CN110838132B - 基于视频流的物体分割方法、装置、设备及存储介质 - Google Patents
基于视频流的物体分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110838132B CN110838132B CN201911120823.7A CN201911120823A CN110838132B CN 110838132 B CN110838132 B CN 110838132B CN 201911120823 A CN201911120823 A CN 201911120823A CN 110838132 B CN110838132 B CN 110838132B
- Authority
- CN
- China
- Prior art keywords
- segmentation result
- video frame
- target object
- current video
- optical flow
- 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
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
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例公开了一种基于视频流的物体分割方法、装置、设备及存储介质。该方法包括:获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;获取上一视频帧中目标物体的分割结果,确定为第一分割结果;根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征。本公开实施例公开的基于视频流的物体分割方法,根据上一视频帧中目标物体的分割结果以及当前视频帧相对于上一视频帧的平均光流确定当前视频帧中对目前物体的分割结果,可以避免相邻视频帧的分割结果出现抖动,可以提高分割视频的平滑性。
Description
技术领域
本公开实施例涉及图像物体分割技术领域,尤其涉及一种基于视频流的物体分割方法、装置、设备及存储介质。
背景技术
视频物体分割时计算机视频处理领域的热点研究问题之一,视频物体分割有着广泛的应用,例如视频编辑、自动驾驶、视频监控、和基于视频内容的视频编码应用等。
现有技术中,对视频中的物体进行分割时,对每一视频帧单独进行物体识别,然后进行分割。当视频中分割的物体处于运动状态,采用这样的分割方式使得相邻视频帧的分割结果出现抖动的情况,使得分割的视频流不平滑。
发明内容
本公开实施例提供一种基于视频流的物体分割方法、装置、设备及存储介质,以实现对视频中物体的分割,提高分割视频的平滑性。
第一方面,本公开实施例提供了一种基于视频流的物体分割方法,包括:
获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;
获取上一视频帧中目标物体的分割结果,确定为第一分割结果;
根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征。
第二方面,本公开实施例还提供了一种基于视频流的物体分割装置,包括:
平均光流获取模块,用于获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;
第一分割结果获取模块,用于获取上一视频帧中目标物体的分割结果,确定为第一分割结果;
当前视频帧分割结果确定模块,用于根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如本公开实施例所述的基于视频流的物体分割方法。
第四方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现如本公开实施例所述的基于视频流的物体分割方法。
本公开实施例,获取当前视频帧相对于上一视频帧的平均光流;其中,光流由视频中目标物体运动而形成;获取上一视频帧中目标物体的分割结果,确定为第一分割结果;根据第一分割结果和平均光流确定当前视频帧中目标物体的分割结果;分割结果由视频帧中每个像素点的灰度值表征。本公开实施例公开的基于视频流的物体分割方法,根据上一视频帧中目标物体的分割结果以及当前视频帧相对于上一视频帧的平均光流确定当前视频帧中对目前物体的分割结果,可以避免相邻视频帧的分割结果出现抖动,可以提高分割视频的平滑性。
附图说明
图1是本公开实施例一中的一种基于视频流的物体分割方法的流程图;
图2是本公开实施例一中的一种分割结果的示例图;
图3是本公开实施例二中的一种基于视频流的物体分割装置的结构示意图;
图4是本公开实施例三中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本公开实施例一提供的一种基于视频流的物体分割方法的流程图,本实施例可适用于对视频中物体进行分割的情况,该方法可以由基于视频流的物体分割装置来执行,该装置可由硬件和/或软件组成,并一般可集成在具有基于视频流的物体分割功能的设备中,该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示,该方法具体包括如下步骤:
步骤110,获取当前视频帧相对于上一视频帧的平均光流。
其中,光流由视频中目标物体运动而形成,具体的,光流可以用来描述相对于观察者的运动所造成的观测物体、表面或边缘的运动。上一视频帧为与当前视频帧相邻的前向视频帧。光流可以采用物体在相邻两个视频帧间的移动矢量来表征。本应用场景下,假设视频帧中的目标物体处于运动状态,背景物体处于静止状态,相邻两视频帧间的平均光流由目标物体对应的像素点的移动矢量与背景物体对应的像素点的移动矢量求取平均值获得。
可选的,获取当前视频帧相对于上一视频帧的平均光流的方式可以是:对上一视频帧进行目标物体的检测,获得第一物体检测框;对当前视频帧进行目标物体的检测,获得第二物体检测框;对第一物体检测框和第二物体检测框进行融合;根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流。
其中,对视频帧中的目标物体进行检测的方式可以是将视频帧输入物体识别模型进行检测,获得目标物体在视频帧中的检测框。目标物体例如可以是汽车、动物(如:猫、狗)、人物、树木及石头等各种物体。对第一物体检测框和第二物体检测框进行融合的方式可以是获取第一物体检测框和第二物体检测框围成的最小物体框,假设第一物体检测框的四个顶点的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),第二物体检测框的四个顶点的坐标分别为(x5,y5)、(x6,y6)、(x7,y7)和(x8,y8),那么融合后的检测框的四个顶点的坐标分别为:(min(x1,x2...x8),min(y1,y2....y8)),(min(x1,x2...x8),max(y1,y2....y8)),(max(x1,x2...x8)和min(y1,y2....y8)),(max(x1,x2...x8),max(y1,y2....y8))。
具体的,根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流的方式可以是:在融合后的检测框中计算当前视频帧相对于上一视频帧每个像素点的移动矢量;根据每个像素点的移动矢量计算平均移动矢量,将平均移动矢量确定为平均光流。
其中,像素点在相邻两视频帧间的移动矢量为融合后的检测框中包含的物体对应的像素点在在相邻两视频帧间的移动矢量。平均移动矢量的计算方式可以是:将每个像素点移动矢量中的横坐标的平均值作为平均移动矢量的横坐标,将每个像素点移动矢量中的纵坐标的平均值作为平均移动矢量的纵坐标。
步骤120,获取上一视频帧中目标物体的分割结果,确定为第一分割结果。
本实施例中,除第一个视频帧外,其他每一个视频帧中目标物体分割结果的确定方式都相同,即根据上一视频帧分割结果和平均光流来确定,具体确定方式如下所述。第一个视频帧中目标物体的分割结果的确定方式可以是:对第一个视频帧进行目标物体检测,获得目标物体对应的物体检测框,根据物体检测框对第一个视频帧进行分割,获得第一个视频帧的分割结果。
步骤130,根据第一分割结果和平均光流确定当前视频帧中目标物体的分割结果。
其中,分割结果由视频帧中每个像素点的灰度值表征,在分割结果中,目标物体检测框外的像素点的像素值为设定灰度值(如:255,纯白色),目标物体检测框内的像素点的像素值按照各像素点的置信度调整,其中,置信度和灰度值的对应关系可以从预设的映射表获得。图2是本实施例中的一种分割结果的示例图,如图2所示,该示例中要分割出的目标物体是大象,大象外的像素点的像素值均被调整为255,大象内的像素点根据置信度调整为对应的像素值,该示例是一种理想情况,大象内像素点的像素值均被调整为0,即纯黑色,在实际的分割结果中,目标物体内像素点的像素值为0-255之间的值,即为灰度图。
可选的,根据第一分割结果和平均光流确定当前视频帧中目标物体的分割结果的方式可以是:若平均光流小于或等于设定阈值,则将第一分割结果确定为当前视频中目标物体的分割结果;若平均光流大于设定阈值,则根据第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果;根据第二分割结果和第一分割结果确定当前视频帧中目标物体的分割结果。
具体的,根据第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果的方式可以是:将当前视频帧中第二物体检测框外的像素点均调整为设定灰度值;将第二物体检测框内的各像素点分别调整为置信度对应的灰度值,获得第二分割结果。
其中,设定灰度值可以是255或者0。本实施例中,对视频帧的目标物体进行检测,获得物体检测框时,同时会获得物体检测框内各像素点的置信度。置信度与灰度值间的对应关系可以根据预设的映射表获取。视频帧的表现形式可以是:物体检测框外的图像为纯黑或纯白,物体检测框内的图像为灰度图。
本实施例中,若当前视频帧相对于上一视频帧的平均光流小于或者等于设定阈值,表明目标物体在这两帧内的移动幅度较小,此时,可以直接将上一视频帧的分割结果确定为当前视频帧的分割结果,这样做不仅不会影响分割的准确性,还可以减少数据的运算量。
本实施例中,若当前视频帧相对于上一视频帧的平均光流大于设定阈值,表明目标物体在这两帧内的移动幅度较大,此时需要根据第二分割结果和第一分割结果共同确定当前视频帧中目标物体的分割结果。
可选的,根据第二分割结果和第一分割结果确定当前视频帧中目标物体的分割结果的方式可以是:将第二分割结果和第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
具体的,首先根据平均光流确定第二分割结果和第一分割结果分别对应的权重值,然后根据权重值对第二分割结果和第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
其中,平均光流与第二分割结果呈正相关关系,即平均光流越大,第二分割结果的权重值越大,第一分割结果的权重值越小。这是由于,若平均光流较大,则表明目标物体在当前视频帧和上一视频帧间的移动幅度较大,此时,当前视频帧中对目标物体的分割结果则更多的依赖于第二分割结果;相反,若平均光流较小,则表明目标物体在当前视频帧和上一视频帧间的移动幅度较小,此时,当前视频帧中对目标物体的分割结果则更多的依赖于第一分割结果。
本公开实施例的技术方案,获取当前视频帧相对于上一视频帧的平均光流;其中,光流由视频中目标物体运动而形成;获取上一视频帧中目标物体的分割结果,确定为第一分割结果;根据第一分割结果和平均光流确定当前视频帧中目标物体的分割结果;分割结果由视频帧中每个像素点的灰度值表征。本公开实施例公开的基于视频流的物体分割方法,根据上一视频帧中目标物体的分割结果以及当前视频帧相对于上一视频帧的平均光流确定当前视频帧中对目前物体的分割结果,可以避免相邻视频帧的分割结果出现抖动,可以提高分割视频的平滑性。
实施例二
图3为本公开实施例二提供的一种基于视频流的物体分割装置的结构示意图。如图3所示,该装置包括:平均光流获取模块210,第一分割结果获取模块220和当前视频帧分割结果确定模块230。
平均光流获取模块210,用于获取当前视频帧相对于上一视频帧的平均光流;其中,光流由视频中目标物体运动而形成;
第一分割结果获取模块220,用于获取上一视频帧中目标物体的分割结果,确定为第一分割结果;
当前视频帧分割结果确定模块230,用于根据第一分割结果和平均光流确定当前视频帧中目标物体的分割结果;分割结果由视频帧中每个像素点的灰度值表征。
可选的,平均光流获取模块210,还用于:
对上一视频帧进行目标物体的检测,获得第一物体检测框;对当前视频帧进行目标物体的检测,获得第二物体检测框;
对第一物体检测框和第二物体检测框进行融合;
根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流。
可选的,平均光流获取模块210,还用于:
在融合后的检测框中计算当前视频帧相对于上一视频帧每个像素点的移动矢量;
根据每个像素点的移动矢量计算平均移动矢量,将平均移动矢量确定为平均光流。
可选的,当前视频帧分割结果确定模块230,还用于:
若平均光流小于或等于设定阈值,则将第一分割结果确定为当前视频中目标物体的分割结果;
若平均光流大于设定阈值,则根据第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果;
根据第二分割结果和第一分割结果确定当前视频帧中目标物体的分割结果。
可选的,当前视频帧分割结果确定模块230,还用于:
将第二分割结果和第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
可选的,当前视频帧分割结果确定模块230,还用于:
根据平均光流确定第二分割结果和第一分割结果分别对应的权重值;平均光流与第二分割结果的权重值呈正相关关系;
根据权重值对第二分割结果和第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
可选的,当前视频帧分割结果确定模块230,还用于:
将当前视频帧中第二物体检测框外的像素点均调整为设定灰度值;
将第二物体检测框内的各像素点分别调整为置信度对应的灰度值,获得第二分割结果。
上述装置可执行本公开前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开前述所有实施例所提供的方法。
实施例三
下面参考图4,其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端,或者各种形式的服务器,如独立服务器或者服务器集群。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置305被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;获取上一视频帧中目标物体的分割结果,确定为第一分割结果;根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开实施例的一个或多个实施例,本公开实施例提供了一种基于视频流的物体分割方法,包括:
获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;
获取上一视频帧中目标物体的分割结果,确定为第一分割结果;
根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征。
进一步地,获取当前视频帧相对于上一视频帧的平均光流,包括:
对上一视频帧进行目标物体的检测,获得第一物体检测框;对当前视频帧进行目标物体的检测,获得第二物体检测框;
对所述第一物体检测框和第二物体检测框进行融合;
根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流。
进一步地,根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流,包括:
在融合后的检测框中计算当前视频帧相对于上一视频帧每个像素点的移动矢量;
根据每个像素点的移动矢量计算平均移动矢量,将所述平均移动矢量确定为平均光流。
进一步地,根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果,包括:
若所述平均光流小于或等于设定阈值,则将所述第一分割结果确定为当前视频中目标物体的分割结果;
若所述平均光流大于设定阈值,则根据所述第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果;
根据所述第二分割结果和所述第一分割结果确定当前视频帧中目标物体的分割结果。
进一步地,根据所述第二分割结果和所述第一分割结果确定当前视频帧中目标物体的分割结果,包括:
将所述第二分割结果和所述第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
进一步地,将所述第二分割结果和所述第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果,包括:
根据所述平均光流确定所述第二分割结果和所述第一分割结果分别对应的权重值;所述平均光流与所述第二分割结果的权重值呈正相关关系;
根据所述权重值对所述第二分割结果和所述第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
进一步地,根据所述第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果,包括:
将当前视频帧中第二物体检测框外的像素点均调整为设定灰度值;
将第二物体检测框内的各像素点分别调整为置信度对应的灰度值,获得第二分割结果。
注意,上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解,本公开不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此,虽然通过以上实施例对本公开进行了较为详细的说明,但是本公开不仅仅限于以上实施例,在不脱离本公开构思的情况下,还可以包括更多其他等效实施例,而本公开的范围由所附的权利要求范围决定。
Claims (8)
1.一种基于视频流的物体分割方法,其特征在于,包括:
获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;
获取上一视频帧中目标物体的分割结果,确定为第一分割结果;
根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征;
所述获取当前视频帧相对于上一视频帧的平均光流,包括:
对上一视频帧进行目标物体的检测,获得第一物体检测框;对当前视频帧进行目标物体的检测,获得第二物体检测框;
对所述第一物体检测框和所述第二物体检测框进行融合;
根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流;
所述根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果,包括:
若所述平均光流小于或等于设定阈值,则将所述第一分割结果确定为当前视频中目标物体的分割结果;
若所述平均光流大于设定阈值,则根据所述第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果;
根据所述第二分割结果和所述第一分割结果确定当前视频帧中目标物体的分割结果。
2.根据权利要求1所述的方法,其特征在于,根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流,包括:
在融合后的检测框中计算当前视频帧相对于上一视频帧每个像素点的移动矢量;
根据每个像素点的移动矢量计算平均移动矢量,将所述平均移动矢量确定为平均光流。
3.根据权利要求1所述的方法,其特征在于,根据所述第二分割结果和所述第一分割结果确定当前视频帧中目标物体的分割结果,包括:
将所述第二分割结果和所述第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
4.根据权利要求3所述的方法,其特征在于,将所述第二分割结果和所述第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果,包括:
根据所述平均光流确定所述第二分割结果和所述第一分割结果分别对应的权重值;所述平均光流与所述第二分割结果的权重值呈正相关关系;
根据所述权重值对所述第二分割结果和所述第一分割结果进行加权计算,获得当前视频帧中目标物体的分割结果。
5.根据权利要求1所述的方法,其特征在于,根据所述第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果,包括:
将当前视频帧中第二物体检测框外的像素点均调整为设定灰度值;
将第二物体检测框内的各像素点分别调整为置信度对应的灰度值,获得第二分割结果。
6.一种基于视频流的物体分割装置,其特征在于,包括:
平均光流获取模块,用于获取当前视频帧相对于上一视频帧的平均光流;其中,所述光流由视频中目标物体运动而形成;
所述平均光流获取模块,还用于:
对上一视频帧进行目标物体的检测,获得第一物体检测框;对当前视频帧进行目标物体的检测,获得第二物体检测框;
对第一物体检测框和第二物体检测框进行融合;
根据融合后的检测框计算当前视频帧相对于上一视频帧的平均光流;
第一分割结果获取模块,用于获取上一视频帧中目标物体的分割结果,确定为第一分割结果;
当前视频帧分割结果确定模块,用于根据所述第一分割结果和所述平均光流确定当前视频帧中目标物体的分割结果;所述分割结果由视频帧中每个像素点的灰度值表征
所述当前视频帧分割结果确定模块,还用于:
若平均光流小于或等于设定阈值,则将第一分割结果确定为当前视频中目标物体的分割结果;
若平均光流大于设定阈值,则根据第二物体检测框对当前视频帧中的目标物体进行分割,获得第二分割结果;
根据第二分割结果和第一分割结果确定当前视频帧中目标物体的分割结果。
7.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理装置;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如权利要求1-5中任一所述的基于视频流的物体分割方法。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-5中任一所述的基于视频流的物体分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120823.7A CN110838132B (zh) | 2019-11-15 | 2019-11-15 | 基于视频流的物体分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911120823.7A CN110838132B (zh) | 2019-11-15 | 2019-11-15 | 基于视频流的物体分割方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838132A CN110838132A (zh) | 2020-02-25 |
CN110838132B true CN110838132B (zh) | 2022-08-05 |
Family
ID=69576527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911120823.7A Active CN110838132B (zh) | 2019-11-15 | 2019-11-15 | 基于视频流的物体分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838132B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014115522A1 (ja) * | 2013-01-24 | 2014-07-31 | パナソニック株式会社 | フレームレート変換装置及びフレームレート変換方法並びにフレームレート変換装置を備えた表示装置及び撮像装置 |
CN104883524A (zh) * | 2015-06-02 | 2015-09-02 | 阔地教育科技有限公司 | 一种在线课堂中运动目标自动跟踪拍摄方法及系统 |
CN107729799A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的人群异常行为视觉检测及分析预警系统 |
CN108805898A (zh) * | 2018-05-31 | 2018-11-13 | 北京字节跳动网络技术有限公司 | 视频图像处理方法和装置 |
CN109727275A (zh) * | 2018-12-29 | 2019-05-07 | 北京沃东天骏信息技术有限公司 | 目标检测方法、装置、系统和计算机可读存储介质 |
CN110188754A (zh) * | 2019-05-29 | 2019-08-30 | 腾讯科技(深圳)有限公司 | 图像分割方法和装置、模型训练方法和装置 |
