CN111209908B

CN111209908B - 更新标注框的方法、装置、存储介质和计算机设备

Info

Publication number: CN111209908B
Application number: CN201911413559.6A
Authority: CN
Inventors: 岑俊毅; 雷涛涛; 傅东生
Original assignee: Shenzhen Miracle Intelligent Network Co Ltd
Current assignee: Shenzhen Miracle Intelligent Network Co Ltd
Priority date: 2019-12-31
Filing date: 2019-12-31
Publication date: 2023-07-14
Anticipated expiration: 2039-12-31
Also published as: CN111209908A

Abstract

本申请涉及一种更新标注框的方法、装置、存储介质和计算机设备，所述方法包括：获取标注框所框定的、包含目标对象的图像块；采用边缘检测算法对所述图像块进行处理，得到包含对象轮廓的二值图像；根据所述二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；在所述目标二值图像，采用不同的像素值分别填充所述凸包的内部像素点和外部像素点；从填充所述凸包的目标二值图像中提取对象轮廓；根据所提取的对象轮廓的尺寸生成新标注框，以利用所述新标注框进行目标检测。本申请提供的方案可以提高目标检测的准确性。

Description

更新标注框的方法、装置、存储介质和计算机设备

技术领域

本申请涉及图像处理技术领域，特别是涉及一种更新标注框的方法、装置、存储介质和计算机设备。

背景技术

随着图像处理技术的发展，利用图像处理技术对目标对象进行实时检测研究越来越热门，对目标对象进行动态实时检测在智能化交通系统、智能监控系统及医学导航手术中手术器械定位等方面具有广泛的应用价值。

在对目标对象进行检测过程中，通常采用人工标注框对目标对象进行框定，然后对框定部分的目标对象进行检测。然而，由于人工标注框通常是固定大小的，若人工标注框过大，将会影响检测效率；而若人工标注框过小，将会影响检测的准确性。

发明内容

基于此，有必要针在检测过程中，当人工标注框过大时将会影响检测效率，而人工标注框过小将会影响检测的准确性的技术问题，提供一种更新标注框的方法、装置、存储介质和计算机设备。

一种更新标注框的方法，包括：

获取标注框所框定的、包含目标对象的图像块；

采用边缘检测算法对所述图像块进行处理，得到包含对象轮廓的二值图像；

根据所述二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；

在所述目标二值图像，采用不同的像素值分别填充所述凸包的内部像素点和外部像素点；

从填充所述凸包的目标二值图像中提取对象轮廓；

根据所提取的对象轮廓的尺寸生成新标注框，以利用所述新标注框进行目标检测。

一种更新标注框的装置，所述装置包括：

获取模块，用于获取标注框所框定的、包含目标对象的图像块；

处理模块，用于采用边缘检测算法对所述图像块进行处理，得到包含对象轮廓的二值图像；

计算模块，用于根据所述二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；

填充模块，用于在所述目标二值图像，采用不同的像素值分别填充所述凸包的内部像素点和外部像素点；

提取模块，用于从填充所述凸包的目标二值图像中提取对象轮廓；

生成模块，用于根据所提取的对象轮廓的尺寸生成新标注框，以利用所述新标注框进行目标检测。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述更新标注框的方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述更新标注框的方法的步骤。

上述更新标注框的方法、装置、存储介质和计算机设备，获取标注框所框定的、包含目标对象的图像块；采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像；根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点；从填充凸包的目标二值图像中提取对象轮廓；根据所提取的对象轮廓的尺寸生成新标注框，从而实现对标注框的尺寸进行调整，利用调整尺寸后所得的新标注框进行目标检测，可以提高目标检测的准确性。

附图说明

图1为一个实施例中更新标注框的方法的应用环境图；

图2为一个实施例中更新标注框的方法的流程示意图；

图3为一个实施例中高斯核的示意图；

图4为一个实施例中9个对象轮廓点的权重的示意图；

图5为一个实施例中最终的高斯核的示意图；

图6为另一个实施例中更新标注框的方法的流程示意图；

图7为一个实施例中更新标注框的装置的结构框图；

图8为另一个实施例中更新标注框的装置的结构框图；

图9为一个实施例中计算机设备的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

图1为一个实施例中更新标注框的方法的应用环境图。参照图1，该更新标注框的方法应用于更新标注框的系统。该更新标注框的系统包括终端110和服务器120。终端110和服务器120通过网络连接。终端获取标注框所框定的、包含目标对象的图像块；采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像；根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点；从填充凸包的目标二值图像中提取对象轮廓；根据所提取的对象轮廓的尺寸生成新标注框，以利用新标注框进行目标检测。

