[发明专利]基于向下倾角方向的单台TOF相机人体降噪方法及系统

权利要求书

1.一种基于向下倾角方向的单台TOF相机人体降噪方法，其特征在于，包括以下步骤：

分别获取有人体的前景深度图像以及背景深度图像，对有人体的前景深度图像和背景深度图像进行背景差分处理，得到只有人体的深度图像；

把所述只有人体的深度图像中的每个像素的深度数据映射到二维图像中，得到映射的二维图像；

对所述二维图像进行形态学滤波处理，采用开运算方式处理，去除人体边缘的噪声，得到滤波后的二维图像；

在滤波后的二维图像中找到人体对应的每个像素的深度数据，对所述深度数据进行梯度滤波，得到梯度滤波图像；

将梯度滤波图像中的深度数据转化成世界坐标系下的人体点云数据，对人体点云数据进行平滑处理，得到相对平滑的人体点云数据。

2.根据权利要求1所述的基于向下倾角方向的单台TOF相机人体降噪方法，其特征在于，所述对有人体的前景深度图像和背景深度图像进行背景差分处理，具体为：

将有人体的前景深度图像和背景深度图像进行相减，公式如下：

deep_人＝||deep_场景-deep_背景||

其中，deep_人表示只有人体的深度图像，deep_场景表示有人体的前景深度图像，deep_背景表示背景深度图像。

3.根据权利要求1所述的基于向下倾角方向的单台TOF相机人体降噪方法，其特征在于，所述在滤波后的二维图像中找到人体对应的每个像素的深度数据，对所述深度数据进行梯度滤波，得到梯度滤波图像，具体为：

对每个人体点计算这个点和周围n*n大小的核的梯度值x，若-a<x<a，其中，a能进行调节，则认为这个梯度变化不快，能保留这个点的梯度；当周围n*n大小的核的每一个点都和中心点进行比较后，再根据权重对此点进行深度值的调节，得到梯度滤波图像。

4.根据权利要求1所述的基于向下倾角方向的单台TOF相机人体降噪方法，其特征在于，所述将梯度滤波图像中的深度数据转化成世界坐标系下的人体点云数据，具体为：

将梯度滤波图像中的深度数据先从图像坐标(x0，y0，z0)转换到相机坐标(x1，y1，z1)，公式如下：

v＝(x0-320*0.5，y0-240*0.5，_foclen)

x1＝v.x*s

y1＝v.y*s

z1＝v.z*s

其中：foclen＝320*0.5/tan[(90*0.5)*π/180]

scale_factor＝0.041667

z0＝img.at(y0，x0)-147；

再从相机坐标(x1，y1，z1)转换到世界坐标(x2，y2，z2)，公式如下：

pp＝remap*p

x2＝pp(0，0)

y2＝pp(1，0)

z2＝pp(2，0)

其中：P是一个[4*1]矩阵，P(0，0)＝x1，p(1，0)＝y1，p(2，0)＝z1，p(3，0)＝0，remap是变换的矩阵，图像中的每个像素点的坐标：(x0，y0，z0)，其中z0表示这个像素点深度值，以相机为原点的三维坐标表示为：x1，y1，z1)，v、s是参数，foclen、scalefoclen是一个固定的系数，img.at(y0，x0)表示这一点的深度值。

5.根据权利要求1所述的基于向下倾角方向的单台TOF相机人体降噪方法，其特征在于，所述对人体点云数据进行平滑处理，具体为：

对人体点云数据做卷积处理，得到平滑滤波器，通过平滑滤波器进行平滑处理，滤波器处理的输出像素值g(i，j，z)是输入图像像素值f(i+k，j+I，z+H)的加权和，公式如下：

g(i，j，z)＝∑f(i+k，j+I，z+H)h(k，I，H)

其中，h(k，I，H)，表示滤波器的加权系数，即滤波器的滤波系数。