[发明专利]深度恢复方法、电子设备和计算机可读存储介质

说明书

本申请实施例涉及图像处理技术领域，公开了一种深度恢复方法、电子设备和计算机可读存储介质，上述深度恢复方法包括：根据预设的图像分割算法对滤波后的红外图进行分割，确定所述红外图的前景区域，并生成所述前景区域的掩膜；对所述红外图对应的散斑图进行多值化处理，得到多值化的散斑图；根据所述多值化的散斑图、预设的多值化的参考散斑图和所述掩膜，确定所述前景区域中各点的视差值；根据所述视差值，确定所述前景区域中各点的深度值。本申请实施例提供的深度恢复方法，可以在保证深度恢复的高精度的同时，大幅降低计算量，避免增加芯片的成本，有效提高深度恢复的效率。

技术领域

本申请实施例涉及图像处理技术领域，特别涉及一种深度恢复方法、电子设备和计算机可读存储介质。

背景技术

随着3D技术的飞速发展，在三维空间上投影、基于结构光获得三维成像的3D结构光技术日趋成熟，区别于纯粹的包括双目立体视觉技术在内的被动三维测量技术，3D结构光技术主要是通过近红外激光器发射具有一定结构特征的光线，投射到被拍摄物体上，再由专门的红外摄像头进行采集，由于这种具备一定结构的光线在被摄物体的不同深度区域会发生不同的变化，红外摄像头采集后生成的图像相对原始光线的结构就会发生变化，再通过运算单元将这种结构的变化换算成深度信息，即可确定被拍摄物体的三维结构，散斑结构光正是其中的一种，3D结构光技术目前主要应用在智能设备的解锁、人体测量、物体体积测量和人脸建模等方面。

深度相机采用的深度恢复方法大多是立体视觉双目匹配算法的扩展和延续，比如密集匹配半全局匹配算法(semi-global matching，简称：SGM)、区域生长算法、全局搜索最优算法等，通过这些方式达到对场景的深度恢复、深度计算。

然而，随着深度相机对输出分辨率的需求不断增大，深度相机所需要的计算资源也成倍增长，基于立体视觉双目匹配算法的深度恢复方法已经不能满足深度相机的实际需求，深度恢复的精度比较低，而对深度相机的计算单元进行优化升级，会大幅增加芯片的成本。

发明内容

本申请实施例的目的在于提供一种深度恢复方法、电子设备和计算机可读存储介质，可以在保证深度恢复的高精度的同时，大幅降低计算量，避免增加芯片的成本，有效提高深度恢复的效率。

为解决上述技术问题，本申请的实施例提供了一种深度恢复方法，包括以下步骤：根据预设的图像分割算法对滤波后的红外图进行分割，确定所述红外图的前景区域，并生成所述前景区域的掩膜；对所述红外图对应的散斑图进行多值化处理，得到多值化的散斑图；根据所述多值化的散斑图、预设的多值化的参考散斑图和所述掩膜，确定所述前景区域中各点的视差值；根据所述视差值，确定所述前景区域中各点的深度值。

本申请的实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述深度恢复方法。

本申请的实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述深度恢复方法。