基于深度相机的身高测量方法及装置与流程

本发明涉及图像处理领域，具体而言，涉及一种基于深度相机的身高测量方法及装置。

背景技术：

目前，身高作为人体的重要特征，在日常生活中随处可见，例如，医院体检的身高测量、基础交通验票时对儿童身高的测量、景区入口检票处对儿童身高的测量以及对个人身高信息验证等。传统身高测量方法一般是通过尺度工具或测量设备逐个进行身高测量。在人群密集的情况下，以上述方法对身高进行测量，速度慢、效率低，无法满足需求。因此，基于视频图像的身高测量方法被广泛使用，使用上述方法可以同时对出现在相机视场范围内的多个人体目标进行身高的测量，其测量速度快、效率高。

但是，现有技术中的基于视频图像的身高测量方法，多采用基于二维图像的身高测量方法对身高进行测量，该方法需要在安装时，预先标定出相机的安装高度和角度，然后相机通过相似三角形关系以及人体在成像面上的像素高度计算出对应的身高，理论上需要图像以水平方向拍摄，使人体与地面保持垂直。但是，通常为了使相机有更大的视场范围，会将相机设置于人群之上，因此，相机的视角是自上而下进行拍摄的，所以在摄像机获取的图像中，人体并不能与地面保持垂直。并且，因人体个体差异的原因，人体各部分的比例并不相同。这些导致现有的方法容易受已标定的标准身高比例的影响，以及相机安装角度影响，使身高测量结果的误差较大，并且在每次调整相机取景位置后，都需要重新标定出相机的安装高度和角度进行调整，操作繁琐，并且其标定精度会直接影响身高测量结果。

针对上述的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种基于深度相机的身高测量方法及装置，以至少解决由于在对深度相机进行安装时需要对安装高度和安装角度进行人工标定，导致的安装操作 繁琐、身高测量精度差的技术问题。

根据本发明实施例的一个方面，提供了一种基于深度相机的身高测量方法，包括：通过深度相机对场景进行拍摄，获取场景的深度图像，其中，深度图像包括影像信息和景深信息；根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标；根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标；根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，其中，第一三维坐标用于表征人体目标的上端点在场景中的三维坐标值，第二三维坐标用于表征人体目标的下端点在场景中的三维坐标值；根据第一三维坐标和第二三维坐标，确定人体目标的高度。

进一步地，根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标，包括：对深度图像中的人体目标进行提取，确定人体目标的人体轮廓；根据人体轮廓，生成人体目标的最小外接矩形；获取最小外接矩形与人体轮廓顶部切点的坐标，设置为第一图像坐标；以第一图像坐标为起点，垂直于最小外接矩形的短边做垂线；获取垂线与最小外接矩形底边的交点的坐标，设置为第二图像坐标。

进一步地，相机标定参数至少包括：相机焦距、图像中心坐标和图像畸变系数，其中，图像畸变系数用于校正因深度相机的镜头成像原因，导致的深度图像发生的形变。

进一步地，根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，包括：根据图像畸变系数和第一图像坐标，计算得到第一校正坐标；根据图像畸变系数和第二图像坐标，计算得到第二校正坐标；根据深度图像中的景深信息，确定与第一图像坐标对应的第一深度值和与第二图像坐标对应的第二深度值，其中，第一深度值为第一三维坐标中的Z轴坐标值，第二深度值为第二三维坐标中的Z轴坐标值；将第一深度值、第一校正坐标和图像中心坐标代入计算模型，计算得到第一三维坐标；将第二深度值、第二校正坐标和图像中心坐标代入计算模型，计算得到第二三维坐标。

进一步地，在通过深度相机对场景进行拍摄，获取场景的深度图像之后，方法还包括：通过对深度图像进行处理，确定深度图像中的前景区域和背景区域，其中，对深度图像进行处理的处理方法至少包括：混合高斯处理。

进一步地，根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标，包括：利用图像二值化算法对深度图像进行处理，得到预处理深度图像，其中，预处理深度图像中的前景区域为白色，预处理深度图像中的背景区域为黑色；根据人体特征参数，对预处理深度图像中用于表征前景区域的白色图形进行识别，确定人体目标，其中，人体特征参数至少包括如下的其中一种或多种：图形长宽比、图形面积、图形周长、图形占空比。

