[发明专利]视频切割的方法及装置

说明书

技术领域

本发明实施例属于视频切割领域，尤其涉及一种视频切割的方法及装置。

背景技术

图像分割，是指利用图像的颜色、灰度、边缘、纹理等空间信息对图像进行分割。常见的分割模式有：根据时间段分割视频、根据容量分割视频、指定起始时间和转换终止容量转换，将视频平均分割成多段等等。

现有的视频分割算法中，需要给定一些已知的信息，例如视频的背景模型、一些帧的标注结果、或者大量的训练数据。但由于现有的视频分割算法中，通常都假设或者隐含以下假设：背景静止、相机静止、或者前景需要运动，而这些假设在很多的时候并不满足，因此难以得到较好的分割结果。

发明内容

本发明实施例提供了一种视频切割的方法及装置，旨在解决现有方法需要设定一定条件才能实现视频的切割，从而导致切割效果较差的问题。

本发明实施例是这样实现的，一种视频切割的方法，所述方法包括：

切割视频中第一帧图像的目标物体，所述视频包括至少一帧图像；

学习第一帧图像切割的目标物体区域、非目标物体区域以及边界的统计特性，所述边界的统计特性为目标物体区域与非目标物体区域的边界的统计特性；

结合所述边界的统计特性，多重参考模型将学习的上一帧图像切割的目标物体区域、非目标物体区域自动传递到视频中的当前帧，以确定当前帧的目标物体区域、非目标物体区域以及边界的统计特性，进而根据当前帧的目标物体区域切割出目标物体，重复该步骤，直到完成对视频的切割。

本发明实施例的另一目的在于提供一种视频切割的装置，所述装置包括：

第一帧目标物体切割单元，用于切割视频中第一帧图像的目标物体，所述视频包括至少一帧图像；

上一帧统计特性学习单元，用于学习第一帧图像切割的目标物体区域、非目标物体区域以及边界的统计特性，所述边界的统计特性为目标物体区域与非目标物体区域的边界的统计特性；

当前帧统计特性确定单元，用于结合所述边界的统计特性，多重参考模型将学习的上一帧图像切割的目标物体区域、非目标物体区域自动传递到视频中的当前帧，以确定当前帧的目标物体区域、非目标物体区域以及边界的统计特性，进而根据当前帧的目标物体区域切割出目标物体，重复该步骤，直到完成对视频的切割。

在本发明实施例中，由于对视频进行切割时，是通过切割视频中第一帧图像的目标物体，再通过学习第一帧图像的目标物体区域、非目标物体区域以及边界的统计特性，并将上一帧的学习结果传递至当前帧，因此，无需参考背景区域，即无需假设背景静止也能够切割出视频中各个帧的目标物体，从而提高视频切割的便利性及准确性。

附图说明

图1是本发明第一实施例提供的一种视频切割的方法的流程图；

图2是本发明第一实施例提供的切割的目标物体的示意图；

图3是本发明第二实施例提供的一种视频切割的装置的结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例中，切割视频中第一帧图像的目标物体，所述视频包括至少一帧图像，学习第一帧图像切割的目标物体区域、非目标物体区域以及边界的统计特性，所述边界的统计特性为目标物体区域与非目标物体区域的边界的统计特性，结合所述边界的统计特性，多重参考模型将学习的上一帧图像切割的目标物体区域、非目标物体区域自动传递到视频中的当前帧，以确定当前帧的目标物体区域、非目标物体区域以及边界的统计特性，进而根据当前帧的目标物体区域切割出目标物体，重复该步骤，直到完成对视频的切割。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一：

图1示出了本发明第一实施例提供的一种视频切割的方法的流程图，详述如下：

步骤S11，切割视频中第一帧图像的目标物体，所述视频包括至少一帧图像。

该步骤中，由于视频的第一帧图像可能包括多个物体，因此，需要先确定多个物体哪个是目标物体，再利用图形切割算法简单交互地切割出该第一帧图像中的目标物体。

步骤S12，学习第一帧图像切割的目标物体区域、非目标物体区域以及边界的统计特性，所述边界的统计特性为目标物体区域与非目标物体区域的边界的统计特性。