[发明专利]基于RGB-D图像的前后景分离方法及其前后景分离装置

说明书

本发明公开的一种基于RGB‑D图像的前后景分离方法，包括以下步骤：1.对RGB‑D图像进行读取，其中RGB‑D图像由RGB图像和深度图像构成；2.分别对RGB图像和深度图像进行背景掩码矩阵计算，获取RGB图像和深度图像的背景掩码矩阵；3.将RGB图像和深度图像的背景掩码矩阵进行融合和校准处理得到最终的背景掩码矩阵，再根据融合校准后的背景掩码矩阵获取RGB‑D图像的最终的前景图像。还公开了一种前后景分离装置。本发明的有益效果在于：本发明结合RGB‑D图像中的RGB图像和深度图像，从而实现将RGB‑D图像的前后景图像进行分离，克服了现有的前后景分离方法存在易受光照、环境等因素影响的缺点。

技术领域

本发明涉及前后景分离技术领域，尤其涉及一种基于RGB-D图像的前后景分离方法及其前后景分离装置。

背景技术

目标检测是视觉跟踪和行为识别等领域的核心问题，也是计算机视觉的重要研究方向。目前比较流行的目标检测算法包括帧间运动估计方法，例如光流法和块匹配法；帧间差分法，通过连续两帧图像差分分离前景目标；背景差分法，为背景构建模型，通过比较当前帧与背景模型来提取运动目标。其中，背景差分法是目前较为常用的运动目标检测算法。

Vibe算法是2011年提出的一种背景建模算法，该算法采用领域像素来创建背景模型，通过比对背景模型和当前输入像素值来检测前景，具体可分为三个步骤：步骤1，初始化单帧图像中每个像素点的背景模型；步骤2，对后续的图像序进行前景目标分隔操作；步骤3，更新背景模型。这种方法是一种具有随机性的非参数化背景差分算法，其具有初始化速度快、判断过程简单的优点。但也存在以下一些缺点：1、容易出现背景变化被识别为前景的情况；2、RGB图像容易受到外界光照或环境的影响，从而影响分割精度；3、前景物体在初始帧中会被误识别为背景模型。

为此，申请人进行了有益的探索和尝试，找到了解决上述问题的办法，下面将要介绍的技术方案便是在这种背景下产生的。

发明内容

本发明所要解决的技术问题之一在于：针对现有技术的不足而提供一种避免出现背景变化被识别为前景的情况、改善前景物体在初始帧中被误识别为背景模型的问题、提高前后景分离准确度的基于RGB-D图像的前后景分离方法。

本发明所要解决的技术问题之二在于：提供一种实现上述基于RGB-D图像的前后景分离方法的前后景分离装置。

作为本发明第一方面的一种基于RGB-D图像的前后景分离方法，包括以下步骤：

步骤S10，获取需要进行前后景分离的RGB-D图像，并对获取到的RGB-D图像进行读取，其中所述RGB-D图像由RGB图像和深度图像构成；

步骤S20，分别对所述RGB图像和深度图像进行背景掩码矩阵计算，获取所述RGB图像和深度图像的背景掩码矩阵；

步骤S30，将所述RGB图像和深度图像的背景掩码矩阵进行融合和校准处理得到最终的背景掩码矩阵，再根据融合校准后的背景掩码矩阵获取所述RGB-D图像的最终的前景图像，从而实现将所述RGB-D图像的前后景图像进行分离。

在本发明的一个优选实施例中，在所述步骤S20中，对所述RGB-D图像中的深度图像进行背景掩码矩阵计算，获取深度图像的背景掩码矩阵，包括以下步骤：

步骤S211，计算固定数量的初始化深度图的均值和方差；

步骤S212，找出深度图中的静止区域，即其方差小于门限的区域；

步骤S213，根据静止区域更新深度图的背景数据，并优先考虑远距离的背景数据。

步骤S214，计算背景掩码矩阵，背景掩码矩阵是一个0-1二值矩阵，将步骤S213计算得到的背景区域设置为1，其余区域设置为0。