[發明專利]一種場景運動目標分割方法、系統、存儲介質及設備

有效

• 申請號: 201811548682.4
• 申請日: 2018-12-18
• 公開（公告）號: CN109447082B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 姚劍;董穎青;涂靜敏;常娟
• 申請（專利權）人: 武漢尺子科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06T7/269
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 楊立;楊彩蘭

1.一種場景運動目標分割方法，其特征在于,包括如下步驟:

步驟1:將兩幅具有時間差的待拼接影像組成影像對,并對所述影像對中每個前景目標進行分割,得到每個所述前景目標的實例分割結果和實例分割坐標位置；

步驟2:根據每個所述前景目標的實例分割坐標位置切割其對應的所述待拼接影像,得到每個所述前景目標的原影像區域信息；

步驟3:確定所述影像對中每個所述前景目標的光流場信息；

步驟4：根據每個所述前景目標的原影像區域信息、實例分割結果和所述光流場信息確定對應所述前景目標的運動狀態類型；

步驟5：將待拼接影像中每個所述前景目標的實例分割結果、實例分割坐標位置和運動狀態類型進行一一映射和標注，得到運動目標分割結果；

所述步驟3具體包括：

步驟31：將所述影像對輸入基于深度學習光流生成網絡模型，分別得到所述影像對的前向光流場和后向光流場；

步驟32：根據每個所述前景目標的實例分割坐標位置對所述影像對的前向光流場和后向光流場分別進行切割，得到每個所述前景目標的光流場；

所述步驟4具體包括：

步驟41：將每個所述前景目標的原影像區域信息、光流場以及實例分割結果進行合并，得到所述前景目標對應的運動狀態提取信息；

步驟42：將每個所述前景目標的運動狀態提取信息輸入至運動狀態分類網絡模型，得到每個所述前景目標的運動狀態類型。

2.根據權利要求1所述的場景運動目標分割方法，其特征在于,所述步驟1中，所述對所述影像對中每個前景目標進行分割具體包括：

步驟11：將具有時間差的所述影像對輸入基于深度學習的實例分割網絡模型，得到每幅所述待拼接影像中的每個前景目標對應的初次分割結果及初次坐標位置；

步驟12：對每個所述前景目標的初次坐標位置向四周擴展，得到每個所述前景目標的再次搜索備選區域，并輸入所述基于深度學習的實例分割網絡模型，得到每個所述前景目標的優化分割結果和優化坐標位置；

步驟13：將每個所述前景目標的初次分割結果與優化分割結果合并,得到每個所述前景目標的實例分割結果,將每個所述前景目標的初次坐標位置和優化坐標位置合并，得到每個所述前景目標的實例分割坐標位置。

3.根據權利要求1所述的場景運動目標分割方法，其特征在于,所述步驟5具體包括：

步驟51：獲取每個所述前景目標的名稱，并根據每個所述前景目標的名稱將所述前景目標的運動狀態類型與對應的實例分割坐標位置進行一一匹配；

步驟52：根據所述前景目標的名稱搜尋與所述原影像區域信息相匹配的每個所述前景目標；

步驟53：建立與所述原影像區域信息尺寸大小相同的空影像，并根據所述前景目標的實例分割坐標位置將與所述前景目標的原影像區域信息相匹配的所述前景目標對應的掩模影像返回至對應的空影像上；

步驟54：將每個所述前景目標的原影像和對應的掩模影像以預設透明度進行合成，并將合成后的影像中的每個所述前景目標的分類種類和運動種類進行標注，利用矩形框標記每個所述前景目標所在位置并形成包圍盒，得到運動目標分割結果。

4.根據權利要求3所述的場景運動目標分割方法，其特征在于,所述步驟53中，將與所述前景目標的原影像區域信息相匹配的實例分割結果返回至對應的空影像上，還將不同所述前景目標賦予不用的顏色。

5.根據權利要求3所述的場景運動目標分割方法，其特征在于,所述步驟54中，采用不同顏色的矩形框標記每個所述前景目標所在位置并形成包圍盒。