[发明专利]目标语义分割方法及应用其的街道目标异常检测方法

权利要求书

1.目标语义分割方法，其特征在于，包括以下步骤：

获取包括至少一目标的待检测图像；

将所述待检测图像输入目标检测网络得到至少一所述目标的检测框；

根据每一所述检测框确定至少一生长区域，在每一所述生长区域中选取初始种子点进行区域生长，并根据每一所述初始种子点的区域生长结果得到对应目标的分割轮廓；

将所述待检测图像输入目标分割网络得到每一像素的目标类别概率，并将所述目标类别概率不小于目标分类阈值的每一像素判定为对应的目标类别，合并相同目标类别的像素得到至少一所述目标的预测轮廓；

获取每一相同目标的所述分割轮廓和所述预测轮廓的并集区域，所述并集区域包括差集区域和交集区域，降低每一所述差集区域中的像素的所述目标类别概率，并根据降低后的目标类别概率重新确定每一像素的目标类别,合并所述并集区域中相同目标类别的所有像素获得对应所述目标的语义分割结果。

2.根据权利要求1所述的目标语义分割方法，其特征在于，“根据每一所述检测框确定至少一生长区域”包括：将每一所述检测框设为生长区域，以及将标记为不同目标类别且相互重叠的任意两所述检测框形成的重叠区域设为生长区域。

3.根据权利要求1至权利要求2中任一所述的目标语义分割方法，其特征在于，“在每一所述生长区域中选取初始种子点进行区域生长，并根据每一所述初始种子点的区域生长结果得到每一所述目标的分割轮廓”包括：在每一所述生长区域中选取一像素作为初始种子点，并将所述初始种子点标记为对应检测框的目标类别；设置像素块大小，将包括每一所述初始种子点的所述像素块作为种子区域；以每一所述种子区域为中心区域向外执行区域扩展步骤获取新的种子区域，其中所述区域扩展步骤为获取与所述中心区域相似度大于设定阈值的每一邻居区域作为新的种子区域，以所述新的种子区域为中心区域继续执行所述区域扩展步骤，直到每一所述生长区域中不存在新的种子区域，将每一所述生长区域中所有种子区域内的像素标记为与该生长区域的初始种子点相同的目标类别，得到区域生长结果；合并每一所述生长区域中相邻且相似的种子区域得到对应目标的分割轮廓。

4.根据权利要求3所述的目标语义分割方法，其特征在于，在“合并每一所述生长区域中相邻且相似的种子区域得到对应目标的分割轮廓”前，包括：计算对应每一重叠区域的生长区域的色调分量均值和饱和度分量均值，以及计算形成该重叠区域的两检测框各自生长区域的色调分量均值和饱和度分量均值，根据三者的色调分量均值和饱和度分量均值，将每一所述重叠区域的生长区域与色调分量均值和饱和度分量均值差别较小的检测框的生长区域合并为一个新的生长区域。

5.根据权利要求3所述的目标语义分割方法，其特征在于，在“合并每一所述生长区域中相邻且相似的种子区域得到对应目标的分割轮廓”前，包括：选取相同目标类别的所有检测框中符合筛选条件的多个所述检测框合并得到复合多边框，将所述复合多边框中所有生长区域合并为一个新的生长区域，其中所述筛选条件为：多个所述检测框之间相互重叠，且相互重叠的任意两所述检测框的中心点之间的距离小于合并阈值。

6.根据权利要求3所述的目标语义分割方法，其特征在于，“合并每一所述生长区域中相邻且相似的种子区域得到对应目标的分割轮廓”包括：合并每个同一生长区域中，色调分量均值的差小于第一阈值且饱和度分量均值的差小于第二阈值的相邻的种子区域。

7.根据权利要求3所述的目标语义分割方法，其特征在于，每一所述生长区域的初始种子点为该生长区域的中心点。

8.根据权利要求3所述的目标语义分割方法，其特征在于，根据每一所述种子区域的色调分量均值和饱和度分量均值以及该种子区域的邻居区域的色调分量均值和饱和度分量均值计算所述相似度；所述色调分量均值为所述种子区域或所述邻居区域中所有像素点的色调分量的平均值；所述饱和度分量均值为所述种子区域或所述邻居区域中所有像素点的饱和度分量的平均值。