进一步地，在利用图像二值化算法对深度图像进行处理，得到预处理深度图像之后，还包括：依次通过腐蚀算法和膨胀算法对预处理深度图像进行处理，得到提取后的预处理深度图像。

根据本发明实施例的另一方面，还提供了一种基于深度相机的身高测量装置，包括：获取模块，用于通过深度相机对场景进行拍摄，获取场景的深度图像，其中，深度图像包括影像信息和景深信息；识别模块，用于根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标；确定模块，用于根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标；第一处理模块，用于根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，其中，第一三维坐标用于表征人体目标的上端点在场景中的三维坐标值，第二三维坐标用于表征人体目标的下端点在场景中的三维坐标值；第二处理模块，用于根据第一三维坐标和第二三维坐标，确定人体目标的高度。

进一步地，确定模块包括：子提取模块，用于对深度图像中的人体目标进行提取，确定人体目标的人体轮廓；子生成模块，用于根据人体轮廓，生成人体目标的最小外接矩形；第一子设置模块，用于获取最小外接矩形与人体轮廓顶部切点的坐标，设置为第一图像坐标；第一子处理模块，用于以第一图像坐标为起点，垂直于最小外接矩形的短边做垂线；第二子设置模块，用于获取垂线与最小外接矩形底边的交点的坐标，设置为第二图像坐标。

进一步地，第一处理模块包括：第一子校正模块，用于根据图像畸变系数和第一图像坐标，计算得到第一校正坐标；第二子校正模块，用于根据图像畸变系数和第二图像坐标，计算得到第二校正坐标；子确定模块，用于根据深度图像中的景深信息，确定与第一图像坐标对应的第一深度值和与第二图像坐标对应的第二深度值，其中，第一深度值为第一三维坐标中的Z轴坐标值，第二深度值为第二三维坐标中的Z轴坐标值；第一子计算模块，用于将第一深度值、第一校正坐标和图像中心坐标代入计算 模型，计算得到第一三维坐标；第二子计算模块，用于将第二深度值、第二校正坐标和图像中心坐标代入计算模型，计算得到第二三维坐标。

进一步地，装置还包括：处理模块，用于通过对深度图像进行处理，确定深度图像中的前景区域和背景区域，其中，对深度图像进行处理的处理单元至少包括：混合高斯处理单元。

进一步地，识别模块包括：第二子处理模块，用于利用图像二值化算法对深度图像进行处理，得到预处理深度图像，其中，预处理深度图像中的前景区域为白色，预处理深度图像中的背景区域为黑色；子识别模块，用于根据人体特征参数，对预处理深度图像中用于表征前景区域的白色图形进行识别，确定人体目标，其中，人体特征参数至少包括如下的其中一种或多种：图形长宽比、图形面积、图形周长、图形占空比。

进一步地，识别模块还包括：第三子处理模块，用于依次通过腐蚀算法和膨胀算法对预处理深度图像进行处理，得到提取后的预处理深度图像。

在本发明实施例中，采用通过深度相机对场景进行拍摄，获取场景的深度图像，其中，深度图像包括影像信息和景深信息；根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标；根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标；根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，其中，第一三维坐标用于表征人体目标的上端点在场景中的三维坐标值，第二三维坐标用于表征人体目标的下端点在场景中的三维坐标值；根据第一三维坐标和第二三维坐标，确定人体目标的高度的方式，通过获取模块，用于通过深度相机对场景进行拍摄，获取场景的深度图像，其中，深度图像包括影像信息和景深信息；识别模块，用于根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标；确定模块，用于根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标；第一处理模块，用于根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，其中，第一三维坐标用于表征人体目标的上端点在场景中的三维坐标值，第二三维坐标用于表征人体目标的下端点在场景中的三维坐标值；第二处理模块，用于根据第一三维坐标和第二三维坐标，确定人体目标的高度，从而实现了身高的测量精度不受相机安装角度影响的技术效果，达到了简化操作步骤的目的，进而解决了由于在对深度 相机进行安装时需要对安装高度和安装角度进行人工标定，导致的安装操作繁琐、身高测量精度差的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种基于深度相机的身高测量方法的流程图；

