[發明專利]一種復雜背景下正面人體圖像分割方法及裝置

有效

• 申請號: 201811408050.8
• 申請日: 2018-11-23
• 公開（公告）號: CN109509194B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 馬燕;賈俊瑛;黃慧;張玉萍;李順寶
• 申請（專利權）人: 上海師范大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06T7/187;G06T7/194
• 代理公司: 上海宛林專利代理事務所(普通合伙) 31361
• 代理人: 馬平麗

1.一種復雜背景下正面人體圖像分割方法，其特征在于，包括以下步驟：

步驟101，采集特定站姿的人體正面圖像；

步驟102，對所述人體正面圖像進行預處理；具體包括以下步驟：

利用SLIC算法對人體正面圖像提取超像素塊；具體為先將人體正面圖像I由RGB顏色空間轉換到Lab顏色空間；包括以下步驟：

Lab色彩模型是由亮度L和有關色彩的a，b共三個分量組成；L表示亮度，其值域是0到100；a表示從洋紅色至綠色，b表示從黃色至藍色的范圍；

假定人體正面圖像I的大小為N＝m×n，超像素塊的大小為50×50，則超像素塊的數目K設定為將1分割為K個相同大小的超像素塊；

人體正面圖像I的大小為3264×2448，超像素塊的大小為50×50，則超像素塊的數目K的計算公式為：

設定每個超像素塊的中心為初始聚類中心；

虛線矩形表示一個50×50的超像素塊SP₁，設定該超像素塊的中心點O₁為這個超像素塊的初始聚類中心，點O₁的三個顏色分量值L、a和b分別記作和點O₁的坐標記作

同理，其余各超像素塊SP₂，SP₃，…，SP_K的中心為初始聚類中心，記作O₂，O₃，…，O_K；

在各初始聚類中心的鄰域內，計算各像素點與該初始聚類中心的顏色距離d_c及其坐標位置距離d_s，并將d_c與d_s之和作為像素點與該初始聚類中心的距離d，如果距離d小于該像素點與其它初始聚類中心的距離，則該像素點屬于該初始聚類中心所在的超像素塊；

點A為超像素塊SP₁內的一個像素點，點A的L、a和b顏色分量值分別記作LA，a_A和b_A，點A的坐標記作(x_A，y_A)；點A與點O₁的顏色距離d_c1及其坐標位置距離d_s1為：

點A與點O₁的距離d₁為：

其中，m＝(L_max-L_min)²+(a_max-a_min)²+(b_max-b_min)²，這里，L_max、a_max、b_max表示圖像I中所有像素點的L、a和b顏色分量值的最大值，L_min、a_min、b_min表示圖像I中所有像素點的L、a和b顏色分量值的最小值；

S是類內最大空間距離，

其中，N表示人體正面圖像I中的像素點數目，K表示超像素塊的數目；

計算點A與其余超像素塊SP₂，SP₃，…，SP_K的初始聚類中心O₂，O₃，…，O_K的距離，得到d，d₂，…，d_K；比較d₁和d₂，…，d_K的大小，如果d₁小于d₂，…，d_K，則點A看作屬于O₁所在的超像素塊SP₁；

同理比較超像素塊SP₁中的其余像素點，為各像素點分配超像素類標簽；

計算各超像素塊中所有像素點的L、a和b三個顏色分量的均值和坐標位置均值；

假定超像素塊SP₁內共包括n個像素點，其顏色均值和坐標位置均值按下式計算：

則超像素塊SP₁的聚類中心的顏色分量和坐標分量分別為和

反復執行上述步驟，直到聚類中心保持不變，則輸出各超像素塊；

對每個超像素塊生成Lab顏色直方圖；其包括如下步驟：

將L、a和b三個分量等分為8個區間；

在各超像素塊內，統計各個像素點在L、a、b三個分量8個區間內的分布情況，計算L、a、b三個分量分別落入8個區間的數目，構建歸一化顏色直方圖；

計算相鄰超像素塊的顏色直方圖之間的巴氏距離；其包括如下步驟：

假定P和Q為兩個相鄰超像素塊，它們的歸一化顏色直方圖分別表示為H_p和H_Q，則P和Q之間的巴氏距離：

其中，i表示直方圖中第i個數值；

步驟103，對預處理后的所述人體正面圖像進行人臉檢測，確定人體頭部位置，并結合人體正面結構比例確定人體大致范圍；具體是利用Adaboost算法對預處理后的所述人體正面圖像進行人臉檢測，確定人體頭部位置，并結合人體正面結構比例確定人體大致范圍；具體包括：

離線收集大量不同光照條件下的人臉正樣本以及非人臉負樣本，建立樣本集；

對樣本集中各圖像使用Haar-like特征做檢測，再用積分圖對Haar-like特征求值；

在人臉檢測時有一個子窗口在待檢測的圖片窗口中不斷地滑動，子窗口每到一個位置，就計算該區域的特征，而積分圖就是只遍歷一次圖像就可以求出圖像中所有區域像素和的快速算法，大大提高了圖像特征值計算的效率；

利用Adaboost算法挑選分類能力強的特征作為弱分類器，計算弱分類器閾值；

利用挑選出的弱分類器組成一個強分類器，計算強分類器閾值；

將強分類器級聯成一個多層分類器；

利用訓練的分類器對正面人體圖像檢測人臉，得到人臉位置R1，將其頭長記作h；

步驟104，根據所述人體大致范圍，對人體進行分割，并輸出分割結果，具體包括以下步驟：

步驟104-1，根據人體大致范圍，結合超像素塊，進行人體的初步分割，并將超像素塊標記為前景塊和背景塊；

步驟104-2，遍歷所有前景塊，當前景塊與其相鄰背景塊間的巴氏距離大于閾值，則將前景塊標記為背景塊；

步驟104-3，將閾值減去一個定值，重復步驟104-2，直到閾值大于預定值，最終輸出人體分割結果。