CN113592781A - 背景图像的生成方法、装置、计算机设备和存储介质 - Google Patents

背景图像的生成方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN113592781A
CN113592781A CN202110761383.4A CN202110761383A CN113592781A CN 113592781 A CN113592781 A CN 113592781A CN 202110761383 A CN202110761383 A CN 202110761383A CN 113592781 A CN113592781 A CN 113592781A
Authority
CN
China
Prior art keywords
background
image
target
shot
reference image
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.)
Granted
Application number
CN202110761383.4A
Other languages
English (en)
Other versions
CN113592781B (zh
Inventor
邓江帆
周峰
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 Aibee Technology Co Ltd
Original Assignee
Beijing Aibee 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 Aibee Technology Co Ltd filed Critical Beijing Aibee Technology Co Ltd
Priority to CN202110761383.4A priority Critical patent/CN113592781B/zh
Publication of CN113592781A publication Critical patent/CN113592781A/zh
Application granted granted Critical
Publication of CN113592781B publication Critical patent/CN113592781B/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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Studio Circuits (AREA)

Abstract

本申请涉及一种背景图像的生成方法、装置、计算机设备和存储介质。方法包括：获取包含目标背景的多个拍摄图像；识别多个拍摄图像中的背景遮挡区域，并提取背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像；根据多个拍摄图像中基准图像对应的目标背景遮挡区域，从除基准图像以外的拍摄图像对应的背景参考图像中提取目标背景遮挡区域的目标图像；根据提取出的目标图像确定目标背景遮挡区域对应的局部背景图像，并将局部背景图像与基准图像对应的背景参考图像进行合成，得到目标背景的背景图像。采用本方法能够去除背景遮挡物、恢复完整的背景图像，极大的提高了图像采集效率。

Description

背景图像的生成方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种背景图像的生成方法、装置、计算机设备和存储介质。
背景技术
计算机视觉技术实际应用中，通常需要采集特定场景的背景图像，当采集的图像中存在移动的人体或物体时，将对背景图像造成遮挡。例如对商场进行室内地图建模时，需采集商场各区域的背景图像，若图像中出现行人等遮挡物，会极大影响地图建模的准确度。
相关技术中，为获取完整的特定场景的背景图像，需要清场后再进行图像采集，实施难度大，且图像采集效率低。
发明内容
基于此，有必要针对上述技术问题，提供一种去除图像中的背景遮挡物、恢复背景图像的背景图像的生成方法、装置、计算机设备和存储介质。
一种背景图像的生成方法，所述方法包括：
获取包含目标背景的多个拍摄图像；
识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像；
根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像；
根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，并将所述局部背景图像与所述基准图像对应的背景参考图像进行合成，得到所述目标背景的背景图像。
在其中一个实施例中，所述提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像，包括：
根据所述多个拍摄图像和所述背景遮挡区域，生成每个所述拍摄图像对应的第一图像掩膜；
通过所述第一图像掩膜，从所述多个拍摄图像中提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像。
在其中一个实施例中，所述根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像，包括：
根据所述多个拍摄图像中的基准图像和所述基准图像对应的目标背景遮挡区域，生成第二图像掩膜；