图2a是在深度图像中的一种状态下的人体目标的示意图；

图2b是在深度图像中的另一种状态下的人体目标的示意图；

图3是人体目标在深度相机的三维坐标系下的位置示意图；

图4是根据本发明实施例的一种可选的基于深度相机的身高测量方法的流程图；

图5是基于混合高斯背景建模流程图；

图6是对人体目标进行提取的提取流程图；

图7是根据本发明实施例的一种可选的基于深度相机的身高测量方法的流程示意图；

图8是根据本发明实施例的一种基于深度相机的身高测量装置的结构示意图；

图9是根据本发明实施例的一种可选的基于深度相机的身高测量装置中确定模块的结构示意图；

图10是根据本发明实施例的一种可选的基于深度相机的身高测量装置中第一处理模块的结构示意图；

图11是根据本发明实施例的一种可选的基于深度相机的身高测量装置的结构示意图；

图12是根据本发明实施例的一种可选的基于深度相机的身高测量装置中识别模块的结构示意图；以及

图13是根据本发明实施例的一种可选的基于深度相机的身高测量装置中识别模块的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本发明实施例，提供了一种基于深度相机的身高测量方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的基于深度相机的身高测量方法的流程图，如图1所示，该方法包括如下步骤：

步骤S11，通过深度相机对场景进行拍摄，获取场景的深度图像，其中，深度图像包括影像信息和景深信息。

具体的，深度相机是一种在获取影像信息的同时，还能获取场景的景深信息的摄影器材。在现有的深度相机中，至少包括TOF(Time of flight)深度相机和双目深度相机。TOF深度相机通过向场景中的目标连续发送光脉冲，通过探测光脉冲往返的飞行时间，从而得到场景中各个物体与相机之间的距离。而双目深度相机则是利用视差原理，通过计算得到场景中各个物体与相机之间的距离。在本发明实施例中，所使用的深度相机可以是上述两类深度相机中的其中一种，但也可以是能够实现同时获取影像信息和景深信息的其他类型的深度相机，此处不做具体限定。

在步骤S11中，利用深度相机对进行身高测量的场景进行影像信息拍摄的同时，获取场景中的与影像信息对应的景深信息。

步骤S13，根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像 中的人体目标。

具体的，通过步骤S13，对利用深度相机获取到的深度图像中的人体目标进行识别。其中，首先，可以对深度图像中的前景区域与背景区域进行区分，然后，将区分得到的前景区域中的物体与预先设置的人体特征参数进行比对，从而确定深度图像中的人体目标。其中，人体特征参数至少包括长宽比、面积大小、周长大小和占空比中的一种或多种。通过将上述人体特征参数与深度图像中的物体进行比对，将前景区域中符合上述人体特征参数的物体识别为人体目标。

步骤S15，根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标。

具体的，通常情况下，在对人体目标的身高进行测量时，将人体头顶至地面的距离作为人体目标的身高。在对通过步骤S13识别得到的深度图像中的人体目标进行身高测量时，通过步骤S15确定在深度图像中人体目标的头部最高点(即通过图像识别，确认深度图像中的人头尖点)位置的坐标和人体目标的双脚接触地面位置下端点(即通过图像识别，确认深度图像两脚中点)位置的坐标。

其中，在深度图像中，人体目标双脚与深度相机的距离并不相同，因此，为了提高身高测量的准确性以及便于计算，可以取双脚之间的中点(即下端点)的坐标作为用于计算人体目标身高的第二图像坐标。

步骤S17，根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，其中，第一三维坐标用于表征人体目标的上端点在场景中的三维坐标值，第二三维坐标用于表征人体目标的下端点在场景中的三维坐标值。

在通常情况下，因深度相机的镜头由多组光学透镜组成，所以深度相机在成像过程中会因光学透镜固有的透视失真。通过步骤S17，根据获取到的相机标定参数对获取到的原始深度图像进行校正，并根据校正后的深度图像，结合第一图像坐标、第二图像坐标以及景深信息，计算得到与第一图像坐标对应的第一三维坐标，以及与第二图像坐标对应的第二三维坐标。

