[发明专利]层次化时域切分的视频关注对象分割方法和装置

说明书

本发明提供一种层次化时域切分的视频关注对象分割方法和装置，通过根据待处理的视频，得到帧图片序列；对帧图片序列迭代N次奇偶切分处理，获得2^N个子帧序列，其中，奇偶切分处理为在每个待切分的父序列中将奇数次序的帧图片确定为奇数帧序列，将偶数次序的帧图片确定为偶数帧序列，2^N个子帧序列为迭代第N次奇偶切分处理中得到的奇数帧序列和偶数帧序列，N为大于或等于1的整数；根据2^N个子帧序列，获得2^N‑1个共分割序列对，每个共分割序列对包含2个子帧序列；根据预设的共分割模型和共分割序列对，得到每个帧图片中针对关注对象的分割图，实现自动对视频的层次化切分处理，以及对关注对象快速分割。

技术领域

本发明涉及图像处理技术，尤其涉及一种层次化时域切分的视频关注对象分割方法和装置。

背景技术

在视频内容理解相关的技术中，为了模拟人的视觉关注特点，实现机器对视频中的关注对象进行对象追踪，场景重建和视频检索等操作，需要对视频中的关注对象进行自动检测和分割。

由于视频和图像在一定程度上是相似的，因此现有技术中对视频内容的解析通常是转化成单帧图像内容的理解再加上帧间时空连续性的约束。现有的关注对象分割方法，通常是把待处理图像分割成不同级别的超像素块或者图像块，利用已经训练好的模型对这些超像素块或者图像块提取卷积神经网络特征，之后利用得到的目标特征获得待处理图像的分割图。

然而，现有的关注对象分割方法中需要人工参与，根据每次研究目标和得到的目标特征设计分割参数，以把待处理图像分割成不同级别的超像素块或者图像块，现有的关注对象分割方法还无法实现完全自动化的分割处理。

发明内容

本发明提供一种层次化时域切分的视频关注对象分割方法和装置，通过对视频分解出的帧图片序列迭代奇偶切分处理，对切分得到时域不连续的子帧序列进行共分割，得到每个帧图片中针对所述关注对象的分割图，移除了人工参与分割的过程，提高了分割图的获取效率和自动化程度。

根据本发明的第一方面，提供一种层次化时域切分的视频关注对象分割方法，包括：

根据待处理的视频，得到帧图片序列，所述帧图片序列为由所述视频分解得到的时域连续的帧图片；

对所述帧图片序列迭代N次奇偶切分处理，获得2^N个子帧序列，其中，所述奇偶切分处理为在每个待切分的父序列中将奇数次序的帧图片确定为奇数帧序列，将偶数次序的帧图片确定为偶数帧序列，所述2^N个子帧序列为迭代第N次奇偶切分处理中得到的奇数帧序列和偶数帧序列，N为大于或等于 1的整数；

根据所述2^N个子帧序列，获得2^N-1个共分割序列对，每个所述共分割序列对包含2个所述子帧序列；

根据预设的共分割模型和所述共分割序列对，得到每个帧图片中针对所述关注对象的分割图。

可选地，所述根据预设的共分割模型和所述共分割序列对，得到每个帧图片中针对所述关注对象的分割图，包括：

将每个所述共分割序列对中一个子帧序列的每个帧图片，与另一个子帧序列的每个帧图片分别配对，得到M1*M2个不同的帧图片对，其中，所述 M1为所述一个子帧序列中帧图片的数量，所述M2为所述另一个子帧序列中帧图片的数量；

以预设的共分割模型对每个所述帧图片对中的2个帧图片进行共分割，得到每个帧图片对中每个帧图片针对所述关注对象的共分割图，其中所述共分割图中仅剩余所述关注对象的图像；

根据每个帧图片的所有所述共分割图，得到每个帧图片中针对所述关注对象的分割图，其中，所述分割图的任一个像素点位置的值，为所述帧图片的所有共分割图在所述任一个像素点位置的平均值。