通过所述第二图像掩膜，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取目标图像。
在其中一个实施例中，所述识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像，包括：
通过预设的图像检测算法，在所述多个拍摄图像中检测背景遮挡物，并将所述背景遮挡物所在的区域确定为背景遮挡区域；
根据所述背景遮挡物在所述多个拍摄图像中的背景遮挡区域，在检测到的所述背景遮挡物中，确定发生移动的目标背景遮挡物；
提取所述目标背景遮挡物的背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像。
在其中一个实施例中，所述根据所述背景遮挡物在所述多个拍摄图像中的背景遮挡区域，在检测到的所述背景遮挡物中，确定发生移动的目标背景遮挡物，包括：
针对所述基准图像包含的每个背景遮挡物的背景遮挡区域，计算除所述基准图像以外的每个拍摄图像中的背景遮挡区域与所述基准图像中背景遮挡物的背景遮挡区域的面积交并比，并确定所述每个拍摄图像对应面积交并比的最大值；
计算所述每个拍摄图像对应面积交并比的最大值的平均值；
若所述平均值小于预设阈值，则将所述背景遮挡物确定为目标背景遮挡物。
在其中一个实施例中，所述根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，包括：
计算提取出的目标图像中每个像素点的平均像素值，得到所述目标背景遮挡区域对应的局部背景图像。
在其中一个实施例中，所述方法还包括：
计算每个所述拍摄图像中的背景遮挡区域的总面积；
将所述背景遮挡区域的总面积最小的拍摄图像确定为基准图像。
在其中一个实施例中，所述方法还包括：
根据每个所述拍摄图像中的背景遮挡区域，计算每个所述拍摄图像中的背景遮挡物的总数量；
将所述背景遮挡物的总数量最少的拍摄图像确定为基准图像。
一种背景图像的生成装置，所述装置包括：
获取模块，用于获取包含目标背景的多个拍摄图像；
第一提取模块，用于识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像；
第二提取模块，用于根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像；
合成模块，用于根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，并将所述局部背景图像与所述基准图像对应的背景参考图像进行合成，得到所述目标背景的背景图像。
在其中一个实施例中，所述第一提取模块，具体用于：
根据所述多个拍摄图像和所述背景遮挡区域，生成每个所述拍摄图像对应的第一图像掩膜；
通过所述第一图像掩膜，从所述多个拍摄图像中提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像。
在其中一个实施例中，所述第二提取模块，具体用于：
根据所述多个拍摄图像中的基准图像和所述基准图像对应的目标背景遮挡区域，生成第二图像掩膜；
通过所述第二图像掩膜，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取目标图像。
在其中一个实施例中，所述第一提取模块，具体用于：
通过预设的图像检测算法，在所述多个拍摄图像中检测背景遮挡物，并将所述背景遮挡物所在的区域确定为背景遮挡区域；
根据所述背景遮挡物在所述多个拍摄图像中的背景遮挡区域，在检测到的所述背景遮挡物中，确定发生移动的目标背景遮挡物；
提取所述目标背景遮挡物的背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像。
在其中一个实施例中，所述第一提取模块，具体用于：
针对所述基准图像包含的每个背景遮挡物的背景遮挡区域，计算除所述基准图像以外的每个拍摄图像中的背景遮挡区域与所述基准图像中背景遮挡物的背景遮挡区域的面积交并比，并确定所述每个拍摄图像对应面积交并比的最大值；
计算所述每个拍摄图像对应面积交并比的最大值的平均值；
若所述平均值小于预设阈值，则将所述背景遮挡物确定为目标背景遮挡物。
在其中一个实施例中，所述合成模块，具体用于：
计算提取出的目标图像中每个像素点的平均像素值，得到所述目标背景遮挡区域对应的局部背景图像。
在其中一个实施例中，所述装置还包括：
第一确定模块，用于计算每个所述拍摄图像中的背景遮挡区域的总面积；
将所述背景遮挡区域的总面积最小的拍摄图像确定为基准图像。
在其中一个实施例中，所述装置还包括：
第二确定模块，用于根据每个所述拍摄图像中的背景遮挡区域，计算每个所述拍摄图像中的背景遮挡物的总数量；
将所述背景遮挡物的总数量最少的拍摄图像确定为基准图像。
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，所述处理器执行所述计算机程序时实现以下步骤：
获取包含目标背景的多个拍摄图像；
识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像；
根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像；
根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，并将所述局部背景图像与所述基准图像对应的背景参考图像进行合成，得到所述目标背景的背景图像。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取包含目标背景的多个拍摄图像；
识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像；
