[发明专利]基于超像素-多色彩空间的人体轮廓提取方法

说明书

本发明提出了一种基于超像素‑多色彩空间的人体轮廓提取方法，从超像素SP和多色彩空间MCS视觉角度出发进行改进，对于一副图像的轮廓信息而言，最主要的差别就是色彩或亮度信息在某一梯度方向上发生剧变或跳跃，将该属性选定为轮廓所分开的区域的特征，该特征具有类内差距小、类间差别大的特点，能够很好的将不同的区域划分开来，再利用区域信息提取完整人体轮廓信息。本发明还提出基于最小阻碍距离MBD的人体轮廓提取方法，能够大大加强较复杂背景下的轮廓提取的准确度和完整性。实验证明，在非接触式人体轮廓提取中的问题在本发明中都很好的得到了解决，本发明提出的基于超像素‑多色彩空间的人体轮廓提取方案是具有很大的实用价值的。

技术领域

本发明属于图像处理技术领域，具体涉及一种人体轮廓提取方法。

背景技术

人体形态参数，包括身高、体重、颈围、肩宽、臂长、胸围、腰围、腹围、臀围、腿围、腿长等，蕴含大量有价值的信息。人体形态参数可运用场景非常广泛，例如实现远程的服装定制、人体健康状况的评估等等。人体形态参数测量方法也由人为手工测量向非接触式测量过度。在基于被动非接触式人体形态参数提取过程为：人体照片采集与预处理→人体轮廓序列提取→人体轮廓特征点标定→人体参数测量。该过程中，人体轮廓序列提取是非常关键的一步，人体轮廓提取的完整性、精确程度都将直接影响最终人体形态参数测量结果的准确性。因此，人体轮廓提取研究极具现实意义。

关于人体轮廓提取的研究国内外相关学者已经做过了大量的工作。目前国内学者针对图像中的人体轮廓提取最常使用的方法是先将图像增强处理然后利用边缘检测算子将图像中的轮廓信息提取出；接着，通过图像分割将轮廓分割成二值化图像；最后利用轮廓追踪最终将轮廓序列提取出来。

方金等提出利用图像边缘检测算子和最佳阈值分割相结合进行人体提取，在对图片中灰度处理与灰度拉伸对边缘检测结果的影响；韩强等提出先将图片进行灰度化、滤波处理后基于图像的肤色区域和梯度Hough变换进行图像定位后进行图像分割；蔡欣等提出按照图像灰度化处理、图像滤波、图像锐化、图像边缘检测、图像二值化分割的处理顺序进行人体轮廓的提取，常用的边缘检测算子，主要有Roberts、Sobel、Prewitt、Laplacian、Log和Canny等，分析了图像轮廓所携带信息的丰富性，采用简单而实用的掏空内部点法；杨冬梅等对比了图像处理中各种算子对人体轮廓提取场景中最适用的各部分算子后组合成为最终的处理流程，边缘检测采用一种改进的Sobel算子并加入图像形态学处理对人体轮廓提取边界进行进一步调整，使得调整结果更符合人体实际轮廓信息；岳超等提出图像预处理(灰度处理、二值化处理)、边缘检测的处理顺序进行人体轮廓提取。

现有人体轮廓特征点标记方法通过人体尺寸线标记特征点虽然能够满足平均水平，在背景与人体反差非常明显且背景相对单一的情况下将人体轮廓提取出来，但是由于该方法只利用图像中的灰度信息，鲁棒性不强，存在很大局限性。现有方法存在以下问题与缺陷：

1、已有人体轮廓提取方法对应拍摄场景都存在布置严苛等缺陷，对背景的简洁度和对比度都有很高的要求。背景略微复杂的情况下会导致人体轮廓提取不当，进而无法计算出正确的人体维度数据。实际生活中如此严格的拍摄场景不是很容易能够得到，只适合与实验室测试使用，现实生活无法得到普及。

2、对于人体轮廓中与背景的灰度相近的部分无法被很好的检测出来，导致最终人体轮廓提取不完整而无法进行之后的处理。

3、对于较单一背景拍摄图像中如果存在物体的影子轮廓比较清晰情况，则影子的轮廓也会被提取出来，与完整的人体轮廓相比附加了许多不希望存在的冗余信息。

本发明引入以下非专利文献：

非专利文献1：R Achanta,A Shaji,K Smith,and A Lucchi,“SLIC SuperpixelsCompared to State-of-the-Art Superpixel Methods,”PAMI,pp.2274–2281,Nov.2012.