[发明专利]一种深度图像分层方法及系统

权利要求书

1.一种深度图像分层方法，其特征在于，所述方法包括：

获取当前帧的RGB图和当前帧的深度图；

根据所述当前帧的RGB图和上一帧的RGB图计算初始光流；所述初始光流包括多个光流值；

利用K均值算法对所述初始光流进行聚类得到K个初始聚类；一个所述初始聚类对应一个高斯模型；

对于任意一个所述光流值，执行二次聚类过程，得到所述光流值的二次聚类结果；

根据所有光流值的二次聚类结果对所述当前帧的深度图进行分层得到分层结果；

所述二次聚类过程为：

根据所述初始光流、所述初始聚类和上一迭代次数下的各个高斯模型的高斯参数，计算当前迭代次数下的各个高斯模型的高斯参数；所述高斯参数包括：协方差矩阵、期望和权值；根据所述当前迭代次数下的各个高斯模型的高斯参数计算当前迭代次数下的对数似然函数；

判断所述当前迭代次数下的对数似然函数与上一迭代次数下的对数似然函数的差值的绝对值是否小于设定阈值；

若是，则根据所述当前迭代次数下的各个高斯模型的高斯参数计算各个高斯模型对于所述光流值的响应度，并将所述响应度最大的高斯模型对应的初始聚类的类别作为所述光流值的所属类别，得到所述光流的二次聚类结果；

若否，则更新迭代次数后，并返回“根据所述初始光流、所述初始聚类和上一迭代次数下的各个高斯模型的高斯参数，计算当前迭代次数下的各个高斯模型的高斯参数”的步骤。

2.根据权利要求1所述的深度图像分层方法，其特征在于，所述利用K均值算法对所述初始光流进行聚类得到K个初始聚类，具体包括：

随机产生K个聚类中心；

计算所述初始光流中各所述光流值对应的像素点到所述聚类中心的欧式距离；

根据所述欧式距离，对所述初始光流聚类，得到K个所述初始聚类。

3.据权利要求1所述的深度图像分层方法，其特征在于，所述根据所述初始光流、所述初始聚类和上一迭代次数下的各个高斯模型的高斯参数，计算当前迭代次数下的各个高斯模型的高斯参数，具体包括：

根据所述初始光流中光流值的总个数和所述上一迭代次数下的各个高斯模型的高斯参数，得到所述当前迭代次数下的各个高斯模型的权值；

根据所述上一迭代次数下的各个高斯模型的高斯参数，得到所述当前迭代次数下的各个高斯模型的期望；

根据所述上一迭代次数下的各个高斯模型的高斯参数，得到所述当前迭代次数下的各个高斯模型的协方差矩阵。

4.根据权利要求1所述的深度图像分层方法，其特征在于，根据所述当前迭代次数下的各个高斯模型的高斯参数计算各个高斯模型对于所述光流值的响应度，具体包括：

根据所述当前迭代次数下的各个高斯模型的协方差矩阵和所述当前迭代次数下的各个高斯模型的期望，得到当前迭代次数下的高斯分布；

根据所述高斯分布和所述当前迭代次数下的各个高斯模型的权值计算各个高斯模型对于所述光流值的响应度。

5.根据权利要求1所述的深度图像分层方法，其特征在于，所述根据所有光流值的二次聚类结果对所述当前帧的深度图进行分层得到分层结果，具体包括：

将所述光流值的所属类别的序号确定为所述光流值对应的所述当前帧的深度图中的像素点所属的层数。