CN117475153A - 运动目标的分割方法、装置、设备及存储介质 - Google Patents
运动目标的分割方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117475153A CN117475153A CN202311496709.0A CN202311496709A CN117475153A CN 117475153 A CN117475153 A CN 117475153A CN 202311496709 A CN202311496709 A CN 202311496709A CN 117475153 A CN117475153 A CN 117475153A
- Authority
- CN
- China
- Prior art keywords
- scale
- feature
- visible light
- light image
- features
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000011218 segmentation Effects 0.000 title claims abstract description 65
- 230000003287 optical effect Effects 0.000 claims abstract description 80
- 238000000605 extraction Methods 0.000 claims abstract description 54
- 230000004927 fusion Effects 0.000 claims abstract description 43
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000011176 pooling Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/52—Scale-space analysis, e.g. wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种运动目标的分割方法、装置、设备及存储介质。包括:基于当前帧的可见光图像和上一帧的可见光图像生成光流图;对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;根据所述至少一个融合特征确定运动目标的分割结果。本发明实施例提供的运动目标的分割方法,将光流图和可见光图进行多尺度特征提取后进行融合,以获得运动目标的分割结果,提高运动目标的分割精度。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种基运动目标的分割方法、装置、设备及存储介质。
背景技术
实例分割技术是计算机视觉领域的一项重要技术,旨在将将图像中的每个像素分配到对应的目标实例上。实例分割不仅要进行像素级别的分类,还要对同一类别中的不同实例进行区分,给每个实例赋予唯一的标识。实例分割可以在图像中准确地定位和分割出多个目标实例,为计算机理解场景提供更详细的信息。
虽然目前的实例分割技术在针对单模态可见光图像时已取得较好的效果,但可见光图像不仅易受环境光影响,可能导致图像过曝或过暗,使细节丢失或不清晰;对于快速移动的目标,可见光图像在拍摄过程中可能会出现目标丢失导致的不对焦的问题,从而造成可见光图像模糊等情况。
发明内容
本发明实施例提供一种运动目标的分割方法、装置、设备及存储介质,基于光流图对可见光图进行运行目标的分割,提高分割精度。
第一方面,本发明实施例提供了一种运动目标的分割方法,包括:
基于当前帧的可见光图像和上一帧的可见光图像生成光流图;
对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;
对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;
根据所述至少一个融合特征确定运动目标的分割结果。
第二方面,本发明实施例还提供了一种运动目标的分割装置,包括:
光流图生成模块,用于基于当前帧的可见光图像和上一帧的可见光图像生成光流图;
多模态特征获取模块,用于对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;
融合特征获取模块,用于对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;
