[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN107992848B - 获取深度图像的方法、装置及计算机可读存储介质 - Google Patents

获取深度图像的方法、装置及计算机可读存储介质 Download PDF

Info

Publication number
CN107992848B
CN107992848B CN201711378615.8A CN201711378615A CN107992848B CN 107992848 B CN107992848 B CN 107992848B CN 201711378615 A CN201711378615 A CN 201711378615A CN 107992848 B CN107992848 B CN 107992848B
Authority
CN
China
Prior art keywords
depth image
neural network
scene graph
scene
convolutional neural
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711378615.8A
Other languages
English (en)
Other versions
CN107992848A (zh
Inventor
万韶华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201711378615.8A priority Critical patent/CN107992848B/zh
Publication of CN107992848A publication Critical patent/CN107992848A/zh
Application granted granted Critical
Publication of CN107992848B publication Critical patent/CN107992848B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种获取深度图像的方法、装置及计算机可读存储介质，以解决相关技术中移动终端需要通过成本高、功耗大的结构光摄像头获取深度图像的技术问题。所述获取深度图像的方法包括：搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。

Description

获取深度图像的方法、装置及计算机可读存储介质
技术领域
本公开涉及数字图像处理领域，具体地，涉及一种获取深度图像的方法、装置及计算机可读存储介质。
背景技术
相关技术中，配备有结构光摄像头的手机终端，不仅可以采集到RGB图像，还可以采集到深度图像，从而可以获得场景中物体的3D信息。这在基于3D信息的人脸识别或人脸解锁中有重要应用。然而，结构光摄像头有成本高、功耗大。
发明内容
为克服相关技术中存在的问题，本公开提供一种获取深度图像的方法、装置及计算机可读存储介质。
根据本公开实施例的第一方面，提供一种获取深度图像的方法，所述方法包括：
搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；
将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
本公开利用搜集的场景图和深度图像训练构建的卷积神经网络，由于该卷积神经网络的两个输入对应于双目摄像头拍摄的两个场景图，一个输出对应于深度图像，因此，将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，能够获得所述待检测场景图像对应的深度图像。因此，采用上述获取深度图像的方法的终端无需配置结构光摄像头也可以采集到深度图像，从而可以获得场景图中物体的3D信息，进而具有双目摄像头的终端也可以具有基于3D信息的人脸识别或人脸解锁的功能，解决了相关技术中移动终端需要通过成本高、功耗大的结构光摄像头获取深度图像的技术问题，并且节约了成本，降低了功耗。
结合第一方面，在第一方面的第一种可能的实现方式中，所述搜集场景图和所述场景图对应的深度图像，包括：通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。
结合第一方面，在第一方面的第二种可能的实现方式中，所述卷积神经网络包括多个卷积层；所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，包括：当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，还包括：将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。
根据本公开实施例的第二方面，提供一种获取深度图像的装置，所述装置包括：
搜集模块，被配置为搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建模块，被配置为构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
训练模块，被配置为通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；以及
获取模块，被配置为将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
结合第二方面，在第二方面的第一种可能的实现方式中，所述搜集模块被配置为：通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。
结合第二方面，在第二方面的第二种可能的实现方式中，所述卷积神经网络包括多个卷积层；所述训练模块还被配置为：当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述训练模块包括：插值子模块，被配置为将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；以及输入子模块，被配置为将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。
根据本公开实施例的第三方面，提供一种获取深度图像的装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；
将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的获取深度图像的方法的步骤。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种获取深度图像的方法的流程图。
图2是根据另一示例性实施例示出的一种获取深度图像的方法的流程图。
图3是根据另一示例性实施例示出的一种获取深度图像的方法的流程图。
图4是根据一示例性实施例示出的一种获取深度图像的方法包括的步骤中训练卷积神经网络的流程图。
图5是根据一示例性实施例示出的一种获取深度图像的装置的框图。
图6是根据一示例性实施例示出的一种获取深度图像的装置的训练模块的框图。
图7是根据一示例性实施例示出的一种获取深度图像的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种获取深度图像的方法的流程图，以解决相关技术中移动终端需要通过成本高、功耗大的结构光摄像头获取深度图像的技术问题。如图1所示，获取深度图像的方法可用于具有双目摄像头的终端中，该方法可以包括以下步骤。
步骤S11，搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成。
步骤S12，构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像。
步骤S13，通过搜集的所述场景图和所述深度图像训练所述卷积神经网络。
步骤S14，将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
