一种图像分割方法、图像分割装置及电子设备制造方法及图纸

本申请公开了一种图像分割方法、图像分割装置、电子设备及计算机可读存储介质。其中，该方法包括：通过已训练的人体检测模型对待分割图像进行人体检测，得到所述待分割图像的至少一个人体检测框；基于各个所述人体检测框对所述待分割图像进行抠像处理，得到各个所述人体检测框所对应的人体区域图像；通过已训练的人体分割模型分别对各个所述人体区域图像进行人体分割，得到各个所述人体区域图像的人体分割结果；对各个所述人体区域图像的人体分割结果进行融合，得到所述待分割图像的人体分割结果。通过本方案，可以提升图像分割时，对较小的人体区域的分割效果。人体区域的分割效果。人体区域的分割效果。

An image segmentation method, image segmentation device and electronic equipment

【技术实现步骤摘要】
一种图像分割方法、图像分割装置及电子设备


[0001]本申请属于图像处理
，尤其涉及一种图像分割方法、图像分割装置、电子设备及计算机可读存储介质。

技术介绍

[0002]图像分割算法本质上属于像素级别的分类算法，即判断图像中的每个像素点属于哪一类物体。在实际的算法开发中，许多基于全卷积神经网络(fully connected network，FCN)的分割算法被开发了出来。这些基于FCN的分割算法首先将图像缩放到固定大小，然后通过连续的卷积核池化层获取图像的高维特征，接着通过连续的反卷积操作将这些高维特征进行还原，最终得到与原始输入的图像同样大小的分割结果。
[0003]这种常见的基于FCN的图像分割算法，通常能够大致分割出图像中物体的轮廓。但是，由于目前大部分人体分割算法使用的深度神经网络在图像输入前需要进行缩放(一般是缩小)，再加之提取高维特征过程中池化层对特征图的缩小，导致图像中相对较小的人体区域经过缩放后更加难以分割。也即，传统基于FCN的人体分割算法对较小的人体区域的分割效果较差。
专利技术内容
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分割方法，其特征在于，包括：通过已训练的人体检测模型对待分割图像进行人体检测，得到所述待分割图像的至少一个人体检测框；基于各个所述人体检测框对所述待分割图像进行抠像处理，得到各个所述人体检测框所对应的人体区域图像；通过已训练的人体分割模型分别对各个所述人体区域图像进行人体分割，得到各个所述人体区域图像的人体分割结果；对各个所述人体区域图像的人体分割结果进行融合，得到所述待分割图像的人体分割结果。2.如权利要求1所述的图像分割方法，其特征在于，所述通过已训练的人体检测模型对待分割图像进行人体检测，得到所述待分割图像的至少一个人体检测框，包括：将所述待分割图像缩放至第一预设尺寸；对缩放后的所述待分割图像进行归一化处理；将归一化处理后的所述待分割图像输入至已训练的人体检测模型，得到所述待分割图像的至少一个人体检测框。3.如权利要求1所述的图像分割方法，其特征在于，所述基于各个所述人体检测框对所述待分割图像进行抠像处理，得到各个所述人体检测框所对应的人体区域图像，包括：针对每个所述人体检测框，基于预设的扩充比例对所述人体检测框的尺寸进行扩充，其中，所述扩充比例大于1；基于所述人体检测框在所述待分割图像中的位置及扩充后的所述尺寸，从所述待分割图像中分割出所述人体检测框所对应的人体区域图像。4.如权利要求3所述的图像分割方法，其特征在于，所述基于所述人体检测框在所述待分割图像中的位置及扩充后的所述尺寸，从所述待分割图像中分割出所述人体检测框所对应的人体区域图像，包括：基于所述人体检测框在所述待分割图像中的位置及扩充后的所述尺寸，在所述待分割图像中确定候选检测框；判断所述候选检测框是否超出所述待分割图像的图像范围；若所述候选检测框未超出所述待分割图像的图像范围，则从所述待分割图像中分割出所述候选检测框所对应的区域图像作为所述人体检测框所对应的人体区域图像；若所述候选检测框已超出所述待分割图像的图像范围，则基于所述候选检测框补齐所述待分割图像，并从补齐后的所述待分割图像中分割出所述候选检测框所对应的区域图像作为所述人体检测框所对应的人体区域图像。5.如权利要求4所述的图像分割方法，其特征在于，所述基于所述候选检测框补齐所述待分割图像，包括：基于所述候选...

【专利技术属性】
技术研发人员：胡淑萍，庞建新，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：