为本发明的实施例1的红外热图像轮廓提取方法的流程图；
[0049]图2为本发明的实施例1的红外热图像轮廓提取方法的具体流程图；
[0050]图3为本发明的实施例1中步骤SI的具体流程图；
[0051]图4为本发明的实施例1中步骤S5的具体流程图；
[0052]图5为本发明的实施例2的红外热图像轮廓提取装置的结构图；
[0053]图6为本发明的实施例2的红外热图像轮廓提取装置的具体结构图；
[0054]图7为本发明的实施例2的图像获取单元的具体结构图；
[0055]图8为本发明的实施例2的轮廓提取单元的具体结构图。
【具体实施方式】
[0056]为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和【具体实施方式】对本发明作进一步详细描述。
[0057]实施例1:
[0058]结合图1所示，本实施例提供一种红外热图像轮廓提取方法，其包括如下步骤:
[0059]SOl、获取红外热图像。[ΟΟ?Ο] S02、根据所述红外图像的灰度图确定直方图，根据所述直方图确定所述红外图像的分割阈值，根据所述分割阈值进行轮廓提取。
[0061]具体的，获取红外热图像可以是获取一帧或多帧人体或人体某部位(如脸部)的红外热图像;提取轮廓时，可以根据上述获取的红外热图像的确定所有像素进行某几类颜色(如，RGB三基色或其他颜色)的灰度图，根据所述灰度图确定直方图，根据确定的直方图进行轮廓提取。
[0062]本发明上述实施例提供的方法，由于人体温度高于周围环境的温度，通过对红外热图像的直方图统计，对人体的边界计算阈值，并分割阈值，来提取人体轮廓提取，可得到人体的精确轮廓。
[0063]结合图2，以下将以RGB三基色为例说明本发明上述红外图像轮廓提取方法。
[0064]步骤一(SI)、获取红外热图像。
[0065]上述获取红外热图像目的是要确定进行轮廓提取的目标图像。其中，红外热图像可以为人体图像、动物图像等温度高于环境温度的物体的图像。在本实施例中以对人体图像轮廓提取为例进行说明，但这并不构成对本实施例的限定。
[0066]结合图3所示，该步骤SI具体包括如下步骤:
[0067]S11、通过视频采集模块采集静态红外热图像视频;其中，所述红外热图像视频中包括多帧红外热图像。
[0068]具体的，视频采集模块的输出PAL或NTSC制式，例如采用PAL制输出时，帧频为25Hz，场频为50Hz，此时只需要采集5至10秒即可获取250至500帧图像，因此可以为后续多帧求平均减小误差提供足够数量的图像。当然，如果视频采集模块采用数字摄像机，此时可以直接输出数字红外热图像。
[0069]S12、采用视频解码模块步骤Sll中所得到的红外热图像视频(多帧红外热图像)进行解码和模数转换，将解码后的模拟红外热图像转换成数字红外热图像，并在数据存储模块中进行存储。
[0070]S13、采用图像计算模块对多帧所述数字红外热图像求平均，计算得出一帧红外热图像，也就是得到将要进行轮廓提取的目标图像。
[0071]在步骤S13之所以对多帧数字红外热图像求平均是为了，减小误差，突出红外热图像的有效信息，为后续的轮廓提取提供更精确的图像。
[0072]步骤二(S2)、对步骤SI中所获取的红外热图像中每个像素的红色分量、绿色分量，以及蓝色分量反色后的灰度图。
[0073]在此需要说明的是，红外热图像的颜色可以表征物体的温度。具体的，由于人体的表面温度约为31至35度左右，而环境温度一般为21至25度左右。因此红外热图像中，人体区域的颜色会与周边环境的颜色有明显的区别，而鉴于热图像的特点，温度越高，图像颜色越偏向红色，即红色分量越高；而温度越低，图像越偏向蓝色，即蓝色分量越高。由此可知。红色分量的变化趋势与温度的变化趋势相同，而蓝色分量的变化趋势与温度的变化趋势相反。为了提高轮廓提取效率，在本实施例中将蓝色分量进行反色(反色指以该图像中蓝色最高灰度值减去当前灰度值)，此时反色后的蓝色分量的变化趋势也与温度的变化趋势相同，因此可以采用相同的计算方法计算红色分量和蓝色分量的灰度图的分割阈值，这样可提高计算分割阈值的效率，从而可提高红外热图像轮廓提取的效率。
[0074]步骤二具体可以包括:首先，对步骤一中所获取的红外热图像进行图像提取，得到红色分量的灰度图、绿色分量的灰度图、蓝色分量的灰度图；之后，对蓝色分量的灰度图中每个蓝色分量进行反色，得到反色后的蓝色分量的灰度图。
[0075]或者，首先将步骤一中所获取的红外热图像中的每个像素的蓝色分量进行反色；之后提取蓝色分量反色后的红外热图像中红色分量的灰度图、绿色分量的灰度图、蓝色分量的灰度图。
[0076]步骤三(S3)、根据所述红色分量、绿色分量，以及蓝色分量反色后的灰度图，分别生成红色分量、绿色分量、蓝色分量的直方图。
[0077]其中，颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。在本实施例中正是利用颜色直方图对人体轮廓进行分割的。
[0078]步骤三具体可以包括:根据步骤二中所得到的红色分量的灰度图、绿色分量的灰度图、蓝色分量反色后的灰度图，可以获取各个红色分量、绿色分量、反色后的蓝色分量的灰度值的分布情况，从而可以采用直方图生成单元生成红色分量、绿色分量、蓝色分量的直方图。
[0079]步骤四(S4)、根据所生成的红色分量、绿色分量、蓝色分量的直方图，分别计算出所述红色分量、绿色分量，以及蓝色分量反色后的灰度图的分割阈值。
[0080]步骤四具体可以包括:根据步骤三中所生成的红色分量、绿色分量、蓝色分量的直方图，采用大津法(Ostu)分别计算出所述红色分量、绿色分量，以及蓝色分量反色后的灰度图的分割阈值。采用大津法计算分割阈值方法简便，计算量小，且计算精度高。当然，也不局限于采用大津法计算分割阈值，也可以采用双峰法、迭代法等阈值分割算法。而这些算法的具体实现不详细说明。
[0081]步骤五(S5)、根据所计算出所述红色分量、绿色分量，以及蓝色分量反色后的灰度图的分割阈值，对所述红外热图像进行轮廓提取。
[0082]结合图4所示，步骤S5具体包括:S51、将红色分量和蓝色分量反色后的灰度图的分割阈值进行比较，获取蓝色分量反色后的灰度图的分割阈值中存在与红色分量的灰度图的分割阈值不相同的分割阈值。具体的，假若计算得到20点(每个点代表一个像素)红色分量的灰度图的分割阈值，而得到30点蓝色分量反色后的灰度图的分割阈值，此时发现有10点蓝色分量反色后的灰度图的分割阈值与红色分量的灰度图的分割阈值不同，将这10点分割阈值记录下来。
[0083]S52、将所述不相同的分割阈值与绿色分量的灰度图的分割阈值进行比较；当所述不相同分割阈值与绿色分量的灰度图的分割阈值相匹配时，则保留所述不相同分割阈值，否则去除。
[0084]在该步骤中，也就是将这10点不同的分割阈值与绿色分量的灰度图的分割阈值进行比较，当绿色分量的灰度图的分割阈值中找到与这10点中相同的分割阈值时，则留下这个点，若找不到则丢弃。
[0085]S 5 3、以红色分量的灰度图的分割阈值，以及剩余的蓝色分量反色后的灰度图的分割阈值作为窗口，对所述红外热图像进行轮廓提取并显示。
[0086]该步骤中，也就是将20点的红色分量的灰度图的分割阈值以及最终得到的蓝色分量反色后的灰度图的分割阈值到步骤一中所获取红