分割结果确定模块,用于根据所述至少一个融合特征确定运动目标的分割结果。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明实施例所述的运动目标的分割方法。
第四方面,本发明实施例还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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明实施例所述的运动目标的分割方法。
本发明实施例公开了一种运动目标的分割方法、装置、设备及存储介质。基于当前帧的可见光图像和上一帧的可见光图像生成光流图;对光流图和当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;对多个尺度的多模态特征进行融合,获得至少一个融合特征;根据至少一个融合特征确定运动目标的分割结果。本发明实施例提供的运动目标的分割方法,将光流图和可见光图进行多尺度特征提取后进行融合,以获得运动目标的分割结果,提高运动目标的分割精度。
附图说明
图1是本发明实施例一中的一种运动目标的分割方法的流程图;
图2是本发明实施例一中的一种光流图生成网络的结构示意图;
图3是本发明实施例一中的一种特征提取网络的结构示意图;
图4是本发明实施例一中的一种特征监督单元的结构示意图;
图5是本发明实施例一中的一种多尺度特征融合模块的结构示意图;
图6是本发明实施例二中的一种运动目标的分割装置的结构示意图;
图7是本发明实施例三中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
针对快速移动的目标,目前普遍采用光流法对其进行处理。光流法是一种计算机视觉中常用的技术,用于分析连续图像序列中的物体运动。光流法基于一个假设:相邻帧之间的像素强度在时间上保持恒定。根据这个假设,光流法通过比较相邻帧像素之间的差异,推测物体在图像中的运动方向和速度。但随着深度学习的发展,传统的光流算法逐渐被基于神经网络的光流方法所取代。
目前尚未有多模态图像协同的实例分割技术将光流图像与可见光图像进行协同处理,且现有的实例分割技术与光流技术均不能实现针对快速运动目标的精准实例分割。因此如何在保证光流图像精准度的同时,将可见光图像与光流图像进行有机结合,提高实例分割精度,是解决可见光与光流图像协同的运动目标实例分割技术在现实场景中应用的关键问题
实施例一
图1为本发明实施例一提供的一种运动目标的分割方法的流程图,本实施例可适用于对运动目标进行分割情况,该方法可以由运动目标的分割装置来执行,该装置可以通过软件和/或硬件的形式实现,可选的,通过电子设备来实现,该电子设备可以是移动终端、PC端或服务器等。具体包括如下步骤:
S110,基于当前帧的可见光图像和上一帧的可见光图像生成光流图。
本实施例中,基于当前帧的可见光图像和上一帧的可见光图像生成光流图的方式可以是将当前帧的可见光图像和上一帧的可见光图像输入光流图生成网络中,以获得光流图。图2是本发明实施例的一种光流图生成网络的结构示意图,如图2所示,光流图生成网络可以包括第一特征编码模块、第二特征编码模块、内容编码模块及光流估计模块。其中,第一特征编码模块和第二特征编码模块及内容编码模块均包括多个卷积层。第一特征编码模块用于提取当前帧的可见光图像的多尺度特征,获得第一多尺度特征;第二特征编码模块用于提取上一帧的可见光图像的多尺度特征,获得第二多尺度特征内容;内容编码模块用于提取上一帧的可见光图像的多尺度全局上下文信息。光流估计模块用于基于第一多尺度特征、所述第二多尺度特征及所述多尺度全局上下文信息生成光流图。
具体的,基于当前帧的可见光图像和上一帧的可见光图像生成光流图的方式可以是:提取当前帧的可见光图像的多尺度特征,作为第一多尺度特征;提取上一帧的可见光图像的多尺度特征,作为第二多尺度特征;提取上一帧的可见光图像的多尺度全局上下文信息;基于第一多尺度特征、第二多尺度特征及多尺度全局上下文信息生成光流图。
其中,采用上述的第一特征编码模块提取当前帧的可见光图像的多尺度特征的过程可以是:记可见光图像的尺寸为H×W×C,其中H为图像高度,W为图像宽度,C为通道数。当输入可见光图像后,通过两个3×3步长为1的卷积层,将通道数扩展到64位,图像特征尺寸不变,记为特征P1;接着送入第二层,两个3×3步长为1的卷积层后,图像特征尺寸变为(H×W)/2,通道数扩展到128位,记为特征P2;接着送入第三层,两个3×3步长为1的卷积层后,图像特征尺寸缩小到(H×W)/4,通道数扩展到256位,记为特征P3;接着送入第四层,通过6个卷积层与2个池化层后,特征缩小到(H×W)/8,通道数扩展到512位,记为特征P4。