其中，终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

如图2所示，在一个实施例中，提供了一种更新标注框的方法。本实施例主要以该方法应用于上述图1中的终端110来举例说明。参照图2，该更新标注框的方法具体包括如下步骤：

S202，获取标注框所框定的、包含目标对象的图像块。

其中，标注框也可以是标定框，用于在检测过程中框定图像中目标对象，以对所框定的目标对象进行检测。

在一个实施例中，终端可以从本地获取图像，或者从与终端连接的监控系统接收图像，然后调用标注框对图像中的目标对象进行框定。当该标注框完全框定了目标对象时，则截取标注框所框定的图像块。当该标注框未完全框定目标对象时，则确定截取区域，该截取区域的尺寸大于标注框的尺寸，根据该截取区域对图像进行截取，得到对应的图像块。

例如，当该标注框未完全框定目标对象时，终端获取标注框四个角的坐标，根据该四个角的坐标确定所要截取的截取区域，根据对该截取区域进行截取，得到对应的图像块。

在一个实施例中，S202具体可以包括：终端获取由监控系统所采集的视频；对所获取的视频进行解码，得到视频帧图像；从视频帧图像中裁剪标注框所框定的、包含目标对象的图像块。

在一个实施例中，终端与监控系统进行连接，当监控系统采集到指定长度的视频时，将所采集的视频传输至终端。终端在接收到该视频时，采用视频编解码技术对该视频进行解码，得到对应的视频帧图像。

S204，采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像。

其中，边缘检测算法可以是Sobel边缘检测算子、或Canny边缘检测算子、或二阶边缘检测算子、或Laplacian算子、或Marr-Hildreth算子、或Laplacian of Gaussian算子中的任一种。

在一个实施例中，S204之前，终端对图像块进行灰度处理，然后采用Sobel边缘检测算子、或Canny边缘检测算子、或二阶边缘检测算子、或Laplacian算子、或Marr-Hildreth算子、或Laplacian of Gaussian算子对灰度处理之后的图像进行边缘检测处理，得到包含对象轮廓的二值图像。

具体地，终端对灰度处理后的图像块进行高斯滤波处理，得到滤波后图像块；计算滤波后图像块的梯度强度和梯度方向；沿着梯度方向对滤波后图像块中像素点的非极大值进行抑制；采用双阈值算法区分滤波后图像块中的边缘像素，从而得到包含对象轮廓的二值图像。

例如，终端使用Canny算子灰度处理后的图像进行边缘检测，检测过程包括：

(1)对灰度处理后的图像进行高斯滤波。

Canny算子的边缘检测算法主要是基于图像强度的一阶和二阶微分操作，由于导数通常对噪声敏感，因此需要根据图像进行预处理操作，采用滤波器来改善与噪声有关的边缘检测的性能。在进行canny算子边缘检测前，终端先对灰度处理后的图像与高斯模板进行卷积操作。其中，滤波器可以是高斯平滑滤波器，高斯滤波步骤包括：

a)如图3所示，图3展示了一个(3×3)的高斯核，高斯核越大模糊程度就越大，假定高斯核中心点的坐标是(0，0)，那么，距离它最近的8个点的坐标如下：(-1，1)、(0，1)、(1，1)、(-1，0)、(1，0)、(-1，-1)、(0，-1)和(1，-1)。

b)使用正态分布方程计算高斯核。

假定σ＝1.5，将图3中的坐标点带入二维空间正态分布方程进行计算，得出高斯核9个点的权重，如图4所示。9个对象轮廓点的权重总和等于0.4787147。其中，二维空间正态分布方程

