[发明专利]用于生成深度图像的方法和装置

说明书

本申请实施例公开了用于生成深度图像的方法和装置。该方法的一具体实施方式包括：获取目标深度图像；将目标深度图像输入至预先训练的卷积神经网络，生成目标深度图像的恢复图像，卷积神经网络是通过如下训练步骤得到的：获取训练样本集，每个训练样本包括第一深度相机和第二深度相机拍摄同一对象所得的第一样本深度图像和第二样本深度图像，其中，第二深度相机在至少一个预设深度相机性能参数上优于第一深度相机；将训练样本集中的训练样本中的第一样本深度图像和第二样本深度图像分别作为初始卷积神经网络的输入和期望输出，训练初始卷积神经网络；将训练得到的初始卷积神经网络确定为预先训练的卷积神经网络。该实施方式实现了生成深度图像的恢复图像。

技术领域

本申请实施例涉及计算机技术领域，具体涉及计算机视觉技术领域，尤其涉及用于生成深度图像的方法和装置。

背景技术

在计算机视觉系统中，三维场景信息为图像分割、目标检测、物体跟踪等各类计算机视觉应用提供了更多的可能性，而深度图像(Depth map)作为一种普遍的三维场景信息表达方式得到了广泛的应用。深度图像的每个像素点的灰度值可用于表征场景中某一点距离拍摄设备的远近。

目前，大部分是通过深度传感器来获取深度图像。然而，能够拍摄到较好质量的深度图像的深度传感器的成本较高，很多场合并不具备高质量的深度传感器，而普通的深度传感器所拍摄的深度图像经常可能会存在低像素、低信噪比或者有洞等缺点，这些缺点给深度图像的应用造成了不便。

发明内容

本申请实施例提出了用于生成深度图像的方法和装置。

第一方面，本申请实施例提供了一种用于生成深度图像的方法，该方法包括：获取目标深度图像；将目标深度图像输入至预先训练的卷积神经网络，生成目标深度图像的恢复图像，其中，卷积神经网络用于表征深度图像与深度图像的恢复图像之间的对应关系，卷积神经网络是通过如下训练步骤得到的：确定初始卷积神经网络的网络结构以及初始化初始卷积神经网络的网络参数；获取训练样本集，其中，每个训练样本包括第一深度相机和第二深度相机拍摄同一对象所得的第一样本深度图像和第二样本深度图像，其中，第二深度相机在至少一个预设深度相机性能参数上优于第一深度相机；将训练样本集中的训练样本中的第一样本深度图像和第二样本深度图像分别作为初始卷积神经网络的输入和期望输出，利用机器学习方法训练初始卷积神经网络；将训练得到的初始卷积神经网络确定为预先训练的卷积神经网络。

在一些实施例中，卷积神经网络包括至少一个卷积层。

在一些实施例中，目标深度图像为目标人脸深度图像。

在一些实施例中，至少一个预设深度相机性能参数包括分辨率和深度有效距离。

在一些实施例中，在将目标深度图像输入至预先训练的卷积神经网络，生成目标深度图像的恢复图像之前，该方法还包括：确定目标深度图像对应的目标类型；以及将目标深度图像输入至预先训练的卷积神经网络，生成目标深度图像的恢复图像，包括：将目标深度图像输入到所确定的目标类型对应的预先训练的卷积神经网络中，生成目标深度图像的恢复图像。

第二方面，本申请实施例提供了一种用于生成深度图像的装置，该装置包括：获取单元，配置用于获取目标深度图像；生成单元，配置用于将目标深度图像输入至预先训练的卷积神经网络，生成目标深度图像的恢复图像，其中，卷积神经网络用于表征深度图像与深度图像的恢复图像之间的对应关系，卷积神经网络是通过如下训练步骤得到的：确定初始卷积神经网络的网络结构以及初始化初始卷积神经网络的网络参数；获取训练样本集，其中，每个训练样本包括第一深度相机和第二深度相机拍摄同一对象所得的第一样本深度图像和第二样本深度图像，其中，第二深度相机在至少一个预设深度相机性能参数上优于第一深度相机；将训练样本集中的训练样本中的第一样本深度图像和第二样本深度图像分别作为初始卷积神经网络的输入和期望输出，利用机器学习方法训练初始卷积神经网络；将训练得到的初始卷积神经网络确定为预先训练的卷积神经网络。