[发明专利]一种车辆目标分割方法、装置及通信设备

权利要求书

1.一种车辆目标分割方法，其特征在于，包括：

获取固定长度时间窗口的交通视频帧，根据预先设定的自适应划分规则，将各所述交通视频帧划分为强日光场景或弱日光场景；

根据所述交通视频帧的场景类型，将所述交通视频帧转换到与所述场景类型对应的色彩空间内；

构建所述交通视频帧的背景帧；

基于各所述交通视频帧与所述背景帧，采用差分法与图像噪声概率模型构建车辆目标第一分割结果；

采用目标检测模型获取各所述交通视频帧的车辆目标检测定位结果；

将所述车辆目标第一分割结果与所述车辆目标检测定位结果进行融合，得到车辆目标第二分割结果；

以所述车辆目标第二分割结果为基础，设计具有噪声抑制能力的深度神经网络模型以及相应的损失函数，训练得到车辆目标分割模型；

在进行预测时，获取待预测的交通视频帧，将所述待预测的交通视频帧输入到所述车辆目标分割模型，得到预测结果；

将所述预测结果进行二值化处理，得到所述待预测的交通视频帧的车辆目标分割结果。

2.如权利要求1所述的车辆目标分割方法，其特征在于，所述自适应划分规则包括：

根据所述交通视频帧的色彩空间分布，建立亮度、色度与饱和度的联合概率分布模型，将所述交通视频帧划分为强日光场景或弱日光场景。

3.如权利要求1所述的车辆目标分割方法，其特征在于，所述根据所述交通视频帧的场景类型，将所述交通视频帧转换到与所述场景类型对应的色彩空间内，包括：

对于场景类型为强日光场景的交通视频帧，将其由RGB色彩空间转换到Lab色彩空间；对于场景类型为弱日光场景的交通视频帧，将其由RGB色彩空间转换到灰度空间。

4.如权利要求3所述的车辆目标分割方法，其特征在于，所述在将所述交通视频帧转换到与所述场景类型对应的色彩空间内之前，还包括：

将各所述交通视频帧的分辨率调整为设定的目标分辨率。

5.如权利要求3所述的车辆目标分割方法，其特征在于，所述构建所述交通视频帧的背景帧包括：

对于转换到Lab色彩空间的各交通视频帧，逐像素针对同一坐标位置的各像素点，使用算术平均构造出第一背景帧；对于转换到灰度空间的各交通视频帧，逐像素针对同一坐标位置的各像素点，取最小灰度值构造出第二背景帧。

6.如权利要求1-5任一项所述的车辆目标分割方法，其特征在于，所述各基于所述交通视频帧与所述背景帧，采用差分法与图像噪声概率模型构建车辆目标第一分割结果包括：

针对各所述交通视频帧，分别逐像素针对同一坐标位置的像素点，计算其与对应的所述背景帧所对应坐标位置的像素点之间的欧氏距离D、以及二范数之最小值，将所述二范数之最小值作为所述像素点的图像噪声概率模型的均方差σ；

获取设定参数阈值τ，逐像素判断所述D是否大于所述σ与所述τ之积。如是，则判定所述像素点存在车辆目标，记为“1”；如否，则判定所述像素点不存在车辆目标，记为“0”；得到所述交通视频帧的矩阵M；所述车辆目标第一分割结果包括所述矩阵M。

7.如权利要求6所述的车辆目标分割装置，其特征在于，所述将所述车辆目标第一分割结果与所述车辆目标检测定位结果进行融合，得到车辆目标第二分割结果包括：

将所述矩阵M中为“1”的各像素点位置，与所述车辆目标检测定位结果进行比较，判断所述为“1”的像素点位置是否位于所述车辆目标检测定位结果的框选区域内，如是，则仍置为“1”，如否，则置为“0”；得到矩阵M^*，所述车辆目标第二分割结果包括所述矩阵M^*；所述框选区域内的像素点表征所述车辆目标检测定位结果为存在车辆目标的像素点。