σ为方差，x和y是坐标点。

若只计算这9个点的权重的加权平均，可以让9个点的权重之和等于1，然后将图4中的9个值分别除以0.4787147，得到最终的高斯核，如图5所示。

c)使用步骤b)中所得的高斯核扫描灰度处理后的图像中每一个像素点，将邻域内各个像素值与对应位置的权值相乘并求和就是中心点的高斯模糊值。对于高斯核中心点在图像边缘的对高斯核边缘补零。

d)得到滤波图像。

(2)计算梯度强度和方向。

滤波图像中的边缘可能会指向不同的方向，因此，使用4个梯度算子检测水平、垂直以及对角线方向的边缘。灰度处理后的图像与每个梯度算子所作的卷积存储起来。对于每个点都标识在这个点上的最大值以及生成的边缘的方向，这样就从灰度处理后的图像生成了图像中每个点亮度梯度图以及亮度梯度的方向。

(3)非极大值抑制。

在滤波图像中寻找像素点局部最大值，将非极大值点所对应的灰度值设置为背景灰度值，像素邻域区域满足梯度值的局部最优值判断为该像素的边缘，对其余非极大值的相关信息进行抑制，利用该准则可以剔除大部分非边缘点。

(4)双阈值算法检测和连接边缘。

假设图像中的重要边缘都是连续的曲线，可以跟踪给定曲线中模糊的部分，并且避免将没有组成曲线的噪声像素当成边缘。因此，从一个较大的阈值开始，这将标识出确信的真实边缘，使用前面导出的方向信息，从这些真正的边缘开始在图像中跟踪整个的边缘。在跟踪的时候，使用一个较小的阈值，这样就可以跟踪曲线的模糊部分直到回到起点，一旦这个过程完成，就得到二值图像，每点表示是否是一个边缘点。

S206，根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像。

其中，对于点集Q的凸包(convex hull)是指一个最小凸多边形，满足点集Q中的点或者在多边形边上或者在其内。

在一个实施例中，终端从二值图像中提取目标对象的对象轮廓；将对象轮廓的轮廓点保存于轮廓列表；采用凸包算法计算轮廓列表中对象轮廓点的凸包。

在一个实施例中，终端使用opencv里的findContours函数对二值图像进行轮廓提取，将提取出来的轮廓坐标存进列表，得到了一个包含多个轮廓的列表。其中，这一步骤的轮廓提取主要是为了获得坐标点用来计算凸包。

终端循环读取轮廓列表，将每个轮廓都使用Graham扫描法计算凸包，Graham扫描法的步骤具体可以包括：

a)在所有对象轮廓点中选取y坐标最小的对象轮廓点A1作为基点(如果有多个这样的点，则选取x坐标最小的对象轮廓点)，计算基点与其他各对象轮廓点的连线和x轴正向的角度，按小至大将这些对象轮廓点排序，令对应对象轮廓点为A2，A3,……,An。其中，与基点角度最小的对象轮廓点A2和最大的对象轮廓点An是凸包上的点。

b)连接线段A1,A2，接着连接A2,A3。假设A3也是凸包上的对象轮廓点，则当前凸包由A1,A2,A3三点组成。

c)接下来连接A3,A4，假如线段(A3到A4)相对于(A2到A3)是向右走的，则可以证明A3不是凸包上的对象轮廓点。重新连接(A2到A4)，现在的凸包组成就变成了A1,A2,A4。回溯这个过程，直到新的线段相对与它的前一条线段是向左走的。

重复c)的过程直到An与A1连接，这样就得到了一个凸包。

S208，在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点。

在一个实施例中，S208具体可以包括：终端利用第一预设像素值填充凸包的内部像素点；以及，利用第二预设像素值填充凸包的外部像素点。

例如，读取凸包的轮廓点列表，使用opencv中fillPoly函数将凸包内部的像素点填充为255，得到填充区域为255，其余区域为0的二值图像。

S210，从填充凸包的目标二值图像中提取对象轮廓。

在一个实施例中，终端使用opencv里的findContours函数对凸包图像进行轮廓提取，将提取出来的轮廓坐标存进列表，得到了个包含多个轮廓的列表。

S212，根据所提取的对象轮廓的尺寸生成新标注框，以利用新标注框进行目标检测。

在一个实施例中，S212具体可以包括：终端计算所提取的对象轮廓的尺寸；根据对象轮廓的尺寸生成新标注框。S212之后，终端确定对象轮廓的位置；根据位置对应显示新标注框。

