수 있다.
일 실시예에 따른 영상 처리 장치는 임시 인체 영역에서 컬러 영상의 컬러 값 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고, 제1 경계를 기준으로 말단을 손으로 추정할 수 있다.
일 실시예에 따른 영상 처리 장치는 임시 인체 영역에서 컬러 영상의 컬러 값의 차이에 기초하여 다리와 발 간의 제2 경계를 획득하고, 제2 경계를 기준으로 말단을 발로 추정할 수 있다.
일 실시예에 따른 영상 처리 장치는 임시 인체 영역에서 머리, 손 및 발로 추정한 영역을 제거한 바디 영역을 인체 영역으로서 추출할 수 있다.
일 실시예에 따른 영상 처리 장치는 목으로 추정된 영역의 양 끝점들, 제1 경계의 양 끝점들, 제2 경계의 양 끝점들 및 겨드랑이 부분의 점들 중 하나 이상의 점을 특징점으로서 추출할 수 있다.
920단계에서, 일 실시예에 따른 영상 처리 장치는 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시킬 수 있다.
일 실시예에 따른 영상 처리 장치는 일반 바디 메쉬 모델(generic body mesh model)을 투영(projection)하여 2차원 바디 메쉬 모델을 생성할 수 있다.
일 실시예에 따른 영상 처리 장치는 2차원 바디 메쉬 모델의 포인트들을 서로 간의 토폴로지(topology)를 유지시키며, 인체 영역의 경계로 매칭 시킬 수 있다.
일 실시예에 따른 영상 처리 장치는 인체 영역의 경계에서 추출한 특징점과 2차원 바디 메쉬 모델의 특징점을 매칭할 수 있다.
930단계에서, 일 실시예에 따른 영상 처리 장치는 인체 영역의 경계의 내부 픽셀의 깊이 값에 기초하여 일반 바디 메쉬 모델의 메쉬를 변형할 수 있다.
일 실시예에 따른 영상 처리 장치는 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 2차원 바디 메쉬 모델의 메쉬를 변형할 수 있다.
일 실시예에 따른 영상 처리 장치는 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지 시키며 메쉬를 변형할 수 있다.
일 실시예에 따른 영상 처리 장치는 컬러 영상으로부터 깊이 영상의 깊이 값에 기초하여 추출한 인체 영역의 경계에서, 바디의 특징점을 추출하고, 추출된 특징점과 일반 바디 메쉬 모델의 특징점을 매칭하고, 경계 내부의 깊이 값에 기초하여 일반 바디 메쉬 모델의 메쉬를 변형함으로써, 사람의 특성에 맞게 변형 가능한 3차원 바디 메쉬 모델을 생성할 수 있다.
일 실시예에 따른 영상 처리 장치는 개인별로 특화된 인체 바디의 3차원 모델링을 수행할 수 있다. 또한, 일 실시예에 따른 영상 처리 장치는 얼굴, 손, 발 등을 자유롭게 변화시킬 수 있는 인체 바디 모델(human body model)을 생성할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 실행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (18)

