[发明专利]背景分割的方法、装置及计算机存储介质

说明书

本发明实施例提供了一种背景分割的方法、装置及计算机存储介质，该方法包括：获取待处理图片；使用预先训练好的神经网络，对待处理图片进行卷积操作，该卷积输出为包含N个通道的特征映射，该特征映射表示待处理图片中的像素点所在的邻域给出的该像素点属于前景或背景的概率值；基于该卷积输出，使用投票策略，确定每个像素点属于前景或属于背景的概率；根据每个像素点的概率，确定待处理图片的前景区域。本发明实施例使用预先训练好的神经网络，对待处理图片进行卷积操作，并使用投票策略，确定各个像素点属于前景还是背景，从而实现背景分割。该方法的稳定性高，且能够在确保实时性的情况下使得整个系统的性能得到极大地提升。

技术领域

本发明涉及图像处理领域，更具体地涉及一种背景分割的方法、装置及计算机存储介质。

背景技术

背景分割在直播视频等各个领域有着广泛的应用，其目的在于把前景的内容(如人像或其他特定物体)与背景的环境分割开，并在此基础之上加入特定的特效，达到更好的展示和娱乐效果。传统的背景分割方案一般基于普通的先验知识，或者将整张图直接输入，来得到最后的分割结果。然而，目前的背景分割的输出不稳定，并且在速度方面由于引入了较多的计算复杂度，常常会非实时性。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种背景分割的方法、装置及计算机存储介质，该方法的稳定性高，且能够在确保实时性的情况下使得整个系统的性能得到极大地提升。

根据本发明的第一方面，提供了一种背景分割的方法，包括：

获取待处理图片；

使用预先训练好的神经网络，对所述待处理图片进行卷积操作，得到卷积输出，所述卷积输出为包含N个通道的特征映射，所述N个通道的特征映射表示所述待处理图片中的像素点所在的邻域给出的所述像素点属于前景或背景的概率值，其中所述邻域包括m×m个像素点，m为大于1的奇数且N＝m×m；

基于所述卷积输出，使用投票策略，确定每个像素点属于前景或属于背景的概率；

根据所述每个像素点的所述概率，确定所述待处理图片的前景区域。

示例性地，所述投票策略是根据所述待处理图片的特点自适应地确定的。

示例性地，所述投票策略包括少数服从多数策略、平均投票策略和高斯加权投票策略中的至少一种。

示例性地，在所述方法之前，还包括：

获取多张图片，所述多张图片中的每一张图片包括标注信息，所述标注信息用于表示所述对应图片中的背景和前景；

根据所述多张图片，通过机器学习的训练方法得到所述神经网络。

示例性地，所述投票策略为高斯加权投票策略，在所述方法之前，还包括：

获取多张图片，所述多张图片中的每一张图片包括标注信息，所述标注信息用于表示所述对应图片中的背景和前景；

根据所述多张图片，通过机器学习的训练方法得到所述高斯加权投票策略的各个权重参数。

示例性地，所述使用预先训练好的神经网络，对所述待处理图片进行卷积操作，得到卷积输出，包括：

使用预先训练好的神经网络，对所述待处理图片进行卷积操作，得到卷积操作的输出，所述卷积操作的输出为包括c个通道的特征映射；

对所述卷积操作的输出再次进行卷积操作，得到所述卷积输出，所述卷积输出为包含N个通道的特征映射。

示例性地，m＝3，N＝9。

第二方面，提供了一种背景分割的装置，包括：

获取模块，用于获取待处理图片；