CN111815595A - 图像语义分割方法、装置、设备和可读存储介质 - Google Patents

图像语义分割方法、装置、设备和可读存储介质 Download PDF

Info

Publication number
CN111815595A
CN111815595A CN202010610864.0A CN202010610864A CN111815595A CN 111815595 A CN111815595 A CN 111815595A CN 202010610864 A CN202010610864 A CN 202010610864A CN 111815595 A CN111815595 A CN 111815595A
Authority
CN
China
Prior art keywords
contour
video frame
target object
semantic segmentation
point sequence
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.)
Withdrawn
Application number
CN202010610864.0A
Other languages
English (en)
Inventor
郭汉奇
洪智滨
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010610864.0A priority Critical patent/CN111815595A/zh
Publication of CN111815595A publication Critical patent/CN111815595A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种图像语义分割方法、装置、设备和可读存储介质，涉及人工智能、图像处理和深度学习技术领域。具体实现方案为：获取当前视频帧；提取所述当前视频帧中目标对象的第一轮廓；对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓；对所述匹配一致轮廓与所述当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。本申请实施例能够提高图像分割精度。

Description

图像语义分割方法、装置、设备和可读存储介质
技术领域
本申请涉及计算机技术，尤其涉及人工智能、图像处理和深度学习技术领域。
背景技术
语义分割算法是根据图像中各物体的统计特征，将不同的类别物体所占有的区域进行划分。在实际应用中，大量场景中存在临近物体纹理或颜色相似的情况，这使得物体间的边界处难以区分，加大了语义分割算法进行区域划分的难度，使得边界处极易出现误分割问题。
目前，一般采用数据增强类方法解决误分割的问题，具体通过采集或模拟生成目标场景相近的数据，让算法模型适应此类分割问题的数据特征分割来改善误分割问题。但是数据增强类算法需要采集大量与问题场景相近的图片数据并进行标注，耗费时间长、标注成本昂贵，且适用性有限，当问题场景改变时又需要进行新的数据采集、标注、模型训练，无法从根本上解决误分割问题；而且精度有限。
发明内容
本申请实施例提供了一种图像语义分割方法、装置、设备和可读存储介质。
第一方面，本申请实施例提供了一种图像语义分割方法，包括：
获取当前视频帧；
提取所述当前视频帧中目标对象的第一轮廓；
对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓；
对所述匹配一致轮廓与所述当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
第二方面，本申请实施例还提供了一种图像语义分割装置，包括：
获取模块，用于获取当前视频帧；
提取模块，用于提取所述当前视频帧中目标对象的第一轮廓；
匹配模块，用于对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓；
融合模块，用于对所述匹配一致轮廓与所述当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
第三方面，本申请实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行任一实施例所提供的一种图像语义分割方法。
第四方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行任一实施例所提供的一种图像语义分割方法。
本申请实施例提高图像分割精度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请实施例中的第一种图像语义分割方法的流程图；
图2是本申请实施例中的第二种图像语义分割方法的流程图；
