本技術(shù)涉及圖像處理，尤其涉及一種圖像分割方法、裝置及圖像分割模型。

背景技術(shù)：

1、目前，圖像分割技術(shù)已被廣泛應(yīng)用于背景虛化、虛擬背景、視頻人像摳圖、無人駕駛、安防監(jiān)控等場景。為了滿足這些應(yīng)用場景下的高精準(zhǔn)度和高實(shí)時性的圖像分割需求，通常采用開源圖像分割算法，來快速識別待處理圖像中的對象分割區(qū)域，用以實(shí)現(xiàn)相應(yīng)場景下的圖像處理任務(wù)。

2、然而，在對如體育賽場上運(yùn)動員的動作分析、高速車流量監(jiān)測，或者傳送帶移動物品的瑕疵檢測等應(yīng)用場景下的圖像分割過程中，很容易因待分割對象處于運(yùn)動狀態(tài)，使得相鄰幀圖像中的對象運(yùn)動偏移過大，降低圖像分割精準(zhǔn)度。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問題，本技術(shù)提供了以下方案：

2、本技術(shù)第一方面提供一種圖像分割方法，所述方法包括：

3、獲取待處理的當(dāng)前幀圖像組；

4、對所述當(dāng)前幀圖像組進(jìn)行處理，確定所述當(dāng)前幀圖像組中拍攝對象的運(yùn)動狀態(tài)信息；

5、選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果；不同所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型中處于工作狀態(tài)的融合神經(jīng)網(wǎng)絡(luò)模塊數(shù)量不同，所述融合神經(jīng)網(wǎng)絡(luò)模塊用于進(jìn)行上一幀圖像信息與當(dāng)前幀圖像信息的融合。

6、在一種可能的實(shí)現(xiàn)中，所述選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果，包括：

7、依據(jù)所述運(yùn)動狀態(tài)信息，從已訓(xùn)練的多個候選圖像分割模型中，選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型；

8、將所述當(dāng)前幀圖像組輸入所述目標(biāo)圖像分割模型進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果。

9、在一種可能的實(shí)現(xiàn)中，所述選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果，包括：

10、依據(jù)所述運(yùn)動狀態(tài)信息，從所述目標(biāo)圖像分割模型包含的多個候選解碼模塊中，選擇與運(yùn)動狀態(tài)信息相匹配的目標(biāo)解碼模塊；

11、基于所述目標(biāo)圖像分割模型中的編碼模塊和所述目標(biāo)解碼模塊，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果；

12、其中，不同所述候選解碼模塊包含的融合神經(jīng)網(wǎng)絡(luò)模塊數(shù)量不同。

13、在一種可能的實(shí)現(xiàn)中，所述選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果，包括：

14、依據(jù)所述運(yùn)動狀態(tài)信息，從所述目標(biāo)圖像分割模型的解碼模塊包含的多個融合神經(jīng)網(wǎng)絡(luò)模塊中，選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)融合神經(jīng)網(wǎng)絡(luò)模塊，將所述多個融合神經(jīng)網(wǎng)絡(luò)模塊中的其他融合神經(jīng)網(wǎng)絡(luò)模塊作為非目標(biāo)融合神經(jīng)網(wǎng)絡(luò)模塊；

15、將所述當(dāng)前幀圖像組輸入所述目標(biāo)圖像分割模型，在控制所述非目標(biāo)融合神經(jīng)網(wǎng)絡(luò)模塊處于非工作狀態(tài)的情況下，得到當(dāng)前幀圖像分割結(jié)果。

16、在一種可能的實(shí)現(xiàn)中，其中：

17、不同所述運(yùn)動狀態(tài)信息對應(yīng)表征的所述拍攝對象在相鄰幀圖像組之間的運(yùn)動偏移范圍越大，與該運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型中處于工作狀態(tài)的融合神經(jīng)網(wǎng)絡(luò)模塊數(shù)量越少；

18、所述處于工作狀態(tài)的融合神經(jīng)網(wǎng)絡(luò)模塊數(shù)量的減少方向是從所述目標(biāo)圖像分割模型的底層開始。

19、在一種可能的實(shí)現(xiàn)中，所述獲取待處理的當(dāng)前幀圖像組，包括：

20、獲取圖像序列中當(dāng)前幀原始圖像；

21、對所述當(dāng)前幀原始圖像進(jìn)行下采樣，得到與所述當(dāng)前幀原始圖像對應(yīng)的當(dāng)前幀待分割圖像；所述當(dāng)前幀待分割圖像的圖像尺寸小于所述當(dāng)前幀原始圖像的圖像尺寸；

