一種針對非簡單背景的人體輪廓自動提取方法
【專利摘要】本發(fā)明公開了一種針對非簡單背景的人體輪廓自動提取方法，包括以下步驟：對圖像預處理，將圖像中前景區(qū)域人體位置進行定位，找到人體質心像素位置；對圖像中每個像素，計算其到人體質心的距離，得到圖像的三維直方圖統(tǒng)計，結合圖像的三維直方圖分析得到背景的顏色分布；利用掃描線依次對圖像各行或各列像素進行掃描，最后得到一系列區(qū)域邊界；區(qū)域邊界進行后處理，如果兩個區(qū)域同屬于背景區(qū)域，則將兩個區(qū)域合并，消除之間的邊界，最終獲得人體邊界輪廓線。提出了三維直方圖的概念，彌補了二維直方圖丟失圖像空間信息的缺陷。
【專利說明】一種針對非簡單背景的人體輪廓自動提取方法
【技術領域】
[0001]本發(fā)明涉及圖像處理【技術領域】，尤其涉及一種針對非簡單背景的人體輪廓自動提取方法。
【背景技術】
[0002]圖像的輪廓作為圖像的一種基本特征，往往攜帶著一幅圖像的大部分信息，經常被應用到較高層次的圖像應用中去。它在圖像識別，圖像分割，圖像增強以及圖像壓縮等的領域有廣泛應用，也是圖像處理的基礎。因而這就需要我們對一幅圖像檢測并提取出它的輪廓。輪廓提取在許多智能視覺系統(tǒng)中特別是模式識別中被認為是非常重要的過程。
[0003]采用區(qū)域增長的方法來提取輪廓線，能夠避免對圖像所有數據點的處理，大大提高了輪廓線的提取速度，通過限制條件保證了生成的輪廓線的封閉性，然而傳統(tǒng)的種子區(qū)域生長法不僅受初始種子點選取以及生長順序的影響，而且還面臨著如何自動選取種子及自動確定生長區(qū)域的數目等問題。種子點的確定直接影響最后形成的區(qū)域，如果選取不當，就會造成過分割或者欠分割的。停止生長的準則也是缺乏通用的準則，如果確定不好，很容易引起程序的死循環(huán)。對于非簡單背景的圖像，由于色彩、紋理等特征變化較大，使得區(qū)域增長的種子點選取不能自動實現，因此采用傳統(tǒng)的單一方法分割不能滿足實際要求。
[0004]另外將圖像直接用一個二維顏色直方圖表示時，其統(tǒng)計的是不同顏色出現的頻數，以色彩作為橫坐標，縱坐標為色彩出現的頻數。二維顏色直方圖僅描述了每個灰度級的像素的個數，但不能為這些像素在圖像中的位置提供任何線索。當一幅圖像被壓縮為直方圖后，所有的空間信息將全部丟失。

【發(fā)明內容】

[0005]為解決現有技術存在的不足，本發(fā)明公開了一種針對非簡單背景的人體輪廓自動提取方法，針對二維直方圖的缺點，將像素距人體質心像素的距離附加到二維顏色直方圖，提出了三維直方圖的概念，輔助種子點的選取。該方法魯棒于初始種子點的選取及生長順序的優(yōu)點。自動選取種子以及自動確定生長區(qū)域數目，保證背景區(qū)域內部的一致性，能夠得到人體輪廓提取希望的區(qū)域分割。
[0006]為實現上述目的，本發(fā)明的具體方案如下:
[0007]—種針對非簡單背景的人體輪廓自動提取方法，包括以下步驟:
[0008]步驟一:對圖像預處理，將圖像中前景區(qū)域人體位置進行定位，找到人體質心像素位置；
[0009]步驟二:對圖像中每個像素，計算其到人體質心的距離，得到圖像的三維直方圖統(tǒng)計，結合圖像的三維直方圖分析得到背景的顏色分布；
[0010]步驟三:利用掃描線依次對圖像各行或各列像素進行掃描，在掃描過程中，當遇到屬于背景顏色集的像素，且該像素到人體質心的距離小于閾值時，則標記為種子點，并進行基于區(qū)域顏色梯度的生長，否則繼續(xù)掃描，直至找出整幅圖像所有背景種子點，最后得到一系列區(qū)域邊界；
[0011]步驟四:步驟三中的區(qū)域邊界進行后處理，如果兩個區(qū)域同屬于背景區(qū)域，則將兩個區(qū)域合并，消除之間的邊界，最終獲得人體邊界輪廓線。
[0012]所述步驟一對圖像的預處理:采用顯著性區(qū)域檢測的方法定位出人體的大致位置，然后找到人體區(qū)域的質心。
[0013]所述步驟一對圖像的預處理的步驟如下:
[0014](1-1)采用SGC顯著性區(qū)域檢測方法定位出人體的大致位置，并賦予其標號I，在進行顯著性區(qū)域檢測時需要進行顏色空間轉換，即由RGB空間轉換為Lab空間；
[0015]具體轉換步驟如下:
【權利要求】
1.一種針對非簡單背景的人體輪廓自動提取方法，其特征是，包括以下步驟: 步驟一:對圖像預處理，將圖像中前景區(qū)域人體位置進行定位，找到人體質心像素位置； 步驟二:對圖像中每個像素，計算其到人體質心的距離，得到圖像的三維直方圖統(tǒng)計，結合圖像的三維直方圖分析得到背景的顏色分布； 步驟三:利用掃描線依次對圖像各行或各列像素進行掃描，在掃描過程中，當遇到屬于背景顏色集的像素，且該像素到人體質心的距離小于閾值時，則標記為種子點，并進行基于區(qū)域顏色梯度的生長，否則繼續(xù)掃描，直至找出整幅圖像所有背景種子點，最后得到一系列區(qū)域邊界； 步驟四:步驟三中的區(qū)域邊界進行后處理，如果兩個區(qū)域同屬于背景區(qū)域，則將兩個區(qū)域合并，消除之間的邊界，最終獲得人體邊界輪廓線。
2.如權利要求1所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，所述步驟一對圖像的預處理的步驟如下: (1-1)采用SGC顯著性區(qū)域檢測方法定位出人體的大致位置，并賦予其標號I，在進行顯著性區(qū)域檢測時需要進行顏色空間轉換，即由RGB空間轉換為Lab空間； (1-2)顯著性區(qū)域檢測后得到人體像素的大概范圍，根據式(I)計算出標識為人體區(qū)域的質心坐標(X1, Y1)，
3.如權利要求2所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，所述由RGB空間轉換為Lab空間，具體轉換步驟如下:

4.如權利要求1所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，所述步驟二計算像素到人體質心像素的距離附加到二維直方圖，得到三維直方圖，并依此判斷出屬于背景區(qū)域的顏色范圍，具體包括以下步驟: (2-1)計算圖像中各個像素Sk到(Xl，yi)的距離，然后將距離量化為8個級別，將距離級別作為豎坐標附加到二維直方圖上，得到三維直方圖； (2-2)由三維直方圖看出，同一顏色值的像素因為距人體質心像素的距離不同，將會被劃分到不同的區(qū)域，通過三維直方圖得到背景顏色范圍，根據三維直方圖確定區(qū)分前景與背景的閾值Td，然后將距離大于閾值Td的像素標記為背景像素，得到初步背景像素集sd，并將其顏色集標識為B。
5.如權利要求4所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，所述步驟二得到三維直方圖的具體步驟如下: A.首先按照公式(2)計算出圖像中各個像素Sk到(Xl，yi)的距離，
6.如權利要求4所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，通過三維直方圖得到背景顏色范圍的具體步驟如下: D.首先確定距離閾值為Td，其計算定義如下:
7.如權利要求4所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，所述步驟三利用掃描線，根據步驟二求出的背景顏色范圍和初步背景顏色集Sd，確定出能代表背景特征的種子點，以此進行區(qū)域增長。
8.如權利要求1所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，種子點為該像素的顏色屬于背景顏色集B以及其到人體質心像素的距離小于閾值Td的像素。
9.如權利要求1所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，所述步驟三利用掃描線進行種子點自動選取、自動區(qū)域生長的具體步驟如下: (3-1)對于圖像，從左至右依次縱向或橫向掃描，對于掃描線上的點，首先判斷其顏色是否屬于背景顏色集B，并且判斷其到人體質心像素的距離是否大于閾值Td，即是否屬于初步背景像素集Sd，若符合條件，則標記為種子點Sk ； (3-2)對確定的種子點按照公式(5)計算的顏色梯度進行區(qū)域增長，并將該種子點區(qū)域增長之后得到的區(qū)域標記為Rk，
10.如權利要求1所述的一種針對非簡單背景的人體輪廓自動提取方法，其特征是，步驟四對背景區(qū)域進行區(qū)域合并，消除邊界，得到真正的人體輪廓，合并規(guī)則定義如下:首先根據種子點掃描找到一個背景區(qū)域R，設SR={SiR}i-1,2,...,k表示R的所有相鄰區(qū)域的集合，如果鄰接區(qū)域Sf丨的種子點也為背景像素，我們就將R和Sf合并，迭代掃描整幅圖像，直到將所有背景區(qū)域合并。
【文檔編號】G06K9/46GK103914840SQ201410128647
【公開日】2014年7月9日 申請日期:2014年4月1日 優(yōu)先權日:2014年4月1日
【發(fā)明者】周元峰, 潘曉, 朱東方 申請人:山東大學