图3a是本申请实施例中的第三种图像语义分割方法的流程图；
图3b是本申请实施例中的图像语义分割的整体流程图；
图3c是本申请实施例中的当前视频帧中目标对象分割结果的融合示意图；
图4是本申请实施例中的图像语义分割装置的结构图
图5是本申请实施例中的电子设备的结构图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
根据本申请的实施例，图1是本申请实施例中的第一种图像语义分割方法的流程图，本申请实施例适用于对视频帧进行图像语义分割的情况。该方法通过图像语义分割装置执行，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。
本实施例提供的方法属于图像语义分割中的帧间信息辅助类方法，该类方法借助视频临近帧中对象的相似性或运动的一致性来提升分割效果。通俗来讲，由于视频的临近帧中同一对象的轮廓形状具有相似性，将历史视频帧中目标对象的轮廓应用到当前帧的目标对象上，以此提高当前帧中目标对象的语义分割精度。
如图1所示的图像语义分割方法，包括：
S110、获取当前视频帧。
当前视频帧是视频中首个视频帧之后的任一视频帧。
S120、提取当前视频帧中目标对象的第一轮廓。
目标对象可以是当前视频帧中的任一对象，例如人或物体等。
可选的，对当前视频帧进行语义分割和轮廓提取，得到目标对象的第一轮廓。
首先，将当前视频帧输入至基于深度学习的神经网络语义分割模型，输出当前视频帧中各对象的分割结果，分割结果用来表征各对象在视频帧中的所占区域。为了区别不同对象的分割结果，分割结果为与当前视频帧等大的图像，采用不同参数代表对象所占区域，例如不同数字或不同像素亮度。
在目标对象所占区域的基础上进行轮廓提取，具体提取目标对象所占区域的边缘像素点，构成第一轮廓。
S130、对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓。
当前视频帧的历史视频帧为当前视频帧的时间戳之前的视频帧，历史视频帧与当前视频帧均显示有目标对象，由于历史视频帧与当前视频帧具有时间关联性，其中的目标对象的形状或轮廓具有一致性。
将第一轮廓与第二轮廓进行匹配，寻找相重合的部分轮廓或全部轮廓作为匹配一致轮廓，可见，匹配一致轮廓是第一轮廓或第二轮廓的子集。匹配一致轮廓可以应用到当前帧的目标对象上，以此提高当前帧中目标对象的语义分割精度。
S140、对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
当前视频帧中目标对象的语义分割结果可采用S120中神经网络语义分割模型的输出结果表示。由于临近对象纹理或颜色可能相似，这使得单凭语义分割模型得到的语义分割结果会存在对象间的边界混淆，难以区分的情况。由于当前视频帧和历史视频帧中同一目标对象的轮廓的相似性，所以正确的分割结果中同一目标对象的轮廓能够匹配上，而错误的分割结果中同一目标对象的轮廓无法进行匹配。故而可以用轮廓匹配的方式实现帧间信息的传递，结合了当前视频帧和历史视频帧中同一目标对象的轮廓，能够一定程度上区分纹理或颜色相似的临近对象。然而，匹配一致轮廓是目标对象所占区域的一部分，且其本身也具有一定的误差。
本实施例通过匹配一致轮廓对当前帧的误分割进行修正，保持分割结果的一致性。因此，对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，剔除精度较低的轮廓而保留精度较高的轮廓；并将保留的轮廓与语义分割结果中除第一轮廓之外的部分结合，得到最终的语义分割结果。
本申请实施例中，通过对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓，匹配一致轮廓可以应用到当前帧的目标对象上，以此提高当前帧中目标对象的语义分割精度。进而，通过对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果，使得有效分割纹理或颜色可能相似的临近对象，解决误分割问题，提高对象分割精度；而且，不需要进行整图稠密的信息计算，耗时较短，尤其适用于算力有限的移动设备。本实施例相对于现有技术，在问题场景改变时不需要进行新的数据采集、标注、模型训练。
根据本申请的实施例，图2是本申请实施例中的第二种图像语义分割方法的流程图，本申请实施例在上述各实施例的技术方案的基础上对轮廓匹配过程进行优化。
如图2所示的图像语义分割方法，包括：
S210、获取当前视频帧。
S220、提取当前视频帧中目标对象的第一轮廓。
S230、离散化第一轮廓和第二轮廓，分别得到第一点序列和第二点序列。
第一轮廓和第二轮廓均包括连续的点。为了方便轮廓匹配并减少计算量，对第一轮廓和第二轮廓进行采样以离散化，分别得到第一点序列和第二点序列。示例性的，第一轮廓包括10000个点，对第一轮廓进行1/2降采样后得到5000个点。
S240、采用第二点序列对第一点序列进行点集配准，得到第一点序列中匹配一致的点序列，作为匹配一致轮廓。
