CN108961316B - 图像处理方法、装置及服务器 - Google Patents

图像处理方法、装置及服务器 Download PDF

Info

Publication number
CN108961316B
CN108961316B CN201710369092.4A CN201710369092A CN108961316B CN 108961316 B CN108961316 B CN 108961316B CN 201710369092 A CN201710369092 A CN 201710369092A CN 108961316 B CN108961316 B CN 108961316B
Authority
CN
China
Prior art keywords
gradient
cutting
cut
target frame
frame
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
CN201710369092.4A
Other languages
English (en)
Other versions
CN108961316A (zh
Inventor
唐松
袁誉乐
郑理文
赵勇
谭兵
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201710369092.4A priority Critical patent/CN108961316B/zh
Publication of CN108961316A publication Critical patent/CN108961316A/zh
Application granted granted Critical
Publication of CN108961316B publication Critical patent/CN108961316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置及服务器，用于提升目标框与前景目标的重合度。本发明实施例先获得输入帧和背景帧，再确定目标框中待切割的行或列，计算输入帧和背景帧在待切割的行或列的梯度差值矩阵，并计算梯度差值矩阵中的梯度差值的平均值，判断该平均值是否小于梯度比较值，若小于，则从目标框中切除该待切割位置。本发明实施例利用输入帧和背景帧的相似度作为切割目标框的依据，分别计算输入帧和背景帧的目标框中行或列的梯度差值的平均值作为比较特征，与梯度比较值进行比较，从而判断出当前行或列是否是真实的前景目标，如果不是，则从目标框中切除当前行或列。从而能够有效修正目标框，提升目标框与前景目标的重合度。

Description

图像处理方法、装置及服务器
技术领域
本申请涉及计算机领域，尤其涉及一种图像处理方法、装置及服务器。
背景技术
在图像视频序列的应用中，人们通常只对其中的某些部分感兴趣，比如视频监控系统中我们关心的是运动较为显著的前景目标，而对相对静态的背景目标并不关心，所以我们需要将前景与背景很好的区分出来，得到能够准确框住前景目标的目标框。
在实际应用场景中，由于光照等原因的影响，目标检测算法获取的前景目标区域常常大于实际前景目标，或者产生一些伪目标，影响后续的应用场景。比如在目标追踪阶段，对目标进行分裂处理时，若目标框的变化太大，会导致目标分裂出错。
因此，需要对可能偏大的目标框进行切割，以修正目标框的大小和位置，去除部分伪目标，得到较为准确的目标框。而在实际切割过程中会由于光照的影响，使得难以得到较为准确的目标框。
发明内容
本发明实施例提供了一种图像处理方法、装置及服务器，能够在图像切割过程中有效屏蔽光照的影响，提升目标框与前景目标的重合度。
第一方面，本发明实施例提供了一种图像处理方法，该方法包括：
先获得框定输入帧中的前景目标的目标框，并获得包括输入帧对应的场景的背景图像的背景帧，再确定目标框中的待切割位置，该待切割位置为一行、一列、多行或多列，计算输入帧和背景帧在待切割位置的梯度差值矩阵，并计算梯度差值矩阵中的梯度差值的平均值(第一梯度均值)，判断第一梯度均值是否小于梯度比较值，若小于，则从目标框中切除该待切割位置。
本发明实施例利用输入帧和背景帧的相似度作为切割目标框的依据，通过分别计算输入帧和背景帧的目标框中行或列的梯度差值的平均值作为比较特征，与梯度比较值进行比较，从而判断出当前行或列是否是真实的前景目标，如果不是，则从目标框中切除当前行或列，从而使得最终得到的目标框能够屏蔽光照的影响，有效修正目标框，从而提升目标框与前景目标的重合度。
进一步，若第一梯度均值大于等于梯度比较值，则可以确定待切割位置为目标框中的真实前景目标，则确定所述待切割位置为切割后的目标框的其中一个边界，保留该待切割位置，并停止在当前方向上的切割。
可选的，确定目标框的待切割位置的过程为：先确定切割目标框的当前切割方向，然后在当前切割方向上确定待切割位置；当前切割方向包括从左至右方向、从右至左方向、从上至下方向、或从下至上方向；若当前切割方向为从左至右方向或从右至左方向，则待切割位置则是目标框中的一列或多列；若当前切割方向为从上至下方向或从下至上方向，则待切割位置包括目标框中的一行或多行。
可选的，可以先根据目标框的长度和宽度，确定对目标框的切割顺序，再按照切割顺序确定切割目标框的当前切割方向。切割顺序可以是先左右再上下，或先上下再左右；其中，左右包括从左至右和从右至左，上下包括从上至下和从下至上。
可选的，当目标框的长度大于宽度时，目标框的切割顺序可以为先左右后上下的切割顺序，当目标框的宽度大于长度时，目标框的切割顺序为先上下后左右的切割顺序。
之所以这样选取切割顺序，目的是为了增加每一次切割中在应有目标处的前景目标的比重，以防止过度切割，从而使切割获得更好的效果。
进一步，在通过当前待切割位置来判断是否对当前行或列进行切割的基础上，还结合下一个待切割位置(当前行的下一行或当前列的下一列)的梯度差值来判断是否对当前行或当前列进行切割，具体过程为：
确定切割目标框的切割步长，切割步长包括一行、一列、多行或多列；确定目标框中待切割位置的下一个位置，待切割位置的下一个位置是目标框中待切割位置之后的下一个切割步长所在的位置；计算输入帧和背景帧在待切割位置的下一个位置的梯度差值矩阵(第二梯度差值矩阵)，并计算第二梯度均值，即第二梯度差值矩阵中的梯度差值的平均值；再判断第二梯度均值是否小于梯度比较值；只要满足当第一梯度均值小于梯度比较值，和第二梯度均值小于梯度比较值，两个条件中的任意一个条件时，则从目标框中切除当前的待切割位置。
所以，本发明实施例结合下一个步长的行或列来判断当前切割的行或列是否是真实的前景目标，能够避免当当前切割的行或列是突刺点时，被误认为是真实的前景目标的情况，从而解决因突刺点导致的切割不足的问题。
可选的，上述梯度比较值可以为预设的梯度阈值；也可以为为预设的梯度阈值与多个梯度均值的中值两者之间的最小值；也可以为预设的梯度阈值、多个梯度均值的中值、与多个梯度均值的平均值三者之间的最小值。其中，多个梯度均值为多个待切割位置对应的梯度均值。
第二方面，本发明实施例还提供一种图像处理装置，具体实现对应于上述第一方面提供的图像处理方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件程序实现。硬件和软件包括一个或多个与上述功能相对应的单元模块，所述单元模块可以是软件和/或硬件。
一种可能的设计中，所述图像处理装置包括：
目标框获取单元，用于获得框定输入帧中的前景目标的目标框；
背景帧获取单元，用于并获得背景帧，背景帧包括输入帧对应的场景的背景图像；
第一确定单元，用于确定目标框中的待切割位置，待切割位置为目标框中的一行、一列、多行或多列；
计算单元，用于计算输入帧和背景帧在待切割位置的第一梯度差值矩阵，并计算第一梯度均值，第一梯度均值为第一梯度差值矩阵中的梯度差值的平均值；
判断单元，用于判断第一梯度均值是否小于梯度比较值；
切割单元，用于当第一梯度均值小于梯度比较值时，从目标框中切除待切割位置。
第三方面，本发明实施例提供了一种服务器，具体实现对应于上述第一方面提供的图像处理方法的功能。本发明实施例中的服务器可以包括：
处理器、存储器及网络接口；其中，存储器用于存储程序代码，处理器调用所述存储器中的程序代码，以执行上述第一方面的图像处理方法中的全部或部分步骤。
第四方面，本申请的提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
本申请的又一方面提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
通过本发明实施例，使得最终得到的目标框能够屏蔽光照的影响，有效修正目标框，从而提升目标框与前景目标的重合度。且还能切除掉一些伪目标，降低前景目标的误检率，以提高目标跟踪的效率。
附图说明
图1为本发明实施例中的目标追踪流程示意图；
图2为本发明实施例中的目标框不准确的示意图；
图3为对图2的目标框进行切割后的效果示意图；
图4为本发明实施例中的图像处理系统示意图；
图5为本发明实施例中的图像处理方法的一种流程图；
图6为本发明实施例中输入帧中的目标框框定的前景目标示意图；
图7为与图6对应的背景帧中的目标框框定的背景图像示意图；
图8为本发明实施例中的切割方向及切割步长示意图；
图9为本发明实施例中的图像处理方法的另一种流程图；
图10为本发明实施例中的输入帧和背景帧的梯度计算示意图；
图11为本发明实施例中的图像处理装置功能模块结构图；
图12为本发明实施例中的服务器的硬件结构示意图。
具体实施方式
以下结合附图对本发明实施例作进一步的说明。
本发明实施例中图像处理方法主要应用于视频监控场景中的目标检测和目标追踪。在视频中对目标进行追踪的过程中，先需要通过目标检测算法确定框定目标(前景目标)的目标框，再使用该目标框在视频各帧图像中进行视频追踪。
如图1所示，对目标进行追踪的具体的过程可以是：提取包含目标的一视频帧，从该视频帧中提取初始的前景目标，经过形态学去噪，连通域分析等操作得到框定前景目标的目标框，再使用该目标框进行目标追踪。
其中，目标框是用于框定前景目标的一个矩形框，不包含图像。在一些场景中，目标框还可以称之为前景框或检测框。
由于光照等原因的影响，目标检测算法获取的前景目标区域中常常包含阴影、伪目标等非目标图像，使得前景目标区域常常大于实际的前景目标，因此获得的目标框不准确。例如：会存在目标框在水平方向过大，或者在竖直方向过大，或目标框过小的情况。目标框不准确会影响后续的目标追踪等应用。
本申请主要是针对目标框不准确的情况进行修正和伪目标的去除，使其更加匹配实际的前景目标大小和位置。例如：图2中的201为框定前景目标——“小黄人”的目标框，该目标框201大于实际的“小黄人”所在的区域，本发明实施例中的图像处理方法的目的是对目标框进行修正和伪目标的去除，得到如图3所示的与前景目标重合度更高的目标框202。
本发明实施例中的图像处理方法可以由网络设备执行，网络设备具体可以是各种形式的计算机设备，包括服务器、服务器集群、或是具有通信功能的终端设备。
本发明实施例为了描述方便，以网络设备为服务器或服务器集群为例对本发明实施例中的方法进行说明。
如图4所示，实现本发明实施例中实现图像处理方法的图像处理系统可以包括服务器和客户端设备两个网元。
图4中的服务器可以是单个服务器，也可以是分布式部署的服务器集群。客户端设备可以为各种形式的计算机设备或用户设备，例如：手机、平板电脑、个人电脑(PersonalComputer，PC)等终端设备。
客户端设备通过网络与服务器进行通信，客户端设备向服务器发送图像处理请求。本发明实施例以图像处理请求为对视频中的图像处理为例进行说明，实际应用中，图像处理请求不一定是对视频中的图像进行处理，还可以是存储器中存储的单张或多张图像进行处理。
服务器在进行视频图像处理时，通过视频内容管理程序执行客户端设备的图像处理请求，图像处理请求可以是图像增强处理，或光照处理等。之后，服务器将视频内容管理模块的图像处理结果返回给客户端设备。
如图4所示，服务器中的视频内容管理程序包括管理模块和视频分析模块。
其中，管理模块负责执行调度请求、资源管理和数据检索等功能。
视频分析模块用于执行视频分析的功能，例如可以包括本发明实施例中目标检测、目标追踪等功能。
需要说明的是，图4所示的图像处理系统仅仅是一种示例，在实际应用中，图像处理系统的网元组成以及部署方式可以根据具体的应用场景而定。另外，图4中的视频内容管理程序中的功能模块划分也仅仅一种示例，仅为了说明视频图像处理的过程。
下面结合图5对本发明实施例中图像处理方法进行详细介绍。
501、获得框定输入帧中的前景目标的目标框，并获得背景帧；
本发明实施例中的输入帧为一帧图像，例如，如图1“提取视频帧”所示的视频帧图像。通过如图1所示的目标检测算法获得框定前景目标的目标框，如图6中的601为前景目标为行人的目标框，此时的目标框601为待切割的原始框。
此外，通过背景建模方法获得输入帧对应的场景的背景图像，即获得背景帧，例如可以使用高斯背景建模方法对多张输入帧图像进行背景建模从而得到背景帧。图7为通过建模方法得到的图6的背景帧，701为目标框在背景帧中框定的背景图像，也就是701中框定的是601框定的前景目标所对应的场景的背景图像。
502、确定目标框中的待切割位置；
本发明实施例通过比对输入帧和背景帧在目标框中的对应行或列(待切割位置)的相似度来区分真实的前景目标和非真实的前景目标，以此作为依据来切割目标框，以提升目标框与前景目标的重合度。
在比对输入帧和背景帧在目标框中的对应行或列的相似度时，如图8所示，可以从目标框的边缘向中心按特定的切割步长逐个进行比对。切割步长可以为1个像素为单位的1行(ROW)或1列(COL)，也可以是多行或多列，例如：3行或3列。当采用1行或1列的切割步长时，可以更加精确的切割目标框；当采用多行或多列的切割步长时，则可以在精度损失允许的范围内提升切割速度。
按照切割步长逐个进行比对，每次比对的行或列即为待切割位置。对每个待切割位置，通过执行步骤503至步骤506来实现相似度的比对，以判断当前的待切割位置是否是非真实的前景目标，以判断是否从目标框中切除当前的行或列。
因此，先确定目标框中当前的待切割位置，待切割位置可以为目标框中的一行或多行，一列或多列。其中一行或多行是指在目标框所框定的前景目标区域在左右方向(也称水平方向)上的一行像素或多行像素所在的位置；一列或多列是指在目标框所框定的前景目标区域的上下方向(也称竖直方向)上的一列像素或多列像素所在的位置。
可选的，先根据目标框的长度和宽度，确定对目标框的切割顺序。具体方法可以是：当目标框的宽度大于长度时，对应的应用场景中的前景目标可能是竖直方向大于水平方向的，那么切割顺序为左右上下，即：先左右方向切割，待左右方向都切割完后，再上下方向切割。当目标框的长度大于宽度时，对应的应用场景中的前景目标可能是水平方向大于竖直方向的，那么切割顺序为上下左右，即先上下方向切割，待上下方向都切割完后，再左右方向切割。
之所以这样选取切割顺序，目的是为了增加每一次切割中在应有目标处的前景目标的比重，以防止过度切割，从而使切割获得更好的效果。
如图8所示，左右方向包括801所示的从左至右方向和802所示的从右至左方向。左右方向的具体切割顺序可以是先左后右，也可以先右后左。例如：先左后右是指先从左至右方向切割(801所示的方向)，待从左至右方向满足切割停止条件后，再从右至左方向切割(802所示的方向)，直至从右至左方向满足切割停止条件。
上下方向包括803所示的从上至下方向和804所示的从下至上方向，上下方向的具体切割顺序可以是先上后下，或先下后上。例如：先上后下是指先从上至下方向切割(803所示的方向)，待从上至下方向满足切割停止条件后，再从下至上方向切割(804所示的方向)，直至从下至上方向满足切割停止条件。
图8所示的目标框的宽度大于长度，那么选择的切割顺序为左右上下顺序，具体可以是：先切801和802所示的其中一个方向，再切801和802所示的另一个方向，之后再切803和804所示的其中一个方向，然后再切803和804所示的另一个方向。
在确定了切割顺序后，根据切割顺序，确定切割目标框的当前切割方向，如图8所示，当前切割方向可以是801所示的从左至右方向，802所示的从右至左方向，803所示的从上至下方向，或804所示的从下至上方向。
在确定了当前的切割方向后，在当前切割方向上从边缘向中间逐个比对待切割位置，直到满足切割停止的条件。若当前切割方向为从左至右方向切割或从右至左方向切割，则待切割位置是目标框中的一列或多列。若当前切割方向为从上至下方向切割或从下至上方向切割，则待切割位置是目标框中的一行或多行。
503、计算输入帧和背景帧在待切割位置的第一梯度差值矩阵；
考虑目标框不准确的原因大多数是由于阴影，光照的等原因。对于输入帧和背景帧中的非目标区域(非真实的前景目标)，在不同的光照条件下，对应点的像素值会相差很大，但是对于同一图像，在光照变化的情况下，所有点的像素值变化应该是等比例的。因此相邻点间的差值，也就是梯度的变化应该相对比较小。
因此，计算输入帧在待切割位置的梯度，并计算背景帧在待切割位置的梯度，将这两者的梯度作为比较的特征。
若切割步长是一行或一列时，待切割位置是目标框中的某一列或某一行时，直接分别计算输入帧和背景帧在该行或该列的梯度，得到的输入帧和背景帧在该行或该列的梯度都是一个梯度矩阵。
若切割步长是多列时，可以对待切割位置中的多列中的每一行像素求平均值，再按一列的方式计算输入帧和背景帧的梯度矩阵。若切割步长是多行时，可以对待切割位置的多行中的每一列像素求平均值，再按一行的方式计算输入帧和背景帧的梯度矩阵。
在分别得到输入帧和背景帧在待切割位置的梯度矩阵后，计算这两组梯度矩阵的差值得到第一梯度差值矩阵，这时候考察的是目标框在对应的待切割位置的梯度的差值。
504、计算第一梯度均值；
再对第一梯度差值矩阵中的梯度求平均值得到第一梯度均值。
505、判断第一梯度均值是否小于梯度比较值；
根据步骤503中描述的原理：对于同一图像，在光照变化的情况下，所有点的像素值变化应该是等比例的。因此在不同光照变化的情况下，相邻点的梯度的变化应该相对比较小。也就是说，若是非真实前景目标区域，则计算出来的输入帧和背景帧的梯度差值较小，若是真实的前景目标区域，则计算出来的输入帧和背景帧的梯度差值会较大。
因此，可以取一个合适的梯度比较值，判断步骤504中计算得到的第一梯度均值是否小于梯度比较值，若小于梯度比较值，则确定当前的待切割位置为非真实的前景目标，执行步骤506。
可选的，该梯度比较值可以为预设的梯度阈值，该梯度阈值可以是经过大量视频图像分析所得到的一个经验值，该经验值可以比较准确地判断是否对当前的待切割位置进行切割，该经验值可以考虑取5。
在实际操作中，可以一次计算目标框中的所有行(或列)的梯度差值矩阵，再逐个待切割位置对应的梯度差值矩阵中的梯度差值的平均值与梯度比较值进行比较。
可选的，计算所有行(或列)中每一行(或列)的梯度差值矩阵平均值，即每一行(或列)的梯度差值矩阵中的梯度差值的平均值，再取所有行(或列)的梯度差值矩阵平均值的中值和均值。
进一步，梯度比较值还可以是梯度阈值与所有行(或列)的梯度差值矩阵平均值的中值两者中的最小值。
进一步，梯度比较值还可以是梯度阈值、所有行(或列)的梯度差值矩阵平均值的中值、所有行(或列)的梯度差值矩阵平均值的均值三者中的最小值。
如上所述，当切割方向是左右方向时，左右方向上的每个待切割位置的梯度比较值相同；当切割方向是上下方向时，上下方向的每个待切割位置的梯度比较值相同。
506、若第一梯度均值小于梯度比较值，则从目标框中切除待切割位置。
若在步骤504中计算得到的第一梯度均值小于梯度比较值，则确定当前的待切割位置为非真实的前景目标，则从目标框中切除待切割位置。从目标框中切除待切割位置是指目标框不框定该待切割位置，即不框定当前正在考察的目标框中的这一行、多行、一列或多列，将目标框的框定范围缩小。
在当前切割方向上，从目标框的边缘向中间逐个比对待切割位置，当某一个待切割位置的计算出的第一梯度均值大于等于梯度比较值，则确定当前的待切割位置为真实的前景目标或者包含真实的前景目标，则停止切割，确定当前的待切割位置为切割后的目标框的其中一个边界，实际是在当前切割方向上的边界。
按照切割顺序，每个切割方向都逐个待切割位置采用步骤503至步骤506进行切割，确定目标框的每个切割方向上的边界，则确定了最终的目标框，该目标框即可较准确框定真实的前景目标。
本发明实施例利用输入帧和背景帧的相似度作为切割目标框的依据，通过分别计算输入帧和背景帧的目标框中行或列的梯度差值的平均值作为比较特征，与梯度比较值进行比较，从而判断出当前行或列是否是真实的前景目标，如果不是，则从目标框中切除当前行或列，从而使得最终得到的目标框能够屏蔽光照的影响，有效修正目标框，从而提升目标框与前景目标的重合度。
同时，通过本发明实施中的方法还能切除掉一些伪目标，降低前景目标的误检率。且由于经过目标切割后检测框更加稳定，因此对于跟踪的效率也有一定提升，尤其是对于目标分裂的情况更加明显。
图5所示的实施例是根据当前待切割位置(当前行或列)的梯度差值来判断是否对当前行或列进行切割，在此基础上，还结合下一个待切割位置(当前行的下一行或当前列的下一列)的梯度差值来判断是否对当前行或当前列进行切割，以解决因个别突刺点导致切割不足的问题。
当前待切割位置的下一个位置是指目标框中的待切割位置之后的下一个切割步长所在的位置，例如：若切割步长为1行(或列)，当前待切割位置为目标框中的第1行(或列)，则待切割位置的下一个位置为目标框中的第2行(或列)；若切割步长为3行(列)，当前待切割位置为目标框中的第1-3行(或列)，则待切割位置的下一个位置为目标框中的第4-6行(或列)。
针对当前待切割位置的下一个位置，执行步骤503至步骤505中类似的步骤，即计算输入帧和背景帧在待切割位置的下一个位置的梯度差值矩阵(第二梯度差值矩阵)，计算第二梯度差值矩阵中的梯度的均值(第二梯度均值)，判断第二梯度均值是否小于所述梯度比较值。
当第一梯度均值小于梯度比较值，或者第二梯度均值小于梯度比较值时，则可以确定当前的待切割位置是非真实的前景目标。包括以下几种情况：
1)、当第一梯度均值小于梯度比较值，第二梯度均值也同样小于梯度比较值，则说明当前切割的行或列以及下一个步长的行或列都是非真实的前景目标，就执行步骤506，从目标框中切除当前待切割位置。
2)、当第一梯度均值小于梯度比较值，第二梯度均值大于等于梯度比较值，则说明当前切割的行或列是非真实的前景目标，但下一个步长的行或列可能是真实的前景目标，则可执行步骤506，从目标框中切除当前待切割位置。
3)、当第一梯度均值大于等于梯度比较值，但第二梯度均值小于梯度比较值，则说明当前切割的行或列是真实的前景目标，但下一个步长的行或列是非真实的前景目标。此时说明当前待切割位置可能是个别的突刺点，也应该执行步骤506，从目标框中切除当前待切割位置。
若第一梯度均值大于等于梯度比较值，并且第二梯度均值大于等于梯度比较值，则说明当前待切割的行或列是真实的前景目标，且下一个步长的行或列也是真实的前景目标，则可以确认当前切割的行或列不是突刺点，而是前景目标的边界。因此，停止当前方向上的切割，确定当前待切割位置为当前切割方向上的边界。
本发明实施例结合下一个步长的行或列来判断当前切割的行或列是否是真实的前景目标，能够避免当当前切割的行或列是突刺点时，被误认为是真实的前景目标的情况，从而解决因突刺点导致的切割不足的问题。
下面结合图9，通过具体的实施方式对本发明实施例作进一步的说明。
901、选择与场景相对应的切割顺序；
选择切割方向通常是针对所检测的前景目标来确定。首先通过技术手段获得初始的前景目标与背景图像，然后经过形态学去噪、连通域分析等操作得到最原始的目标框。
一般来说，如果应用场景中前景是行人这样目标框竖直方向长度大于水平方向长度的，那么先切竖直方向再切水平方向，不失一般性的，可以选取左右上下的顺序。如果应用场景是前景目标框的竖直方向长度小于水平方向长度这种情况，那么选取上下左右的顺序切割。具体方式可根据应用场景进行设定。
按照切割顺序，需要在4个方向上进行切割，在每个方向上切割时，是从目标框的外边缘向内按照切割步长进行切割，直到满足切割停止的条件。设定一个计数器来进行计数，计数器的取值为0至3，分别表示待切割的4个方向，计数器nOrientIndex＝0时，表示当前切割方向是4个方向上的第一个方向……计数器nOrientIndex＝3时，表示当前切割方向是4个方向上的第四个方向。选定第一个方向，并执行步骤902。
902、对于选定的当前切割方向，计算当前行或列的输入帧与背景帧的梯度；
在切割时，切割步长可以为1个像素为单位的1行或1列，也可以是多行或多列，例如：3行或3列。当采用1行或1列的切割步长时，可以更加精确的切割目标框；当采用多行或多列的切割步长时，则可以在精度损失允许的范围内提升切割速度。
根据选好的切割步长分别计算输入帧与背景帧的梯度。例如，如图10所示，从目标框的边缘开始，假定此时选取的是输入帧中目标框的第i列，此时目标框的第i列长度为n，即第i列有n个像素，截取其第1～n-1个值赋值给oriColUpi，截取其第2～n个值赋值给oriColDowni，用公式(1)计算得到输入帧的梯度oriColSubi：
oriColSubi＝oriColDowni-oriColUpi (1)
用同样的方法计算背景帧中目标框的第i列的梯度bgColSubi：
bgColSubi＝bgColDowni-bgColUpi (2)
得到oriColSubi和bgColSubi后，执行步骤903。
903、判断是否对当前行或列进行切割；
通过公式(3)计算输入帧和背景帧在第i列的梯度差值ColSubi：
ColSubi＝abs(oriColSubi-bgColSubi) (3)
公式(3)表示的是对oriColSubi和bgColSubi之间的差值求绝对值，该梯度差值ColSubi是一个矩阵。将ColSubi除以oriColSubi的维度，得到的结果记为i行或i列的梯度差值的平均值meanColi。
也用同样的方法计算出第i+1列的梯度差值ColSubi+1，并计算出第i+1列的梯度差值的平均值meanColi+1。
再分别计算ColSubi和ColSubi+1的中值mediani和mediani+1。
接下来分别计算第i列和第i+1列对应的梯度比较值Ti和Ti+1，本发明实施例取预设的梯度阈值为5，并取预设的梯度阈值与梯度差值的中值两者之间的最小值：
Ti＝min(mediani,5) (4)
Ti+1＝min(mediani+1,5) (5)
判断第i列的梯度差值的平均值是否大于等于第i列的梯度比较值，并判断第i+1列的梯度差值的平均值是否大于等于第i+1列的梯度比较值，通过表达式(6)计算：
(meanColi+1≥Ti)&&(meanColi+1≥Ti+1) (6)
如果表达式(6)的值为假(false)，则说明第i列或第i+1列是非真实的前景目标，则执行步骤904，从目标框中切割出当前行或列(此时是第i列)，并且考虑当前方向上的下一行或下一列，该举例中也就是第i+1列，也就是执行步骤902判断第i+1列。
如果表达式(6)的值为真(true)，则说明第i列和第i+1列都是真实的前景目标，则执行步骤905：保留第i列，并且停止在当前方向上的切割。并执行步骤906判断是否转换到下一个切割方向，即：执行nOrientIndex++，判断nOrientIndex是否小于4，若小于4，则转换下一个切割方向。
每一个切割方向都重复执行步骤902至步骤905。
当4个方向都切割完，即当nOrientIndex大于4时，就结束切割，执行步骤907：输出最终的目标框。
本发明实施例通过分别对4个方向进行切割，每个方向从外边缘开始向内按切割步长进行判断，计算输入帧和背景帧的目标框中行或列的梯度差值作为比较特征，与梯度比较值进行比较，从而判断出当前行或列是否是真实的前景目标，如果不是，则从目标框中切除当前行或列。从而有效地修正了目标框，提升了目标框与前景目标的重合度。
需要说明的是，本发明实施例不仅适用于目标框过大时，对目标框进行修正，还适用于目标框过小时对目标框进行修正。当目标框过小时，可以先将目标框放大到一定的比例，再按照本发明实施例中的方式进行处理。
以上是对本发明实施例中的方法实施例的介绍，下面从功能模块角度对本发明实施例中的图像处理装置进行介绍。
如图11所示，本发明实施例提供的图像处理装置包括以下几个功能模块：
目标框获取单元1101，用于获得框定输入帧中的前景目标的目标框；
背景帧获取单元1102，用于并获得背景帧，所述背景帧包括所述输入帧对应的场景的背景图像；
第一确定单元1103，用于确定所述目标框中的待切割位置，所述待切割位置为所述目标框中的一行、一列、多行或多列；
计算单元1104，用于计算所述输入帧和所述背景帧在所述待切割位置的第一梯度差值矩阵，并计算第一梯度均值，所述第一梯度均值为第一梯度差值矩阵中的梯度差值的平均值；
判断单元1105，用于判断所述第一梯度均值是否小于梯度比较值；
切割单元1106，用于当所述第一梯度均值小于所述梯度比较值时，从所述目标框中切除所述待切割位置。
可选的，在一些具体的实施例中，该装置还包括：
第二确定单元1107，用于当所述第一梯度均值大于等于所述梯度比较值时，确定所述待切割位置为切割后的目标框的其中一个边界。
可选的，在一些具体的实施例中，所述第一确定单元1103，具体用于确定切割所述目标框的当前切割方向，所述当前切割方向包括从左至右方向、从右至左方向、从上至下方向、或从下至上方向；确定在所述当前切割方向上的待切割位置；若所述当前切割方向为从左至右方向或从右至左方向，则所述待切割位置包括所述目标框中的一列或多列；若所述当前切割方向为从上至下方向或从下至上方向，则所述待切割位置包括所述目标框中的一行或多行。
可选的，在一些具体的实施例中，所述第一确定单元1103，还用于在确定切割所述目标框的当前切割方向之前，根据所述目标框的长度和宽度，确定所述目标框的切割顺序，按照所述切割顺序确定切割所述目标框的当前切割方向。所述切割顺序包括先左右方向切割，待所述左右方向都切割完后，再上下方向切割，或先上下方向切割，待所述上下方向都切割完后，再左右方向切割；其中，所述左右方向包括从所述左至右方向和所述从右至左方向，所述上下方向包括所述从上至下方向和所述从下至上方向。
可选的，在一些具体的实施例中，所述第一确定单元1103，具体用于当所述目标框的长度大于宽度时，确定所述目标框的切割顺序为先左右方向切割，待所述左右方向都切割完后，再上下方向切割；当所述目标框的宽度大于长度时，确定所述目标框的切割顺序为先上下方向切割，待所述上下方向都切割完后，再左右方向切割。
可选的，在一些具体的实施例中，所述装置还包括：
第三确定单元1108，具体用于确定切割步长，所述切割步长包括一行、一列、多行或多列；确定所述目标框中所述待切割位置的下一个位置，所述待切割位置的下一个位置为所述目标框中所述待切割位置之后的下一个切割步长所在的位置；
所述计算单元1104，还用于计算所述输入帧和所述背景帧在所述待切割位置的下一个位置的第二梯度差值矩阵，并计算第二梯度均值，所述第二梯度均值为所述第二梯度差值矩阵中的梯度差值的平均值；
所述判断单元1105，还用于判断所述第二梯度均值是否小于所述梯度比较值；
所述切割单元1106，具体用于当满足以下条件中的任意一个条件时，则从所述目标框中切除所述待切割位置：所述第一梯度均值小于所述梯度比较值，或所述第二梯度均值小于所述梯度比较值。
可选的，在一些具体的实施例中，所述梯度比较值为预设的梯度阈值。
可选的，在一些具体的实施例中，所述梯度比较值为预设的梯度阈值与多个梯度均值的中值两者之间的最小值，所述多个梯度均值为多个待切割位置对应的梯度均值。
可选的，在一些具体的实施例中，所述梯度比较值为预设的梯度阈值、多个梯度均值的中值、与多个梯度均值的平均值三者之间的最小值，所述多个梯度均值为多个待切割位置对应的梯度均值。
以上图像处理装置中的各单元之间的信息交互可以参阅上述方法实施例(图1至图10所示的实施例)，本申请不做赘述。
图11所示的图像处理装置在实际应用中，可以通过专用集成电路(application-specific integrated circuit，ASIC)实现，或可编程逻辑器件(programmable logicdevice，PLD)实现。上述PLD可以是复杂可编程逻辑器件(complex programmable logicdevice，CPLD)，现场可编程门阵列(Field－Programmable Gate Array，FPGA)，通用阵列逻辑(generic array logic,GAL)或其任意组合。
图11所示的图像处理装置在实际应用中，可以是服务器。图12是本发明实施例提供的一种服务器硬件结构示意图，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)1222、存储器1230和一个或一个以上有线或无线网络接口1250。其中，存储器1230上存储有一个或一个以上应用程序1242、数据1244和一个或一个以上操作系统1241，存储在存储器1230的应用程序1242可以包括一个或一个以上模块，每个模块可以包括一系列的指令操作。
本发明实施例中，应用程序1242中可以包括图4中所示的视频内容管理程序，处理器1220运行存储器1230中存储的视频内容管理程序，用于实现上述方法实施例(图1至图10所示的实施例)中的全部或部分步骤。
存储器1230中存储的数据1244可以包括视频、图像以及可能的视频或图像摘要、索引等信息。
此外，服务器还可以包括一个或一个以上电源1226，一个或一个以上输入输出接口1258。
需要说明的是，图12所示的服务器可以为分布式部署的服务器集群，存储器1230上的应用程序、数据1244等可以分布式存储在服务器集群的各服务器中。
图12所示的服务器对应图4所示的图像处理系统架构中的服务器，客户端设备与服务器之间进行交互，服务器通过视频内容管理模块执行客户端设备的请求并返回相应结果给客户端设备。
需要说明的是，在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，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，仅仅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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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网络单元上。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，在本申请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，本申请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(可以是个人计算机，服务器，或者网络设备等)执行本申请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、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (20)

1.一种图像处理方法，其特征在于，所述方法包括：
获得框定输入帧中的前景目标的目标框，并获得背景帧，所述背景帧包括所述输入帧对应的场景的背景图像；
确定所述目标框中的待切割位置，所述待切割位置为所述目标框中的一行、一列、多行或多列；
计算所述输入帧和所述背景帧在所述待切割位置的第一梯度差值矩阵，并计算第一梯度均值，所述第一梯度均值为第一梯度差值矩阵中的梯度差值的平均值；
判断所述第一梯度均值是否小于梯度比较值；
若所述第一梯度均值小于所述梯度比较值，则从所述目标框中切除所述待切割位置。
2.根据权利要求1所述的方法，其特征在于，
若所述第一梯度均值大于等于所述梯度比较值，则确定所述待切割位置为切割后的目标框的其中一个边界。
3.根据权利要求1或2所述的方法，其特征在于，所述确定所述目标框的待切割位置包括：
确定切割所述目标框的当前切割方向，所述当前切割方向包括从左至右方向、从右至左方向、从上至下方向、或从下至上方向；
确定在所述当前切割方向上的待切割位置；
若所述当前切割方向为从左至右方向或从右至左方向，则所述待切割位置包括所述目标框中的一列或多列；
若所述当前切割方向为从上至下方向或从下至上方向，则所述待切割位置包括所述目标框中的一行或多行。
4.根据权利要求3所述的方法，其特征在于，在所述确定切割所述目标框的当前切割方向之前，还包括：
根据所述目标框的长度和宽度，确定所述目标框的切割顺序，所述切割顺序包括先左右方向切割，待所述左右方向都切割完后，再上下方向切割，或先上下方向切割，待所述上下方向都切割完后，再左右方向切割；
其中，所述左右方向包括从所述左至右方向和所述从右至左方向，所述上下方向包括所述从上至下方向和所述从下至上方向；
所述确定切割所述目标框的当前切割方向包括：
按照所述切割顺序确定切割所述目标框的当前切割方向。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标框的长度和宽度，确定所述目标框的切割顺序包括：
当所述目标框的长度大于宽度时，确定所述目标框的切割顺序为先左右方向切割，待所述左右方向都切割完后，再上下方向切割；
当所述目标框的宽度大于长度时，确定所述目标框的切割顺序为先上下方向切割，待所述上下方向都切割完后，再左右方向切割。
6.根据权利要求1、2、4或5中任一项所述的方法，其特征在于，所述方法还包括：
确定切割步长，所述切割步长包括一行、一列、多行或多列；
确定所述目标框中所述待切割位置的下一个位置，所述待切割位置的下一个位置为所述目标框中所述待切割位置之后的下一个切割步长所在的位置；
计算所述输入帧和所述背景帧在所述待切割位置的下一个位置的第二梯度差值矩阵，并计算第二梯度均值，所述第二梯度均值为所述第二梯度差值矩阵中的梯度差值的平均值；
判断所述第二梯度均值是否小于所述梯度比较值；
所述从所述目标框中切除所述待切割位置包括：
当满足以下条件中的任意一个条件时，则从所述目标框中切除所述待切割位置：
所述第一梯度均值小于所述梯度比较值，或所述第二梯度均值小于所述梯度比较值。
7.根据权利要求6所述的方法，其特征在于，
所述梯度比较值为预设的梯度阈值。
8.根据权利要求6所述的方法，其特征在于，
所述梯度比较值为预设的梯度阈值与多个梯度均值的中值两者之间的最小值，所述多个梯度均值为多个待切割位置对应的梯度均值。
9.根据权利要求6所述的方法，其特征在于，所述方法还包括：
所述梯度比较值为预设的梯度阈值、多个梯度均值的中值、与多个梯度均值的平均值三者之间的最小值，所述多个梯度均值为多个待切割位置对应的梯度均值。
10.一种图像处理装置，其特征在于，所述装置包括：
目标框获取单元，用于获得框定输入帧中的前景目标的目标框；
背景帧获取单元，用于并获得背景帧，所述背景帧包括所述输入帧对应的场景的背景图像；
第一确定单元，用于确定所述目标框中的待切割位置，所述待切割位置为所述目标框中的一行、一列、多行或多列；
计算单元，用于计算所述输入帧和所述背景帧在所述待切割位置的第一梯度差值矩阵，并计算第一梯度均值，所述第一梯度均值为第一梯度差值矩阵中的梯度差值的平均值；
判断单元，用于判断所述第一梯度均值是否小于梯度比较值；
切割单元，用于当所述第一梯度均值小于所述梯度比较值时，从所述目标框中切除所述待切割位置。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
第二确定单元，用于当所述第一梯度均值大于等于所述梯度比较值时，确定所述待切割位置为切割后的目标框的其中一个边界。
12.根据权利要求10或11所述的装置，其特征在于，
所述第一确定单元，具体用于确定切割所述目标框的当前切割方向，所述当前切割方向包括从左至右方向、从右至左方向、从上至下方向、或从下至上方向；确定在所述当前切割方向上的待切割位置；若所述当前切割方向为从左至右方向或从右至左方向，则所述待切割位置包括所述目标框中的一列或多列；若所述当前切割方向为从上至下方向或从下至上方向，则所述待切割位置包括所述目标框中的一行或多行。
13.根据权利要求12所述的装置，其特征在于，
所述第一确定单元，还用于在确定切割所述目标框的当前切割方向之前，根据所述目标框的长度和宽度，确定所述目标框的切割顺序，按照所述切割顺序确定切割所述目标框的当前切割方向，所述切割顺序包括先左右方向切割，待所述左右方向都切割完后，再上下方向切割，或先上下方向切割，待所述上下方向都切割完后，再左右方向切割；其中，所述左右方向包括从所述左至右方向和所述从右至左方向，所述上下方向包括所述从上至下方向和所述从下至上方向。
14.根据权利要求13所述的装置，其特征在于，
所述第一确定单元，具体用于当所述目标框的长度大于宽度时，确定所述目标框的切割顺序为先左右方向切割，待所述左右方向都切割完后，再上下方向切割；当所述目标框的宽度大于长度时，确定所述目标框的切割顺序为先上下方向切割，待所述上下方向都切割完后，再左右方向切割。
15.根据权利要求10、11、13或14所述的装置，其特征在于，所述装置还包括：
第三确定单元，具体用于确定切割步长，所述切割步长包括一行、一列、多行或多列；确定所述目标框中所述待切割位置的下一个位置，所述待切割位置的下一个位置为所述目标框中所述待切割位置之后的下一个切割步长所在的位置；
所述计算单元，还用于计算所述输入帧和所述背景帧在所述待切割位置的下一个位置的第二梯度差值矩阵，并计算第二梯度均值，所述第二梯度均值为所述第二梯度差值矩阵中的梯度差值的平均值；
所述判断单元，还用于判断所述第二梯度均值是否小于所述梯度比较值；
所述切割单元，具体用于当满足以下条件中的任意一个条件时，则从所述目标框中切除所述待切割位置：所述第一梯度均值小于所述梯度比较值，或所述第二梯度均值小于所述梯度比较值。
16.根据权利要求15所述的装置，其特征在于，
所述梯度比较值为预设的梯度阈值。
17.根据权利要求15所述的装置，其特征在于，
所述梯度比较值为预设的梯度阈值与多个梯度均值的中值两者之间的最小值，所述多个梯度均值为多个待切割位置对应的梯度均值。
18.根据权利要求15所述的装置，其特征在于，所述装置还包括：
所述梯度比较值为预设的梯度阈值、多个梯度均值的中值、与多个梯度均值的平均值三者之间的最小值，所述多个梯度均值为多个待切割位置对应的梯度均值。
19.一种服务器，其特征在于，包括：
处理器、存储器及网络接口；
所述存储器用于存储程序代码，所述处理器调用所述存储器中的所述程序代码，以执行所述权利要求1至9中任一项所述的方法。
20.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至9中任一项所述的方法。
CN201710369092.4A 2017-05-23 2017-05-23 图像处理方法、装置及服务器 Active CN108961316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710369092.4A CN108961316B (zh) 2017-05-23 2017-05-23 图像处理方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710369092.4A CN108961316B (zh) 2017-05-23 2017-05-23 图像处理方法、装置及服务器

Publications (2)

Publication Number Publication Date
CN108961316A CN108961316A (zh) 2018-12-07
CN108961316B true CN108961316B (zh) 2022-05-31

Family

ID=64493671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710369092.4A Active CN108961316B (zh) 2017-05-23 2017-05-23 图像处理方法、装置及服务器

Country Status (1)

Country Link
CN (1) CN108961316B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382752B (zh) * 2018-12-27 2023-05-12 深圳云天励飞技术有限公司 标注方法及相关装置
CN109783816B (zh) * 2019-01-11 2023-04-07 河北工程大学 短文本聚类方法及终端设备
CN110610202B (zh) * 2019-08-30 2022-07-26 联想(北京)有限公司 一种图像处理方法及电子设备
CN110717933B (zh) * 2019-10-10 2023-02-07 阿波罗智能技术(北京)有限公司 针对运动物体漏检的后处理方法、装置、设备和介质
CN113537196B (zh) * 2021-07-21 2023-04-07 拉扎斯网络科技（上海）有限公司 图片识别方法、装置、计算机设备及计算机可读存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5321771A (en) * 1989-10-03 1994-06-14 Thomson-Csf Method and device for automatic image segmentation by textural analysis
CN101689300A (zh) * 2007-04-27 2010-03-31 惠普开发有限公司 图像分割和增强
CN103559719A (zh) * 2013-11-20 2014-02-05 电子科技大学 一种交互式图像分割方法
CN103793921A (zh) * 2012-10-29 2014-05-14 浙江大华技术股份有限公司 一种运动目标提取方法及装置
CN103793913A (zh) * 2014-02-18 2014-05-14 哈尔滨工程大学 一种结合均值漂移的谱聚类图像分割方法
CN104408743A (zh) * 2014-11-05 2015-03-11 百度在线网络技术（北京）有限公司 图像分割方法和装置
CN105229697A (zh) * 2013-04-15 2016-01-06 微软技术许可有限责任公司 多模态前景背景分割
CN105261017A (zh) * 2015-10-14 2016-01-20 长春工业大学 基于路面约束的图像分割法提取行人感兴趣区域的方法
CN105989594A (zh) * 2015-02-12 2016-10-05 阿里巴巴集团控股有限公司 一种图像区域检测方法及装置
CN106611422A (zh) * 2016-12-30 2017-05-03 西安电子科技大学 基于素描结构的随机梯度贝叶斯sar图像分割方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7379593B2 (en) * 2005-12-21 2008-05-27 Xerox Corporation Method for image segmentation from proved detection of background and text image portions
US8422769B2 (en) * 2010-03-05 2013-04-16 Microsoft Corporation Image segmentation using reduced foreground training data
US9760789B2 (en) * 2012-04-17 2017-09-12 Conduent Business Services, Llc Robust cropping of license plate images

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5321771A (en) * 1989-10-03 1994-06-14 Thomson-Csf Method and device for automatic image segmentation by textural analysis
CN101689300A (zh) * 2007-04-27 2010-03-31 惠普开发有限公司 图像分割和增强
CN103793921A (zh) * 2012-10-29 2014-05-14 浙江大华技术股份有限公司 一种运动目标提取方法及装置
CN105229697A (zh) * 2013-04-15 2016-01-06 微软技术许可有限责任公司 多模态前景背景分割
CN103559719A (zh) * 2013-11-20 2014-02-05 电子科技大学 一种交互式图像分割方法
CN103793913A (zh) * 2014-02-18 2014-05-14 哈尔滨工程大学 一种结合均值漂移的谱聚类图像分割方法
CN104408743A (zh) * 2014-11-05 2015-03-11 百度在线网络技术（北京）有限公司 图像分割方法和装置
CN105989594A (zh) * 2015-02-12 2016-10-05 阿里巴巴集团控股有限公司 一种图像区域检测方法及装置
CN105261017A (zh) * 2015-10-14 2016-01-20 长春工业大学 基于路面约束的图像分割法提取行人感兴趣区域的方法
CN106611422A (zh) * 2016-12-30 2017-05-03 西安电子科技大学 基于素描结构的随机梯度贝叶斯sar图像分割方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
海洋SAR图像分割及边缘梯度特征的提取;马百雪等;《计算机工程与设计》;20130816(第08期);第164-168页 *

Also Published As

Publication number Publication date
CN108961316A (zh) 2018-12-07

Similar Documents

Publication Publication Date Title
CN108961316B (zh) 图像处理方法、装置及服务器
WO2019237536A1 (zh) 目标实时跟踪方法、装置、计算机设备及存储介质
EP3709266A1 (en) Human-tracking methods, apparatuses, systems, and storage media
CN107633526B (zh) 一种图像跟踪点获取方法及设备、存储介质
CN109145771B (zh) 一种人脸抓拍方法及装置
US8509519B2 (en) Adjusting perspective and disparity in stereoscopic image pairs
US9131227B2 (en) Computing device with video analyzing function and video analyzing method
CN109325961B (zh) 无人机视频多目标跟踪方法及装置
CN109977952B (zh) 基于局部最大值的候选目标检测方法
CN107220647B (zh) 一种叶片交叉条件下作物中心点定位方法及系统
CN108229232B (zh) 批量扫描二维码的方法和批量扫描二维码的装置
CN111275040B (zh) 定位方法及装置、电子设备、计算机可读存储介质
CN111445487B (zh) 图像分割方法、装置、计算机设备和存储介质
CN109272526B (zh) 图像处理方法、系统及电子设备
CN112509003A (zh) 解决目标跟踪框漂移的方法及系统
CN116091781A (zh) 一种用于图像识别的数据处理方法及装置
CN115273063A (zh) 确定对象信息的方法、装置、电子设备及存储介质
CN111445411B (zh) 图像去噪方法、装置、计算机设备和存储介质
CN113298852A (zh) 目标跟踪方法、装置、电子设备及计算机可读存储介质
US11887315B2 (en) Method and apparatus for tracking an object
CN104754248B (zh) 一种获取目标快照的方法及装置
CN111127701B (zh) 车辆失效场景检测方法及系统
US9798932B2 (en) Video extraction method and device
CN110782425A (zh) 图像处理方法、图像处理装置和电子设备
CN114079815B (zh) 字幕保护方法、系统、终端设备及存储介质

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