步骤S19，根据第一三维坐标和第二三维坐标，确定人体目标的高度。

具体的，通过步骤S19，根据第一三维坐标的坐标值和第二三维坐标的坐标值，计算得出第一三维坐标与第二三维坐标之间的距离，即人体目标的高度。

在上述步骤S11至步骤S19中，利用深度相机对人体目标进行识别，通过确定人 体目标上端点的第一图像坐标和下端点的第二图像坐标，并结合景深信息将二维平面上的第一图像坐标与第二图像坐标，转换为三维空间中的第一三维坐标和第二三维坐标。通过计算第一三维坐标和第二三维坐标之间的距离，得到人体目标的高度。

通过本发明实施例提供了一种基于深度相机的人体身高测量方法。在利用上述实施例中所涉及的方法对人体身高进行测量时，只需对深度相机的相机标定参数进行标定，无需对深度相机的安装高度和安装角度进行标定。从而实现了身高的测量精度不受相机安装角度影响的技术效果，达到了简化操作步骤的目的，进而解决了由于对深度相机的安装高度和安装角度的标定误差，导致的影响身高测量精度，操作繁琐的技术问题。

作为一种可选的实施例，对深度图像中的前景区域与背景区域进行区分的方法可以包括：首先，以预定的时间间隔获取场景的影像信息序列，然后通过将影像信息序列中的各个影像信息进行比对，将各个影像信息中未发生变化的区域确定为背景区域，而其他区域确定为前景区域。通过上述方法，可以简单的通过比对影像信息序列中各个影像信息，对影像信息中的前景区域和背景区域进行区分，从而提高了处理效率。

作为一种可选的实施例，步骤S15根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标，可以包括：

步骤S51，对深度图像中的人体目标进行提取，确定人体目标的人体轮廓。

步骤S53，根据人体轮廓，生成人体目标的最小外接矩形。

步骤S55，获取最小外接矩形与人体轮廓顶部切点的坐标，设置为第一图像坐标。

步骤S57，以第一图像坐标为起点，垂直于最小外接矩形的短边做垂线。

步骤S59，获取垂线与最小外接矩形底边的交点的坐标，设置为第二图像坐标。

通常情况下，人体目标的轮廓为不规则的图形。因此在对深度图像中的人体目标进行提取得到人体目标的人体轮廓之后，通过最小外接矩形算法对人体轮廓进行处理，根据人体轮廓生成一个用于表征人体目标的最小外接矩形。另一方面，由人体外形的比例可知，人体的高度要远大于人体的宽度。因此，通过最小外接矩形算法处理得到的最小外接矩形为长方形。

通过步骤S51至步骤S59，将获取到的最小外接矩形与人体轮廓顶部的切点坐标，设置为用于表征上端点的第一图像坐标，即人头尖点的坐标。并且，通过以第一图像坐标为起点，向人体轮廓顶部的切点所在边的对边作垂线，将垂点的坐标设置为用于 表征下端点的第二图像坐标，即两脚中点的坐标。通过利用最小外接矩形算法，通过简单的计算，即可确定与人体轮廓对应的人头尖点坐标和下端点坐标。

在实际应用当中，用于测量身高的深度相机，通常为了不被前景物体遮挡，都被架设于高处，因此，深度相机通常与地面呈一定角度安装。如图2a和图2b所示，因为安装角度的原因，获取的人体目标在影像信息中通常存在一定的倾斜角度。因此，可以利用最小外接矩形算法确定人体目标的最小外接矩形，并通过最小外接矩形计算得到人体人头尖点和两脚中心的位置坐标。首先，通过已确认的人体目标区域计算出其最小外接矩形；再根据最小外接矩形获取与人体目标顶部相切的位置坐标，即为人头尖点坐标(x_h,y_h)；最后以人头尖点位置为起点，沿最小外接矩形的高度方向，向底边作垂线，获取垂线与最小外接矩形底边的交点坐标，即为人体两脚中心坐标(x_f,y_f)。