点集配准技术是查找将两个点集对齐的空间变换过程，假设第一点序列和第二点序列是两个点集，通过寻找一种变换，将其作用于第二点序列后，可以使得变换后的第一点序列和第二点序列之间的差异最小。此时，寻找变换后的第一点序列与第二点序列之间相同的部分，作为匹配一致轮廓。
可选的，S240可采用概率论的相关算法计算，具体包括下述步骤：
步骤一、对第二点序列进行仿射变换，得到估计点序列。
X＝(x1，x2，…，xN)表示第一点序列，Y＝(y1，y2，…，yM)表示第二点序列。理想情况下，这两组点序列之间存在一一对应关系，算法的目标是在无其它外界监督的情况下找出这些对应关系。X与Y中存在对应关系的点之间存在几何变换关系f，即y＝f(x)，本实施例采用仿射变换表示该几何变换关系：
f(yn)＝sRyn+t； (1)
其中，f(yn)为估计点序列，R、t和s为仿射变换参数，分别为旋转、位移和缩放参数。
步骤二、采用混合高斯模型的概率密度函数描述估计点序列与第一点序列的配准程度。
不失一般性，正确对应关系由混合高斯分布产生。错误的对应关系分布与正确的不同，通常可用平均分布来表示。令1表示正确对应关系所占的比重，整体对应关系概率密度函数(即混合高斯模型的概率密度函数)可表示为：
Figure BDA0002560864460000061
其中，M为混合高斯分布的成分个数。x为估计点序列与第一点序列中任两点之间的对应关系。两点间的概率密度函数值表征了该两点间的配准程度。以此类推，估计点序列与第一点序列中
步骤三、最大化概率密度函数，得到第一点序列中与估计点序列匹配一致的点序列，作为匹配一致轮廓。
求解正确的对应关系就是最大化上述概率密度函数的过程。概率上一般通过最大化似然函数完成，这个过程在理论上也等价于最小化其负对数似然函数，由于负对数似然函数在计算时更为简便，计算的过程采用负对数似然函数。
在实际应用中为了计算方便，一般采用期望最大(Expectation-maxim izationalgorithm，EM)算法最大化概率密度函数，其中，E-Step：通过旧的分布模型参数计算后验概率分布Pold(m|xn)。M-Step：最小化损失函数来得到新的混合高斯模型参数。损失函数Q的表达式如下：
Figure BDA0002560864460000062
其中，σ2为高斯分布方差，NP为混合高斯分布的和。
EM算法求解步骤如下：
步骤1：算法初始化，令B＝I，t＝0，0<ω<1。
步骤2：根据当前值计算期望pmn：
Figure BDA0002560864460000071
步骤3：通过最大化似然函数最小化损失函数Q，求出该轮次使得期望最大化的所有参数的迭代计算式，以求解B，t和σ2。
Figure BDA0002560864460000072
Figure BDA0002560864460000073
Figure BDA0002560864460000074
t＝μx-Bμy； (8)
Figure BDA0002560864460000075
步骤4：反复迭代步骤2至步骤3，直至所有参数收敛，解得B，t和σ2，进而得到仿射变换参数R、t和s。
步骤5：将仿射变换参数R、t和s作用于第二点序列，得到估计点序列，也就是与第一点序列配准的点序列，称为匹配一致的点序列。
S250、对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
具体对匹配一致的点序列与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
本实施例中，将点集配准过程转换为最大化概率密度函数的过程，尤其适用于点序列存在噪音或者冗余点的情况，能够从第一点序列中有效地筛选出其中匹配的点序列。
根据本申请的实施例，图3a是本申请实施例中的第三种图像语义分割方法的流程图，本申请实施例在上述各实施例的技术方案的基础上行优化。
可选的，将操作“对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果”细化为“基于语义分割结果，获取匹配一致轮廓上的点属于目标对象的原始置信度；基于轮廓匹配，确定匹配一致轮廓上的点属于目标对象的匹配置信度；综合原始置信度和匹配置信度，筛选出匹配一致轮廓上属于目标对象的目标点集；汇总目标对象语义分割结果中除匹配一致轮廓外的剩余点集与目标点集，得到最终的语义分割结果”。
可选的，在操作“对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓”之前，追加操作“对历史视频帧进行语义分割和轮廓提取，得到目标对象的第二轮廓；或者，对历史视频帧中的匹配一致轮廓与历史视频帧中目标对象的语义分割结果进行融合，得到目标对象的第二轮廓”。
如图3a所示的图像语义分割方法，包括：
S310、获取当前视频帧。
S320、提取当前视频帧中目标对象的第一轮廓。
图3b是本申请实施例中的图像语义分割的整体流程图。假设当前视频帧为第i帧，首先，对地i帧进行语义分割，具体将第i帧输入至基于深度学习的神经网络语义分割模型，输出第i帧中各对象的分割结果。可选的，分割结果是二值化分割结果。进一步，将二值化分割结果进行轮廓提取和离散化，得到第一点序列作为第一轮廓。
S321、对历史视频帧进行语义分割和轮廓提取，得到目标对象的第二轮廓；或者，对历史视频帧中的匹配一致轮廓与历史视频帧中目标对象的语义分割结果进行融合，得到目标对象的第二轮廓。
可选的，历史视频帧可以是当前视频帧的前一帧，即历史视频帧与当前视频帧为相邻视频帧，从而保证目标对象的轮廓一致性，成功找到匹配一致轮廓。
如图3b所示，与第一轮廓的提取过程相同，对第i-1帧进行语义分割，得到二值化分割结果。进一步，将二值化分割结果进行轮廓提取和离散化，得到第二点序列作为第二轮廓。
可选的，第二轮廓的精度直接影响着匹配一致轮廓的精度，因此提高第二轮廓的精度是有必要的。由于将历史视频帧中目标对象的轮廓应用到当前帧的目标对象上，可以提高当前帧中目标对象的语义分割精度，由此启发到将历史视频帧中的匹配一致轮廓与历史视频帧中目标对象的语义分割结果进行融合，以得到精度更高的第二轮廓。
S330、对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓。
如图3b所示，对第一轮廓与第二轮廓进行轮廓匹配，得到匹配一致轮廓。进一步将匹配一致轮廓与第i帧的二值化分割结果进行融合，得到最终的语义分割结果。下述S340～S370提供了一种融合操作的可选实施方式，以期获取更好的技术效果。
S340、基于语义分割结果，获取匹配一致轮廓上的点属于目标对象的原始置信度。
语义分割结果包括各点所属的对象类型，以及属于该对象的置信度，即属于该对象的程度或概率。为了方面描述和区分，将语义分割结果给出的置信度称为原始置信度。可选的，基于深度学习的神经网络语义分割模型可以识别出视频帧中各点属于各对象的原始置信度。
S350、基于轮廓匹配，确定匹配一致轮廓上的点属于目标对象的匹配置信度。
为了方便与语义分割结果融合，同样也赋予匹配一致轮廓上的点属于目标对象的置信度，称为匹配置信度。
可选的，由于匹配一致轮廓由第一轮廓和第二轮廓匹配得到，其本身具有一定的精度，可将匹配一致轮廓上各点的匹配置信度设置为固定值，例如较高的置信度0.8。
可选的，充分考虑到匹配一致轮廓上存在不匹配的点，将匹配一致轮廓上的点经过高斯滤波器，根据高斯函数来选择匹配一致轮廓上各点的匹配置信度。
S360、综合原始置信度和匹配置信度，筛选出匹配一致轮廓上属于目标对象的目标点集。
原始置信度表征了语义分割的精确程度，匹配置信度表征了历史视频帧传递的帧间信息的精确程度，综合考虑这两方面的精确程度，筛选出精确程度均较高，换言之，置信度均较高的目标点集。
可选的，对各点的原始置信度和匹配置信度相加，并与设定阈值相比，将大于设定阈值的点构成目标点集，从而筛选出综合精确程度较高的点集。
S370、汇总目标对象语义分割结果中除匹配一致轮廓外的剩余点集与目标点集，得到最终的语义分割结果。
目标点集是本实施例能够提供的精度最高的目标对象轮廓上的点，则将目标点集替换精度有限的语义分割结果提供的轮廓。也就是，通过帧间信息传递从语义分割结果提供的轮廓中筛选高精度的点集，剔除掉低精度的点集，从而修正语义分割结果。
图3c是本申请实施例中的当前视频帧中目标对象分割结果的融合示意图。如图3c所示，目标对象语义分割结果为矩形区域，矩形区域的完整外边框为第一轮廓，内部的点集用浅灰色表示。匹配一致轮廓上的目标点集用深灰色表示。最终的语义分割结果包括图3c中的深灰色和浅灰色点集，剔除掉左上角的点集和右下角的点集。
根据本申请的实施例，图4是本申请实施例中的图像语义分割装置的结构图，本申请实施例适用于对视频帧进行图像语义分割的情况，该装置采用软件和/或硬件实现，并具体配置于具备一定数据运算能力的电子设备中。
如图4所示的一种图像语义分割装置400，包括：获取模块401、提取模块402、匹配模块403和融合模块404；其中，
获取模块401，用于获取当前视频帧；
提取模块402，用于提取当前视频帧中目标对象的第一轮廓；
匹配模块403，用于对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓；
融合模块404，用于对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
本申请实施例中，通过对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓，匹配一致轮廓可以应用到当前帧的目标对象上，以此提高当前帧中目标对象的语义分割精度。进而，通过对匹配一致轮廓与当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果，使得有效分割纹理或颜色可能相似的临近对象，解决误分割问题，提高对象分割精度；而且，不需要进行整图稠密的信息计算，耗时较短，尤其适用于算力有限的移动设备。本实施例相对于现有技术，在问题场景改变时不需要进行新的数据采集、标注、模型训练。
进一步的，匹配模块404，包括：离散化单元，用于离散化第一轮廓和第二轮廓，分别得到第一点序列和第二点序列；配准单元，用于采用第二点序列对第一点序列进行点集配准，得到第一点序列中匹配一致的点序列，作为匹配一致轮廓。
进一步的，配准单元，用于：对第二点序列进行仿射变换，得到估计点序列；采用混合高斯模型的概率密度函数描述估计点序列与第一点序列的配准程度；最大化概率密度函数，得到第一点序列中与估计点序列匹配一致的点序列，作为匹配一致轮廓。
进一步的，融合模块，具体用于：基于语义分割结果，获取匹配一致轮廓上的点属于目标对象的原始置信度；基于轮廓匹配，确定匹配一致轮廓上的点属于目标对象的匹配置信度；综合原始置信度和匹配置信度，筛选出匹配一致轮廓上属于目标对象的目标点集；汇总目标对象语义分割结果中除匹配一致轮廓外的剩余点集与目标点集，得到最终的语义分割结果。
进一步的，该装置还包括：轮廓提取模块，用于在对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓之前，对历史视频帧进行语义分割和轮廓提取，得到目标对象的第二轮廓；或者，轮廓融合模块，用于在对目标对象的第一轮廓与当前视频帧的历史视频帧中目标对象的第二轮廓进行轮廓匹配，得到当前视频帧中的匹配一致轮廓之前，对历史视频帧中的匹配一致轮廓与历史视频帧中目标对象的语义分割结果进行融合，得到目标对象的第二轮廓。
进一步的，历史视频帧为当前视频帧的前一帧。
上述图像语义分割装置可执行本申请任意实施例所提供的图像语义分割方法，具备执行图像语义分割方法相应的功能模块和有益效果。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是实现本申请实施例的图像语义分割方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的图像语义分割方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像语义分割方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像语义分割方法对应的程序指令/模块(例如，附图4所示的包括获取模块401、提取模块402、匹配模块403和融合模块404)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像语义分割的方法。
存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储实现图像语义分割方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至执行图像语义分割方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
执行图像语义分割方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息，以及产生与执行图像语义分割方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (14)

1.一种图像语义分割方法，包括：
获取当前视频帧；
提取所述当前视频帧中目标对象的第一轮廓；
对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓；
对所述匹配一致轮廓与所述当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
2.根据权利要求1所述的方法，其中，所述对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中匹配一致轮廓，包括：
离散化所述第一轮廓和所述第二轮廓，分别得到第一点序列和第二点序列；
采用第二点序列对所述第一点序列进行点集配准，得到所述第一点序列中匹配一致的点序列，作为所述匹配一致轮廓。
3.根据权利要求2所述的方法，其中，所述采用第二点序列对所述第一点序列进行点集配准，得到所述第一点序列中匹配一致的点序列，作为所述匹配一致轮廓，包括：
对所述第二点序列进行仿射变换，得到估计点序列；
采用混合高斯模型的概率密度函数描述所述估计点序列与所述第一点序列的配准程度；
最大化所述概率密度函数，得到所述第一点序列中与所述估计点序列匹配一致的点序列，作为所述匹配一致轮廓。
4.根据权利要求1所述的方法，其中，所述对所述匹配一致轮廓与所述当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果，包括：
基于所述语义分割结果，获取所述匹配一致轮廓上的点属于所述目标对象的原始置信度；