本公开中的终端可以是通过移动通信网络访问网络服务的用户设备，例如智能手机、平板电脑、笔记本电脑等用户设备。
相关技术中，卷积神经网络已经成功应用在图像识别、语音识别、自然语言理解等功能中。在图像识别这一应用中，卷积神经网络的目标函数，是通过一系列的卷积层、激活层、池化层的计算，预测输入图像的类别(例如，猫、狗等)。本公开所提出的基于卷积神经网络以获得待检测场景图像对应的深度图像，与之前应用于图像识别的卷积神经网络有三点不同：
(1)本公开构建的卷积神经网络的输入为两张场景图，由前置双目摄像头采集；
(2)本公开构建的卷积神经网络的输出为一幅深度图像，该深度图像中每一个像素的值对应了物体距离摄像头的距离信息；
(3)相关技术中是根据几何学，利用双目摄像头采集到的图像的视差，以计算出相应的深度图像，而本公开通过搜集的场景图和深度图像训练构建的卷积神经网络，进而利用训练后的卷积神经网络从两幅输入的待检测场景图像中，得出一幅深度图像。
本公开利用搜集的场景图和深度图像训练构建的卷积神经网络，由于该卷积神经网络的两个输入对应于双目摄像头拍摄的两个场景图，一个输出对应于深度图像，因此，将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，能够获得所述待检测场景图像对应的深度图像。因此，采用上述获取深度图像的方法的终端无需配置结构光摄像头也可以采集到深度图像，从而可以获得场景图中物体的3D信息，进而具有双目摄像头的终端也可以具有基于3D信息的人脸识别或人脸解锁的功能，解决了相关技术中移动终端需要通过成本高、功耗大的结构光摄像头获取深度图像的技术问题，并且节约了成本，降低了功耗。
图2是根据另一示例性实施例示出的一种获取深度图像的方法的流程图。如图2所示，获取深度图像的方法可用于具有双目摄像头的终端中，该方法可以包括以下步骤。
步骤S21，通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。
步骤S22，构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像。
步骤S23，通过计算机模拟生成的的所述场景图和所述深度图像训练所述卷积神经网络。
步骤S24，将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
在本实施例中，搜集场景图和所述场景图对应的深度图像可以由计算机模拟来完成。计算机模拟过程大致如下：计算机生成3D场景，其中，3D场景中每一个物体的坐标都是已知的，物体的颜色也是已知的；把这个3D的场景转换为2D的彩色图片(即场景图)和深度图像，就完成了计算机模拟。
采用上述获取深度图像的方法，在搜集场景图和所述场景图对应的深度图像的过程中，使用计算机模拟的方法，生成大量的场景图和场景图对应的深度图像，这样就节省了大量的人工标记成本。
图3是根据另一示例性实施例示出的一种获取深度图像的方法的流程图。如图3所示，获取深度图像的方法可用于具有双目摄像头的终端中，该方法可以包括以下步骤。
步骤S31，搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成。
步骤S32，搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成。
步骤S33，通过搜集的所述场景图和所述深度图像对所述卷积神经网络进行训练的过程中，当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
步骤S34，将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
本公开中的卷积神经网络可以包括多个卷积层和池化层。场景图输入卷积神经网络，经过数次池化层之后，图像的尺寸会不断变小，为了在最终输出端能够得到和输入的场景图一样大小的深度图像，必须在连续的池化层下采样操作后，进行数次上采样。
本公开采用一种基于分数步长的卷积操作，以达到和上采样一样的功能。实现分数步长卷积操作的关键在于：在进行卷积操作时，以小于1的分数步长移动卷积核。例如，可以用1/2步长移动卷积核，使用这样的卷积核与输入特征图进行卷积后，输出的尺寸将会是输入尺寸的2倍，这样就到达了上采样的目的。再比如，经过5次卷积和池化以后，图像的分辨率缩小了32倍；对于最后一层的输出图像，需要进行32倍的上采样，以得到原图一样的大小；为了从这个分辨率低的粗略图像恢复到原图的分辨率，可以采用5次步长为0.5的卷积来达到32倍上采样的作用。
采用上述图像处理的方法，当卷积神经网络的卷积层进行卷积操作时，由于是以小于1的分数步长移动卷积核，可以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
图4是根据一示例性实施例示出的一种获取深度图像的方法包括的步骤中训练卷积神经网络的流程图。如图4所示，所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，可以包括以下步骤。
步骤S331，将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值。
步骤S332，将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值。
在进行上述步骤S33的过程中，即以小于1的分数步长移动卷积核时，可能会出现卷积核的元素与输入特征图的元素相互错位的情况，出现这种情况时，本公开通过对输入特征图的元素进行双线性插值，用完成双线性插值后的特征图的元素与卷积核进行卷积，进而可以避免出现卷积核的元素与输入特征图的元素相互错位的情况。
图5是根据一示例性实施例示出的一种获取深度图像的装置的框图。如图5所示，所述获取深度图像的装置500可以包括：
搜集模块510，被配置为搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建模块520，被配置为构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
训练模块530，被配置为通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；以及
获取模块540，被配置为将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像。
可选地，所述搜集模块501被配置为：通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。
可选地，所述卷积神经网络包括多个卷积层；所述训练模块530还被配置为：当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
可选地，如图6所示，所述训练模块530可以包括：
插值子模块531，被配置为将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；以及
输入子模块532，被配置为将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。
值得说明的是，以上对图像处理的装置的模块划分是一种逻辑功能划分，实际实现时可以有另外的划分方式。并且，上述各功能模块的物理实现也可能有多种实现方式。
并且，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图7是根据一示例性实施例示出的另一种获取深度图像的装置800的框图。例如，装置800可以是移动电话，计算机，平板设备等。
参照图7，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述获取深度图像的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述获取深度图像的方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述获取深度图像的方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (8)

