一种前景目标提取方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种前景目标提取方法、装置、设备及存储介质。该方法包括：获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像；初始化目标函数，根据无前景目标图像、有前景目标图像及目标函数构建全变分模型；迭代更新目标函数，对全变分模型进行求解，获得最优目标函数；按照预设过滤规则对最优目标函数进行阈值过滤，根据过滤结果与有前景目标图像确定有前景目标图像对应的前景目标。本发明专利技术实施例的技术方案克服了现有方法只能在指定位置检测、不能适应前景目标的形状变化，且提取过程容易受到光照不均匀及环境变化影响等缺陷，实现了前景目标的完整提取。

A foreground object extraction method, device, equipment and storage medium

An embodiment of the invention discloses a foreground object extraction method, device, equipment and storage medium. The method includes: obtaining no foreground object image in the same environment of the same area were acquired and the prospect of a target image; initialize the target function, according to the prospect of the target image and promising target image and the target function to construct the total variational model; iterative update target function, to solve the total variational model get the optimal objective function; according to the preset threshold filtering rules to filter the optimal objective function, according to the filtering results and promising target image to determine the foreground object corresponding to foreground object image. The technical scheme of the embodiment of the invention overcomes the defects that the existing methods can only be detected at the specified location, can not adapt to the shape change of the foreground target, and the extraction process is easily affected by uneven illumination and environmental changes, etc., and achieves the complete extraction of the foreground target.

【技术实现步骤摘要】
一种前景目标提取方法、装置、设备及存储介质
本专利技术实施例涉及机器视觉领域，尤其涉及一种前景目标提取方法、装置、设备及存储介质。
技术介绍
在机器视觉领域，前景目标检测是一个非常重要的分支。其检测的准确与否对于之后的跟踪、学习或识别都有着非常大的影响。目前对于前景目标提取，尤其是给定物体上的前景目标提取，普遍使用的是一维的边缘检测法来对预设位置上的目标的边缘进行定位。但是，由于光源很难调节，很难实现将前景目标和背景的对比度达到最大，只能调节到一个折衷的值，增加了算法的难度。另外，光源具有不均匀和不稳定的特性，使得物体不同位置上的阈值要单独设置，而且由于光照环境不能发生变换，只能检测物体固定位置的边缘突变，无法适用于任意前景目标形状变化时的完整提取。
技术实现思路
本专利技术实施例提供一种前景目标提取方法、装置、设备及存储介质，以实现前景目标的完整提取。第一方面，本专利技术实施例提供了一种前景目标提取方法，该方法：获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像；初始化目标函数，并根据所述无前景目标图像、所述有前景目标图像以及所述目标函数构建全变分模型；迭代更新所述目标函数，对所述全变分模型进行求解，获得最优目标函数；按照预设过滤规则对所述最优目标函数进行阈值过滤，并根据过滤结果与所述有前景目标图像确定所述有前景目标图像对应的前景目标。第二方面，本专利技术实施例还提供了一种前景目标提取装置，该装置包括：图像获取模块，用于获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像；模型构建模块，用于初始化目标函数，并根据所述无前景目标图像、所述有前景目标图像以及所述目标函数构建全变分模型；函数求解模块，用于迭代更新所述目标函数，对所述全变分模型进行求解，获得最优目标函数；前景目标确定模块，用于按照预设过滤规则对所述最优目标函数进行阈值过滤，并根据过滤结果与所述有前景目标图像确定所述有前景目标图像对应的前景目标。第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例中任一所述的方法。本专利技术实施例的技术方案，获取相同环境下的无前景目标图像和有前景目标图像后，建立全变分模型，求解最优目标函数，进而确定有前景目标图像对应的前景目标，克服了现有方法只能在指定位置检测、不能适应前景目标的形状变化，且提取过程容易受到光照不均匀及环境变化影响等缺陷，实现了前景目标的完整提取。附图说明图1为本专利技术实施例一提供的一种前景目标提取方法的流程图；图2是本专利技术实施例二提供的一种前景目标提取装置的结构示意图；图3是本专利技术实施例三提供的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的一种前景目标提取方法的流程图，本实施例可适用于对图像中的前景目标进行提取的情况，该方法可以由前景目标提取装置来执行，该装置可由软件和/或硬件来执行，该装置可集成于计算机中，该方法具体包括如下步骤：S110、获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像。其中，可以在相同环境下采用摄像头采集图像，获取对同一区域进行拍摄的无前景目标图像和有前景目标图像各一张，图像可以是灰度图，也可以是彩色图，在此不进行限制。无前景目标图像可以记为fA和有前景目标图像可以记为fB。相同环境可以是相同的光照条件，这样能够保证两幅图像的光照特性基本保持一致，能够克服光照不均匀或者环境变化对方案实施带来的影响。优选的，在所述获取在相同环境下拍摄的包含同一目标对象的无前景目标图像和有前景目标图像之后，还包括：将所述无前景目标图像和所述有前景目标图像配准至像素对齐状态。具体的，可以在无前景目标图像中截取一个物体的图像作为子图像模板，采用模板匹配的方式确定该模板在有前景目标图像中的位置和缩放比例，并根据该位置和缩放比例，通过图像转换对无前景目标图像和有前景目标图像进行配准，使二者达到像素对齐的状态。优选的，利用广义Hough变换等模板匹配算法，找到无前景目标图像和有前景目标图像之间的映射关系，据此将无前景目标图像平移旋转缩放，从而和有前景目标图像中的像素对齐，得到配准后无前景目标图像。可选的，在所述获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像之后，还包括：采用低通滤波器对所述无前景目标图像和所述有前景目标图像进行滤波。其中，为了去除由于背景区域的反光、透光等因素引起的局部干扰变化，同时要保持边缘的位置不变，可以采用低通滤波器对无前景目标图像和有前景目标图像进行滤波，得到滤波后的无前景目标图像和滤波后的有前景目标图像。所述低通滤波器应当具有边缘保持特性。优选的，可以在滤波前进行上述配准操作。优选的，可以选择双边滤波器作为本专利技术实施例中的低通滤波器。使用双边滤波器等具有边缘保持特性的滤波器，设置好滤波器的大小和方差以便得到平滑的结果，边缘保持特性是为了使提取出来的轨迹的轮廓位置准确。S120、初始化目标函数，并根据所述无前景目标图像、所述有前景目标图像以及所述目标函数构建全变分模型。具体地，目标函数可以是一个与无前景目标图像大小相同的函数，具体表现形式可以是矩阵形式，每个像素的值是0至1之间的小数，其中，像素值的大小越偏离0.5，则该像素处为前景目标的可能性越大。对目标函数进行初始化时，可以将每个像素的值均设置为0.5。全变分模型具体可以是由无前景目标图像、有前景目标图像以及目标函数构建而成的数学模型表达式，可总结为是求能量泛函的最小值。全变分模型具体为：其中，E[f]表示能量泛函的最小值，λ是预设平滑因子，表示滤波后的无前景目标图像，表示滤波后的有前景目标图像，w代表目标函数，f表示由滤波后的无前景目标图像的背景部分和滤波后的有前景目标图像中的前景部分的合成图像，满足·表示点乘运算，β1、β2、β3和β4代表常量系数，满足β1+β2＝1，β3+β4＝1。一般地，可以取β1＝β2＝β3＝β4＝0.5，由于滤波后的无前景目标图像和滤波后的有前景目标图像的背景部分是基本相同的，因此，在确定目标函数w的过程中，目的是使目标函数中对应于背景部分的像素值接近0.5，而对应于二者差异较大的部分，像素值为偏离0.5的值。E[f]中，λ能量项使得合成图像f尽量地平滑，β1和β2能量项是使f中来自和的分量尽量地平滑，β3和β4能量项是使f的加权分量尽量与原图中相似，因此迫使w在差异处的像素值尽量偏离0.5。S130、迭代更新所述目标函数，对所述全变分模型进行求解，获得最优目标函数。其中，定义F做如下表示：其中，fx是f在x方向的导数，fy是f在y方向的导数。根据可以得到关于fx和fy的表达式：再结合f和F的表达式，可以推导出偏分公式：将上述公式代入梯度下降流公式：和交替迭代，即可本文档来自技高网...

【技术保护点】
一种前景目标提取方法，其特征在于，包括：获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像；初始化目标函数，并根据所述无前景目标图像、所述有前景目标图像以及所述目标函数构建全变分模型；迭代更新所述目标函数，对所述全变分模型进行求解，获得最优目标函数；按照预设过滤规则对所述最优目标函数进行阈值过滤，并根据过滤结果与所述有前景目标图像确定所述有前景目标图像对应的前景目标。

【技术特征摘要】
1.一种前景目标提取方法，其特征在于，包括：获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像；初始化目标函数，并根据所述无前景目标图像、所述有前景目标图像以及所述目标函数构建全变分模型；迭代更新所述目标函数，对所述全变分模型进行求解，获得最优目标函数；按照预设过滤规则对所述最优目标函数进行阈值过滤，并根据过滤结果与所述有前景目标图像确定所述有前景目标图像对应的前景目标。2.根据权利要求1所述的方法，其特征在于，在所述获取在相同环境下对同一区域进行拍摄获得的无前景目标图像和有前景目标图像之后，还包括：采用低通滤波器对所述无前景目标图像和所述有前景目标图像进行滤波。3.根据权利要求2所述的方法，其特征在于，所述全变分模型具体为：其中，E[f]表示能量泛函的最小值，λ是预设平滑因子，表示滤波后的无前景目标图像，表示滤波后的有前景目标图像，w代表目标函数，f表示由滤波后的无前景目标图像的背景部分和滤波后的有前景目标图像中的前景部分的合成图像，满足·表示点乘运算，β1、β2、β3和β4代表常量系数，满足β1+β2＝1，β3+β4＝1；相应的，所述迭代更新所述目标函数，对所述全变分模型...

【专利技术属性】
技术研发人员：邓苗，
申请(专利权)人：国光电器股份有限公司，广州市国光电子科技有限公司，
类型：发明
国别省市：广东,44