專利名稱：用于特定前景物體的檢測(cè)驗(yàn)證的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于圖像前景物體的檢測(cè)驗(yàn)證方法和系統(tǒng)，更具體地涉及一種使用所拍攝的深度圖像對(duì)特定對(duì)象進(jìn)行檢測(cè)驗(yàn)證的方法和系統(tǒng)。
背景技術(shù)：
在各種人機(jī)交互、游戲以及智能系統(tǒng)等應(yīng)用中，通常要對(duì)參與的人員進(jìn)行視頻監(jiān)控，而視頻監(jiān)控一個(gè)比較重要的環(huán)節(jié)就是需要檢測(cè)視頻圖像中的參與人員，而這種檢測(cè)過程必須要對(duì)包含參與人的視頻圖像進(jìn)行圖像處理。而這些圖像處理通常采用普通攝像機(jī)拍攝進(jìn)行視頻處理。實(shí)際應(yīng)用過程中，這種采用普通攝像機(jī)拍攝的視頻來檢測(cè)參與人的圖像
處理技術(shù)面臨許多問題比如檢測(cè)率低，誤檢率高，無法實(shí)時(shí)等等，導(dǎo)致這些問題的原因在于包含參與人員的場(chǎng)景中的參與人員的行為復(fù)雜性、場(chǎng)景的光線比較暗、以及場(chǎng)景的亮度通常存在突變的情況。人們?yōu)榱私鉀Q采用普通攝像機(jī)拍攝的視頻進(jìn)行檢測(cè)參與人員的方法存在的上述問題，提出了許多解決的方法，例如，在場(chǎng)景中的參與人員身上增加傳感器，但是這種方法只能適用在某些特定的場(chǎng)景，而且參與人員(用戶)的體驗(yàn)效果不好。另外，隨著深度照相機(jī)的出現(xiàn)，由于深度照相機(jī)采集的是場(chǎng)景內(nèi)的距離信息，因此人們?cè)噲D利用距離信息來對(duì)參與人員進(jìn)行檢測(cè)，但是基于深度攝像機(jī)的算法目前仍不成熟。目前，人們已經(jīng)提出了一些用于人的檢測(cè)技術(shù)。美國(guó)專利申請(qǐng)US20090210193A1提出了一個(gè)檢測(cè)并定位人的方法。該方法使用基于TOF的距離圖像傳感器輸出空間內(nèi)對(duì)象的距離，并給予這種距離變化，檢測(cè)出包含這種距離變化的區(qū)域；然后采用分割模塊從所檢測(cè)到的距離變化區(qū)域中分割出參與人員的人的特定形狀，從而定位人的方向。很顯然，該美國(guó)專利申請(qǐng)使用了一種具體人的特征，例如軀干，腿等特征來分割距離變化區(qū)域中人的圖像。該專利根據(jù)距離變化檢測(cè)物體使用軀干，腿等特征驗(yàn)證人。另外，鑒于通常對(duì)象的三維特征，歐洲專利申請(qǐng)EP1983484A1提出一種采用采集裝置采集三維物體并且計(jì)算出視差圖(disparity component data)來檢測(cè)三維對(duì)象的方法。該方法預(yù)先建立三維對(duì)象的模型，計(jì)算出從不同的視角觀察到此三維模型所得到的二維投影的一組灰度圖，并將這組灰度圖定義為對(duì)象模板，然后比較對(duì)象模板與所采集到的圖像區(qū)域，在所采集到的圖像的某個(gè)區(qū)域與所述對(duì)象模板之間具有最高的關(guān)聯(lián)度值時(shí)，則認(rèn)為該區(qū)域具有一個(gè)三維對(duì)象。很顯然，三維對(duì)象模型采用灰度圖，無法進(jìn)行歸一化處理。鑒于參與人的人臉特征，美國(guó)專利申請(qǐng)US20100158387A1提出一種人臉檢測(cè)方法。該方法采用一種圖像處理模塊使用多幅圖像計(jì)算出距離信息并且根據(jù)距離信息分割出前景區(qū)域和背景區(qū)域，然后采用人臉檢測(cè)模塊根據(jù)距離對(duì)前景區(qū)域進(jìn)行縮放，然后在縮放后的圖像中檢測(cè)人臉。然而，該專利申請(qǐng)只能對(duì)人臉進(jìn)行檢測(cè)，因此對(duì)場(chǎng)景中出現(xiàn)的人的其他部分或其他物體無法進(jìn)行檢測(cè)
發(fā)明內(nèi)容
為了解決上面所提到的現(xiàn)有技術(shù)中的這些問題，本發(fā)明提出了一種特定前景對(duì)象的檢測(cè)驗(yàn)證方法和系統(tǒng)。具體而言，本發(fā)明提供了一種特定前景對(duì)象的檢測(cè)驗(yàn)證方法，包括采用深度照相機(jī)獲取當(dāng)前環(huán)境的深度信息，并基于所述獲得的深度信息創(chuàng)建當(dāng)前環(huán)境的深度圖；比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度，更新背景深度圖模型；從深度照相機(jī)再次拍攝的當(dāng)前環(huán)境的深度圖中減去所更新的背景深度圖模型，從而得到當(dāng)前環(huán)境的背景的前景區(qū)域的深度圖；將所得到的前景區(qū)域的深度圖中一個(gè)或多個(gè)連通域進(jìn)行編號(hào)，并在具有多個(gè)連通域的情況下，將這些連通域分割開來，作為多個(gè)候選的特定前景對(duì)象；以及采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，其中所述比較所創(chuàng)建的當(dāng)前環(huán)境的 深度圖與初始化背景深度圖各像素點(diǎn)的深度以便更新背景深度圖模型包括通過對(duì)連續(xù)幾幀圖像采用中值濾波進(jìn)行降噪濾波處理。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，其中所述比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度以便更新背景深度圖模型包括反復(fù)執(zhí)行的如下步驟比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與在創(chuàng)建的當(dāng)前環(huán)境的深度圖之前所存在的背景深度圖各像素點(diǎn)的深度，并在發(fā)現(xiàn)在當(dāng)前環(huán)境深度圖的一個(gè)像素點(diǎn)的當(dāng)前深度大于所述背景深度圖中的對(duì)應(yīng)像素點(diǎn)的深度時(shí)，將所述背景深度圖中的對(duì)應(yīng)像素點(diǎn)的深度更新為當(dāng)前環(huán)境深度圖的一個(gè)像素點(diǎn)的當(dāng)前深度值；反復(fù)執(zhí)行上述步驟，直到在一預(yù)定時(shí)間閾值內(nèi)發(fā)生上述更新的像素點(diǎn)的數(shù)量少于一預(yù)定的數(shù)量閾值為止。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，所述方法還包括在驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象之前，建立特定對(duì)象模板。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，其中所述特定對(duì)象模板是一種特定對(duì)象的深度圖，具有固定的大小并且深度值為該類特定對(duì)象到指定攝像機(jī)的固定距離。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，所述方法還包括在所述采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象的步驟之前，對(duì)待驗(yàn)證的前景對(duì)象根據(jù)其深度圖所包含的距離信息改變前景對(duì)象深度圖的尺寸。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，所述對(duì)待驗(yàn)證的前景對(duì)象根據(jù)其深度圖所包含的距離信息改變前景對(duì)象深度圖的尺寸的步驟包括計(jì)算所述前景對(duì)象深度圖的各個(gè)像素的深度值的平均深度；基于所述特定對(duì)象模板中指定的固定深度值和所計(jì)算的前景對(duì)象深度圖的平均深度來計(jì)算所述前景對(duì)象深度圖的縮放比例；以及根據(jù)所計(jì)算的縮放比例改變所述前景對(duì)象深度圖的尺寸。