根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像；
根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，并将所述局部背景图像与所述基准图像对应的背景参考图像进行合成，得到所述目标背景的背景图像。
上述背景图像的生成方法、装置、计算机设备和存储介质，获取包含目标背景的多个拍摄图像；识别多个拍摄图像中的背景遮挡区域，并提取背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像；根据多个拍摄图像中基准图像对应的目标背景遮挡区域，从除基准图像以外的拍摄图像对应的背景参考图像中提取目标背景遮挡区域的目标图像；根据提取出的目标图像确定目标背景遮挡区域对应的局部背景图像，并将局部背景图像与基准图像对应的背景参考图像进行合成，得到目标背景的背景图像。本方案通过从多个拍摄图像中提取目标像素并合成图像，实现去除背景遮挡物、恢复完整的背景图像的目的，不需要对目标背景进行清场处理，可实施性强，处理速度快，资源开销小，极大地提高了图像采集效率。
附图说明
图1为一个实施例中背景图像的生成方法的流程示意图；
图2为一个实施例中得到背景参考图像的流程示意图；
图3为一个实施例中提取目标图像的流程示意图；
图4为另一个实施例中得到背景参考图像的流程示意图；
图5为一个实施例中确定发生移动的目标背景遮挡物的流程示意图；
图6为一个实施例中背景图像的生成装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
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。
首先，在具体介绍本申请实施例的技术方案之前，先对本申请实施例基于的技术背景或者技术演进脉络进行介绍。计算机视觉技术的研究和应用中，通常需要采集特定场景的背景图像，如对商场进行室内地图建模时，需采集商场各区域的背景图像，若场景中出现行人、车辆、动物等背景遮挡物，会极大影响地图建模的准确度，故通常情况下，采集图像前需先进行清场处理。然而实际操作时，很多场景的清场实施难度大，且图像采集的效率非常低下。基于该背景，申请人通过长期的研发以及实验验证，提出本申请的背景图像的生成方法，不需要清场处理，可实施性强，极大的提高了采集场景的背景图像的效率。另外，需要说明的是，本申请技术问题的发现以及下述实施例介绍的技术方案，申请人均付出了大量的创造性劳动。
本申请提供的背景图像的生成方法，可以应用于终端，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器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。
在一个实施例中，如图1所示，提供了一种背景图像的生成方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤101，获取包含目标背景的多个拍摄图像。
在实施中，终端可以通过图像拍摄装置，对目标背景进行连续拍摄，得到包含目标背景的多个拍摄图像。在一个示例中，可以通过固定相机对某一特定背景进行视频录制，得到包含目标背景的视频段，终端可以从视频段中提取视频帧，得到包含目标背景的多个拍摄图像。
步骤102，识别多个拍摄图像中的背景遮挡区域，并提取背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像。
其中，背景遮挡区域可以是人、车辆、动物等移动的背景遮挡物所在的区域。
在实施中，针对获取到的每个拍摄图像，终端可以通过预设的图像检测算法，检测该拍摄图像中包含的背景遮挡物，背景遮挡物所在的区域即为背景遮挡区域。其中，图像检测算法可以采用基于区域的卷积神经网络(Region based Convolutional NeuralNetworks features，R-CNN)、你只需看一次(You Only Look Once,YOLO)、单次多目标检测器(Single Shot MultiBox Detector，SSD)等算法，本申请实施例不做限定。然后，终端可以通过图像提取策略，从该拍摄图像中提取背景遮挡区域以外的图像，得到该拍摄图像对应的背景参考图像。其中，提取策略可以采用二值掩膜等图像分割技术。可选的，若该拍摄图像中存在多个背景遮挡区域，则提取除多个背景遮挡区域以外的图像，得到该拍摄图像对应的背景参考图像。
步骤103，根据多个拍摄图像中基准图像对应的目标背景遮挡区域，从除基准图像以外的拍摄图像对应的背景参考图像中提取目标背景遮挡区域的目标图像。
在实施中，终端可以在获取到的多个拍摄图像中选择一张拍摄图像作为基准图像，并且可以将基准图像中的背景遮挡区域作为目标背景遮挡区域，其中，选择基准图像的步骤可以在步骤103之前执行，本实施例对该步骤的执行顺序不做限定。终端可以通过图像提取策略，从除该基准图像以外的其它每个拍摄图像对应的背景参考图像中，提取与目标背景遮挡区域相对应的目标图像。图像提取策略可以采用二值掩膜等图像分割技术。基准图像的确定可以是随机选择，也可以通过一定选取策略。
步骤104，根据提取出的目标图像确定目标背景遮挡区域对应的局部背景图像，并将局部背景图像与基准图像对应的背景参考图像进行合成，得到目标背景的背景图像。
在实施中，终端可以采用图像拼接或融合的方法，根据提取出的目标图像确定目标背景遮挡区域对应的局部背景图像，然后将该局部背景图像与基准图像对应的背景参考图像进行合成，得到目标背景的背景图像。
当目标背景中出现背景遮挡物时，如商场中的行人，小区中的行人、车辆、宠物等移动物体，为了采集完整的目标背景的背景图像，本实施例的背景图像的生成方法中，先通过相机等拍摄装置对目标背景进行连续拍摄或进行视频录制，终端获取该连续拍摄图像或者视频帧，然后采用图像检测算法识别拍摄图像中的背景遮挡物，通过二值掩膜等图像分割技术提取背景遮挡区域以外的部分，即得到背景参考图像，选择一个图像作为基准图像，基于该基准图像中的目标背景遮挡区域，采用二值掩膜等图像分割技术从除该基准图像以外的其它拍摄图像中提取目标背景遮挡区域的部分，得到多个目标图像，然后将各个目标图像进行拼接或融合，即得到目标背景遮挡区域的局部背景图像，将局部背景图像与基准图像的背景参考图像进行合成，即得到目标背景图像。该方法不需要对目标背景进行清场处理，仅需用固定相机对目标背景连续拍摄或录制视频，通过计算机设备对拍摄图像或视频帧进行处理即可得到较完整的背景图像，可实施性强，极大地提高了图像采集效率。
在一个实施例中，如图2所示，步骤102中得到背景参考图像的过程具体包括如下步骤：
步骤201，根据多个拍摄图像和背景遮挡区域，生成每个拍摄图像对应的第一图像掩膜。
在实施中，针对获取到的每个拍摄图像，终端识别出背景遮挡区域后，按照预设规则生成该拍摄图像对应的第一图像掩膜。其中，第一图像掩膜的尺寸和拍摄图像的尺寸一致，并且，第一图像掩膜中与该拍摄图像的背景遮挡区域对应的区域的像素值设为0、与背景遮挡区域以外的部分对应的区域的像素值设为1。
步骤202，通过第一图像掩膜，从多个拍摄图像中提取背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像。
在实施中，终端可以通过步骤201中的第一图像掩膜将对应的拍摄图像进行分割处理，提取该拍摄图像中的背景遮挡区域以外的图像。具体的，将第一图像掩膜与对应的拍摄图像相乘，计算得到每个像素点的像素值，其中背景遮挡区域的像素值计算结果为0，背景遮挡区域以外的部分的像素值与该拍摄图像中对应像素点的像素值一致，即提取出每个拍摄图像中除背景遮挡区域以外的图像，得到背景参考图像。
本实施例中，根据每个拍摄图像的背景遮挡区域生成对应的二值掩膜，通过二值掩膜提取背景遮挡区域以外的图像，该方法能同时对多个拍摄图像进行处理，方法简单有效，处理速度快，资源开销小。
在一个实施例中，如图3所示，步骤103具体包括如下步骤：
步骤301，根据多个拍摄图像中的基准图像和该基准图像对应的目标背景遮挡区域，生成第二图像掩膜。
在实施中，终端可以在获取到的多个拍摄图像中选择一张拍摄图像作为基准图像，并且可以将基准图像中的背景遮挡区域作为目标背景遮挡区域，其中，选择基准图像的步骤可以在步骤301之前执行，本实施例对该步骤的执行顺序不做限定。终端识别出基准图像的目标背景遮挡区域后，按照预设规则生成第二图像掩膜。其中，第二图像掩膜的尺寸和基准图像的尺寸一致，并且，第二图像掩膜中与基准图像的目标背景遮挡区域对应的区域的像素值设为1、与目标背景遮挡区域以外的部分对应的区域的像素值设为0。
步骤302，通过第二图像掩膜，从除基准图像以外的拍摄图像对应的背景参考图像中提取目标图像。
在实施中，终端可以通过步骤301生成的第二图像掩膜，对除基准图像以外的其它每个拍摄图像的背景参考图像进行分割处理。具体的，将第二图像掩膜分别与其它每个拍摄图像对应的背景参考图像相乘，计算出每个像素点的像素值，其中背景参考图像中与目标背景遮挡区域相对应的部分的像素值计算结果与该背景参考图像中的像素值一致，其它部分的像素值计算结果为0，即提取出该背景参考图像中与基准图像的目标背景遮挡区域相对应的部分的图像，得到目标图像。
本实施例中，根据基准图像的目标背景遮挡区域，生成二值掩膜，通过二值掩膜提取除基准图像外的拍摄图像中与目标背景遮挡区域相对应部分的图像，该方法能快速获取目标图像，操作步骤少，资源开销小。
在一个实施例中，为了剔除目标背景中的行人、车辆、动物等背景遮挡物，可以先筛选出发生移动的目标背景遮挡物，然后恢复出无目标背景遮挡物的背景图像，提高恢复背景图像的精确度，如图4所示，步骤102具体包括如下步骤：
步骤401，通过预设的图像检测算法，在多个拍摄图像中检测背景遮挡物，并将背景遮挡物所在的区域确定为背景遮挡区域。
在实施中，终端可以通过预设的图像检测算法，识别每个拍摄图像中的背景遮挡物，如人、车辆、动物等，图像检测算法可以采用R-CNN、YOLO、SSD等算法，本申请实施例不做限定。
步骤402，根据背景遮挡物在多个拍摄图像中的背景遮挡区域，在检测到的背景遮挡物中，确定发生移动的目标背景遮挡物。
在实施中，终端可以通过预设的移动检测算法，检测背景遮挡物在获取的拍摄图像中的位置是否发生移动，确定发生移动的目标背景遮挡物。移动检测算法可以采用目标跟踪算法、计算面积交并比等方法。
步骤403，提取目标背景遮挡物的背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像。
在实施中，终端确定拍摄图像中的目标背景遮挡物后，通过图像提取策略，从该拍摄图像中提取该目标背景遮挡物的背景遮挡区域以外的图像，得到该拍摄图像对应的背景参考图像。其中，提取策略可以采用二值掩膜等图像分割技术。可选的，若该拍摄图像中存在多个目标背景遮挡物，则提取多个背景遮挡物的背景遮挡区域以外的图像，得到该拍摄图像对应的背景参考图像。
本实施例中，采用目标跟踪算法或计算面积交并比等方法检测拍摄图像中的每个背景遮挡物在图像拍摄期间是否发生移动，确定出在图像拍摄期间发生移动的目标背景遮挡物，然后提取目标背景遮挡物以外的图像，得到背景参考图像。本方法先筛选出发生移动的目标背景遮挡物，然后恢复出无目标背景遮挡物的背景图像，提高恢复背景图像的精确度。
在一个实施例中，如图5所示，步骤402具体包括如下步骤：
