[发明专利]运动目标分割方法及装置

权利要求书

1.一种运动目标分割方法，其特征在于，应用于图像处理设备，所述图像处理设备预存有用于进行运动目标分割的CNN模型，所述方法包括：

针对待分割视频的当前图像帧，将所述当前图像帧以及从所述当前图像帧之前的预设数量帧图像中分割出的运动目标轮廓输入所述CNN模型进行处理，得到所述当前图像帧的多个特征图，所述多个特征图包括所述运动目标的运动时序特征图及底层图像特征图；其中，所述运动时序特征图用于表征人像的运动方向、运动速率及形变情况信息，所述底层图像特征图用于表征所述人像的纹理特征、边缘特征、轮廓特征；

对所述多个特征图进行处理，得到并输出所述运动目标在所述当前图像帧中的轮廓。

2.根据权利要求1所述的方法，其特征在于，所述CNN模型包括由卷积层和池化层组成的多个组合，所述多个组合依次连接，前一组合中的池化层的输出是下一组合中的卷积层的输入；所述多个特征图由多个不同的卷积层输出；

所述对所述多个特征图进行处理，得到并输出所述运动目标在所述当前图像帧中的轮廓，包括：

将所述多个特征图归一化到相同尺度；

通过级联的方式对相同尺度的所述多个特征图进行融合，得到并输出所述运动目标在所述当前图像帧中的轮廓。

3.根据权利要求2所述的方法，其特征在于，所述通过级联的方式对相同尺度的所述多个特征图进行融合，得到并输出所述运动目标在所述当前图像帧中的轮廓，包括：

根据所述运动时序特征图计算出所述运动目标在所述当前图像帧中的轮廓所在范围；

根据所述底层图像特征图对所述轮廓所在范围进行校正，得到并输出所述运动目标在所述当前图像帧中的轮廓。

4.根据权利要求2所述的方法，其特征在于，所述将所述多个特征图归一化到相同尺度，包括：

通过反卷积层对所述多个特征图进行尺度变换，从而得到相同尺度的所述多个特征图。

5.根据权利要求1-4任一项所述的方法，其特征在于，输入所述CNN模型的相邻两帧图像之间的时间间隔不超过30毫秒。

6.一种运动目标分割装置，其特征在于，应用于图像处理设备，所述图像处理设备预存有用于进行运动目标分割的CNN模型，所述装置包括：

输入模块，用于针对分割视频的当前图像帧，将所述当前图像帧以及从所述当前图像帧之前的预设数量帧图像中分割出的运动目标轮廓输入所述CNN模型进行处理，得到所述当前图像帧的多个特征图，所述多个特征图包括所述运动目标的运动时序特征图及底层图像特征图；其中，所述运动时序特征图用于表征人像的运动方向、运动速率及形变情况信息，所述底层图像特征图用于表征所述人像的纹理特征、边缘特征、轮廓特征；

处理模块，用于对所述多个特征图进行处理，得到并输出所述运动目标在所述当前图像帧中的轮廓。

7.根据权利要求6所述的装置，其特征在于，所述CNN模型包括由卷积层和池化层组成的多个组合，所述多个组合依次连接，前一组合中的池化层的输出是下一组合中的卷积层的输入；所述多个特征图由多个不同的卷积层输出；所述处理模块包括：

归一化子模块，用于将所述多个特征图归一化到相同尺度；

融合子模块，用于通过级联的方式对相同尺度的所述多个特征图进行融合，得到并输出所述运动目标在所述当前图像帧中的轮廓。

8.根据权利要求7所述的装置，其特征在于，所述处理模块根据所述运动时序特征图计算出所述运动目标在所述当前图像帧中的轮廓所在范围，并根据所述底层图像特征图对所述轮廓所在范围进行校正，以实现通过级联的方式对相同尺度的所述多个特征图进行融合，从而得到并输出所述运动目标在所述当前图像帧中的轮廓。

9.根据权利要求7所述的装置，其特征在于，所述处理模块通过反卷积层对所述多个特征图进行尺度变换，从而得到相同尺度的所述多个特征图。

10.根据权利要求6-9任一项所述的装置，其特征在于，输入所述CNN模型的相邻两帧图像之间的时间间隔不超过30毫秒。