超声视频流的目标关键帧识别方法和相关设备技术

本发明专利技术涉及图像识别技术领域，具体是涉及超声视频流的目标关键帧识别方法和相关设备

【技术实现步骤摘要】
超声视频流的目标关键帧识别方法和相关设备


[0001]本专利技术涉及图像识别
，具体是涉及超声视频流的目标关键帧识别方法和相关设备
。

技术介绍

[0002]医疗诊断设备通过对超声图像的分析可以获知患者发生病变的具体位置或病灶
(
目标
)
所在处
。
比如通过探头依次采集到多帧超声图像以构成视频流，现有技术从视频流的若干帧图像中筛选出其中一帧作为关键帧，通过对该关键帧的分析以帮助医生掌握患者患病程度
。
但是现有技术只是针对所有的病灶挑选出其中一个关键帧图像，当视频流中出现多个目标时，现有技术并不能针对每个目标从视频流中挑选出针对该目标的关键帧
。
[0003]综上所述，现有技术不能针对多目标的视频流识别出每个目标的关键帧图像
。
[0004]因此，现有技术还有待改进和提高
。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供了超声视频流的目标关键帧识别方法和相关设备，解决了现有技术不能针对多目标的视频流识别出每个目标的关键帧图像的问题
。
[0006]为实现上述目的，本专利技术采用了以下技术方案：
[0007]第一方面，本专利技术提供一种超声视频流的目标关键帧识别方法，其中，包括：
[0008]对视频流的每帧图像均进行目标提取，得到每帧所述图像上的各个目标所在的各个目标区域，所述目标区域用于表征目标在所述图像上的位置；
[0009]确定每帧所述图像上的各个所述目标区域的各组指标，所述指标用于辨别所述目标；
[0010]依据每帧所述图像上的各组所述指标，从所述视频流中的各帧图像中识别出每一个所述目标所对应的关键帧图像
。
[0011]在一种实现方式中，所述对视频流的每帧图像均进行目标提取，得到每帧所述图像上的各个目标所在的各个目标区域，所述目标区域用于表征目标在所述图像上的位置，包括：
[0012]确定每帧所述图像中的当前帧图像；
[0013]提取所述当前帧图像的当前深度特征图；
[0014]确定由各个前序深度特征图组成的前序深度特征图组，其中，每个所述前序深度特征图为每个之前帧图像的深度特征图，每个所述之前帧图像在所述视频流中位于所述当前帧图像之前；
[0015]确定各个所述目标在所述当前帧图像上的各个目标当前预估位置；
[0016]依据各个所述目标当前预估位置
、
所述当前深度特征图
、
所述前序深度特征图组，对所述当前帧图像进行目标提取，得到所述当前帧图像上的各个目标所在的各个目标区域中的各个目标当前区域，各个所述目标当前区域用于表征各个所述目标在所述当前帧图像
上相对所述目标当前预估位置调整之后的位置
。
[0017]在一种实现方式中，所述依据各个所述目标当前预估位置
、
所述当前深度特征图
、
所述前序深度特征图组，对所述当前帧图像进行目标提取，得到所述当前帧图像上的各个目标所在的各个目标区域中的各个目标当前区域，各个所述目标当前区域用于表征各个所述目标在所述当前帧图像上相对所述目标当前预估位置调整之后的位置，包括：
[0018]对所述当前深度特征图和所述前序深度特征图组进行融合，得到融合深度特征图；
[0019]对各个所述目标当前预估位置和所述当前深度特征图进行融合，得到位置深度融合特征图，所述位置深度融合特征图用于表征所述当前帧图像上的各个所述目标当前预估位置增强后的深度特征；
[0020]依据所述位置深度融合特征图和所述融合深度特征图，对所述当前帧图像进行目标提取，得到所述当前帧图像上的各个目标所在的各个目标当前区域
。
[0021]在一种实现方式中，所述前序深度特征图组的更新方式，包含：
[0022]将所述各个目标当前区域和所述当前帧图像输入至分类网络中，得到所述分类网络输出的目标区域精度，所述目标区域精度用于表征所述目标当前区域覆盖住所述当前帧图像上的所述目标的程度；
[0023]确定所述前序深度特征图组内部的各个所述前序深度特征图构成的特征图总量；
[0024]确定所述当前帧图像在所述视频流上的当前图像索引号；
[0025]确定所述前序深度特征图组内部的最大序列号的所述前序深度特征图所对应的图像索引号，记为最新图像索引号；
[0026]依据所述特征图总量
、
所述目标区域精度
、
所述当前图像索引号
、
所述最新图像索引号，确定是否更新所述前序深度特征图组
。
[0027]在一种实现方式中，所述依据所述特征图总量
、
所述目标区域精度
、
所述当前图像索引号
、
所述最新图像索引号，确定是否更新所述前序深度特征图组，包括：
[0028]确定所述最新图像索引号减去所述当前图像索引号所得到的之差；
[0029]确定以自然常数为底数
、
以所述之差为指数的指数函数；
[0030]确定所述目标区域精度加上所述指数函数所得到的之和；
[0031]当所述特征图总量大于存储阈值时
