[发明专利]基于边缘检测的物体分割方法、电子终端及存储介质

权利要求书

1.一种基于边缘检测的物体分割方法，其特征在于：包括：

获取输入图片；

通过卷积神经网络模型对所述输入图片进行处理获取像素级别信息；

根据所述像素级别信息对所述输入图片的像素点进行类别级的分类；

基于中心点对同一类别的边缘像素点进行个体级别的分类；

基于下一个像素点的方向将同一个个体的边缘像素点构成封闭的边缘，获得物体分割；

所述基于中心点对同一类别的边缘像素点进行个体级别的分类的一种实现方式包括：

预测物体中心到当前所有物体个体的估计中心的距离，找出距离最小的一个物体个体，记为距离最小物体个体；

若边缘像素点的预测物体中心距离所述距离最小物体个体的估计中心距离小于所述物体个体半径的一定比例，则判定这个边缘像素点属于这个物体，否则将这个边缘像素点构建一个新的物体个体。

2.根据权利要求1所述的基于边缘检测的物体分割方法，其特征在于：所述卷积神经网络模型包括一个基础层、多个残差网络模块、多个特征金字塔模块和输出层；所述基础层包括卷积层，批归一化层，激活层和一池化层；每个残差网络模块包含着多个连续的残差网络结构；所述输出层包括通过级联网络连接的多个输出模块。

3.根据权利要求2所述的基于边缘检测的物体分割方法，其特征在于：各所述特征金字塔模块对应对各残差网络模块进行采样，直到上采样到和第一个残差模块的输入的特征图大小一致。

4.根据权利要求2所述的基于边缘检测的物体分割方法，其特征在于：选取一个或多个所述残差网络结构，并将选取的所述残差网络结构连接一非局部操作层；选取级联网络并将选取的级联网络连接一非局部操作层。

5.根据权利要求1所述的基于边缘检测的物体分割方法，其特征在于：所述像素级别信息包括：像素点是否为物体边缘，像素点的类别，像素点所属的物体的中心的位置，像素点到下一个像素点的方向。

6.根据权利要求5所述的基于边缘检测的物体分割方法，其特征在于：所述进行类别级的分类包括：通过设置置信度阈值和类别信息来将边缘像素点划分成 不同的类别。

7.根据权利要求5所述的基于边缘检测的物体分割方法，其特征在于：所述基于下一个像素点的方向将同一个个体的边缘像素点构成封闭的边缘，获得物体分割的一种实现方式包括：

计算一个物体个体的各边缘像素点与其预测的中心点的连线和图片的x轴之间的夹角；

然后将所有边缘像素点按照计算到的夹角大小进行排序，获取边缘像素点的排序；

根据邻接判定距离和像素点到下一个像素点的方向判断是否将相邻的像素点进行连接；

将多个连续的边缘像素点连接，则形成封闭的边缘，获得物体分割。

8.一种电子终端，其特征在于：包括：

至少一存储器，用于存储计算机程序；

至少一处理器，耦接于所述存储器，用于运行所述计算机程序以实现如权利要求1至7中任一项所述的基于边缘检测的物体分割方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于边缘检测的物体分割方法。