步骤501，针对基准图像包含的每个背景遮挡物的背景遮挡区域，计算除基准图像以外的每个拍摄图像中的背景遮挡区域与该基准图像中背景遮挡物的背景遮挡区域的面积交并比，并确定每个拍摄图像对应面积交并比的最大值。
在实施中，终端可以根据识别出的拍摄图像中每个背景遮挡物的背景遮挡区域，计算除基准图像外的拍摄图像中的每个背景遮挡物的背景遮挡区域与该基准图像中的每个背景遮挡物的背景遮挡区域的面积交并比，确定面积交并比的最大值。具体的，对于基准图像Ib中的第i个背景遮挡物，其对应的背景遮挡区域为
Figure BDA0003149196860000111
将除该基准图像外的第t个拍摄图像It中的每个背景遮挡物的背景遮挡区域分别与
Figure BDA0003149196860000112
计算面积交并比，确定面积交并比的最大值IoUit，面积交并比最大，即两个背景遮挡物的重叠度最大，以此方法在每个拍摄图像中计算出与基准图像中的第i个背景遮挡物的背景遮挡区域面积交并比的最大值，以便判断第i个背景遮挡物是否发生移动。
步骤502，计算每个拍摄图像对应面积交并比的最大值的平均值。
在实施中，终端计算步骤501中得到的每个拍摄图像中的面积交并比的最大值的平均值。具体的，对于基准图像Ib中的第i个背景遮挡物的背景遮挡区域，终端通过步骤501中确定的拍摄图像It中与之面积交并比的最大值IoUit计算平均值
Figure BDA0003149196860000121
计算公式如下，
Figure BDA0003149196860000122
其中，∑表示求和；T表示拍摄图像的总个数。
步骤503，若该平均值小于预设阈值，则将该背景遮挡物确定为目标背景遮挡物。
在实施中，终端将步骤502得到的平均值
Figure BDA0003149196860000123
与预设阈值进行比较，如平均值小于该预设阈值，则认为该背景遮挡物在图像拍摄期间发生了移动，将其确定为目标背景遮挡物。在一个示例中，预设阈值可以是0.7，当平均值
Figure BDA0003149196860000124
小于0.7时，则认为基准图像Ib中的第i个背景遮挡物在图像拍摄期间发生了移动。
本实施例中，通过简单的计算面积交并比的平均值并与预设阈值进行比较的方法检测背景遮挡物在拍摄期间是否进行移动，方法简单有效，处理速度快。
在一个实施例中，步骤104中确定局部背景图像的具体步骤包括：计算提取出的目标图像中每个像素点的平均像素值，得到该目标背景遮挡区域对应的局部背景图像。
在实施中，终端根据提取出的目标图像，获取每个目标图像中同一位置的像素点的像素值，计算出该像素点的平均像素值，将其作为基准图像中的目标背景遮挡区域相应像素点的像素值，即得到该目标背景遮挡区域对应的局部背景图像。将该局部背景图像与基准图像对应的背景参考图像相加，即得到目标背景的背景图像。
在一个示例中，生成目标背景的背景图像
Figure BDA0003149196860000125
的具体公式如下：
Figure BDA0003149196860000126
其中，It表示第t个拍摄图像；Mt表示第t个拍摄图像对应的第一图像掩膜；Ib表示基准图像；Mb表示基准图像对应的第一图像掩膜；(1-Mb)表示基准图像对应的第二图像掩膜；∑表示图像求和，即图像中同一位置的像素点的像素值进行相加求和；∈是一个数值小于0.1的正常数，目的是为了避免分母为0的情况出现，可选的，∈取值为0.01。
公式
Figure BDA0003149196860000131
可计算得到局部背景图像，公式Mb⊙Ib可计算得到基准图像对应的背景参考图像，两个图像相加即得到基于基准图像Ib生成的背景图像
Figure BDA0003149196860000132
在实施例中，本方法还包括确定基准图像的步骤：
实现方式一：计算每个拍摄图像中的背景遮挡区域的总面积；将背景遮挡区域的总面积最小的拍摄图像确定为基准图像。
在实施中，终端识别出拍摄图像中的背景遮挡物后，根据每个背景遮挡物所在的背景遮挡区域的面积，计算出该拍摄图像中的背景遮挡区域的总面积，将背景遮挡区域的总面积最小的拍摄图像确定为基准图像。
本实施例中，通过选取被背景遮挡物遮挡住的面积最小的拍摄图像作为基准图像，参与像素计算的像素点更少，资源开销最小，且背景图像的恢复效果更好。
实现方式二：根据每个拍摄图像中的背景遮挡区域，计算每个拍摄图像中的背景遮挡物的总数量，将背景遮挡物的总数量最少的拍摄图像确定为基准图像。
在实施中，终端识别出拍摄图像中的背景遮挡物后，计算该拍摄图像中的背景遮挡物的总数量，将背景遮挡物的总数量最少的拍摄图像确定为基准图像。
本实施例中，通过选取背景遮挡物数量最少的拍摄图像作为基准图像，图像拼接处最少，生成的背景图像相对更自然。
本申请还提供了一种背景图像的生成方法的示例，具体的，以计算局部背景图像中坐标为(x,y)的像素点p(x,y)的像素值为例进行详细说明。
首先，采用镜头固定的相机对目标背景进行视频录制，终端从录制的视频段中提取视频帧，为便于演示计算，本示例中提取5个视频帧，即得到5个拍摄图像It，其中t的值为1至5，拍摄图像的排序一般根据拍摄时间进行排序。本示例中以背景遮挡物只有人体为例进行说明。采用图像检测算法如YOLO-v5(v5为YOLO算法的版本号)检测上述每个拍摄图像中的人体，人体区域由检测框标示出，人体区域即为背景遮挡区域。计算每个拍摄图像中检测人体的检测框数量，本示例中计算出第1个拍摄图像的检测框数量最少，则确定第1个拍摄图像为基准图像Ib，此处b＝1。基准图像Ib中的人体区域即为目标背景遮挡区域，目标背景遮挡区域为需要生成局部背景图像的区域，故像素点p(x,y)在目标背景遮挡区域中。
根据上述人体检测结果，按照预设规则生成拍摄图像It对应的第一图像掩膜Mt，本示例中第一图像掩膜M1至M5中像素点p(x,y)的像素值分别为0，0，1，1，1。同时可根据上述人体检测结果按照预设规则生成基准图像Ib的第二图像掩膜，第二图像掩膜还可以通过基准图像对应的第一图像掩膜Mb转换得到，即Mb中像素值为1的部分转换为0，像素值为0的部分转换为1，可得到第二图像掩膜，用公式表示为(1-Mb)，第二图像掩膜中像素点p(x,y)的像素值为1。
其次，将第一图像掩膜Mt与对应的拍摄图像It相乘，即同一位置的像素点的像素值进行相乘，得到拍摄图像It对应的背景参考图像，用公式表示为Mt⊙It，本示例中计算得到在拍摄图像I1至I5对应的背景参考图像中像素点p(x,y)的像素值分别为0，0，p3，p4，p5。其中p3与拍摄图像I3中该像素点的像素值一致，p4和p5同理。
再次，将第二图像掩膜与除基准图像Ib外的其它拍摄图像It(t≠b)对应的背景参考图像相乘，得到其它拍摄图像It(t≠b)对应的目标图像，公式表示为(1-Mb)⊙Mt⊙It，其中t≠b，由于此处b＝1，即t≠1。本示例中计算得到在拍摄图像I2至I5对应的目标图像中像素点p(x,y)的像素值分别为0，p3，p4，p5。
最后，根据每个目标图像中同一位置的像素点的像素值，计算出该位置的像素点的平均像素值，即得到局部背景图像中同一位置的像素点的像素值，公式表示为
Figure BDA0003149196860000141
∈取值为0.01，目的是为避免分母为0。本示例中局部背景图像中像素点p(x,y)的像素值为：
Figure BDA0003149196860000142
应该理解的是，虽然图1-5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1-5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种背景图像的生成装置，包括：获取模块、第一提取模块、第二提取模块和合成模块，其中：
获取模块601，用于获取包含目标背景的多个拍摄图像；
第一提取模块602，用于识别多个拍摄图像中的背景遮挡区域，并提取背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像；
第二提取模块603，用于根据多个拍摄图像中基准图像对应的目标背景遮挡区域，从除基准图像以外的拍摄图像对应的背景参考图像中提取目标背景遮挡区域的目标图像；
合成模块604，用于根据提取出的目标图像确定目标背景遮挡区域对应的局部背景图像，并将局部背景图像与基准图像对应的背景参考图像进行合成，得到目标背景的背景图像。
在另一个实施例中，第一提取模块602具体用于：
根据多个拍摄图像和背景遮挡区域，生成每个拍摄图像对应的第一图像掩膜；通过第一图像掩膜，从多个拍摄图像中提取背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像。
在另一个实施例中，第二提取模块603具体用于：
根据多个拍摄图像中的基准图像和基准图像对应的目标背景遮挡区域，生成第二图像掩膜；通过第二图像掩膜，从除基准图像以外的拍摄图像对应的背景参考图像中提取目标图像。
在另一个实施例中，第一提取模块602具体用于：
通过预设的图像检测算法，在多个拍摄图像中检测背景遮挡物，并将背景遮挡物所在的区域确定为背景遮挡区域；根据背景遮挡物在多个拍摄图像中的背景遮挡区域，在检测到的背景遮挡物中，确定发生移动的目标背景遮挡物；提取目标背景遮挡物的背景遮挡区域以外的图像，得到每个拍摄图像对应的背景参考图像。
在另一个实施例中，第一提取模块602具体用于：
针对基准图像包含的每个背景遮挡物的背景遮挡区域，计算除基准图像以外的每个拍摄图像中的背景遮挡区域与基准图像中背景遮挡物的背景遮挡区域的面积交并比，并确定每个拍摄图像对应面积交并比的最大值；计算每个拍摄图像对应面积交并比的最大值的平均值；若平均值小于预设阈值，则将背景遮挡物确定为目标背景遮挡物。
在另一个实施例中，合成模块604具体用于：
计算提取出的目标图像中每个像素点的平均像素值，得到目标背景遮挡区域对应的局部背景图像。
在另一个实施例中，该装置还包括：
第一确定模块，用于计算每个拍摄图像中的背景遮挡区域的总面积；将背景遮挡区域的总面积最小的拍摄图像确定为基准图像。
在另一个实施例中，该装置还包括：
第二确定模块，用于根据每个拍摄图像中的背景遮挡区域，计算每个拍摄图像中的背景遮挡物的总数量；将背景遮挡物的总数量最少的拍摄图像确定为基准图像。
关于背景图像的生成装置的具体限定可以参见上文中对于背景图像的生成方法的限定，在此不再赘述。上述背景图像的生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种背景图像的生成方法。该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，该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7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，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)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发明专利范围的限制。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 (11)

1.一种背景图像的生成方法，其特征在于，所述方法包括：
获取包含目标背景的多个拍摄图像；
识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像；
根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像；
根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，并将所述局部背景图像与所述基准图像对应的背景参考图像进行合成，得到所述目标背景的背景图像。
2.根据权利要求1所述的方法，其特征在于，所述提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像，包括：
根据所述多个拍摄图像和所述背景遮挡区域，生成每个所述拍摄图像对应的第一图像掩膜；
通过所述第一图像掩膜，从所述多个拍摄图像中提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像。
3.根据权利要求1所述的方法，其特征在于，所述根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像，包括：
根据所述多个拍摄图像中的基准图像和所述基准图像对应的目标背景遮挡区域，生成第二图像掩膜；
通过所述第二图像掩膜，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取目标图像。
4.根据权利要求1所述的方法，其特征在于，所述识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像，包括：
通过预设的图像检测算法，在所述多个拍摄图像中检测背景遮挡物，并将所述背景遮挡物所在的区域确定为背景遮挡区域；
根据所述背景遮挡物在所述多个拍摄图像中的背景遮挡区域，在检测到的所述背景遮挡物中，确定发生移动的目标背景遮挡物；
提取所述目标背景遮挡物的背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像。
5.根据权利要求4所述的方法，其特征在于，所述根据所述背景遮挡物在所述多个拍摄图像中的背景遮挡区域，在检测到的所述背景遮挡物中，确定发生移动的目标背景遮挡物，包括：
针对所述基准图像包含的每个背景遮挡物的背景遮挡区域，计算除所述基准图像以外的每个拍摄图像中的背景遮挡区域与所述基准图像中背景遮挡物的背景遮挡区域的面积交并比，并确定所述每个拍摄图像对应面积交并比的最大值；
计算所述每个拍摄图像对应面积交并比的最大值的平均值；
若所述平均值小于预设阈值，则将所述背景遮挡物确定为目标背景遮挡物。
6.根据权利要求1所述的方法，其特征在于，所述根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，包括：
计算提取出的目标图像中每个像素点的平均像素值，得到所述目标背景遮挡区域对应的局部背景图像。
7.根据权利要求1至6任意一项所述的方法，其特征在于，所述方法还包括：
计算每个所述拍摄图像中的背景遮挡区域的总面积；
将所述背景遮挡区域的总面积最小的拍摄图像确定为基准图像。
8.根据权利要求1至6任意一项所述的方法，其特征在于，所述方法还包括：
根据每个所述拍摄图像中的背景遮挡区域，计算每个所述拍摄图像中的背景遮挡物的总数量；
将所述背景遮挡物的总数量最少的拍摄图像确定为基准图像。
9.一种背景图像的生成装置，其特征在于，所述装置包括：
获取模块，用于获取包含目标背景的多个拍摄图像；
第一提取模块，用于识别所述多个拍摄图像中的背景遮挡区域，并提取所述背景遮挡区域以外的图像，得到每个所述拍摄图像对应的背景参考图像；
第二提取模块，用于根据所述多个拍摄图像中基准图像对应的目标背景遮挡区域，从除所述基准图像以外的拍摄图像对应的背景参考图像中提取所述目标背景遮挡区域的目标图像；
合成模块，用于根据提取出的目标图像确定所述目标背景遮挡区域对应的局部背景图像，并将所述局部背景图像与所述基准图像对应的背景参考图像进行合成，得到所述目标背景的背景图像。
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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
CN202110761383.4A 2021-07-06 2021-07-06 背景图像的生成方法、装置、计算机设备和存储介质 Active CN113592781B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110761383.4A CN113592781B (zh) 2021-07-06 2021-07-06 背景图像的生成方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110761383.4A CN113592781B (zh) 2021-07-06 2021-07-06 背景图像的生成方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN113592781A true CN113592781A (zh) 2021-11-02
CN113592781B CN113592781B (zh) 2024-09-27

Family

ID=78246068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110761383.4A Active CN113592781B (zh) 2021-07-06 2021-07-06 背景图像的生成方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN113592781B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114445736A (zh) * 2021-12-29 2022-05-06 广州市玄武无线科技股份有限公司 一种移动前景目标遮挡的视频背景还原方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978805A (zh) * 2019-03-18 2019-07-05 Oppo广东移动通信有限公司 拍照处理方法、装置、移动终端以及存储介质
CN110770786A (zh) * 2017-10-26 2020-02-07 深圳市柔宇科技有限公司 基于摄像设备的遮挡检测修复装置及其遮挡检测修复方法
CN111080546A (zh) * 2019-12-11 2020-04-28 Oppo广东移动通信有限公司 一种图片处理方法及装置
EP3706270A1 (en) * 2019-03-07 2020-09-09 ABB Schweiz AG Artificial intelligence monitoring system using infrared images to identify hotspots in a switchgear

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110770786A (zh) * 2017-10-26 2020-02-07 深圳市柔宇科技有限公司 基于摄像设备的遮挡检测修复装置及其遮挡检测修复方法
EP3706270A1 (en) * 2019-03-07 2020-09-09 ABB Schweiz AG Artificial intelligence monitoring system using infrared images to identify hotspots in a switchgear
CN109978805A (zh) * 2019-03-18 2019-07-05 Oppo广东移动通信有限公司 拍照处理方法、装置、移动终端以及存储介质
CN111080546A (zh) * 2019-12-11 2020-04-28 Oppo广东移动通信有限公司 一种图片处理方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114445736A (zh) * 2021-12-29 2022-05-06 广州市玄武无线科技股份有限公司 一种移动前景目标遮挡的视频背景还原方法及系统

Also Published As

Publication number Publication date
CN113592781B (zh) 2024-09-27

Similar Documents

Publication Publication Date Title
CN107808111B (zh) 用于行人检测和姿态估计的方法和装置
US11048948B2 (en) System and method for counting objects
KR101972918B1 (ko) 영상 마스킹 장치 및 영상 마스킹 방법
JP5459674B2 (ja) 移動物体追跡システムおよび移動物体追跡方法
CN105243395B (zh) 一种人体图像比对方法和装置
CN109299658B (zh) 脸部检测方法、脸部图像渲染方法、装置及存储介质
EP1542155A1 (en) Object detection
CN111402294A (zh) 目标跟踪方法、装置、计算机可读存储介质和计算机设备
JP2009015827A (ja) 物体追跡方法、物体追跡システム、及び物体追跡プログラム
JP7101805B2 (ja) ビデオ異常検出のためのシステム及び方法
KR20200077370A (ko) 영상 마스킹 장치 및 영상 마스킹 방법
CN111241872B (zh) 视频图像遮挡方法及装置
CN112560796A (zh) 人体姿态实时检测方法、装置、计算机设备及存储介质
CN112651291A (zh) 基于视频的姿势估计方法、装置、介质及电子设备
WO2022206680A1 (zh) 图像处理方法、装置、计算机设备和存储介质
Łoza et al. Structural similarity-based object tracking in multimodality surveillance videos
CN109636828A (zh) 基于视频图像的物体跟踪方法及装置
CN108875500B (zh) 行人再识别方法、装置、系统及存储介质
CN108229281B (zh) 神经网络的生成方法和人脸检测方法、装置及电子设备
Wang et al. Object counting in video surveillance using multi-scale density map regression
CN112070035A (zh) 基于视频流的目标跟踪方法、装置及存储介质
CN114092720A (zh) 目标跟踪方法、装置、计算机设备和存储介质
CN113592781B (zh) 背景图像的生成方法、装置、计算机设备和存储介质
CN114757984A (zh) 光场相机的场景深度估计方法及装置
CN114764895A (zh) 异常行为检测装置和方法

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