1.一种获取深度图像的方法，其特征在于，所述方法包括：
搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；
将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像；
其中，所述卷积神经网络包括多个卷积层；
所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，包括：
当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
2.根据权利要求1所述的方法，其特征在于，所述搜集场景图和所述场景图对应的深度图像，包括：
通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。
3.根据权利要求1所述的方法，其特征在于，所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，还包括：
将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；
将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。
4.一种获取深度图像的装置，其特征在于，所述装置包括：
搜集模块，被配置为搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建模块，被配置为构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
训练模块，被配置为通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；以及
获取模块，被配置为将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像；
其中，所述卷积神经网络包括多个卷积层；所述训练模块还被配置为：
当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
5.根据权利要求4所述的装置，其特征在于，所述搜集模块被配置为：
通过计算机模拟生成场景图和所述场景图对应的深度图像；其中，所述场景图为模拟双目摄像头拍摄而成。
6.根据权利要求5所述的装置，其特征在于，所述训练模块包括：
插值子模块，被配置为将所述卷积神经网络训练过程中产生的特征图的元素进行双线性插值；以及
输入子模块，被配置为将完成双线性插值后的特征图的元素输入所述卷积层，以使完成双线性插值后的特征图的元素与卷积核进行卷积。
7.一种获取深度图像的装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
搜集场景图和所述场景图对应的深度图像；其中，所述场景图由双目摄像头拍摄而成；
构建卷积神经网络，所述卷积神经网络包括两个输入和一个输出，所述两个输入对应于双目摄像头拍摄的两个场景图，所述输出对应于深度图像；
通过搜集的所述场景图和所述深度图像训练所述卷积神经网络；
将由双目摄像头拍摄的待检测场景图像输入训练后的所述卷积神经网络，获得所述待检测场景图像对应的深度图像；
其中，所述卷积神经网络包括多个卷积层；
所述通过搜集的所述场景图和所述深度图像训练所述卷积神经网络，包括：
当所述卷积神经网络的卷积层进行卷积操作时，以小于1的分数步长移动卷积核，以使输出的深度图像的分辨率与输入的场景图的分辨率一致。
8.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～3中任一项所述方法的步骤。
CN201711378615.8A 2017-12-19 2017-12-19 获取深度图像的方法、装置及计算机可读存储介质 Active CN107992848B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711378615.8A CN107992848B (zh) 2017-12-19 2017-12-19 获取深度图像的方法、装置及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711378615.8A CN107992848B (zh) 2017-12-19 2017-12-19 获取深度图像的方法、装置及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN107992848A CN107992848A (zh) 2018-05-04
CN107992848B true CN107992848B (zh) 2020-09-25