、
所述之和大于设定的更新阈值时，删除所述前序深度特征图组内部的最小序列号所对应的所述前序深度特征图，并将所述当前深度特征图置于所述前序深度特征图组中，以更新所述前序深度特征图组
。
[0032]在一种实现方式中，所述各个所述目标当前预估位置通过跟踪器组获得，所述跟踪器组的更新方式，包括：
[0033]确定各个所述目标分别所对应的各个子跟踪器，各个所述子跟踪器用于构成所述跟踪器组；
[0034]当各个所述目标区域中存在未出现的目标区域，为未出现的目标区域增设跟踪器，记为新跟踪器，未出现的目标区域为在所述之前帧图像上未出现的区域；
[0035]将所述新跟踪器添加至所述跟踪器组中，以更新所述跟踪器组
。
[0036]在一种实现方式中，所述依据每帧所述图像上的各组所述指标，从所述视频流中的各帧图像中识别出每一个所述目标所对应的关键帧图像，包括：
[0037]确定每个所述目标区域的每组所述指标中的各个子指标；
[0038]依据各个所述子指标的识别结果和
/
或针对各个所述子指标预设的重要程度，得到每个所述目标区域的目标得分，所述识别结果用于表征所述子指标的指标值；
[0039]比较各个所述之前帧图像的所述目标得分，得到目标最高得分，并将所述目标最高得分所对应的所述之前帧图像，记为优选帧图像；
[0040]当所述当前帧图像的所述目标得分大于所述目标最高得分，将所述当前帧图像作为所述目标得分所对应的所述目标的关键帧图像；
[0041]当所述当前帧图像的所述目标得分小于等于所述目标最高得分，所述优选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种超声视频流的目标关键帧识别方法，其特征在于，包括：对视频流的每帧图像均进行目标提取，得到每帧所述图像上的各个目标所在的各个目标区域，所述目标区域用于表征目标在所述图像上的位置；确定每帧所述图像上的各个所述目标区域的各组指标，所述指标用于辨别所述目标；依据每帧所述图像上的各组所述指标，从所述视频流中的各帧图像中识别出每一个所述目标所对应的关键帧图像
。2.
如权利要求1所述的超声视频流的目标关键帧识别方法，其特征在于，所述对视频流的每帧图像均进行目标提取，得到每帧所述图像上的各个目标所在的各个目标区域，所述目标区域用于表征目标在所述图像上的位置，包括：确定每帧所述图像中的当前帧图像；提取所述当前帧图像的当前深度特征图；确定由各个前序深度特征图组成的前序深度特征图组，其中，每个所述前序深度特征图为每个之前帧图像的深度特征图，每个所述之前帧图像在所述视频流中位于所述当前帧图像之前；确定各个所述目标在所述当前帧图像上的各个目标当前预估位置；依据各个所述目标当前预估位置
、
所述当前深度特征图
、
所述前序深度特征图组，对所述当前帧图像进行目标提取，得到所述当前帧图像上的各个目标所在的各个目标区域中的各个目标当前区域，各个所述目标当前区域用于表征各个所述目标在所述当前帧图像上相对所述目标当前预估位置调整之后的位置
。3.
如权利要求2所述的超声视频流的目标关键帧识别方法，其特征在于，所述依据各个所述目标当前预估位置
、
所述当前深度特征图
、
所述前序深度特征图组，对所述当前帧图像进行目标提取，得到所述当前帧图像上的各个目标所在的各个目标区域中的各个目标当前区域，各个所述目标当前区域用于表征各个所述目标在所述当前帧图像上相对所述目标当前预估位置调整之后的位置，包括：对所述当前深度特征图和所述前序深度特征图组进行融合，得到融合深度特征图；对各个所述目标当前预估位置和所述当前深度特征图进行融合，得到位置深度融合特征图，所述位置深度融合特征图用于表征所述当前帧图像上的各个所述目标当前预估位置增强后的深度特征；依据所述位置深度融合特征图和所述融合深度特征图，对所述当前帧图像进行目标提取，得到所述当前帧图像上的各个目标所在的各个目标当前区域
。4.
如权利要求2所述的超声视频流的目标关键帧识别方法，其特征在于，所述前序深度特征图组的更新方式，包含：将所述各个目标当前区域和所述当前帧图像输入至分类网络中，得到所述分类网络输出的目标区域精度，所述目标区域精度用于表征所述目标当前区域覆盖住所述当前帧图像上的所述目标的程度；确定所述前序深度特征图组内部的各个所述前序深度特征图构成的特征图总量；确定所述当前帧图像在所述视频流上的当前图像索引号；确定所述前序深度特征图组内部的最大序列号的所述前序深度特征图所对应的图像索引号，记为最新图像索引号；
依据所述特征图总量
、
所述目标区域精度
、
所述当前图像索引号
、
所述最新图像索引号，确定是否更新所述前序深度特征图组
。5.
如权利要求4所述的超声视频流的目标关键帧识别方法，其特征在于，所述依据所述特征图总量
、
所述目标区域精度
、
所述当前图像索引号
、<...

【专利技术属性】
技术研发人员：杨洪光，杨鑫，高睿，
申请(专利权)人：深圳度影医疗科技有限公司，
类型：发明
国别省市：