22、其中，所述當(dāng)前幀原始圖像與所述當(dāng)前幀待分割圖像構(gòu)成當(dāng)前幀圖像組。

23、在一種可能的實(shí)現(xiàn)中，所述選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果，包括：

24、選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型中的編碼模塊，對所述當(dāng)前幀圖像組中的當(dāng)前幀待分割圖像進(jìn)行特征提取，得到多個不同尺寸的當(dāng)前幀圖像特征；

25、選擇所述目標(biāo)圖像分割模型中的與所述運(yùn)動狀態(tài)信息相匹配的解碼模塊，對所述多個不同尺寸的當(dāng)前幀圖像特征進(jìn)行解碼，得到當(dāng)前幀圖像解碼信息；

26、依據(jù)所述目標(biāo)圖像分割模型中的上采樣模塊，對所述當(dāng)前幀圖像解碼信息以及所述當(dāng)前幀圖像組中的當(dāng)前幀原始圖像進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果。

27、在一種可能的實(shí)現(xiàn)中，所述對所述當(dāng)前幀圖像組進(jìn)行處理，確定所述當(dāng)前幀圖像組中拍攝對象的運(yùn)動狀態(tài)信息，包括以下任一實(shí)現(xiàn)方式：

28、對所述當(dāng)前幀圖像組包含的當(dāng)前幀待分割圖像進(jìn)行運(yùn)動檢測，得到所述當(dāng)前幀待分割圖像中拍攝對象的運(yùn)動狀態(tài)信息；

29、獲取所述當(dāng)前幀圖像組包含的當(dāng)前幀待分割圖像中拍攝對象的動作特征，依據(jù)所述動作特征，確定所述當(dāng)前幀待分割圖像中拍攝對象的運(yùn)動狀態(tài)信息；

30、獲取所述當(dāng)前幀圖像組包含的當(dāng)前幀待分割圖像與上一幀圖像組包含的上一幀待分割圖像之間的運(yùn)動偏移量，將所述運(yùn)動偏移量確定為所述當(dāng)前幀圖像組中拍攝對象的運(yùn)動狀態(tài)信息；

31、其中，包含有不同數(shù)量的處于工作狀態(tài)的融合神經(jīng)網(wǎng)絡(luò)模塊的目標(biāo)圖像分割模型分別對應(yīng)不同的運(yùn)動偏移范圍。

32、在一種可能的實(shí)現(xiàn)中，所述選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果，包括：

33、選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對連續(xù)指定幀數(shù)的圖像組進(jìn)行處理，得到相應(yīng)幀圖像分割結(jié)果，以在獲取所述指定幀數(shù)的下一幀圖像組后，執(zhí)行對所述下一幀圖像組進(jìn)行處理，確定所述下一幀圖像組中拍攝對象的運(yùn)動狀態(tài)信息；

34、其中，所述連續(xù)指定幀數(shù)是從當(dāng)前幀開始的連續(xù)多幀；

35、所述目標(biāo)圖像分割模型中處于工作狀態(tài)的融合神經(jīng)網(wǎng)絡(luò)模塊數(shù)量越少，所述連續(xù)指定幀數(shù)越大。

36、本技術(shù)第二方面提供了一種圖像分割模型，包括：編碼模塊和解碼模塊，其中：

37、所述解碼模塊中的至少一個層未包含融合神經(jīng)網(wǎng)絡(luò)模塊，或者至少一個層包含的融合神經(jīng)網(wǎng)絡(luò)模塊處于非工作狀態(tài)。

38、在一種可能的實(shí)現(xiàn)中，所述解碼模塊的數(shù)量為多個，多個所述解碼模塊各自包含多個層中，包含有所述融合神經(jīng)網(wǎng)絡(luò)模塊的層數(shù)量不同。

39、本技術(shù)第三方面提供了一種圖像分割裝置，包括：

40、當(dāng)前幀圖像組獲取模塊，用于獲取待處理的當(dāng)前幀圖像組；

41、運(yùn)動狀態(tài)信息確定模塊，用于對所述當(dāng)前幀圖像組進(jìn)行處理，確定所述當(dāng)前幀圖像組中拍攝對象的運(yùn)動狀態(tài)信息；

42、選擇模塊，用于選擇與所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型，對所述當(dāng)前幀圖像組進(jìn)行處理，得到當(dāng)前幀圖像分割結(jié)果；

43、其中，不同所述運(yùn)動狀態(tài)信息相匹配的目標(biāo)圖像分割模型中處于工作狀態(tài)的融合神經(jīng)網(wǎng)絡(luò)模塊數(shù)量不同，所述融合神經(jīng)網(wǎng)絡(luò)模塊用于進(jìn)行上一幀圖像信息與當(dāng)前幀圖像信息的融合。