[发明专利]视频处理方法及视频处理电路

权利要求书

1.一种视频处理方法，用于检测对象的位置、像素和框架，该视频处理方法包括：

利用单个深度学习网络的预定模型中的主干网络来接收具有该对象的输入图像数据并将该输入图像数据转换为至少一个特征图；以及

利用该单一深度学习网络的该预定模型中的至少一个实例头和一个像素头来接收该至少一个特征图并将该至少一个特征图转换为该对象的对象检测结果、实例分割结果和姿态估计结果，分别用于指示该对象的该位置、该像素和该框架。

2.根据权利要求1所述的视频处理方法，还包括：

对该输入图像数据进行图像处理，以在与该输入图像数据对应的输出图像上，分别用该对象检测结果、该实例分割结果和该姿态估计结果来突出显示该对象，以分别指示该对象的该位置、该像素和该框架。

3.根据权利要求1所述的视频处理方法，其特征在于，该输入图像数据为输入图像的图像数据，该输入图像为红绿蓝RGB图像。

4.根据权利要求1所述的视频处理方法，其特征在于，该对象为人对象，该对象检测结果为人检测结果。

5.根据权利要求1所述的视频处理方法，其特征在于，该对象的该对象检测结果、该对象的该实例分割结果和该对象的该姿态估计结果共享同一个实例。

6.根据权利要求5所述的视频处理方法，其特征在于，利用该单一深度学习网络的该预定模型中的该至少一实例头和该像素头来接收该至少一特征图并将该至少一特征图转换为该对象的该对象检测结果、该实例分割结果和该姿态估计结果还包括：

利用该单个深度学习网络的该预定模型中的该至少一个实例头和该像素头，将该至少一个特征图转换为该对象的该对象检测结果、该实例分割结果和该对象姿态估计结果，以同时得到该对象检测结果、该实例分割结果和该姿态估计结果，不需要对该对象检测结果、该实例分割结果和该姿态估计结果中的任意两个处理结果进行关联操作。

7.根据权利要求6所述的视频处理方法，其特征在于，该输入图像数据中的多个像素中的任意一个像素被布置为充当与该单个深度学习网络的该预定模型中的实例相对应的提议。

8.根据权利要求1所述的视频处理方法，其特征在于，该对象代表该输入图像数据中多个对象中的任一对象，其中该对象检测结果、该实例分割结果和该姿态估计结果分别代表该多个对象的多个对象检测结果中该任一对象的对象检测结果、该多个对象的多个对象检测结果中该任一对象的实例分割结果、该多个对象的多个对象检测结果中该任一对象的姿态估计结果；通过该单个深度学习网络的该预定模型将该输入图像数据转换为该多个对象检测结果、该多个实例分割结果和该多个姿态估计结果的时间与该多个对象的对象数量无关。

9.根据权利要求1所述的视频处理方法，其特征在于，该对象表示该输入图像数据中多个对象中的任意对象，其中该对象检测结果、该实例分割结果和该姿态估计结果分别表示该多个对象的多个对象检测结果中该任意对象的对象检测结果、该多个对象的多个实例分割结果中的该任意对象的实例分割结果、该多个对象的多个姿态估计结果中的该任意对象的姿态估计结果；对于按照该视频处理方法进行操作的视频处理电路，通过该单一深度学习网络的该预定模型将该输入图像数据转换为该多个对象检测结果、该多个实例分割结果和该多个姿态估计结果的功耗与该多个对象的对象数量无关。

10.根据权利要求1所述的视频处理方法，其特征在于，在该单一深度学习网络的该预定模型中，获取该对象检测结果的第一任务、获取该实例分割结果的第二任务和获取该姿态估计结果的第三任务相互独立。

11.根据权利要求1所述的视频处理方法，其特征在于，在该单一深度学习网络的该预定模型中，不需要裁剪该输入图像数据的一部分的任务，也不需要裁剪该至少一个特征图中任意特征图的一部分的任务。