[发明专利]时序平滑方法、装置及电子设备

说明书

本公开是关于时序平滑方法、装置及电子设备。方法包括：基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述目标的特征的有效程度；将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。可以基于当前图像帧中目标的原始概率值的效用值，动态确定当前图像帧中目标的原始概率值的加权系数，以使得加权系数更加适合该目标，实现针对当前图像帧中不同的目标，利用适合该目标的加权系数，对该目标进行更为准确的时序平滑处理。

技术领域

本公开涉及深度学习算法技术领域，尤其涉及时序平滑方法、装置及电子设备。

背景技术

相关技术中，可以通过预设的图像分析算法，对图像帧中的目标进行分析，以确定图像帧中目标的特征，例如确定图像帧中的像素点是否属于前景区域，由于图像分析算法可能存在一定的误差，因此一些图像分析算法的输出可以是概率值(以下称原始概率值)，例如输出的分析结果是图像帧中的像素点属于前景区域的概率。在使用图像分析算法对连续多个图像帧进行处理时，由于可能存在随机分布的噪声信号，因此当前图像帧中目标的原始概率值与该目标在当前图像帧的上一图像帧(以下称前图像帧)的原始概率值可能存在较大差距，使得确定得到的该目标的特征在时域上存在波动，即确定得到目标的特征不稳定。

为了提高确定得到目标的特征在时域上的稳定性，可以对当前图像帧中目标的原始概率值进行时序平滑处理，得到平滑概率值，并基于平滑概率值确定目标的特征。在相关技术中，时序平滑处理可以是将当前图像帧中目标的原始概率值和前图像帧中目标的平滑概率值按照一定的加权系数进行加权平均，并将加权平均结果作为当前图像帧中目标的平滑概率值，该平滑概率值，相比于当前图像帧中目标的原始概率值更加接近于前图像帧中目标的平滑概率值，因此基于平滑概率值确定得到目标的特征在时域上的稳定性更好。但是，当前图像帧中不同目标的原始概率值不同，使用相同的加权系数，难以对不同的目标进行准确地时序平滑。

发明内容

为克服相关技术中存在的问题，本公开提供一种关键点位置确定方法、装置及电子设备。

根据本公开实施例的第一方面，提供一种关键点位置确定方法，包括：

基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，所述第一加权系数与所述效用值正相关，所述效用值用于表示所述原始概率值对于确定所述目标的特征的有效程度；

将所述第一加权系数作为所述当前图像帧中所述目标的原始概率值的加权系数，与前图像帧中所述目标的平滑概率值进行归一化加权平均，得到所述当前图像帧中所述目标的平滑概率值。

结合第一方面，在第一种可能的实现方式中，所述效用值与，所述当前图像帧中目标的原始概率值和0.5的差值的绝对值正相关。

结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述基于当前图像帧中目标的原始概率值的效用值，计算第一加权系数，包括：

将当前图像帧中目标的原始概率值作为预设的系数确定方程的输入，将所述系数确定方程的输出作为第一加权系数，所述系数确定方程的可行域包括[0，1]，并且所述系数确定方程在[0，0.5]上单调递减，并且在[0.5，1]上单调递增。

结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述系数确定方程通过以下方式得到，包括：

过点(0，1)、(1，1)、(0.5，a)构建二次曲线，其中，a为大于等于0并且小于1的预设值；

将构建得到的二次曲线的曲线方程作为系数确定方程。