根據(jù)本發(fā)明的特定前景對(duì)象的檢測(cè)驗(yàn)證方法，其中所述采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象的步驟通過采用歸一化相關(guān)系數(shù)(NCC)的算法對(duì)所述特定對(duì)象模板和所述改變尺寸后的前景對(duì)象深度圖進(jìn)行模板匹配來進(jìn)行。根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種特定前景對(duì)象的檢測(cè)驗(yàn)證系統(tǒng)，包括深度圖采集設(shè)備，獲取當(dāng)前環(huán)境的深度信息，并基于所述獲得的深度信息創(chuàng)建當(dāng)前環(huán)境的深度圖；背景建模單元，比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度，更新背景深度圖模型；背景減除單元，從深度照相機(jī)再次拍攝的當(dāng)前環(huán)境的深度圖中減去所更新的背景深度圖模型，從而得到當(dāng)前環(huán)境的背景的前景區(qū)域的深度圖；前景對(duì)象分割單元，將所得到的前景區(qū)域的深度圖中一個(gè)或多個(gè)連通域進(jìn)行編號(hào)，并在具有多個(gè)連通域的情況下，將這些連通域分割開來，作為多個(gè)候選的特定前景對(duì)象；以及前景對(duì)象驗(yàn)證單元，采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象。本發(fā)明只是用深度圖，采用的檢測(cè)特征為特定對(duì)象的輪廓，更具備魯棒性。


圖I所示的是采用本發(fā)明的前景對(duì)象的檢測(cè)驗(yàn)證方法和系統(tǒng)的場(chǎng)景示意圖。圖2所示的是根據(jù)本發(fā)明的前景對(duì)象的檢測(cè)驗(yàn)證方法的流程圖。 圖3所示的是根據(jù)本發(fā)明的背景建模步驟的流程圖。圖4所示的是根據(jù)本發(fā)明的背景減除步驟和前景對(duì)象分割步驟的流程圖。圖5闡所示的是根據(jù)本發(fā)明的背景減除步驟和前景對(duì)象分割步驟的示意圖。圖6所示的是根據(jù)本發(fā)明的前景對(duì)象驗(yàn)證步驟的流程圖。圖7-1所示的是根據(jù)本發(fā)明的改變深度圖尺寸步驟的流程圖。圖7-2所示的是根據(jù)本發(fā)明的改變深度圖尺寸步驟的示意圖。圖8-1所示的是根據(jù)本發(fā)明的頭肩模板的示意圖。圖8-2所示的是與根據(jù)本發(fā)明的頭肩模板不同的灰度圖模板的示意圖。圖9所示的是根據(jù)本發(fā)明的將對(duì)象形狀和模板匹配步驟的流程圖。圖10所示的是根據(jù)本發(fā)明的將NCC匹配結(jié)果可視化的示意圖。圖11所示的是根據(jù)本發(fā)明的系統(tǒng)方框圖。
具體實(shí)施例方式以下，將參照附圖來詳細(xì)說明本發(fā)明的具體實(shí)施例。圖I所示的是采用本發(fā)明的前景對(duì)象的檢測(cè)驗(yàn)證方法和系統(tǒng)的場(chǎng)景示意圖。由一個(gè)三維攝像機(jī)進(jìn)行拍攝，同時(shí)本發(fā)明對(duì)拍攝的數(shù)據(jù)進(jìn)行處理。輸出可以展示在顯示設(shè)備上。圖2所示的是根據(jù)本發(fā)明的前景對(duì)象的檢測(cè)驗(yàn)證方法的流程圖。首先，在步驟11處，由深度圖采集單元U10，獲取當(dāng)前環(huán)境的深度信息，并基于所述獲得的深度信息創(chuàng)建當(dāng)前環(huán)境的深度圖。隨后，在步驟12處，由背景建模單元U13比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度，更新背景深度圖模型。接著，在步驟13處，由背景減除單元U14從深度照相機(jī)再次拍攝的當(dāng)前環(huán)境的深度圖中減去所更新的背景深度圖模型，從而得到當(dāng)前環(huán)境的背景的前景區(qū)域的深度圖。然后，在步驟14處，由前景對(duì)象分割單元U15將所得到的前景區(qū)域的深度圖中一個(gè)或多個(gè)連通域進(jìn)行編號(hào)，并在具有多個(gè)連通域的情況下，將這些連通域分割開來，作為多個(gè)候選的特定前景對(duì)象。最后，在步驟14處，由前景對(duì)象驗(yàn)證單元U16采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象。并在步驟15處，輸出經(jīng)過驗(yàn)證的對(duì)象。深度圖可以通過三維攝像機(jī)獲取，比如PrimeSense。所謂深度圖就是，深度照相機(jī)通過拍攝位于照相機(jī)鏡頭前的環(huán)境，并計(jì)算所拍攝的環(huán)境中每個(gè)像素點(diǎn)距離深度照相機(jī)的距離，并采用例如16位的數(shù)值來記錄每個(gè)像素點(diǎn)所代表的物體與深度照相機(jī)之間的距離，從而有這些每個(gè)像素點(diǎn)所附帶的表示距離的16位數(shù)值形成一幅表示各個(gè)像素點(diǎn)與照相機(jī)之間距離的圖。一個(gè)深度圖10是一個(gè)圖像，其每一個(gè)像素值的含義是該位置離攝像機(jī)的距離信息。距離的絕對(duì)數(shù)值是無法可視化的，所以需要對(duì)數(shù)據(jù)進(jìn)行一些處理使得其滿足數(shù)字圖像數(shù)值的約束，故被稱作深度圖。在后續(xù)的說明中提到的深度圖10是指其原始的距離值而不是處理過可視化的像素值。圖3所示的是根據(jù)本發(fā)明的背景建模步驟的流程圖。首先，在步驟SllO處，輸入初始化模型。初始化背景模型首先可以用第一幀(或者前幾幀的平均值)的深度圖作為初始背景模型，之后會(huì)動(dòng)態(tài)的不斷更新背景模型。為了能夠在任何場(chǎng)景中使用本發(fā)明，因此，背景模型需要實(shí)時(shí)更新。為此，需要在步驟Slll處采用深度照相機(jī)連續(xù)獲取本發(fā)明所應(yīng)用場(chǎng)景的N幀深度圖。鑒于每幀圖的深度可能存在不穩(wěn)定，因此，在步驟S112處對(duì)所獲取的N幀深度圖執(zhí)行降噪處理。舉例來說，降噪方法為取得N幀深度圖，對(duì)這N幀深度圖中的同一位置的像素對(duì)應(yīng)N個(gè)深度值,使用降噪函數(shù)進(jìn)行。降噪函數(shù)可以使用中值濾波函數(shù)，其表達(dá)式為 如，少)=^edianidi(x, y))⑴其中d(x，y)表示在位置(x，y)上的深度值，N表示圖像幀數(shù)。通過對(duì)所獲得深度圖中每個(gè)位置的深度值執(zhí)行上述處理后，在步驟S113處輸出包含降噪處理后深度值的深度圖。之后，在步驟S115處，采用經(jīng)過降噪處理后的深度圖來更新初始背景模型。更新處理過程具體如下在步驟S114處輸入進(jìn)行更新之前已經(jīng)存在的背景模型，之后比較所述更新之前已經(jīng)存在的背景模型深度圖和經(jīng)過降噪處理之后獲得的深度圖之間的深度值，如果兩幅深度圖對(duì)應(yīng)位置的某個(gè)像素在深度值之間存在經(jīng)過降噪處理之后獲得的深度圖的深度值比較所述更新之前已經(jīng)存在的背景模型深度圖的深度值大的情況，就表明經(jīng)過降噪處理之后獲得的深度圖的該位置像素點(diǎn)距離深度照相機(jī)更遠(yuǎn)，并且表明該像素點(diǎn)在形成被更新之前的背景模型的時(shí)候是被某個(gè)前景物體遮擋的，而該前景物體在形成上述N幀深度圖的時(shí)候被移開。因此，該降噪處理之后獲得的深度圖的該位置像素點(diǎn)更應(yīng)該成為背景的一部分，從而將該像素點(diǎn)的深度值更形為背景模型深度圖中對(duì)應(yīng)像素點(diǎn)的深度值。具體的更新表達(dá)式為
,,\d(x,y),d(x,y)>dB(x,y)dB(x^y) = S 』，...
L B 1^*5 OttlCTWiSC(2)其中J表示降噪后的深度圖中的深度值，而dB表示背景模型中的深度值。鑒于在使用本發(fā)明的場(chǎng)景過程中不可能一直處于變化過程中，相反，在經(jīng)過初期的變化后，通常會(huì)處于一定的穩(wěn)定狀態(tài)。例如在一個(gè)會(huì)議場(chǎng)合，在人們坐定之后，場(chǎng)景的變化一般很少。為了降低更新的計(jì)算量，本發(fā)明進(jìn)一步可以規(guī)定更新中止。為此，本發(fā)明建立背景模型的過程還包括步驟S116。在步驟S116處，利用中止條件中止背景模型更新過程，中止條件定義為在規(guī)定時(shí)間T內(nèi)，更新背景模型的步驟SI 15中發(fā)生更新的像素?cái)?shù)量小于一個(gè)給定的閾值CountTh。通過上述方式，可以進(jìn)行背景模型深度圖處于動(dòng)態(tài)狀態(tài)，因此能夠?qū)崟r(shí)使用本發(fā)明而不受環(huán)境變化的影響。圖4所示的是根據(jù)本發(fā)明的背景減除步驟和前景對(duì)象分割步驟的流程圖。在背景模型更新之后或同時(shí)，通過從新獲取的深度圖中減去當(dāng)前背景模型的深度圖，由此獲得新獲取的深度圖中可能前景對(duì)象的深度圖。該流程的具體過程如下首先，在步驟S120處，從深度照相機(jī)的攝像頭中獲取一幀深度圖。然后在步驟S121處，接收所輸入的背景模型(該背景模型可以是初始的，也可以是剛剛更新過的)，并從所獲取的深度圖中減去所輸入的背景模型的深度圖，并輸出前景深度圖122。具體的減除策略由下列表達(dá)式(3)給出
權(quán)利要求
1.ー種特定前景對(duì)象的檢測(cè)驗(yàn)證方法，包括 采用深度照相機(jī)獲取當(dāng)前環(huán)境的深度信息，并基于所述獲得的深度信息創(chuàng)建當(dāng)前環(huán)境的深度圖； 比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度，更新背景深度圖模型； 從深度照相機(jī)再次拍攝的當(dāng)前環(huán)境的深度圖中減去所更新的背景深度圖模型，從而得到當(dāng)前環(huán)境的背景的前景區(qū)域的深度圖； 將所得到的前景區(qū)域的深度圖中ー個(gè)或多個(gè)連通域進(jìn)行編號(hào)，并在具有多個(gè)連通域的情況下，將這些連通域分割開來，作為多個(gè)候選的特定前景對(duì)象；以及 采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象。
2.如權(quán)利要求I所述的方法，其中所述比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度以便更新背景深度圖模型包括 通過對(duì)連續(xù)幾幀圖像采用中值濾波進(jìn)行降噪濾波處理。
3.如權(quán)利要求I所述的方法，其中所述比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度以便更新背景深度圖模型包括反復(fù)執(zhí)行的如下步驟 比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與在創(chuàng)建的當(dāng)前環(huán)境的深度圖之前所存在的背景深度圖各像素點(diǎn)的深度，并在發(fā)現(xiàn)在當(dāng)前環(huán)境深度圖的ー個(gè)像素點(diǎn)的當(dāng)前深度大于所述背景深度圖中的對(duì)應(yīng)像素點(diǎn)的深度時(shí)，將所述背景深度圖中的對(duì)應(yīng)像素點(diǎn)的深度更新為當(dāng)前環(huán)境深度圖的ー個(gè)像素點(diǎn)的當(dāng)前深度值； 反復(fù)執(zhí)行上述步驟，直到在一預(yù)定時(shí)間閾值內(nèi)發(fā)生上述更新的像素點(diǎn)的數(shù)量少于ー預(yù)定的數(shù)量閾值為止。
4.如權(quán)利要求I所述的方法，所述方法還包括 在驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象之前，建立特定對(duì)象模板。
5.如權(quán)利要求4所述的方法，其中所述特定對(duì)象模板是ー種特定對(duì)象的深度圖，具有固定的大小并且深度值為該類特定對(duì)象到指定攝像機(jī)的固定距離。
6.如權(quán)利要求5所述的方法，所述方法還包括在所述采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象的步驟之前，對(duì)待驗(yàn)證的前景對(duì)象根據(jù)其深度圖所包含的距離信息改變前景對(duì)象深度圖的尺寸。
7.如權(quán)利要求6所述的方法，所述對(duì)待驗(yàn)證的前景對(duì)象根據(jù)其深度圖所包含的距離信息改變前景對(duì)象深度圖的尺寸的步驟包括 計(jì)算所述前景對(duì)象深度圖的各個(gè)像素的深度值的平均深度； 基于所述特定對(duì)象模板中指定的固定深度值和所計(jì)算的前景對(duì)象深度圖的平均深度來計(jì)算所述前景對(duì)象深度圖的縮放比例；以及 根據(jù)所計(jì)算的縮放比例改變所述前景對(duì)象深度圖的尺寸。
8.如權(quán)利要求7所述的方法，其中所述采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象的步驟通過采用歸ー化相關(guān)系數(shù)(NCC)的算法對(duì)所述特定對(duì)象模板和所述改變尺寸后的前景對(duì)象深度圖進(jìn)行模板匹配來進(jìn)行。
9.一種特定前景對(duì)象的檢測(cè)驗(yàn)證系統(tǒng)，包括 深度圖采集設(shè)備，獲取當(dāng)前環(huán)境的深度信息，并基于所述獲得的深度信息創(chuàng)建當(dāng)前環(huán)境的深度圖； 背景建模單元，比較所創(chuàng)建的當(dāng)前環(huán)境的深度圖與初始化背景深度圖各像素點(diǎn)的深度，更新背景深度圖模型； 背景減除單元，從深度照相機(jī)再次拍攝的當(dāng)前環(huán)境的深度圖中減去所更新的背景深度圖模型，從而得到當(dāng)前環(huán)境的背景的前景區(qū)域的深度圖； 前景對(duì)象分割單元，將所得到的前景區(qū)域的深度圖中一個(gè)或多個(gè)連通域進(jìn)行編號(hào)，并在具有多個(gè)連通域的情況下，將這些連通域分割開來，作為多個(gè)候選的特定前景對(duì)象；以及前景對(duì)象驗(yàn)證單元，采用模板匹配機(jī)制來驗(yàn)證所分割獲得的特定前景對(duì)象是否屬于被匹配的模板類型的特定前景對(duì)象。
全文摘要
本發(fā)明提供了檢測(cè)并驗(yàn)證圖像中的多個(gè)特定前景對(duì)象的方法和裝置，該方法可以包括根據(jù)圖像中各像素點(diǎn)距離的變化動(dòng)態(tài)的建立背景模型；從當(dāng)前圖像中減除背景模型得到前景區(qū)域；對(duì)前景區(qū)域進(jìn)行分割；以及對(duì)每一個(gè)前景驗(yàn)證其是否是某類特定對(duì)象。特定對(duì)象可以是人或椅子等某一類對(duì)象。本發(fā)明實(shí)現(xiàn)了檢測(cè)的快速算法，并且提高了檢測(cè)的準(zhǔn)確度，降低誤檢率。
文檔編號(hào)G06K9/00GK102855459SQ20111018150
公開日2013年1月2日 申請(qǐng)日期2011年6月30日 優(yōu)先權(quán)日2011年6月30日
發(fā)明者王鑫, 范圣印 申請(qǐng)人:株式會(huì)社理光