采用上述的第二特征编码模块提取到的上一帧的可见光图像的多尺度特征为:Q1、Q2、Q3及Q4。其过程与第一特征编码模块提取当前帧的可见光图像的多尺度特征的过程类似,此处不再赘述。采用内容编码模块提取到上一帧的可见光图像的多尺度全局上下文信息为:f1、f2、f3及f4。
具体的,基于第一多尺度特征、第二多尺度特征及多尺度全局上下文信息生成光流图的方式可以是:将第一多尺度特征和第二多尺度特征按照尺度进行融合,获得多尺度相关信息;根据上一帧光流信息、当前帧光流信息及上一帧的可见光图像像素点的位置信息确定当前帧图像各像素点的搜索区域;根据搜索区域在多尺度相关信息中进行搜索像素点,获得多尺度搜索特征;将多尺度搜索特征和多尺度全局上下文信息进行融合,获得光流图。
其中,各尺度的特征可以由矩阵或向量表征。将第一多尺度特征和第二多尺度特征按照尺度进行融合的方式可以是:将第一多尺度特征对应的矩阵和第二多尺度特征对应的矩阵进行点积运算,获得多尺度的相关信息。即将P1与Q1进行点积运算,将P2与Q2进行点积运算,将P3与Q3进行点积运算,将P4与Q4进行点积运算,从而获得四个尺度的相关信息。
其中,根据上一帧光流信息、当前帧光流信息及上一帧的可见光图像像素点的位置信息确定当前帧图像各像素点的搜索区域的方式可以是:假设上一帧的可见光图像像素点的位置信息为m=(p,q),上一帧光流信息为L1,当前帧光流信息为L2,则上一帧可见光图像中的各像素点映射到当前帧中,可以表示为:m1=(p+L1,q+L2),则搜索区域可以表示为N(m1)={m1+dx|||dx||≤r},其中,r为搜索半径。
具体的,根据搜索区域在多尺度相关信息中进行搜索像素点,获得多尺度搜索特征的方式可以是:首先将各尺度的相关信息分别卷积核大小分别为1、2、4、8以及同等步幅的卷积层进行平均池化,得到简化后的相关信息;然后基于搜索区域在简化后的相关信息中搜索像素点,获得多尺度搜索特征。
具体的,将多尺度搜索特征和多尺度全局上下文信息进行融合,获得光流图的过程可以是:将最小尺度的搜索特征与最小尺度的全局上下文信息叠加后进行上采样处理,将上采样处理后的特征与下一尺度的搜索特征及最小尺度的全局上下文信息叠加后在进行上采样处理,依次类推,直到所有尺度的搜索特征及全局上下文信息融合完成,从而获得光流图。
S120,对光流图和当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征。
本实施例中,对光流图和当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征的方式可以是:通过特征提取网络对光流图和当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征。
图3是本发明实施例的一种特征提取网络的结构示意图,如图3所示,特征提取网络包括:光流图特征提取子网络和可见光特征提取子网络;光流图特征提取子网络包括多个级联的第一卷积层;可见光特征提取子网络包括多个级联的特征提取模块,特征提取模块与第一卷积层一一对应,且特征提取模块包括第二卷积层和特征监督单元,特征提取模块的输出为各个尺度的多模态特征。第一卷积层的输入为光流图像或者上一个第一卷积层输出的特征;第二卷积层的输入为当前帧可见光图像或者上一个特征监督单元输出的特征;特征监督单元的输入为其对应的第一卷积层的输出及第二卷积层的输出。
其中,第一卷积层和第二卷积层均包括3个3×3的卷积核。
具体的,如图3所示,特征提取网络的处理过程包括:首先将光流图输入第一卷积层,输出光流图特征g1,以及将可见光图像输入第二卷积层,输出可见光图特征r1;然后将光流图特征g1和可将光特征r1输入特征监督单元,输出该尺度的多模态特征R1;接着将光流图特征g1输入下一个第一卷积层,输出光流图特征g2,以及将多模态特征R1输入下一个第二卷积层,输出可见光图特征r2,再然后将将光流图特征g2和可将光特征r2输入下一个特征监督单元,输出多模态特征R2;依次类推,直到数据传输至最后一个特征监督单元,输出最后一个尺度的多模态特征Rn。
示例性的,假设光流图特征提取子网络包括五个级联的第一卷积层,可见光特征提取子网络包括对应的五个级联的特征提取模块,则特征提取网络可以输出五个尺度的多模态特征,分别为R1、R2、R3、R4及R5。且特征提取网络的数据处理过程为:可见光图像与光流图像的尺寸均为H×W×C,其中H为图像高度,W为图像宽度,C为通道数。将光流图输入第一卷积层以及将可见光图像输入第二卷积层,得到可见光图特征r1和光流图特征g1,两图像特征的尺寸变为(H×W)/2,通道数扩展至64位。然后将光流图特征g1和可将光特征r1输入特征监督单元,输出该尺度的多模态特征R1。接着将光流图特征g1输入下一个第一卷积层,以及将多模态特征R1输入下一个第二卷积层,得到可见光图特征r2和光流图特征g2,两图像特征的尺寸变为(H×W)/4,通道数扩展至128位。然后将光流图特征g2和可将光特征r2输入特征监督单元,输出该尺度的多模态特征R2。依次类推,逐步得到可见光图特征r3和光流图特征g3,两图像特征的尺寸变为(H×W)/8,通道数扩展至256位,以及多模态特征R3;得到可见光图特征r3和光流图特征g3,两图像特征的尺寸变为(H×W)/16,通道数扩展至512位,以及多模态特征R4;得到可见光图特征r3和光流图特征g3,两图像特征的尺寸变为(H×W)/32,通道数扩展至1024位,以及多模态特征R5。
其中,特征监督单元包括第一通道级联子单元、多个卷积层、第二通道级联子单元及卷积层;第一通道级联子单元、多个卷积层、第二通道级联子单元及卷积层依次相连,且多个卷积层的中间卷积层的输出与第二通道级联子单元的输入连接。
示例性的,图4是本实施例中的一种特征监督单元的结构示意图,如图4所示,该特征监督单元的数据处理过程为:首先通过一通道级联单元将光流图像特征与可见光图像特征在通道方向进行级联;然后将级联后的特征通过一个3×3的卷积核并进行批归一化;接着继续通过一个1×1的卷积核并进行批归一化后记为t;接着继续通过两个1×1的卷积核后与t通过一个通道级联单元在通道方向上级联;最后将级联后的特征通过一个包含1×1卷积层的自适应平均池化层后送入一个1×1的卷积层,以保证在空间上的特征差异性,并将通道数恢复至与输入的特征通道相同。本实施例中,通过特征监督单元对光流图特征和可将光图特征进行处理,在保留可见光图像丰富的纹理特征信息的同时,利用光流图像对其进行监督,提高实例分割的精度。
S130,对多个尺度的多模态特征进行融合,获得至少一个融合特征。
本实施例中,对多个尺度的多模态特征进行融合,获得至少一个融合特征的方式可以是:通过多尺度特征融合模块对多个尺度的多模态特征进行融合,获得至少一个融合特征。
其中,多尺度特征融合模块包括多个级联的尺度变换单元及多个级联的特征融合单元;尺度变换单元包括至少一个卷积层、上采样层和通道级联子单元;特征融合单元包括至少一个卷积层和通道级联子单元;尺度变换单元中的通道级联子单元与对应的特征监督单元的输出跳跃连接;特征融合单元中的通道级联单元与尺度变换单元中的卷积层的输出或者上采样层的输出跳跃连接。
示例性的,图5是本发明实施例中的一种多尺度特征融合模块的结构示意图,如图5所示,该多尺度特征模块包括两个级联的尺度变换单元及两个级联的特征融合单元;其中,第一个尺度变换单元包括一个卷积层、一个上采样层和一个通道级联子单元,第二尺度变换单元包括两个卷积层、一个上采样层和一个通道级联单元。两个特征融合单元均包括两个卷积层和一个通道级联单元。该特征融合模块的数据处理过程为:将多模态特征R5通过一个3×3的卷积核并进行批归一化,将通道数变为512,图像尺寸不变,记为m1。接着将m1送入一个上采样层,在保证通道数不变的前提下将图像尺寸扩展至(H×W)/16,然后与多模态特征R4在通道方向上进行级联,接着通过两个3×3的卷积层将通道数缩小至256,通过一个上采样卷积层后,将图像尺寸扩展至(H×W)/8,记为m2。然后将m2与多模态特征R3在通道方向上进行级联。接着通过一个3×3的卷积层将通道数缩小至256,记为m3。将m3通过一个3×3的卷积核并进行批归一化,图像尺寸扩展至(H×W)/16,通道数不变。与m2在通道方向上级联,再次通过两个3×3的卷积核,图像尺寸缩小至(H×W)/32,通道数扩展至512,记为X。接收将X与m1在通道方向上进行级联,通过两个3×3的卷积层,图像尺寸缩小至(H×W)/64,通道数扩展至1024,记为Y。其中,X和Y为两个融合特征。
S140,根据至少一个融合特征确定运动目标的分割结果。
具体的,根据至少一个融合特征确定运动目标的分割结果的过程可以是:通过目标分割模块对至少一个融合特征进行处理,获得至少一个候选分割结果及各候选分割结果的损失函数;根据损失函数从至少一个候选分割结果中确定出运动目标最终的分割结果。
其中,目标分割模块包括多个卷积层及池化层,池化层处于卷积层中间。
本实施例中,目标分割模块的处理过程可以是:将X和Y为两个融合特征分别送入一个3×3的卷积核后进行最大池化操作。由于实例分割不仅需要对图中每一个目标打上标签,还需要将属于同一目标的标签使用一个前景蒙版进行覆盖。因此接着将特征通过一个1×1的卷积核后对其通道数进行缩小,最终针对不同结果特征生成一个通道数为4的运动目标的分割结果与一个损失函数。最后将损失函数最小的运动目标的分割结果确定为最终的分割结果。
本实施例的技术方案,基于当前帧的可见光图像和上一帧的可见光图像生成光流图;对光流图和当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;对多个尺度的多模态特征进行融合,获得至少一个融合特征;根据至少一个融合特征确定运动目标的分割结果。本发明实施例提供的运动目标的分割方法,将光流图和可见光图进行多尺度特征提取后进行融合,以获得运动目标的分割结果,提高运动目标的分割精度。
实施例二
图6是本发明实施例提供的一种运动目标的分割装置的结构示意图,如图6所示,该装置包括:
光流图生成模块610,用于基于当前帧的可见光图像和上一帧的可见光图像生成光流图;
多模态特征获取模块620,用于对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;
融合特征获取模块630,用于对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;
分割结果确定模块640,用于根据所述至少一个融合特征确定运动目标的分割结果。
可选的,光流图生成模块610,还用于:
提取所述当前帧的可见光图像的多尺度特征,作为第一多尺度特征;
提取所述上一帧的可见光图像的多尺度特征,作为第二多尺度特征;
提取所述上一帧的可见光图像的多尺度全局上下文信息;
基于所述第一多尺度特征、所述第二多尺度特征及所述多尺度全局上下文信息生成光流图。
可选的,光流图生成模块610,还用于:
将第一多尺度特征和所述第二多尺度特征按照尺度进行融合,获得多尺度相关信息;
根据上一帧光流信息、当前帧光流信息及上一帧的可见光图像像素点的位置信息确定当前帧图像各像素点的搜索区域;
根据所述搜索区域在所述多尺度相关信息中进行搜索像素点,获得多尺度搜索特征;
将所述多尺度搜索特征和所述多尺度全局上下文信息进行融合,获得光流图。
可选的,多模态特征获取模块620,还用于:
通过特征提取网络对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;其中,所述特征提取网络包括:光流图特征提取子网络和可见光特征提取子网络;所述光流图特征提取子网络包括多个级联的第一卷积层;所述可见光特征提取子网络包括多个级联的特征提取模块,所述特征提取模块与所述第一卷积层一一对应,且所述特征提取模块包括第二卷积层和特征监督单元,所述特征提取模块的输出为各个尺度的多模态特征;
所述第一卷积层的输入为所述光流图像或者上一个第一卷积层输出的特征;所述第二卷积层的输入为所述当前帧可见光图像或者上一个特征监督单元输出的特征;所述特征监督单元的输入为其对应的第一卷积层的输出及第二卷积层的输出。
可选的,所述特征监督单元包括:第一通道级联子单元、多个卷积层、第二通道级联子单元及卷积层;
所述第一通道级联子单元、所述多个卷积层、所述第二通道级联子单元及所述卷积层依次相连,且所述多个卷积层的中间卷积层的输出与所述第二通道级联子单元的输入连接。
可选的,融合特征获取模块630,还用于:
通过多尺度特征融合模块对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;其中,所述多尺度特征融合模块包括多个级联的尺度变换单元及多个级联的特征融合单元;所述尺度变换单元包括至少一个卷积层、上采样层和通道级联子单元;所述特征融合单元包括至少一个卷积层和通道级联子单元;所述尺度变换单元中的通道级联子单元与对应的特征监督单元的输出跳跃连接;所述特征融合单元中的通道级联单元与所述尺度变换单元中的卷积层的输出或者上采样层的输出跳跃连接。
可选的,分割结果确定模块640,还用于:
通过目标分割模块对所述至少一个融合特征进行处理,获得至少一个候选分割结果及各候选分割结果的损失函数;其中,所述目标分割模块包括多个卷积层及池化层,所述池化层处于所述卷积层中间;
根据所述损失函数从所述至少一个候选分割结果中确定出运动目标最终的分割结果。
上述装置可执行本发明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,可参见本发明前述所有实施例所提供的方法。
实施例三
图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如运动目标的分割方法。
在一些实施例中,运动目标的分割方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的运动目标的分割方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行运动目标的分割方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明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,并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种运动目标的分割方法,其特征在于,包括:
基于当前帧的可见光图像和上一帧的可见光图像生成光流图;
对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;
对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;
根据所述至少一个融合特征确定运动目标的分割结果。
2.根据权利要求1所述的方法,其特征在于,基于当前帧的可见光图像和上一帧的可见光图像生成光流图,包括:
提取所述当前帧的可见光图像的多尺度特征,作为第一多尺度特征;
提取所述上一帧的可见光图像的多尺度特征,作为第二多尺度特征;
提取所述上一帧的可见光图像的多尺度全局上下文信息;
基于所述第一多尺度特征、所述第二多尺度特征及所述多尺度全局上下文信息生成光流图。
3.根据权利要求2所述的方法,其特征在于,基于所述第一多尺度特征、所述第二多尺度特征及所述多尺度全局上下文信息生成光流图,包括:
将第一多尺度特征和所述第二多尺度特征按照尺度进行融合,获得多尺度相关信息;
根据上一帧光流信息、当前帧光流信息及上一帧的可见光图像像素点的位置信息确定当前帧图像各像素点的搜索区域;
根据所述搜索区域在所述多尺度相关信息中进行搜索像素点,获得多尺度搜索特征;
将所述多尺度搜索特征和所述多尺度全局上下文信息进行融合,获得光流图。
4.根据权利要求1所述的方法,其特征在于,对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征,包括:
通过特征提取网络对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;其中,所述特征提取网络包括:光流图特征提取子网络和可见光特征提取子网络;所述光流图特征提取子网络包括多个级联的第一卷积层;所述可见光特征提取子网络包括多个级联的特征提取模块,所述特征提取模块与所述第一卷积层一一对应,且所述特征提取模块包括第二卷积层和特征监督单元,所述特征提取模块的输出为各个尺度的多模态特征;
所述第一卷积层的输入为所述光流图像或者上一个第一卷积层输出的特征;所述第二卷积层的输入为所述当前帧可见光图像或者上一个特征监督单元输出的特征;所述特征监督单元的输入为其对应的第一卷积层的输出及第二卷积层的输出。
5.根据权利要求4所述的方法,其特征在于,所述特征监督单元包括:第一通道级联子单元、多个卷积层、第二通道级联子单元及卷积层;
所述第一通道级联子单元、所述多个卷积层、所述第二通道级联子单元及所述卷积层依次相连,且所述多个卷积层的中间卷积层的输出与所述第二通道级联子单元的输入连接。
6.根据权利要求1所述的方法,其特征在于,对所述多个尺度的多模态特征进行融合,获得至少一个融合特征,包括:
通过多尺度特征融合模块对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;其中,所述多尺度特征融合模块包括多个级联的尺度变换单元及多个级联的特征融合单元;所述尺度变换单元包括至少一个卷积层、上采样层和通道级联子单元;所述特征融合单元包括至少一个卷积层和通道级联子单元;所述尺度变换单元中的通道级联子单元与对应的特征监督单元的输出跳跃连接;所述特征融合单元中的通道级联单元与所述尺度变换单元中的卷积层的输出或者上采样层的输出跳跃连接。
7.根据权利要求1所述的方法,其特征在于,根据所述至少一个融合特征确定运动目标的分割结果,包括:
通过目标分割模块对所述至少一个融合特征进行处理,获得至少一个候选分割结果及各候选分割结果的损失函数;其中,所述目标分割模块包括多个卷积层及池化层,所述池化层处于所述卷积层中间;
根据所述损失函数从所述至少一个候选分割结果中确定出运动目标最终的分割结果。
8.一种运动目标的分割装置,其特征在于,包括:
光流图生成模块,用于基于当前帧的可见光图像和上一帧的可见光图像生成光流图;
多模态特征获取模块,用于对所述光流图和所述当前帧的可见光图像进行多尺度的特征提取,获得多个尺度的多模态特征;
融合特征获取模块,用于对所述多个尺度的多模态特征进行融合,获得至少一个融合特征;
分割结果确定模块,用于根据所述至少一个融合特征确定运动目标的分割结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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1-7中任一项所述的运动目标的分割方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的运动目标的分割方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311496709.0A CN117475153A (zh) | 2023-11-09 | 2023-11-09 | 运动目标的分割方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311496709.0A CN117475153A (zh) | 2023-11-09 | 2023-11-09 | 运动目标的分割方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117475153A true CN117475153A (zh) | 2024-01-30 |
Family
ID=89632726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311496709.0A Pending CN117475153A (zh) | 2023-11-09 | 2023-11-09 | 运动目标的分割方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117475153A (zh) |
-
2023
- 2023-11-09 CN CN202311496709.0A patent/CN117475153A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113033537B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
US11841921B2 (en) | Model training method and apparatus, and prediction method and apparatus | |
CN113379627B (zh) | 图像增强模型的训练方法和对图像进行增强的方法 | |
CN112597837B (zh) | 图像检测方法、装置、设备、存储介质和计算机程序产品 | |
CN114550177B (zh) | 图像处理的方法、文本识别方法及装置 | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
CN114511041B (zh) | 模型训练方法、图像处理方法、装置、设备和存储介质 | |
CN111967297A (zh) | 图像的语义分割方法、装置、电子设备及介质 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN111563541B (zh) | 图像检测模型的训练方法和装置 | |
CN113378958A (zh) | 自动标注方法、装置、设备、存储介质及计算机程序产品 | |
CN113870399A (zh) | 表情驱动方法、装置、电子设备及存储介质 | |
CN113902696A (zh) | 图像处理方法、装置、电子设备和介质 | |
CN112561879A (zh) | 模糊度评价模型训练方法、图像模糊度评价方法及装置 | |
CN114202648B (zh) | 文本图像矫正方法、训练方法、装置、电子设备以及介质 | |
CN111709428A (zh) | 图像中关键点位置的识别方法、装置、电子设备及介质 | |
CN111815748B (zh) | 一种动画处理方法、装置、存储介质及电子设备 | |
CN112560936A (zh) | 模型并行训练方法、装置、设备、存储介质和程序产品 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN113139463B (zh) | 用于训练模型的方法、装置、设备、介质和程序产品 | |
CN114494782B (zh) | 图像处理方法、模型训练方法、相关装置及电子设备 | |
CN113177483B (zh) | 视频目标分割方法、装置、设备以及存储介质 | |
CN113361519B (zh) | 目标处理方法、目标处理模型的训练方法及其装置 | |
CN113361575B (zh) | 模型训练方法、装置和电子设备 |
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 |