  1. 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출하는 추출부;
    상기 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시키는 매칭부; 및
    상기 경계의 내부 픽셀의 깊이 값에 기초하여 상기 일반 바디 메쉬 모델의 메쉬를 변형하는 변형부
    를 포함하고,
    상기 추출부는
    상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 임시 추출부; 및
    상기 임시 인체 영역에서 머리, 손 및 발로 추정된 영역을 제거한 바디 영역을 상기 인체 영역으로서 추출하는 바디 영역 추출부
    를 포함하는 영상 처리 장치.
  2. 제1항에 있어서,
    상기 추출부는
    상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 임시 추출부;
    상기 임시 인체 영역을 상기 깊이 값에 기초하여 전경 영역, 배경 영역 및 불확실한 영역으로 분류하는 분류부; 및
    상기 컬러 영상의 컬러 값을 이용하여, 상기 불확실한 영역에 속한 픽셀에 대하여 상기 전경 영역 및 상기 배경 영역 중 하나를 결정함으로써 재분류하는 결정부
    를 포함하는 영상 처리 장치.
  3. 제2항에 있어서,
    상기 결정부는
    그랩 컷(grab-cut) 방식을 이용하여 상기 결정을 수행하는
    영상 처리 장치.
  4. 제1항에 있어서,
    상기 머리로 추정된 영역은, 상기 임시 인체 영역의 폭에 해당하는 수평 길이가 미리 지정된 값보다 짧거나 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 상기 목의 상부에 해당하는 영역이고,
    상기 손은, 상기 컬러 영상의 컬러 값 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고 상기 제1 경계를 기준으로 말단에 해당하고,
    상기 발은, 상기 컬러 영상의 컬러 값 차이에 기초하여 다리와 발간의 제2 경계를 획득하고, 상기 제2 경계를 기준으로 말단에 해당하는 영역인
    영상 처리 장치.
  5. 제4항에 있어서,
    상기 추출부는
    상기 목으로 추정된 영역의 양 끝점들, 상기 제1 경계의 양 끝점들, 상기 제2 경계의 양 끝점들 및 겨드랑이 부분의 점들 중 하나 이상의 점을 특징점으로서 추출하는 특징점 추출부를 더 포함하고,
    상기 매칭부는 상기 특징점을 이용하여 상기 매칭을 수행하는 영상 처리 장치.
  6. 제5항에 있어서,
    상기 겨드랑이 부분의 점들은 곡률 계산에 기초하여 검출되는 영상 처리 장치.
  7. 제1항에 있어서,
    상기 매칭부는
    상기 일반 바디 메쉬 모델(generic body mesh model)을 투영(projection)하여 2차원 바디 메쉬 모델을 생성하는 변환부; 및
    상기 2차원 바디 메쉬 모델의 포인트들을 서로 간의 토폴로지(topology)를 유지시키며, 상기 추출한 인체 영역의 경계로 매칭 시키는 바디 매칭부
    를 포함하는 영상 처리 장치.
  8. 제7항에 있어서,
    상기 바디 매칭부는
    상기 경계에서 추출한 특징점과 상기 2차원 바디 메쉬 모델의 특징점을 매칭시키는
    영상 처리 장치.
  9. 제1항에 있어서,
    상기 변형부는
    상기 추출한 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 상기 2차원 바디 메쉬 모델의 메쉬를 변형하는
    영상 처리 장치.
  10. 제9항에 있어서,
    상기 변형부는
    상기 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지 시키며 상기 메쉬를 변형하는
    영상 처리 장치.
  11. 깊이 영상의 깊이 값에 기초하여 컬러 영상에서 인체 영역을 추출하는 단계;
    상기 추출한 인체 영역의 경계와 일반 바디 메쉬 모델(generic body mesh model)의 경계를 매칭시키는 단계; 및
    상기 경계의 내부 픽셀의 깊이 값에 기초하여 상기 일반 바디 메쉬 모델의 메쉬를 변형하는 단계
    를 포함하고,
    상기 추출하는 단계는,
    상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 단계; 및
    상기 임시 인체 영역에서 머리, 손 및 발로 추정한 영역을 제거한 바디 영역을 상기 인체 영역으로서 추출하는 단계
    를 포함하는 영상 처리 방법.
  12. 제11항에 있어서,
    상기 추출하는 단계는
    상기 깊이 영상의 깊이 값에 기초하여 상기 컬러 영상에서 임시 인체 영역을 추출하는 단계;
    상기 임시 인체 영역을 상기 깊이 값에 기초하여 전경 영역, 배경 영역 및 불확실한 영역으로 분류하는 단계; 및
    상기 컬러 영상의 컬러 값을 이용하여, 상기 불확실한 영역에 속한 픽셀에 대하여 상기 전경 영역 및 상기 배경 영역 중 하나를 결정함으로써 재분류하는 단계
    를 포함하는 영상 처리 방법.
  13. 제11항에 있어서,
    상기 추출하는 단계는
    상기 임시 인체 영역의 폭에 해당하는 수평 길이가 미리 지정된 값보다 짧거나 그 상부 또는 하부보다 상대적으로 짧은 지점을 목으로 가정한 경우, 상기 목의 상부에 해당하는 영역을 머리로 추정하는 단계;
    상기 컬러 영상의 컬러 값 차이에 기초하여 손과 팔 간의 제1 경계를 획득하고, 상기 제1 경계를 기준으로 말단을 손으로 추정하는 단계; 및
    상기 컬러 영상의 컬러 값의 차이에 기초하여 다리와 발 간의 제2 경계를 획득하고, 상기 제2 경계를 기준으로 말단을 발로 추정하는 단계;
    를 포함하는 영상 처리 방법.
  14. 제13항에 있어서,
    상기 추출하는 단계는
    상기 목으로 추정된 영역의 양 끝점들, 상기 제1 경계의 양 끝점들, 상기 제2 경계의 양 끝점들 및 겨드랑이 부분의 점들 중 하나 이상의 점을 특징점으로서 추출하는 단계를 더 포함하고,
    상기 매칭시키는 단계는 상기 특징점을 이용하여 상기 매칭을 수행하는
    영상 처리 방법.
  15. 제11항에 있어서,
    상기 매칭시키는 단계는
    상기 일반 바디 메쉬 모델(generic body mesh model)을 투영(projection)하여 2차원 바디 메쉬 모델을 생성하는 단계; 및
    상기 2차원 바디 메쉬 모델의 포인트들을 서로 간의 토폴로지(topology)를 유지시키며, 상기 추출한 인체 영역의 경계로 매칭시키는 단계
    를 포함하는 영상 처리 방법.
  16. 제15항에 있어서,
    상기 추출한 인체 영역의 경계로 매칭시키는 단계는
    상기 경계에서 추출한 특징점과 상기 2차원 바디 메쉬 모델의 특징점을 매칭하는
    영상 처리 방법.
  17. 제11항에 있어서,
    상기 변형하는 단계는
    상기 추출한 인체 영역의 경계 내부의 깊이 값과 2차원 바디 메쉬 모델의 버텍스(vertex)들을 일치시키며, 상기 2차원 바디 메쉬 모델의 메쉬를 변형하는
    영상 처리 방법.
  18. 제17항에 있어서,
    상기 변형하는 단계는
    상기 2차원 바디 메쉬 모델의 버텍스들 간의 토폴로지를 유지 시키며 상기 메쉬를 변형하는
    영상 처리 방법.
KR1020120134350A 2012-11-26 2012-11-26 영상 처리 장치 및 방법 KR101732898B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020120134350A KR101732898B1 (ko) 2012-11-26 2012-11-26 영상 처리 장치 및 방법
US13/771,778 US9020251B2 (en) 2012-11-26 2013-02-20 Image processing apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120134350A KR101732898B1 (ko) 2012-11-26 2012-11-26 영상 처리 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20140067295A KR20140067295A (ko) 2014-06-05
KR101732898B1 true KR101732898B1 (ko) 2017-05-08