作为一种可选的实施例，相机标定参数至少包括：相机焦距、图像中心坐标和图像畸变系数，其中，图像畸变系数用于校正因深度相机的镜头成像原因，导致的深度图像发生的形变。

具体的，在实际应用当中，深度相机的相机标定参数可以采用主流的标定方法进行标定，例如：张正友标定法等。深度相机通过相机标定参数对图像畸变进行校正，并且实现二维坐标到三维坐标的转换。

作为一种可选的实施例，上述步骤S17根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标可以包括：

步骤S71，根据图像畸变系数和第一图像坐标，计算得到第一校正坐标。

步骤S73，根据图像畸变系数和第二图像坐标，计算得到第二校正坐标。

步骤S75，根据深度图像中的景深信息，确定与第一图像坐标对应的第一深度值和与第二图像坐标对应的第二深度值，其中，第一深度值为第一三维坐标中的Z轴坐标值，第二深度值为第二三维坐标中的Z轴坐标值。

步骤S77，将第一深度值、第一校正坐标和图像中心坐标代入计算模型，计算得到第一三维坐标。

步骤S79，将第二深度值、第二校正坐标和图像中心坐标代入计算模型，计算得到第二三维坐标。

具体的，通过步骤S71至步骤S79，在利用图像畸变系数对第一图像坐标和第二图像坐标进行校正后，根据校正得到的第一校正坐标、第二校正坐标和景深信息，计 算得到与第一校正坐标对应的第一三维坐标，以及与第二校正坐标对应的第二三维坐标。

在实际应用当中，如图3所示，根据相机的图像畸变系数计算出深度图像中分别与人头尖点坐标(x_h,y_h)和两脚中心坐标(x_f,y_f)对应的第一校正坐标(x′_h,y′_h)和第二校正坐标(x′_f,y′_f)。然后，通过计算将第一校正坐标(x′_h,y′_h)和第二校正坐标(x′_f,y′_f)转换为三维坐标，其中，与人头尖点坐标对应的第一三维坐标和与两脚中点坐标对应的第二三维坐标的计算公式为：

其中，f_x和f_y为相机标定参数中的相机焦距，(x₀,y₀)为相机标定参数中的图像中心坐标，和可由深度图像中的景深信息获取。

进一步的，可以根据三维坐标系中的第一三维坐标和第二三维坐标计算两点间的距离，从而推导出人体身高H_P，其中，人体身高的计算公式为：

作为一种可选的实施例，如图4所示，在步骤S11通过深度相机对场景进行拍摄，获取场景的深度图像之后，方法还可以包括：

步骤S12，通过对深度图像进行处理，确定深度图像中的前景区域和背景区域，其中，对深度图像进行处理的处理方法至少包括：混合高斯处理。

具体的，在对深度图像进行混合高斯背景建模时，首先在深度相机安装完成后，采集现场场景的深度图像用于背景建模。在深度相机开始工作后，可以通过对没有人体目标的场景的深度图像进行采集，从而实现背景模型初始化，提高前景目标的提取精度的目的。

通过混合高斯背景建模算法，对深度图像进行混合高斯背景建模。其中，对深度图像进行混合高斯背景建模的步骤主要包括：高斯背景模型初始化、背景模型匹配、 背景模型更新、背景点和前景点判断。为了提高背景模型的精度，可以针对现场场景创建K个高斯背景模型，其中，K可以为3个或5个。

具体的，图5为基于混合高斯背景建模流程图，结合图5对混合高斯背景建模步骤进行详细说明：

求前N帧图像的每一个像素点亮度值的均值μ₀和标准值σ₀，用于初始化K个高斯模型的概率分布参数：

其中，P_i为第i帧图像的像素亮度值。

在与K个混合高斯模型进行匹配时，应满足以下条件关系：

|P_i-μ_i,m|≤Dσ_i,m；

其中，μ_i,m为第i帧图像时刻第m个高斯模型的期望值；σ_i,m为第i帧图像时刻第m个高斯模型的期望值的标准差；D为阈值，D的取值范围为[2.5,3.0]。

若上述条件成立，则认为当前像素与对应的高斯模式匹配，可以用该像素点进行背景高斯模型更新，其中，更新的内容包括：权重ω_i,m、期望值μ_i,m和标准差σ_i,m，具体的方式如下：