CN110288625A (zh) * | 2019-07-04 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8175379B2 (en) * | 2008-08-22 | 2012-05-08 | Adobe Systems Incorporated | Automatic video image segmentation |
US10475186B2 (en) * | 2016-06-23 | 2019-11-12 | Intel Corportation | Segmentation of objects in videos using color and depth information |
-
2019
- 2019-11-15 CN CN201911120823.7A patent/CN110838132B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014115522A1 (ja) * | 2013-01-24 | 2014-07-31 | パナソニック株式会社 | フレームレート変換装置及びフレームレート変換方法並びにフレームレート変換装置を備えた表示装置及び撮像装置 |
CN104883524A (zh) * | 2015-06-02 | 2015-09-02 | 阔地教育科技有限公司 | 一种在线课堂中运动目标自动跟踪拍摄方法及系统 |
CN107729799A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的人群异常行为视觉检测及分析预警系统 |
CN108805898A (zh) * | 2018-05-31 | 2018-11-13 | 北京字节跳动网络技术有限公司 | 视频图像处理方法和装置 |
CN109727275A (zh) * | 2018-12-29 | 2019-05-07 | 北京沃东天骏信息技术有限公司 | 目标检测方法、装置、系统和计算机可读存储介质 |
CN110188754A (zh) * | 2019-05-29 | 2019-08-30 | 腾讯科技(深圳)有限公司 | 图像分割方法和装置、模型训练方法和装置 |
CN110288625A (zh) * | 2019-07-04 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 用于处理图像的方法和装置 |
Non-Patent Citations (2)
Title |
---|
《SegFlow: Joint Learning for Video Object Segmentation and Optical Flow》;Jingchun Cheng;《2017 IEEE International Conference on Computer Vision(ICCV)》;20171029;全文 * |
《基于光流场的视频运动检测》;徐俊红;《中国优秀博硕士学位论文全文数据库(硕士),信息科技辑》;20051215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110838132A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109583391B (zh) | 关键点检测方法、装置、设备及可读介质 | |
CN110365973B (zh) | 视频的检测方法、装置、电子设备及计算机可读存储介质 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN110728622B (zh) | 鱼眼图像处理方法、装置、电子设备及计算机可读介质 | |
CN110991373A (zh) | 图像处理方法、装置、电子设备及介质 | |
CN114494298A (zh) | 对象分割方法、装置、设备及存储介质 | |
CN111310815A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN111402113B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN110705511A (zh) | 模糊图像的识别方法、装置、设备及存储介质 | |
CN113038176B (zh) | 视频抽帧方法、装置和电子设备 | |
WO2024016923A1 (zh) | 特效图的生成方法、装置、设备及存储介质 | |
CN110414625B (zh) | 确定相似数据的方法、装置、电子设备及存储介质 | |
CN112714263A (zh) | 视频生成方法、装置、设备及存储介质 | |
WO2023138468A1 (zh) | 虚拟物体的生成方法、装置、设备及存储介质 | |
CN110838132B (zh) | 基于视频流的物体分割方法、装置、设备及存储介质 | |
CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
CN114125485B (zh) | 图像处理方法、装置、设备及介质 | |
CN111737575B (zh) | 内容分发方法、装置、可读介质及电子设备 | |
CN112492230B (zh) | 视频处理方法、装置、可读介质及电子设备 | |
CN111915532B (zh) | 图像追踪方法、装置、电子设备及计算机可读介质 | |
CN111369429B (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN114422698A (zh) | 视频生成方法、装置、设备及存储介质 | |
CN110807728B (zh) | 对象的显示方法、装置、电子设备及计算机可读存储介质 | |
CN114419292A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN112418233A (zh) | 图像处理方法、装置、可读介质及电子设备 |
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 |