Family

ID=50773353

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120134350A KR101732898B1 (ko) 2012-11-26 2012-11-26 영상 처리 장치 및 방법

Country Status (2)

Country Link
US (1) US9020251B2 (ko)
KR (1) KR101732898B1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8787663B2 (en) * 2010-03-01 2014-07-22 Primesense Ltd. Tracking body parts by combined color image and depth processing
CN103489107B (zh) * 2013-08-16 2015-11-25 北京京东尚科信息技术有限公司 一种制作虚拟试衣模特图像的方法和装置
US20160012646A1 (en) * 2014-07-10 2016-01-14 Perfetch, Llc Systems and methods for constructing a three dimensional (3d) color representation of an object
KR102113812B1 (ko) * 2014-09-19 2020-05-22 한국전자통신연구원 Rgb-d 영상을 이용한 실감형 증강현실 구현 장치 및 방법
CN105654458A (zh) 2014-11-14 2016-06-08 华为技术有限公司 图像处理的方法及装置
US9594967B2 (en) 2015-03-31 2017-03-14 Google Inc. Method and apparatus for identifying a person by measuring body part distances of the person
US10796480B2 (en) * 2015-08-14 2020-10-06 Metail Limited Methods of generating personalized 3D head models or 3D body models
KR101940718B1 (ko) * 2015-09-04 2019-01-22 한국전자통신연구원 Ｒｇｂ-ｄ 영상 기반 사람 영역 추출 장치 및 그 방법
WO2017070054A1 (en) * 2015-10-19 2017-04-27 DimensionalMechanics, Inc. System and methods for characterizing a fabric or material
CN107869967A (zh) * 2017-11-02 2018-04-03 渭南领智三维科技有限公司 一种人体足部快速三维扫描方法
KR101995411B1 (ko) * 2017-12-14 2019-07-02 주식회사 아이미마인 신체 모델 생성 장치 및 방법
KR102526700B1 (ko) 2018-12-12 2023-04-28 삼성전자주식회사 전자 장치 및 그의 3d 이미지 표시 방법
CN110659683A (zh) * 2019-09-20 2020-01-07 杭州智团信息技术有限公司 图像处理方法、装置及电子设备
WO2023096403A1 (ko) * 2021-11-25 2023-06-01 (주)클로버추얼패션 3차원 아바타의 신체 부위 경계면 결정 방법 및 장치