基于所述轮廓匹配，确定所述匹配一致轮廓上的点属于所述目标对象的匹配置信度；
综合所述原始置信度和所述匹配置信度，筛选出所述匹配一致轮廓上属于所述目标对象的目标点集；
汇总所述目标对象语义分割结果中除所述匹配一致轮廓外的剩余点集与所述目标点集，得到最终的语义分割结果。
5.根据权利要求1所述的方法，在所述对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓之前，还包括：
对所述历史视频帧进行语义分割和轮廓提取，得到所述目标对象的第二轮廓；或者，
对所述历史视频帧中的匹配一致轮廓与所述历史视频帧中目标对象的语义分割结果进行融合，得到所述目标对象的第二轮廓。
6.根据权利要求1-5任一项所述的方法，其中，所述历史视频帧为所述当前视频帧的前一帧。
7.一种图像语义分割装置，包括：
获取模块，用于获取当前视频帧；
提取模块，用于提取所述当前视频帧中目标对象的第一轮廓；
匹配模块，用于对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓；
融合模块，用于对所述匹配一致轮廓与所述当前视频帧中目标对象的语义分割结果进行融合，得到最终的语义分割结果。
8.根据权利要求7所述的装置，其中，所述匹配模块，包括：
离散化单元，用于离散化所述第一轮廓和所述第二轮廓，分别得到第一点序列和第二点序列；
配准单元，用于采用第二点序列对所述第一点序列进行点集配准，得到所述第一点序列中匹配一致的点序列，作为所述匹配一致轮廓。
9.根据权利要求8所述的装置，其中，所述配准单元，用于：
对所述第二点序列进行仿射变换，得到估计点序列；
采用混合高斯模型的概率密度函数描述所述估计点序列与所述第一点序列的配准程度；
最大化所述概率密度函数，得到所述第一点序列中与所述估计点序列匹配一致的点序列，作为所述匹配一致轮廓。
10.根据权利要求7所述的装置，其中，所述融合模块，具体用于：
基于所述语义分割结果，获取所述匹配一致轮廓上的点属于所述目标对象的原始置信度；
基于所述轮廓匹配，确定所述匹配一致轮廓上的点属于所述目标对象的匹配置信度；
综合所述原始置信度和所述匹配置信度，筛选出所述匹配一致轮廓上属于所述目标对象的目标点集；
汇总所述目标对象语义分割结果中除所述匹配一致轮廓外的剩余点集与所述目标点集，得到最终的语义分割结果。
11.根据权利要求7所述的装置，还包括
轮廓提取模块，用于在对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓之前，对所述历史视频帧进行语义分割和轮廓提取，得到所述目标对象的第二轮廓；或者，
轮廓融合模块，用于在对所述目标对象的第一轮廓与所述当前视频帧的历史视频帧中所述目标对象的第二轮廓进行轮廓匹配，得到所述当前视频帧中的匹配一致轮廓之前，对所述历史视频帧中的匹配一致轮廓与所述历史视频帧中目标对象的语义分割结果进行融合，得到所述目标对象的第二轮廓。
12.根据权利要求7-11任一项所述的装置，其中，所述历史视频帧为所述当前视频帧的前一帧。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的一种图像语义分割方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的一种图像语义分割方法。
CN202010610864.0A 2020-06-29 2020-06-29 图像语义分割方法、装置、设备和可读存储介质 Withdrawn CN111815595A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010610864.0A CN111815595A (zh) 2020-06-29 2020-06-29 图像语义分割方法、装置、设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010610864.0A CN111815595A (zh) 2020-06-29 2020-06-29 图像语义分割方法、装置、设备和可读存储介质

Publications (1)

Publication Number Publication Date
CN111815595A true CN111815595A (zh) 2020-10-23

Family

ID=72856309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010610864.0A Withdrawn CN111815595A (zh) 2020-06-29 2020-06-29 图像语义分割方法、装置、设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN111815595A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113159026A (zh) * 2021-03-31 2021-07-23 北京百度网讯科技有限公司 图像处理方法、装置、电子设备和介质
CN113378958A (zh) * 2021-06-24 2021-09-10 北京百度网讯科技有限公司 自动标注方法、装置、设备、存储介质及计算机程序产品
WO2022142419A1 (zh) * 2020-12-31 2022-07-07 上海商汤智能科技有限公司 视频处理方法、装置、电子设备及存储介质
CN114882350A (zh) * 2022-03-30 2022-08-09 北京市测绘设计研究院 图像处理方法及装置、电子设备和存储介质
CN116030396A (zh) * 2023-02-27 2023-04-28 温州众成科技有限公司 一种用于视频结构化提取的精确分割方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022142419A1 (zh) * 2020-12-31 2022-07-07 上海商汤智能科技有限公司 视频处理方法、装置、电子设备及存储介质
CN113159026A (zh) * 2021-03-31 2021-07-23 北京百度网讯科技有限公司 图像处理方法、装置、电子设备和介质
CN113378958A (zh) * 2021-06-24 2021-09-10 北京百度网讯科技有限公司 自动标注方法、装置、设备、存储介质及计算机程序产品
CN114882350A (zh) * 2022-03-30 2022-08-09 北京市测绘设计研究院 图像处理方法及装置、电子设备和存储介质
CN116030396A (zh) * 2023-02-27 2023-04-28 温州众成科技有限公司 一种用于视频结构化提取的精确分割方法

Similar Documents

Publication Publication Date Title
CN111815595A (zh) 图像语义分割方法、装置、设备和可读存储介质
JP7375192B2 (ja) ターゲット追跡方法、装置、電子機器、コンピュータ読み取り可能な記憶媒体及びコンピュータプログラムプロダクト
CN111783870B (zh) 人体属性的识别方法、装置、设备及存储介质
CN111931591B (zh) 用于构建关键点学习模型的方法、装置、电子设备及可读存储介质
US11841921B2 (en) Model training method and apparatus, and prediction method and apparatus
EP3156944A1 (en) Scene labeling of rgb-d data with interactive option
CN111783647A (zh) 人脸融合模型的训练方法、人脸融合方法、装置及设备
CN110659600B (zh) 物体检测方法、装置及设备
CN111709873B (zh) 图像转换模型生成器的训练方法和装置
US11568590B2 (en) Cartoonlization processing method for image, electronic device, and storage medium
CN111967297B (zh) 图像的语义分割方法、装置、电子设备及介质
CN111738910A (zh) 一种图像处理方法、装置、电子设备和存储介质
CN112561879B (zh) 模糊度评价模型训练方法、图像模糊度评价方法及装置
CN111783760A (zh) 文字识别的方法、装置、电子设备及计算机可读存储介质
CN112149741A (zh) 图像识别模型的训练方法、装置、电子设备及存储介质
CN113361344A (zh) 视频事件识别方法、装置、设备及存储介质
CN111709428A (zh) 图像中关键点位置的识别方法、装置、电子设备及介质
CN112580563B (zh) 视频摘要的生成方法、装置、电子设备和存储介质
CN112016523B (zh) 跨模态人脸识别的方法、装置、设备和存储介质
JP7270114B2 (ja) 顔キーポイントの検出方法、装置及び電子機器
CN111932530A (zh) 三维对象检测方法、装置、设备和可读存储介质
CN111833238B (zh) 图像的翻译方法和装置、图像翻译模型的训练方法和装置
CN111833239B (zh) 图像的翻译方法和装置、图像翻译模型的训练方法和装置
CN112183484A (zh) 一种图像处理方法、装置、设备以及存储介质
CN112270760A (zh) 一种定位方法、装置、电子设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20201023