ω_i,m＝(1-α)ω_i-1,m+α，

μ_i,m＝(1-β)μ_i-1,m+βP_i-1，

其中，α为更新系数；β为参数学习率，β＝α/ω_i,m。

若当前像素点与K个高斯模型都没有匹配，则将K个高斯模型中权重最小的高斯模型去除，并增加期望值为P_i，标准差为σ₀的新高斯模型。同时，对其余高斯模型的权值进行更新处理：

ω_i,m＝(1-α)ω_i-1,m。

根据更新后的K个高斯模型的权值选取符合阈值条件的背景模型，然后对当前像素点进行背景点和前景点判断，最后遍历完当前帧图像的所有像素点。

作为一种可选的实施例，在步骤S13根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标中，可以包括：

步骤S31，利用图像二值化算法对深度图像进行处理，得到预处理深度图像，其中，预处理深度图像中的前景区域为白色，预处理深度图像中的背景区域为黑色。

步骤S33，根据人体特征参数，对预处理深度图像中用于表征前景区域的白色图形进行识别，确定人体目标，其中，人体特征参数至少包括如下的其中一种或多种：图形长宽比、图形面积、图形周长、图形占空比。

具体的，通过步骤S31至步骤S33，对深度图像中的前景区域和背景区域进行二值化处理，并根据人体特征参数，对前景区域进行识别，从而得到前景区域中的人体目标。

在实际应用当中，根据混合高斯背景建模可以得到含有运动目标的前景区域的差分图像，然后，对其进行二值化处理，使背景区域为黑色0，前景区域为白色1。通过二值化算法进行处理得到的前景区域中的运动目标可以是人、车或其他运动目标，为了将人体目标从运动目标中区分出来，可通过人体目标的形状特征对其进行区分。例如，目标的长宽比、目标的面积、目标的周长、目标的占空比等。

作为一种可选的实施例，在步骤S31利用图像二值化算法对深度图像进行处理，得到预处理深度图像之后，还可以包括：

步骤S32，依次通过腐蚀算法和膨胀算法对预处理深度图像进行处理，得到提取后的预处理深度图像。

具体的，由于图像中噪声干扰的影响，在通过二值化算法进行处理后的深度图像中，前景区域会存在空洞区域或边缘毛刺，并且背景区域也会出现孤立的小块。因此，可以先利用图像腐蚀处理，后利用图像膨胀处理的方式去除深度图像中的噪声干扰，使得前景区域更加完整和精确。

作为一种可选的实施例，在实际应用当中，如图6所示，获取深度图像中的人体目标的方法可以包括：

步骤S1，获取场景的深度图像。

步骤S2，根据获取到的深度图像进行混合高斯背景建模，得到背景模型。

步骤S3，根据背景模型，对深度图像中前景区域和背景区域进行差分处理，得到二值化图像。

步骤S4，通过图像的腐蚀处理和膨胀处理，去除二值化图像中的噪声干扰。

步骤S5，通过人体特征对前景区域中的人体目标进行识别。

作为一种可选的实施例，如图7所示，上述基于深度相机的身高测量方法的步骤可以包括：

步骤一，在深度相机出厂时，对深度相机的相机标定参数进行标定。

步骤二，在安装后相机后对实时场景的深度图像进行捕获。

步骤三，根据深度图像，获取图像中的人体目标。

步骤四，对人体目标区域进行定位，获取人头尖点和两脚中心点在深度图像中的坐标位置。

步骤五，根据已标定好的相机标定参数计算出人头尖点和两脚中点的三维坐标。

步骤六，计算出人体身高。

通过上述步骤，无需对深度相机的安装高度和安装角度进行标定，减少了安装时繁琐的操作步骤，仅通过获取人体目标的人头尖点和两脚中点的图像坐标就能计算出人体身高信息，并且可同时测量出在深度相机的视场范围内的多个人体目标的高度信息。