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7221809B2 (en) * 2001-12-17 2007-05-22 Genex Technologies, Inc. Face recognition system and method
US8139067B2 (en) * 2006-07-25 2012-03-20 The Board Of Trustees Of The Leland Stanford Junior University Shape completion, animation and marker-less motion capture of people, animals or characters
JP2008210276A (ja) * 2007-02-27 2008-09-11 Canon Inc 三次元モデル情報の生成方法及び装置
US8700477B2 (en) * 2009-05-26 2014-04-15 Embodee Corp. Garment fit portrayal system and method
KR20100138648A (ko) * 2009-06-25 2010-12-31 삼성전자주식회사 영상 처리 장치 및 방법
KR101072944B1 (ko) 2009-08-31 2011-10-17 서울대학교산학협력단 3차원 인체 모델 생성 시스템 및 그 방법
KR101640039B1 (ko) * 2009-09-22 2016-07-18 삼성전자주식회사 영상 처리 장치 및 방법
KR101636370B1 (ko) * 2009-11-10 2016-07-05 삼성전자주식회사 영상 처리 장치 및 방법
KR101409842B1 (ko) 2009-12-18 2014-06-20 한국전자통신연구원 근육 및 외형 곡면 기반 개체 표준 메쉬 모델의 파라메트릭 제어를 통한 자동 리깅 및 형상 전이 방법
US8610710B2 (en) 2009-12-18 2013-12-17 Electronics And Telecommunications Research Institute Method for automatic rigging and shape surface transfer of 3D standard mesh model based on muscle and nurbs by using parametric control
KR20110131947A (ko) 2010-06-01 2011-12-07 삼성전자주식회사 영상 처리 장치 및 방법
JP5500683B2 (ja) 2010-06-13 2014-05-21 独立行政法人情報通信研究機構 個体の内部組織構造を有した数値対象体モデルを生成する方法、プログラムおよびシステム
KR101796190B1 (ko) 2010-12-23 2017-11-13 한국전자통신연구원 디지털 클론 생성 장치 및 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
OpenVolMesh 삼차원 볼륨 기반의 메쉬 표현을 위한 범용적이고 효과적인 자료 구조, 한국콘텐츠학회논문지제8권제7호(2008)*
칼라 영상에서의 중심 객체 추출에 관한 연구, 한국멀티미디어학회, 멀티미디어학회논문지 제5권6호(2002)*

Also Published As

Publication number Publication date
US9020251B2 (en) 2015-04-28
KR20140067295A (ko) 2014-06-05
US20140147037A1 (en) 2014-05-29

Similar Documents

Publication Publication Date Title
KR101732898B1 (ko) 영상 처리 장치 및 방법
KR101283262B1 (ko) 영상 처리 방법 및 장치
JP5167248B2 (ja) 深度マップによるヒューマノイド形状のモデル化
KR101849373B1 (ko) 인체의 관절구조를 추정하기 위한 장치 및 방법
JP2007310707A (ja) 姿勢推定装置及びその方法
US9141873B2 (en) Apparatus for measuring three-dimensional position, method thereof, and program
CN109977833B (zh) 物体追踪方法、物体追踪装置、存储介质及电子设备
KR101822185B1 (ko) 3d 포인트 클라우드 poi 검출 방법 및 장치
JP2018530045A (ja) 一連のイメージからのオブジェクトの３ｄ再構成のための方法、一連のイメージからのオブジェクトの３ｄ再構成を実行するように構成されたコンピュータ読取可能記憶媒体及び装置
JP5493108B2 (ja) 距離画像カメラを用いた人体識別方法および人体識別装置
KR102455632B1 (ko) 스테레오 매칭 방법 및 장치
JP2009536731A5 (ko)
JP2009525543A (ja) 二次元画像からの三次元の顔の復元
JP2010176380A (ja) 情報処理装置および方法、プログラム、並びに記録媒体
JP2007004767A (ja) 画像認識装置、方法およびプログラム
US20160283792A1 (en) Information processing apparatus, information processing method, and storage medium
JP6021689B2 (ja) 車両諸元計測処理装置、車両諸元計測方法及びプログラム
EP3345123B1 (en) Fast and robust identification of extremities of an object within a scene
KR102110459B1 (ko) 3차원 이미지 생성 방법 및 장치
JP2018113021A (ja) 情報処理装置およびその制御方法、プログラム
JP2014134856A (ja) 被写体識別装置、被写体識別方法および被写体識別プログラム
JP2014170368A (ja) 画像処理装置、方法及びプログラム並びに移動体
KR100933957B1 (ko) 단일 카메라를 이용한 삼차원 인체 포즈 인식 방법
CN115700796A (zh) 模型生成方法、模型生成装置、非瞬时性存储介质、移动体姿势推定方法及其推定装置
CN109074646B (zh) 图像识别装置以及图像识别程序

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant