一种前景目标的提取方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种前景目标的提取方法、装置、设备及存储介质。该方法包括：根据至少一帧输入图像的梯度特征获取第一前景轮廓，以及根据至少一帧输入图像的颜色特征获取第二前景轮廓；提取所述第一前景轮廓中满足第一预设条件的角点，作为目标角点；根据所述第二前景轮廓生成低阈值边缘图曲线；按照所述低阈值边缘曲线连接所述目标角点，并对连接得到的前景轮廓进行填充，获得最终前景目标。本发明专利技术实施例通过分别根据梯度特征和颜色特征进行前景轮廓提取，结合两个前景轮廓，确定最终的前景目标，能够很好地克服现有技术中的前景提取算法不能很好地适应各种情形的问题，能够更准确地去除背景，获得前景目标。

Method for extracting foreground target, device, equipment and storage medium

The embodiment of the invention discloses a method for extracting foreground targets, a device, an equipment and a storage medium. The method comprises: acquiring a first outline according to the gradient features of at least one input image, and acquiring a second outline according to the color features of at least one input image; extracting corners satisfying the first preset condition in the first outline as target corners; and generating a low outline according to the second outline; Threshold edge graph curve; according to the low threshold edge curve, the target corner is connected, and the connected foreground contour is filled to obtain the final foreground target. The embodiment of the invention determines the final foreground target by extracting the foreground contour according to the gradient feature and the color feature respectively and combining the two foreground contours, which can overcome the problem that the foreground extraction algorithm in the prior art can not well adapt to various situations, and can more accurately remove the background and obtain the foreground target. Mark.

【技术实现步骤摘要】
一种前景目标的提取方法、装置、设备及存储介质
本专利技术实施例涉及图像处理技术，尤其涉及一种前景目标的提取方法、装置、设备及存储介质。
技术介绍
在视频处理领域，背景去除是视频处理的基本问题，广泛应用于视频监控等领域。目前大多数的背景去除算法，或称变化检测算法或前景提取算法，都是像素级的，例如混合高斯模型法、Vibe、SubSense等算法。这些算法虽然运算速度较快，但是也存在一定的缺陷，不能很好地适应现实中的各种情形，比如相机噪声、光照变化、前景目标伪装、动态背景或BootStrap情形等；并且这些算法需要较长的建模和适应过程。因此，如何研究提出一种准确的背景去除方法是亟待解决的课题。
技术实现思路
本专利技术实施例提供一种前景目标的提取方法、装置、设备及存储介质，以实现在多种情形下进行准确的背景去除，得到更符合真实情况的前景目标。第一方面，本专利技术实施例提供了一种前景目标的提取方法，该方法包括：根据至少一帧输入图像的梯度特征获取第一前景轮廓，以及根据至少一帧输入图像的颜色特征获取第二前景轮廓；提取所述第一前景轮廓中满足第一预设条件的角点，作为目标角点；根据所述第二前景轮廓生成低阈值边缘图曲线；按照所述低阈值边缘曲线连接所述目标角点，并对连接得到的前景轮廓进行填充，获得最终前景目标。第二方面，本专利技术实施例还提供了一种前景目标的提取装置，该装置包括：轮廓获取模块，用于根据至少一帧输入图像的梯度特征获取第一前景轮廓，以及根据至少一帧输入图像的颜色特征获取第二前景轮廓；角点提取模块，用于提取所述第一前景轮廓中满足第一预设条件的角点，作为目标角点；曲线生成模块，用于根据所述第二前景轮廓生成低阈值边缘图曲线；前景获取模块，用于按照所述低阈值边缘曲线连接所述目标角点，并对连接得到的前景轮廓进行填充，获得最终前景目标。第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术任意实施例中任一所述的方法。第四方面，本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例中任一所述的方法。本专利技术实施例的技术方案，通过分别根据梯度特征和颜色特征进行前景轮廓提取，结合两个前景轮廓，确定最终的前景目标，能够很好地克服现有技术中的前景提取算法不能很好地适应各种情形的问题，能够更准确地去除背景，获得前景目标。附图说明图1是本专利技术实施例一提供的一种前景目标的提取方法的流程图；图2是本专利技术实施例二提供的一种前景目标的提取装置的结构示意图；图3是本专利技术实施例三提供的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术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专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一对于视频画面而言，轮廓、颜色或纹理，均是人眼主要感知的特征，轮廓能够克服像素级的背景去除方法的缺陷。本专利技术实施例提供一种基于轮廓提取的前景目标提取方法，具体地，图1是本专利技术实施例一提供的一种前景目标的提取方法的流程图，本实施例可适用于对视频进行处理的情况，该方法可以由前景目标的提取装置来执行，该装置可由软件和/或硬件来实现，该方法具体包括如下步骤：S110、根据至少一帧输入图像的梯度特征获取第一前景轮廓，以及根据至少一帧输入图像的颜色特征获取第二前景轮廓。其中，第一前景轮廓可以理解为基于梯度特征提取到的前景目标的粗略轮廓，若需要更为细致的轮廓，需要结合第二情景轮廓，对轮廓进行补齐。可以理解的是，获取第一前景轮廓与获取第二前景轮廓的过程可以相同，区别提醒在需要将获取第一前景轮廓时采用的梯度特征，替换为颜色特征。可选的，所述根据至少一帧输入图像的梯度特征获取第一前景轮廓，包括：初始化至少一个背景模型，保存与所述背景模型对应的置信度矩阵；迭代更新所述背景模型和所述置信度矩阵，直至遍历所有输入图像；选取满足第二预设条件的背景模型作为待比较背景模型；将所述输入图像与所述待比较背景模型进行比较，提取第一前景轮廓。具体地，根据第一帧输入图像，进行背景模型Bi的初始化，i＝[1,M]，M为背景模型的个数，可选的，M的值可以取5。每个背景模型Bi都是与输入图像大小相同的矩阵。相当于每个像素位置处都保存其附近M个像素的梯度特征值来作为背景模型。同时，保持M个同样大小的矩阵，对应每个模型作为背景的置信度矩阵，记为Wi，Wi中每个像素的值区间为[0,1]。在新的一帧输入图像输入时，迭代更新背景模型和置信度矩阵，具体过程可以是：首先计算输入图像与背景模型的梯度特征差异函数，具体可以按照以下方式进行计算：r为正奇数，p为自然数，典型的设置可以为r＝3，p＝2。需要说明的是，将r设为正奇数时，基于梯度特征进行提取，可以提取出前景中梯度大于背景的部分，在针对BootStrap情形，例如图中的目标在视频开始之后突然移动的情形，能够清楚地提取出属于前景部分的目标，并且梯度特征在光照发生变化的时候并不敏感，结果更加稳健。而表示梯度特征，计算方式为在计算梯度特征差异函数后，确定差异函数最小值对应的背景模型的序号m。在迭代更新背景模型的过程中，各背景模型的更新方式相同，采用如下公式进行迭代更新所述背景模型：其中，t是当前输入图像的时间序号，αc为常数，表示的是输入图像，是时间序号为t的输入图像对应的背景模型。而在更新迭代置信度矩阵的过程中，对于对应于最小差异函数的背景模型，也就是序号m的背景模型，采用i＝m这一公式进行迭代更新置信度矩阵。而对于除m以外的背景模型，采用，i≠m这一公式进行置信度矩阵的迭代更新。当背景模型和置信度矩阵迭代更新遍历所有输入图像后，按照一定条件选取其中的一部分背景模型作为待比较背景模型，具体可以是将置信度矩阵中的置信度进行降序排序，将排序后队列中置信度的累加和占总比为Tp以内的背景模型作为待比较模型，Tp具体可以选为85％，待比较模型的个数可以是M。计算待比较模型和输入图像之间的差异函数，并计算差异函数最小值即i∈[1,M]。再利用来确定第一前景轮廓具体地，所述提取第一前景轮廓，具体为：根据公式获取第一前景轮廓；其中，表示第一前景轮廓，i∈[1,M]，Tf为常数，一般可取105。通过这种机制，在达到稳定时，静态的区域将只会有一个模型在起作用，而存在动态背景的区域将会有多个模型在起作用。另外，为了达到更好的效果，也可以采用相应措施去除噪声的影响，可对进行去除小面积连通区域的处理，例如可将面积小于5个像素的连通区域去除。S120、提取所述第一前景轮廓中满足第一预设条件的角点，作为目标角点。其中，可以采用Harris角点提取算法进行第一前景轮廓中角点的确定，再按照预设条件进行目标角点的选取。第一预设条件可以根据实际需求进行确定，例如可以是距离不超过一定数值的角点，该数值可以根据图像大小和目标大小进行确定。优选地，还可以在提取目标角点之前，还可以对第一前景轮廓应用填充算法，具体为S130、根据所述第二前景轮廓生成低阈值边缘图曲线。本实施例中，采用以上方式获取第一前景轮廓后，第一前景轮廓能够体现处前景目标的大部分本文档来自技高网...

【技术保护点】
1.一种前景目标的提取方法，其特征在于，包括：根据至少一帧输入图像的梯度特征获取第一前景轮廓，以及根据至少一帧输入图像的颜色特征获取第二前景轮廓；提取所述第一前景轮廓中满足第一预设条件的角点，作为目标角点；根据所述第二前景轮廓生成低阈值边缘图曲线；按照所述低阈值边缘曲线连接所述目标角点，并对连接得到的前景轮廓进行填充，获得最终前景目标。

【技术特征摘要】
1.一种前景目标的提取方法，其特征在于，包括：根据至少一帧输入图像的梯度特征获取第一前景轮廓，以及根据至少一帧输入图像的颜色特征获取第二前景轮廓；提取所述第一前景轮廓中满足第一预设条件的角点，作为目标角点；根据所述第二前景轮廓生成低阈值边缘图曲线；按照所述低阈值边缘曲线连接所述目标角点，并对连接得到的前景轮廓进行填充，获得最终前景目标。2.根据权利要求1所述的方法，其特征在于，所述根据至少一帧输入图像的梯度特征获取第一前景轮廓，包括：初始化至少一个背景模型，保存与所述背景模型对应的置信度矩阵；迭代更新所述背景模型和所述置信度矩阵，直至遍历所有输入图像；选取满足第二预设条件的背景模型作为待比较背景模型；将所述输入图像与所述待比较背景模型进行比较，提取第一前景轮廓。3.根据权利要求2所述的方法，其特征在于，所述迭代更新所述背景模型和所述置信度矩阵，包括：计算所述至少一个输入图像与所述背景模型的梯度特征差异函数；采用如下公式进行迭代更新所述背景模型：其中，t是当前输入图像的时间序号，αc为常数，表示的是输入图像，是时间序号为t的输入图像对应的背景模型；以及，对于对应于最小差异函数的背景模型，采用如下公式迭代更新所述置信度矩阵：其中，i是背景模型的序号，m是对应于最小差异函数的背景模型的序号，是时间序号为t的输入图像对应的序号为m的背景模型的置信度矩阵；对于其他背景模型，采用如下公式进行所述置信度矩阵的迭代：4.根据权利要求2或3所述的方法，其特征在于，所述提取第一前景轮廓，具体为：根据公式获取第一前景轮廓；其中，表示第一前景轮廓，Tf为常数，表示的是和的差异函数。5.根据权利要求1所述的方法，其特征在于，所述根据所述第二前景轮廓生成低阈值边缘图曲线，具体为：按照如下公式生成低阈值边缘图曲线：其中，表示低阈值边缘图曲线，表示第二前景轮廓，Tm为常数，表示梯度特征，计算方式为：其中，c为颜色通道的序号，表示的第c个颜色通道的x方向导数...

【专利技术属性】
技术研发人员：邓苗，
申请(专利权)人：国光电器股份有限公司，广州市国光电子科技有限公司，
类型：发明
国别省市：广东,44