在一个实施例中，终端使用opencv中的boundingRect函数，从轮廓列表中计算得到每个轮廓最小坐标点(x_min,y_min)和宽高(w,h)。终端使用宽高计算得出当前标注框的尺寸，返回尺寸最大框的最小坐标点(x_min,y_min)和最大坐标点(x_max,y_max)用于生成新的标注框。

最大坐标点(x_max,y_max)计算方法如下：

对于需要标注的目标，在标注框里所占的比例必然是最大的，所以我们通过获取物体轮廓来计算当前标注框里的物体，并把当前标注框里轮廓最大的物体当成我们标注的物体，然后重新计算标注框的坐标点，用于生成新的标注框。

上述实施例中，获取标注框所框定的、包含目标对象的图像块；采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像；根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点；从填充凸包的目标二值图像中提取对象轮廓；根据所提取的对象轮廓的尺寸生成新标注框，从而实现对标注框的尺寸进行调整，利用调整尺寸后所得的新标注框进行目标检测，可以提高目标检测的准确性。

如图6所示，在一个实施例中，提供了一种更新标注框的方法，该更新标注框的方法具体包括如下步骤：

S602，获取标注框内的图像块。

S604，转为灰度图。

S606，使用Canny算子对灰度图进行边缘检测。

S608，轮廓提取。

S610，计算凸包。

S612，再次轮廓提取。

S614，生成新的标注框。

图2、6为一个实施例中更新标注框的方法的流程示意图。应该理解的是，虽然图2、6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

如图7所示，在一个实施例中，提供了一种更新标注框的装置，该装置包括：获取模块702、处理模块704、计算模块706、填充模块708、提取模块710和生成模块712；其中：

获取模块702，用于获取标注框所框定的、包含目标对象的图像块；

处理模块704，用于采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像；

计算模块706，用于根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；

填充模块708，用于在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点；

提取模块710，用于从填充凸包的目标二值图像中提取对象轮廓；

生成模块712，用于根据所提取的对象轮廓的尺寸生成新标注框，以利用新标注框进行目标检测。

在一个实施例中，获取模块702，还用于：

获取由监控系统所采集的视频帧图像；

从视频帧图像中裁剪标注框所框定的、包含目标对象的图像块。

在一个实施例中，计算模块706，用于：

对图像块进行灰度处理；

对灰度处理后的图像块进行高斯滤波处理，得到滤波后图像块；

计算滤波后图像块的梯度强度和梯度方向；

沿着梯度方向对滤波后图像块中像素点的非极大值进行抑制；

采用双阈值算法区分滤波后图像块中的边缘像素，从而得到包含对象轮廓的二值图像。

在一个实施例中，计算模块706，用于：

从二值图像中提取目标对象的对象轮廓；

将对象轮廓的轮廓点保存于轮廓列表；

采用凸包算法计算轮廓列表中对象轮廓点的凸包。

在一个实施例中，填充模块708，还用于利用第一预设像素值填充凸包的内部像素点；以及，利用第二预设像素值填充凸包的外部像素点。

在一个实施例中，如图8所示，该装置还包括：显示模块714；其中：

生成模块712，还用于计算所提取的对象轮廓的尺寸；根据对象轮廓的尺寸生成新标注框；

显示模块714，用于确定对象轮廓的位置；根据位置对应显示新标注框。

图9示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的终端110。如图9所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现更新标注框的方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行更新标注框的方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的更新标注框的装置可以实现为一种计算机程序的形式，计算机程序可在如图9所示的计算机设备上运行。计算机设备的存储器中可存储组成该更新标注框的装置的各个程序模块，比如，图7所示的获取模块702、处理模块704、计算模块706、填充模块708、提取模块710和生成模块712。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的更新标注框的方法中的步骤。

例如，图9所示的计算机设备可以通过如图7所示的更新标注框的装置中的获取模块702执行S202。计算机设备可通过处理模块704执行S204。计算机设备可通过计算模块706执行S206。计算机设备可通过填充模块708执行S208。计算机设备可通过提取模块710执行S210。计算机设备可通过生成模块712执行S212。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：获取标注框所框定的、包含目标对象的图像块；采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像；根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点；从填充凸包的目标二值图像中提取对象轮廓；根据所提取的对象轮廓的尺寸生成新标注框，以利用新标注框进行目标检测。