Family

ID=62038934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711378615.8A Active CN107992848B (zh) 2017-12-19 2017-12-19 获取深度图像的方法、装置及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN107992848B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109118490B (zh) * 2018-06-28 2021-02-26 厦门美图之家科技有限公司 一种图像分割网络生成方法及图像分割方法
CN109327626B (zh) * 2018-12-12 2020-09-11 Oppo广东移动通信有限公司 图像采集方法、装置、电子设备和计算机可读存储介质
CN109658352B (zh) * 2018-12-14 2021-09-14 深圳市商汤科技有限公司 图像信息的优化方法及装置、电子设备和存储介质
CN110110793B (zh) * 2019-05-10 2021-10-26 中山大学 基于双流卷积神经网络的双目图像快速目标检测方法
CN110702015B (zh) * 2019-09-26 2021-09-03 中国南方电网有限责任公司超高压输电公司曲靖局 输电线路覆冰厚度测量方法及装置
CN110827219B (zh) * 2019-10-31 2023-04-07 北京小米智能科技有限公司 图像处理模型的训练方法、装置及介质
CN113724311B (zh) * 2020-05-25 2024-04-02 北京四维图新科技股份有限公司 深度图获取方法、设备及存储介质
CN114445648A (zh) * 2020-10-16 2022-05-06 北京四维图新科技股份有限公司 障碍物识别方法、设备及存储介质
CN113609323B (zh) * 2021-07-20 2024-04-23 上海德衡数据科技有限公司 基于神经网络的图像降维方法及系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196292A (zh) * 2011-06-24 2011-09-21 清华大学 基于人机交互生成视频深度图序列的方法及系统
CN102708569A (zh) * 2012-05-15 2012-10-03 东华大学 基于svm模型的单目红外图像深度估计方法
CN105426914A (zh) * 2015-11-19 2016-03-23 中国人民解放军信息工程大学 一种面向位置识别的图像相似度检测方法
CN105657402A (zh) * 2016-01-18 2016-06-08 深圳市未来媒体技术研究院 一种深度图恢复方法
CN105765628A (zh) * 2013-10-23 2016-07-13 谷歌公司 深度图生成
CN105956597A (zh) * 2016-05-04 2016-09-21 浙江大学 一种基于卷积神经网络的双目立体匹配方法
CN105979244A (zh) * 2016-05-31 2016-09-28 十二维度（北京）科技有限公司 一种基于深度学习的2d图像转3d图像的方法及系统
CN106157307A (zh) * 2016-06-27 2016-11-23 浙江工商大学 一种基于多尺度cnn和连续crf的单目图像深度估计方法
CN106600583A (zh) * 2016-12-07 2017-04-26 西安电子科技大学 基于端到端神经网络的视差图获取方法
CN106600650A (zh) * 2016-12-12 2017-04-26 杭州蓝芯科技有限公司 一种基于深度学习的双目视觉深度信息获取方法
CN106612427A (zh) * 2016-12-29 2017-05-03 浙江工商大学 一种基于卷积神经网络的时空一致性深度图序列的生成方法
CN106780588A (zh) * 2016-12-09 2017-05-31 浙江大学 一种基于稀疏激光观测的图像深度估计方法
CN107204010A (zh) * 2017-04-28 2017-09-26 中国科学院计算技术研究所 一种单目图像深度估计方法与系统
CN107358576A (zh) * 2017-06-24 2017-11-17 天津大学 基于卷积神经网络的深度图超分辨率重建方法
CN107358626A (zh) * 2017-07-17 2017-11-17 清华大学深圳研究生院 一种利用条件生成对抗网络计算视差的方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196292A (zh) * 2011-06-24 2011-09-21 清华大学 基于人机交互生成视频深度图序列的方法及系统
CN102708569A (zh) * 2012-05-15 2012-10-03 东华大学 基于svm模型的单目红外图像深度估计方法
CN105765628A (zh) * 2013-10-23 2016-07-13 谷歌公司 深度图生成
CN105426914A (zh) * 2015-11-19 2016-03-23 中国人民解放军信息工程大学 一种面向位置识别的图像相似度检测方法
CN105657402A (zh) * 2016-01-18 2016-06-08 深圳市未来媒体技术研究院 一种深度图恢复方法
CN105956597A (zh) * 2016-05-04 2016-09-21 浙江大学 一种基于卷积神经网络的双目立体匹配方法
CN105979244A (zh) * 2016-05-31 2016-09-28 十二维度（北京）科技有限公司 一种基于深度学习的2d图像转3d图像的方法及系统
CN106157307A (zh) * 2016-06-27 2016-11-23 浙江工商大学 一种基于多尺度cnn和连续crf的单目图像深度估计方法
CN106600583A (zh) * 2016-12-07 2017-04-26 西安电子科技大学 基于端到端神经网络的视差图获取方法
CN106780588A (zh) * 2016-12-09 2017-05-31 浙江大学 一种基于稀疏激光观测的图像深度估计方法
CN106600650A (zh) * 2016-12-12 2017-04-26 杭州蓝芯科技有限公司 一种基于深度学习的双目视觉深度信息获取方法
CN106612427A (zh) * 2016-12-29 2017-05-03 浙江工商大学 一种基于卷积神经网络的时空一致性深度图序列的生成方法
CN107204010A (zh) * 2017-04-28 2017-09-26 中国科学院计算技术研究所 一种单目图像深度估计方法与系统
CN107358576A (zh) * 2017-06-24 2017-11-17 天津大学 基于卷积神经网络的深度图超分辨率重建方法
CN107358626A (zh) * 2017-07-17 2017-11-17 清华大学深圳研究生院 一种利用条件生成对抗网络计算视差的方法