根据本发明实施例，还提供了一种用于实施上述基于深度相机的身高测量方法的基于深度相机的身高测量装置，如图8所示，该装置包括：获取模块21、识别模块23、确定模块25、第一处理模块27和第二处理模块29。

其中，获取模块21，用于通过深度相机对场景进行拍摄，获取场景的深度图像，其中，深度图像包括影像信息和景深信息；识别模块23，用于根据预先设置的人体特征参数在深度图像中进行识别，确定深度图像中的人体目标；确定模块25，用于根据人体目标在深度图像中的所在位置，确定人体目标的上端点在深度图像中的第一图像坐标和人体目标的下端点在深度图像中的第二图像坐标；第一处理模块27，用于根据第一图像坐标、第二图像坐标、景深信息和预先设置的相机标定参数，计算第一图像坐标对应的第一三维坐标和第二图像坐标对应的第二三维坐标，其中，第一三维坐标用于表征人体目标的上端点在场景中的三维坐标值，第二三维坐标用于表征人体目标 的下端点在场景中的三维坐标值；第二处理模块29，用于根据第一三维坐标和第二三维坐标，确定人体目标的高度。

具体的，上述获取模块21、识别模块23、确定模块25、第一处理模块27和第二处理模块29，利用深度相机对人体目标进行识别，通过确定人体目标上端点的第一图像坐标和下端点的第二图像坐标，并结合景深信息将二维平面上的第一图像坐标与第二图像坐标，转换为三维空间中的第一三维坐标和第二三维坐标。通过计算第一三维坐标和第二三维坐标之间的距离，得到人体目标的高度。

通过本发明实施例提供了一种基于深度相机的人体身高测量方法。在利用上述实施例中所涉及的方法对人体身高进行测量时，只需对深度相机的相机标定参数进行标定，无需对深度相机的安装高度和安装角度进行标定。从而实现了身高的测量精度不受相机安装角度影响的技术效果，达到了简化操作步骤的目的，进而解决了由于对深度相机的安装高度和安装角度的标定误差，导致的影响身高测量精度，操作繁琐的技术问题。

作为一种可选的实施例，通过上述获取模块21对深度图像中的前景区域与背景区域进行区分的方法可以包括：首先，以预定的时间间隔获取场景的影像信息序列，然后通过将影像信息序列中的各个影像信息进行比对，将各个影像信息中未发生变化的区域确定为背景区域，而其他区域确定为前景区域。通过上述方法，可以简单的通过比对影像信息序列中各个影像信息，对影像信息中的前景区域和背景区域进行区分，从而提高了处理效率。

作为一种可选的实施例，如图9所示，上述确定模块25包括：子提取模块251、子生成模块253、第一子设置模块255、第一子处理模块257和第二子设置模块259。

其中，子提取模块251，用于对深度图像中的人体目标进行提取，确定人体目标的人体轮廓；子生成模块253，用于根据人体轮廓，生成人体目标的最小外接矩形；第一子设置模块255，用于获取最小外接矩形与人体轮廓顶部切点的坐标，设置为第一图像坐标；第一子处理模块257，用于以第一图像坐标为起点，垂直于最小外接矩形的短边做垂线；第二子设置模块259，用于获取垂线与最小外接矩形底边的交点的坐标，设置为第二图像坐标。

通常情况下，人体目标的轮廓为不规则的图形。因此在对深度图像中的人体目标进行提取得到人体目标的人体轮廓之后，通过最小外接矩形算法对人体轮廓进行处理，根据人体轮廓生成一个用于表征人体目标的最小外接矩形。另一方面，由人体外形的比例可知，人体的高度要远大于人体的宽度。因此，通过最小外接矩形算法处理得到 的最小外接矩形为长方形。

通过子提取模块251、子生成模块253、第一子设置模块255、第一子处理模块257和第二子设置模块259，将获取到的最小外接矩形与人体轮廓顶部的切点坐标，设置为用于表征上端点的第一图像坐标，即人头尖点的坐标。并且，通过以第一图像坐标为起点，向人体轮廓顶部的切点所在边的对边作垂线，将垂点的坐标设置为用于表征下端点的第二图像坐标，即两脚中点的坐标。。通过利用最小外接矩形算法，通过简单的计算，即可确定与人体轮廓对应的人头尖点坐标和下端点坐标。

作为一种可选的实施例，如图10所示，上述第一处理模块27包括：第一子校正模块271、第二子校正模块273、子确定模块275、第一子计算模块277和第二子计算模块279。

其中，第一子校正模块271，用于根据图像畸变系数和第一图像坐标，计算得到第一校正坐标；第二子校正模块273，用于根据图像畸变系数和第二图像坐标，计算得到第二校正坐标；子确定模块275，用于根据深度图像中的景深信息，确定与第一图像坐标对应的第一深度值和与第二图像坐标对应的第二深度值，其中，第一深度值为第一三维坐标中的Z轴坐标值，第二深度值为第二三维坐标中的Z轴坐标值；第一子计算模块277，用于将第一深度值、第一校正坐标和图像中心坐标代入计算模型，计算得到第一三维坐标；第二子计算模块279，用于将第二深度值、第二校正坐标和图像中心坐标代入计算模型，计算得到第二三维坐标。

具体的，通过上述第一子校正模块271、第二子校正模块273、子确定模块275、第一子计算模块277和第二子计算模块279，在利用图像畸变系数对第一图像坐标和第二图像坐标进行校正后，根据校正得到的第一校正坐标、第二校正坐标和景深信息，计算得到与第一校正坐标对应的第一三维坐标，以及与第二校正坐标对应的第二三维坐标。

作为一种可选的实施例，如图11所示，上述装置还包括：处理模块22。

其中，处理模块22，用于通过对深度图像进行处理，确定深度图像中的前景区域和背景区域，其中，对深度图像进行处理的处理单元至少包括：混合高斯处理单元。

具体的，在对深度图像进行混合高斯背景建模时，首先在深度相机安装完成后，采集现场场景的深度图像用于背景建模。在深度相机开始工作后，可以通过对没有人体目标的场景的深度图像进行采集，从而实现背景模型初始化，提高前景目标的提取精度的目的。

通过混合高斯背景建模算法，对深度图像进行混合高斯背景建模。其中，对深度 图像进行混合高斯背景建模的步骤主要包括：高斯背景模型初始化、背景模型匹配、背景模型更新、背景点和前景点判断。

作为一种可选的实施例，如图12所示，上述识别模块23包括：第二子处理模块231和子识别模块233。

其中，第二子处理模块231，用于利用图像二值化算法对深度图像进行处理，得到预处理深度图像，其中，预处理深度图像中的前景区域为白色，预处理深度图像中的背景区域为黑色；子识别模块233，用于根据人体特征参数，对预处理深度图像中用于表征前景区域的白色图形进行识别，确定人体目标，其中，人体特征参数至少包括如下的其中一种或多种：图形长宽比、图形面积、图形周长、图形占空比。

具体的，通过上述第二子处理模块231和子识别模块233，对深度图像中的前景区域和背景区域进行二值化处理，并根据人体特征参数，对前景区域进行识别，从而得到前景区域中的人体目标。

在实际应用当中，根据混合高斯背景建模可以得到含有运动目标的前景区域的差分图像，然后，对其进行二值化处理，使背景区域为黑色0，前景区域为白色1。通过二值化算法进行处理得到的前景区域中的运动目标可以是人、车或其他运动目标，为了将人体目标从运动目标中区分出来，可通过人体目标的形状特征对其进行区分。例如，目标的长宽比、目标的面积、目标的周长、目标的占空比等。

作为一种可选的实施例，如图13所示，上述识别模块23还包括：第三子处理模块232。

其中，第三子处理模块232，用于依次通过腐蚀算法和膨胀算法对预处理深度图像进行处理，得到提取后的预处理深度图像。

具体的，由于图像中噪声干扰的影响，在通过二值化算法进行处理后的深度图像中，前景区域会存在空洞区域或边缘毛刺，并且背景区域也会出现孤立的小块。因此，可以通过上述第三处理模块232先利用图像腐蚀处理，后利用图像膨胀处理的方式去除深度图像中的噪声干扰，使得前景区域更加完整和精确。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分， 可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。