在一个实施例中，计算机程序被处理器执行获取标注框所框定的、包含目标对象的图像块的步骤时，使得处理器具体执行以下步骤：获取由监控系统所采集的视频；对所获取的视频进行解码，得到视频帧图像；从视频帧图像中裁剪标注框所框定的、包含目标对象的图像块。

在一个实施例中，计算机程序被处理器执行时，使得处理器还执行以下步骤：对图像块进行灰度处理；对灰度处理后的图像块进行高斯滤波处理，得到滤波后图像块；计算滤波后图像块的梯度强度和梯度方向；沿着梯度方向对滤波后图像块中像素点的非极大值进行抑制；采用双阈值算法区分滤波后图像块中的边缘像素，从而得到包含对象轮廓的二值图像。

在一个实施例中，计算机程序被处理器执行根据二值图像的对象轮廓点计算凸包的步骤时，使得处理器具体执行以下步骤：从二值图像中提取目标对象的对象轮廓；将对象轮廓的轮廓点保存于轮廓列表；采用凸包算法计算轮廓列表中对象轮廓点的凸包。

在一个实施例中，计算机程序被处理器执行采用不同的像素值分别填充凸包的内部像素点和外部像素点的步骤时，使得处理器具体执行以下步骤：利用第一预设像素值填充凸包的内部像素点；以及，利用第二预设像素值填充凸包的外部像素点。

在一个实施例中，计算机程序被处理器执行根据所提取的对象轮廓的尺寸生成新标注框的步骤时，使得处理器具体执行以下步骤：计算所提取的对象轮廓的尺寸；根据对象轮廓的尺寸生成新标注框；确定对象轮廓的位置；根据位置对应显示新标注框。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：获取标注框所框定的、包含目标对象的图像块；采用边缘检测算法对图像块进行处理，得到包含对象轮廓的二值图像；根据二值图像的对象轮廓点计算凸包，得到包含凸包的目标二值图像；在目标二值图像，采用不同的像素值分别填充凸包的内部像素点和外部像素点；从填充凸包的目标二值图像中提取对象轮廓；根据所提取的对象轮廓的尺寸生成新标注框，以利用新标注框进行目标检测。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims

1.一种更新标注框的方法，包括：

获取标注框所框定的、包含目标对象的图像块；

采用Canny算子对所述图像块进行边缘检测处理，得到包含对象轮廓的二值图像；

从填充所述凸包的目标二值图像中提取对象轮廓；

2.根据权利要求1所述的方法，其特征在于，所述获取标注框所框定的、包含目标对象的图像块包括：

获取由监控系统所采集的视频；

对所获取的视频进行解码，得到视频帧图像；

从所述视频帧图像中裁剪标注框所框定的、包含目标对象的图像块。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述图像块进行灰度处理；

所述采用Canny算子对所述图像块进行边缘检测处理，得到包含对象轮廓的二值图像包括：

计算所述滤波后图像块的梯度强度和梯度方向；

沿着所述梯度方向对所述滤波后图像块中像素点的非极大值进行抑制；

采用双阈值算法区分所述滤波后图像块中的边缘像素，从而得到包含对象轮廓的二值图像。

4.根据权利要求1所述的方法，其特征在于，所述根据所述二值图像的对象轮廓点计算凸包括：

从所述二值图像中提取目标对象的对象轮廓；

将所述对象轮廓的轮廓点保存于轮廓列表；

采用凸包算法计算轮廓列表中对象轮廓点的凸包。

5.根据权利要求1所述的方法，其特征在于，所述采用不同的像素值分别填充所述凸包的内部像素点和外部像素点包括：

利用第一预设像素值填充所述凸包的内部像素点；以及，利用第二预设像素值填充所述凸包的外部像素点。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述根据所提取的对象轮廓的尺寸生成新标注框包括：

计算所提取的对象轮廓的尺寸；

根据所述对象轮廓的尺寸生成新标注框；

所述根据所提取的对象轮廓的尺寸生成新标注框之后，所述方法还包括：

确定所述对象轮廓的位置；

根据所述位置对应显示所述新标注框。

7.一种更新标注框的装置，其特征在于，所述装置包括：

处理模块，用于采用Canny算子对所述图像块进行边缘检测处理，得到包含对象轮廓的二值图像；

8.根据权利要求7所述的装置，其特征在于，所述获取模块，还用于：

获取由监控系统所采集的视频帧图像；

9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。