目标图像分割方法、装置及终端设备制造方法及图纸

本申请适用于目标图像分割技术领域，提供了目标图像分割方法、装置及终端设备，包括：获取视频图像；采用轻量级卷积神经网络对所述视频图像的第1帧进行分割，得到目标图像；采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域；采用所述轻量级卷积神经网络对所述目标图像的跟踪区域进行分割，得到所述目标图像。通过上述方法能够提高目标图像分割的速度。

Target Image Segmentation Method, Device and Terminal Equipment

The application is applicable to the technical field of target image segmentation, and provides a target image segmentation method, device and terminal equipment, including: acquiring video images; segmenting the first frame of the video image using a lightweight convolution neural network to obtain the target image; and tracking the target image of the subsequent frame of the video image using a preset target tracking method to obtain the object image. The tracking area of the target image is segmented by the lightweight convolution neural network, and the target image is obtained. The above method can improve the speed of target image segmentation.

【技术实现步骤摘要】
目标图像分割方法、装置及终端设备
本申请属于目标图像分割
，尤其涉及目标图像分割方法、目标图像分割装置、终端设备及计算机可读存储介质。
技术介绍
图像分割是指将目标从图像中分割出来的操作。将目标从图像分割出来后，可分别对目标以及目标分割后的图像执行相应的处理。例如，若用户对图像的前景和背景有不同的处理要求，则需要分割图像的前景和背景。现有的目标分割方法主要用于处理单张图像，例如，采用MaskRCNN分割目标时能够提高目标分割的精确度，目标分割效果非常好，但是处理速度非常慢，特别是对于高分辨率图像来说，即使进行GPU加速也存在读写过慢的问题。故，有必要提供一种新的方法以解决上述技术问题。
技术实现思路
有鉴于此，本申请实施例提供了一种目标图像分割方法，以解决现有技术中在分割目标图像时速度过慢的问题。本申请实施例的第一方面提供了一种目标图像分割方法，包括：获取视频图像；采用轻量级卷积神经网络对所述视频图像的第1帧进行分割，得到目标图像；采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域；采用所述轻量级卷积神经网络对所述目标图像的跟踪区域进行分割，得到所述目标图像。本申请实施例的第二方面提供了一种目标图像分割装置，包括：视频图像获取单元，用于获取视频图像；第1帧图像分割单元，用于采用轻量级卷积神经网络对所述视频图像的第1帧进行分割，得到目标图像；跟踪区域确定单元，用于采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域；跟踪区域分割单元，用于采用所述轻量级卷积神经网络对所述目标图像的跟踪区域进行分割，得到所述目标图像。本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述目标图像分割方法的步骤。本申请实施例的第四方面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程序，所述计算机程序被处理器执行时实现如所述目标图像分割方法的步骤。本申请实施例与现有技术相比存在的有益效果是：由于第1帧的目标图像通过轻量级卷积神经网络分割得到，因此能够快速识别出第1帧的目标图像，并且，由于后续帧采用预设的目标跟踪方法确定目标图像的跟踪区域，因此，使得轻量级卷积神经网络只需对所述目标图像的跟踪区域进行分割就能得出目标图像，无需从整个帧中分割目标图像，从而极大减少了整个视频图像分割目标图像的运算量，提高目标图像分割的速度。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例一提供的第一种目标图像分割方法的流程图；图2是本申请实施例一提供的目标图像的跟踪区域的示意图；图3是本申请实施例二提供的第二种目标图像分割方法的流程图；图4是本申请实施例三提供的第三种目标图像分割方法的流程图；图5是本申请实施例四提供的一种目标图像分割装置的结构示意图；图6是本申请实施例五提供的终端设备的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。具体实现中，本申请实施例中描述的移动终端包括但不限于诸如具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的移动电话、膝上型计算机或平板计算机之类的其它便携式设备。还应当理解的是，在某些实施例中，上述设备并非便携式通信设备，而是具有触摸敏感表面(例如，触摸屏显示器和/或触摸板)的台式计算机。在接下来的讨论中，描述了包括显示器和触摸敏感表面的移动终端。然而，应当理解的是，移动终端可以包括诸如物理键盘、鼠标和/或控制杆的一个或多个其它物理用户接口设备。移动终端支持各种应用程序，例如以下中的一个或多个：绘图应用程序、演示应用程序、文字处理应用程序、网站创建应用程序、盘刻录应用程序、电子表格应用程序、游戏应用程序、电话应用程序、视频会议应用程序、电子邮件应用程序、即时消息收发应用程序、锻炼支持应用程序、照片管理应用程序、数码相机应用程序、数字摄影机应用程序、web浏览应用程序、数字音乐播放器应用程序和/或数字视频播放器应用程序。可以在移动终端上执行的各种应用程序可以使用诸如触摸敏感表面的至少一个公共物理用户接口设备。可以在应用程序之间和/或相应应用程序内调整和/或改变触摸敏感表面的一个或多个功能以及终端上显示的相应信息。这样，终端的公共物理架构(例如，触摸敏感表面)可以支持具有对用户而言直观且透明的用户界面的各种应用程序。另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。实施例一：图1示出了本申请实施例一提供的第一种目标图像分割方法的流程图，详述如下：步骤S11，获取视频图像；其中，本实施例的视频图像可以为已拍摄的视频图像，也可以为正在拍摄的视频图像。需要指出的是，当用户将已拍摄的多张图片合成一个视频流时，该视频流对应的图片也为本实施例的视频图像。步骤S12，采用轻量级卷积神经网络对所述视频图像的第1帧进行分割，得到目标图像；其中，这里的目标图像可以为前景中的目标图像，也可以为背景中的目标图像，具体根据用户需求设定。该步骤中，预先对轻量级卷积神经网络进行训练，使得训练后的轻量级卷积神经网络能够识别指定的目标图像，从而在采用训练后的轻量级卷积神经网络对视频图像的第1帧进行分割时，能够识别该指定的目标图像。由于采用轻量级卷积神经网络分割出目标图像，而轻量级卷积神经网络的识别速度较快，因此能够快速识别出第1帧的目标图像。可选地，这里的轻量级卷积神经本文档来自技高网...

【技术保护点】
1.一种目标图像分割方法，其特征在于，包括：获取视频图像；采用轻量级卷积神经网络对所述视频图像的第1帧进行分割，得到目标图像；采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域；采用所述轻量级卷积神经网络对所述目标图像的跟踪区域进行分割，得到所述目标图像。

【技术特征摘要】
1.一种目标图像分割方法，其特征在于，包括：获取视频图像；采用轻量级卷积神经网络对所述视频图像的第1帧进行分割，得到目标图像；采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域；采用所述轻量级卷积神经网络对所述目标图像的跟踪区域进行分割，得到所述目标图像。2.如权利要求1所述的目标图像分割方法，其特征在于，所述目标图像分割方法还包括：若采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像失败，则采用所述轻量级卷积神经网络对所述视频图像的后续帧进行分割，得到新的所述目标图像。3.如权利要求1所述的目标图像分割方法，其特征在于，所述采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域，包括：判断所述视频图像的后续帧是否为I帧；若所述视频图像的后续帧为I帧，则采用所述预设的目标跟踪方法跟踪所述I帧的所述目标图像，得到所述目标图像的跟踪区域。4.如权利要求1所述的目标图像分割方法，其特征在于，所述采用预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域，包括：判断所述视频图像对应的场景是否为预设场景，若为预设场景，采用第一预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域，其中，所述预设场景为已知噪声的场景；若不为预设场景，采用第二预设的目标跟踪方法跟踪所述视频图像的后续帧的所述目标图像，得到所述目标图像的跟踪区域。5.如权利要求1至4任一项所述的目标图像分割方法，其特征在于，所述获取视频图像，包括：检测是否接收到视频拍...

【专利技术属性】
技术研发人员：张弓，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44