Also Published As

Publication number Publication date
CN107992848A (zh) 2018-05-04

Similar Documents

Publication Publication Date Title
CN107992848B (zh) 获取深度图像的方法、装置及计算机可读存储介质
CN109670397B (zh) 人体骨骼关键点的检测方法、装置、电子设备及存储介质
CN106651955B (zh) 图片中目标物的定位方法及装置
CN106778773B (zh) 图片中目标物的定位方法及装置
CN107944447B (zh) 图像分类方法及装置
CN110557547B (zh) 镜头位置调整方法及装置
EP3125547A1 (en) Method and device for switching color gamut mode
CN106657780B (zh) 图像预览方法和装置
CN107967459B (zh) 卷积处理方法、装置及存储介质
EP3312702B1 (en) Method and device for identifying gesture
CN108462833B (zh) 拍摄方法、装置及计算机可读存储介质
CN110751659B (zh) 图像分割方法及装置、终端、存储介质
CN110827219B (zh) 图像处理模型的训练方法、装置及介质
CN105677352B (zh) 应用图标颜色的设置方法和装置
CN106469446B (zh) 深度图像的分割方法和分割装置
CN107992894B (zh) 图像识别方法、装置及计算机可读存储介质
CN107609513B (zh) 视频类型确定方法及装置
CN107730443B (zh) 图像处理方法、装置及用户设备
CN108550127A (zh) 图片处理方法、装置、终端及存储介质
CN116740158B (zh) 图像深度确定方法、装置和存储介质
CN107885464B (zh) 数据存储方法、装置及计算机可读存储介质
CN108924529B (zh) 图像显示的控制方法及装置
CN108769513B (zh) 相机拍照方法及装置
CN108647594B (zh) 信息处理方法及设备
CN105391942B (zh) 自动拍照方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant