CN112418232B - 图像分割方法、装置、可读介质及电子设备 - Google Patents

Abstract

本公开涉及一种图像分割方法、装置、可读介质及电子设备，该方法包括：获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；根据所述中心点位置信息，对所述待分割图像进行图像分割。通过上述技术方案，考虑物体的中心点位置信息，可以使得物体所在的区域在待分割图像中更加突出，与背景区域之间的区别更加显著，从而在对待分割图像进行图像分割时，能够更准确地把前景物体分割出来，有效避免背景区域的干扰，提升图像分割的准确度和分割效果。

Description

图像分割方法、装置、可读介质及电子设备

技术领域

本公开涉及图像处理技术领域，具体地，涉及一种图像分割方法、装置、可读介质及电子设备。

背景技术

图像分割在图像处理技术领域具有重要应用。图像分割指的是把图像分割成若干个具有相似性质的区域，即将图像划分成若干互不相交的区域的过程。

图像中通常会存在较为显著的前景物体，图像分割可以将前景物体所在的区域与背景区域分割出来。然而相关技术中在对图像进行分割时，容易受到图像中背景区域的干扰，使得对图像中物体的分割效果不好，并且当存在物体被局部遮挡等情况时，也会使得图像分割结果不够准确。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种图像分割方法，所述方法包括：获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；根据所述中心点位置信息，对所述待分割图像进行图像分割。

第二方面，本公开提供一种图像分割装置，所述装置包括：获取模块，用于获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；确定模块，用于根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；图像分割模块，用于根据所述中心点位置信息，对所述待分割图像进行图像分割。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面提供的所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面提供的所述方法的步骤。

通过上述技术方案，首先获取待分割图像中各像素点的预测物体中心点特征信息，根据各像素点的预测物体中心点特征信息，可确定待分割图像中物体的中心点位置信息，进而根据物体的中心点位置信息，对待分割图像进行图像分割。这样，考虑物体的中心点位置信息，可以使得物体所在的区域在待分割图像中更加突出，与背景区域之间的区别更加显著，从而在对待分割图像进行图像分割时，能够更准确地把前景物体分割出来，有效避免背景区域的干扰。并且，即使存在物体被局部遮挡或图像中有其他相似物体出现等情况，该物体的中心点位置信息并不会受到影响，因此，根据物体的中心点位置信息进行图像分割，可以把物体所在区域准确分割出来，提升图像分割的准确度和分割效果。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据一示例性实施例示出的一种图像分割方法的流程图。

图2是根据一示例性实施例示出的一种确定待分割图像中物体的中心点位置信息的方法的流程图。

图3是根据另一示例性实施例示出的一种图像分割方法的流程图。

图4是根据一示例性实施例示出的一种图像分割装置的框图。

图5是根据一示例性实施例示出的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是根据一示例性实施例示出的一种图像分割方法的流程图，该方法可应用于具有处理能力的电子设备中，如终端或服务器，如图1所示，该方法可包括S101～S103。

在S101中，获取待分割图像中各像素点的预测物体中心点特征信息。

待分割图像可以是预先存储的图像，或者实时采集的图像，也可以是视频中的图像帧，本公开不做具体限制。待分割图像中可能存在一个或多个较为显著的前景物体，物体可包括人体和物品等，例如，待分割图像中存在一辆或多辆车，或存在一个或多个人，对待分割图像进行图像分割，可以划分图像中前景物体所在区域和图像中的背景区域。

其中，像素点的预测物体中心点特征信息可用于表征该像素点为物体中心点的可信度，即该像素点为物体中心点的可能性或概率。示例地，电子设备中可集成有物体中心点预测模块，该物体中心点预测模块可生成待分割图像对应的热图(heatmap)，该热图与待分割图像的分辨率可以是相同的，热图中每个像素点的信息可用于表征待分割图像中对应像素点的预测物体中心点特征信息。其中，若像素点为物体中心点的可能性较高，则该像素点的预测物体中心点特征信息相对较高；若像素点为物体中心点的可能性较低，则该像素点的预测物体中心点特征信息相对较低。对于该预测物体中心点特征信息的具体表现形式，本公开不做限制，例如可通过0-1之间的数值进行表示。

在S102中，根据各像素点的预测物体中心点特征信息，确定待分割图像中物体的中心点位置信息。

其中，物体的中心点位置信息可以指的是物体中心点在待分割图像中的坐标信息。

值得说明的是，本公开中在对待分割图像进行图像分割时，无需预先指定特定的物体，也并非仅确定特定物体的中心点位置信息，在待分割图像中存在多个物体的情况下，根据各像素点的预测物体中心点特征信息，可同时确定出该多个物体各自的中心点位置信息，从而在进行图像分割时，可对该多个物体所在的区域均进行准确分割。

在S103中，根据中心点位置信息，对待分割图像进行图像分割。

考虑物体的中心点位置信息，可以使得物体所在的区域在待分割图像中更加突出，与背景区域之间的区别更加显著，从而在对待分割图像进行图像分割时，更容易把前景物体分割出来，有效避免背景区域的干扰。并且，即使物体被局部遮挡，而其中心点位置信息不会受到物体表面特征(例如颜色、尺寸等)的影响，另外，即使图像中有其他相似物体出现，该物体的中心点位置信息也不会受到其他相似物体的影响，因此，根据物体的中心点位置信息进行图像分割，可以把物体所在区域准确分割出来，提升图像分割的准确度和分割效果。

通过上述技术方案，首先获取待分割图像中各像素点的预测物体中心点特征信息，根据各像素点的预测物体中心点特征信息，可确定待分割图像中物体的中心点位置信息，进而根据物体的中心点位置信息，对待分割图像进行图像分割。这样，考虑物体的中心点位置信息，可以使得物体所在的区域在待分割图像中更加突出，与背景区域之间的区别更加显著，从而在对待分割图像进行图像分割时，能够更准确地把前景物体分割出来，有效避免背景区域的干扰。并且，即使存在物体被局部遮挡或图像中有其他相似物体出现等情况，该物体的中心点位置信息并不会受到影响，因此，根据物体的中心点位置信息进行图像分割，可以把物体所在区域准确分割出来，提升图像分割的准确度和分割效果。

在一可选实施方式中，S102中根据各像素点的预测物体中心点特征信息，确定待分割图像中物体的中心点位置信息，可包括：将各像素点的预测物体中心点特征信息中局部极大值对应的像素点的位置信息，确定为物体的中心点位置信息。其中，不论待分割图像是单独的图像，还是视频中的图像帧，均可采用该实施方式确定物体的中心点位置信息。

其中，局部极大值对应的像素点，可以指的是物体所在区域的像素点中预测物体中心点特征信息相对最大的像素点。如果待分割图像中存在多个物体，每一物体所在区域的像素点中，均存在预测物体中心点特征信息相对较大的点，因此可确定出多个局部极大值点，不同的局部极大值点对应不同物体的中心点。如果待分割图像中存在一个物体，可确定出一个局部极大值点，该局部极大值点也即是预测物体中心点特征信息最大的像素点，可将该像素点的位置信息确定为待分割图像中物体的中心点位置信息。

如此，像素点的预测物体中心点特征信息可用于表征该像素点为物体中心点的可能性，将各像素点的预测物体中心点特征信息中局部极大值对应的像素点确定为物体的中心点，在待分割图像中存在多个物体的情况下，能够准确确定该多个物体各自的中心点位置信息。

在另一可选实施方式中，在待分割图像为视频中的图像帧的情况下，可以结合视频中的参考图像帧确定待分割图像中物体的中心点位置信息。图2是根据该实施方式示出的一种确定待分割图像中物体的中心点位置信息的方法的流程图，如图2所示，上述S102可包括S1021～S1023。

在S1021中，根据参考图像帧中物体的中心点位置信息以及该物体的运动轨迹信息，确定待分割图像中该物体的预测中心点。

其中，参考图像帧可以为视频中与待分割图像不同的图像帧。示例地，该参考图像帧可以是视频中的首帧图像帧，也可是视频中待分割图像的上一帧，本公开不做具体限制。

视频中的图像帧具有一定的连续性，物体的运动轨迹信息可包括物体的运动方向信息、移动速度、移动加速度等等，根据物体的运动轨迹信息，可确定在视频中从参考图像帧的时刻到待分割图像的时刻，物体移动的距离和方向。其中，参考图像帧中物体的中心点位置信息可以是预先确定出的，根据参考图像帧中物体的中心点位置信息以及物体的运动轨迹信息，可确定待分割图像中物体的预测中心点，该预测中心点即根据物体的运动轨迹初步确定出的可能的物体的中心点位置。

在S1022中，确定待分割图像中物体所在的区域中预测物体中心点特征信息最大的预设数量个像素点。

待分割图像中该物体所在的区域存在多个像素点，可确定该多个像素点中预测物体中心点特征信息最大的预设数量个像素点，即预测物体中心点特征信息排名在前K位的像素点，该预设数量个像素点为物体中心点的可能性较高。其中K可表示预设数量，K大于或等于1，对其取值本公开不做具体限制。

在S1023中，将预设数量个像素点中与预测中心点之间的距离最近的像素点的位置信息，确定为中心点位置信息。

示例地，可针对预设数量个像素点中每一像素点，计算该像素点与预测中心点之间的距离，与预测中心点之间的距离最近的像素点，不仅为物体中心点的可能性较高，且与根据物体运动轨迹确定出的预测中心点之间的距离最近，因此可将该像素点的位置信息作为待分割图像中物体的中心点位置信息。

值得说明的是，对于S1021和S1022的执行顺序，本公开不做具体限制，可以先执行S1022再执行S1021，或者二者可并行执行，图2仅为示例。

通过上述技术方案，在待分割图像为视频中的图像帧的情况下，可结合视频中的参考图像帧以及物体的运动轨迹信息，确定待分割图像中物体的中心点位置信息，结合考虑物体的运动轨迹信息，可以使得确定出的物体的中心点位置信息更为准确。

图3是根据另一示例性实施例示出的一种图像分割方法的流程图，如图3所示，该方法可包括S301～S304，其中上述S103可包括S303和S304。

在S301(101)中，获取待分割图像中各像素点的预测物体中心点特征信息。该步骤S301的实施方式可参照S101。

在S302(102)中，根据各像素点的预测物体中心点特征信息，确定待分割图像中物体的中心点位置信息。该步骤中可采用本公开任一实施方式提供的确定物体的中心点位置信息的方式。

在S303中，根据中心点位置信息和预测物体中心点特征信息，确定待分割图像中各像素点的目标物体中心点特征信息。

其中，中心点位置信息对应的像素点的目标物体中心点特征信息大于该像素点的预测物体中心点特征信息，中心点位置信息对应的像素点即物体的中心点，也即是进一步提升物体中心点的特征信息，例如可采用高斯算法增大物体中心点的特征信息。

在S304中，根据目标物体中心点特征信息，对待分割图像进行图像分割。

由于中心点位置信息对应的像素点的目标物体中心点特征信息大于该像素点的预测物体中心点特征信息，使得物体中心点的特征信息更高，因此根据目标物体中心点特征信息进行图像分割，可以更准确地把前景物体分割出来，进一步提升图像分割的准确性和分割效果。

该步骤S304可进一步包括：获取待分割图像中各像素点的预设特征信息；根据待分割图像中各像素点的目标物体中心点特征信息和预设特征信息，对待分割图像进行图像分割。

预设特征信息可包括图像语义特征信息和图像边缘特征信息中的至少一者。其中，可对待分割图像中每个像素点进行分类，确定每个像素点所属的语义标签，属于同一语义标签的像素点的图像语义特征信息可以相同。图像的边缘可以指的是图像中亮度变化或灰度变化最显著的部分，位于边缘部分的像素点的图像边缘特征信息相对较大。

可选地，根据待分割图像中各像素点的目标物体中心点特征信息和预设特征信息，对待分割图像进行图像分割，可包括：根据待分割图像中各像素点的目标物体中心点特征信息和预设特征信息，确定该像素点的目标特征信息；根据各像素点的目标特征信息，对待分割图像进行图像分割。

其中，在预设特征信息包括图像语义特征信息和图像边缘特征信息中的一者的情况下，可将待分割图像中像素点的目标物体中心点特征信息与该像素点的预设特征信息的乘积，作为该像素点的目标特征信息。在预设特征信息包括图像语义特征信息和图像边缘特征信息的情况下，可将待分割图像中像素点的目标物体中心点特征信息、该像素点的图像语义特征信息以及该像素点的图像边缘特征信息的乘积，作为该像素点的目标特征信息。

本公开中，将像素点的目标物体中心点特征信息点乘到该像素点的预设特征信息，由于物体中心点及其附近像素点的目标物体中心点特征信息相对较高，不为物体中心点区域的像素点的目标物体中心点特征信息相对较低，因此将像素点的目标物体中心点特征信息与预设特征信息相乘，可使得物体中心点的目标特征信息更高。这样，根据目标特征信息进行图像分割时，可以使得物体所在区域在待分割图像中更加突出，可以更准确地把前景物体从待分割图像中分割出来。

示例地，根据各像素点的目标特征信息对待分割图像进行图像分割的示例性实施方式可以为：将待分割图像和各像素点的目标特征信息输入到图像分割模型中，以通过图像分割模型对待分割图像进行图像分割。

图像分割模型可以是任一种网络模型，例如全卷积的网络模型。该图像分割模型可以是预先训练出的。

其中，像素点的目标特征信息是根据该像素点的目标物体中心点特征信息，以及图像语义特征信息和/或图像边缘特征信息得到的，图像分割模型在对待分割图像进行图像分割时，由于物体中心点的目标特征信息相对更高，因此物体所在的区域与背景区域之间的区别更加显著，根据各像素点的目标特征信息，可以更准确地把物体所在的区域分割出来，从而提升图像分割效果和图像分割准确度。

基于同一发明构思，本公开还提供一种图像分割装置，图4是根据一示例性实施例示出的一种图像分割装置的框图，如图4所示，该装置400可包括：

获取模块401，用于获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；

确定模块402，用于根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；

图像分割模块403，用于根据所述中心点位置信息，对所述待分割图像进行图像分割。

采用上述装置，首先获取待分割图像中各像素点的预测物体中心点特征信息，根据各像素点的预测物体中心点特征信息，可确定待分割图像中物体的中心点位置信息，进而根据物体的中心点位置信息，对待分割图像进行图像分割。这样，考虑物体的中心点位置信息，可以使得物体所在的区域在待分割图像中更加突出，与背景区域之间的区别更加显著，从而在对待分割图像进行图像分割时，能够更准确地把前景物体分割出来，有效避免背景区域的干扰。并且，即使存在物体被局部遮挡或图像中有其他相似物体出现等情况，该物体的中心点位置信息并不会受到影响，因此，根据物体的中心点位置信息进行图像分割，可以把物体所在区域准确分割出来，提升图像分割的准确度和分割效果。

可选地，所述图像分割模块403，可包括：第一确定子模块，用于根据所述中心点位置信息和所述预测物体中心点特征信息，确定所述待分割图像中各像素点的目标物体中心点特征信息，其中，所述中心点位置信息对应的像素点的所述目标物体中心点特征信息大于所述像素点的所述预测物体中心点特征信息；第一图像分割子模块，用于根据所述目标物体中心点特征信息，对所述待分割图像进行图像分割。

可选地，所述第一图像分割子模块，可包括：获取子模块，用于获取所述待分割图像中各像素点的预设特征信息，所述预设特征信息包括图像语义特征信息和图像边缘特征信息中的至少一者；第二分割子模块，用于根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，对所述待分割图像进行图像分割。

可选地，所述第二分割子模块，可包括：第二确定子模块，用于根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，确定所述像素点的目标特征信息，其中，在所述预设特征信息包括所述图像语义特征信息和所述图像边缘特征信息中的一者的情况下，将所述待分割图像中像素点的目标物体中心点特征信息与所述像素点的预设特征信息的乘积，作为所述像素点的所述目标特征信息，在所述预设特征信息包括所述图像语义特征信息和所述图像边缘特征信息的情况下，将所述待分割图像中像素点的目标物体中心点特征信息、所述像素点的图像语义特征信息以及所述像素点的图像边缘特征信息的乘积，作为所述像素点的所述目标特征信息；第三分割子模块，用于根据各像素点的所述目标特征信息，对所述待分割图像进行图像分割。

可选地，所述第三分割子模块，可包括：输入子模块，用于将所述待分割图像和各像素点的所述目标特征信息输入到图像分割模型中，以通过所述图像分割模型对所述待分割图像进行图像分割。

可选地，所述确定模块402，可包括：第三确定子模块，用于将各像素点的所述预测物体中心点特征信息中局部极大值对应的像素点的位置信息，确定为所述中心点位置信息。

可选地，所述待分割图像为视频中的图像帧；所述确定模块402，可包括：第四确定子模块，用于根据参考图像帧中所述物体的中心点位置信息以及所述物体的运动轨迹信息，确定所述待分割图像中所述物体的预测中心点，其中，所述参考图像帧为所述视频中与所述待分割图像不同的图像帧；第五确定子模块，用于确定所述待分割图像中所述物体所在的区域中所述预测物体中心点特征信息最大的预设数量个像素点；第六确定子模块，用于将所述预设数量个像素点中与所述预测中心点之间的距离最近的像素点的位置信息，确定为所述中心点位置信息。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关方法的实施例中进行了详细描述，此处将不做详细阐述说明。

下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；根据所述中心点位置信息，对所述待分割图像进行图像分割。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“中心点特征信息获取模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，示例1提供了一种图像分割方法，所述方法包括：获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；根据所述中心点位置信息，对所述待分割图像进行图像分割。

根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述根据所述中心点位置信息，对所述待分割图像进行图像分割，包括：根据所述中心点位置信息和所述预测物体中心点特征信息，确定所述待分割图像中各像素点的目标物体中心点特征信息，其中，所述中心点位置信息对应的像素点的所述目标物体中心点特征信息大于所述像素点的所述预测物体中心点特征信息；根据所述目标物体中心点特征信息，对所述待分割图像进行图像分割。

根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述根据所述目标物体中心点特征信息，对所述待分割图像进行图像分割，包括：获取所述待分割图像中各像素点的预设特征信息，所述预设特征信息包括图像语义特征信息和图像边缘特征信息中的至少一者；根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，对所述待分割图像进行图像分割。

根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，对所述待分割图像进行图像分割，包括：根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，确定所述像素点的目标特征信息，其中，在所述预设特征信息包括所述图像语义特征信息和所述图像边缘特征信息中的一者的情况下，将所述待分割图像中像素点的目标物体中心点特征信息与所述像素点的预设特征信息的乘积，作为所述像素点的所述目标特征信息，在所述预设特征信息包括所述图像语义特征信息和所述图像边缘特征信息的情况下，将所述待分割图像中像素点的目标物体中心点特征信息、所述像素点的图像语义特征信息以及所述像素点的图像边缘特征信息的乘积，作为所述像素点的所述目标特征信息；根据各像素点的所述目标特征信息，对所述待分割图像进行图像分割。

根据本公开的一个或多个实施例，示例5提供了示例4的方法，所述根据各像素点的所述目标特征信息，对所述待分割图像进行图像分割，包括：将所述待分割图像和各像素点的所述目标特征信息输入到图像分割模型中，以通过所述图像分割模型对所述待分割图像进行图像分割。

根据本公开的一个或多个实施例，示例6提供了示例1的方法，所述根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息，包括：将各像素点的所述预测物体中心点特征信息中局部极大值对应的像素点的位置信息，确定为所述中心点位置信息。

根据本公开的一个或多个实施例，示例7提供了示例1的方法，所述待分割图像为视频中的图像帧；所述根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息，包括：根据参考图像帧中所述物体的中心点位置信息以及所述物体的运动轨迹信息，确定所述待分割图像中所述物体的预测中心点，其中，所述参考图像帧为所述视频中与所述待分割图像不同的图像帧；确定所述待分割图像中所述物体所在的区域中所述预测物体中心点特征信息最大的预设数量个像素点；将所述预设数量个像素点中与所述预测中心点之间的距离最近的像素点的位置信息，确定为所述中心点位置信息。

根据本公开的一个或多个实施例，示例8提供一种图像分割装置，所述装置包括：获取模块，用于获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；确定模块，用于根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；图像分割模块，用于根据所述中心点位置信息，对所述待分割图像进行图像分割。

根据本公开的一个或多个实施例，示例9提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1-7中任一示例所述方法的步骤。

根据本公开的一个或多个实施例，示例10提供一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1-7中任一示例所述方法的步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (6)

1.一种图像分割方法，其特征在于，所述方法包括：

获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；

根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；

根据所述中心点位置信息和所述预测物体中心点特征信息，确定所述待分割图像中各像素点的目标物体中心点特征信息，其中，所述中心点位置信息对应的像素点的所述目标物体中心点特征信息大于所述像素点的所述预测物体中心点特征信息；

获取所述待分割图像中各像素点的预设特征信息，所述预设特征信息包括图像语义特征信息和图像边缘特征信息中的至少一者；

根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，对所述待分割图像进行图像分割；

所述中心点位置信息通过以下方式确定：

将各像素点的所述预测物体中心点特征信息中局部极大值对应的像素点的位置信息，确定为所述中心点位置信息；或者，若所述待分割图像为视频中的图像帧，根据参考图像帧中所述物体的中心点位置信息以及所述物体的运动轨迹信息，确定所述待分割图像中所述物体的预测中心点，其中，所述参考图像帧为所述视频中与所述待分割图像不同的图像帧，确定所述待分割图像中所述物体所在的区域中所述预测物体中心点特征信息最大的预设数量个像素点，将所述预设数量个像素点中与所述预测中心点之间的距离最近的像素点的位置信息，确定为所述中心点位置信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，对所述待分割图像进行图像分割，包括：

根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，确定所述像素点的目标特征信息，其中，在所述预设特征信息包括所述图像语义特征信息和所述图像边缘特征信息中的一者的情况下，将所述待分割图像中像素点的目标物体中心点特征信息与所述像素点的预设特征信息的乘积，作为所述像素点的所述目标特征信息，在所述预设特征信息包括所述图像语义特征信息和所述图像边缘特征信息的情况下，将所述待分割图像中像素点的目标物体中心点特征信息、所述像素点的图像语义特征信息以及所述像素点的图像边缘特征信息的乘积，作为所述像素点的所述目标特征信息；

根据各像素点的所述目标特征信息，对所述待分割图像进行图像分割。

3.根据权利要求2所述的方法，其特征在于，所述根据各像素点的所述目标特征信息，对所述待分割图像进行图像分割，包括：

将所述待分割图像和各像素点的所述目标特征信息输入到图像分割模型中，以通过所述图像分割模型对所述待分割图像进行图像分割。

4.一种图像分割装置，其特征在于，所述装置包括：

获取模块，用于获取待分割图像中各像素点的预测物体中心点特征信息，所述预测物体中心点特征信息用于表征所述像素点为物体中心点的可信度；

确定模块，用于根据各像素点的所述预测物体中心点特征信息，确定所述待分割图像中物体的中心点位置信息；

图像分割模块，包括第一确定子模块和第一图像分割子模块；

所述第一确定子模块用于根据所述中心点位置信息和所述预测物体中心点特征信息，确定所述待分割图像中各像素点的目标物体中心点特征信息，其中，所述中心点位置信息对应的像素点的所述目标物体中心点特征信息大于所述像素点的所述预测物体中心点特征信息；

所述第一图像分割子模块包括获取子模块和第二分割子模块：

所述获取子模块用于获取所述待分割图像中各像素点的预设特征信息，所述预设特征信息包括图像语义特征信息和图像边缘特征信息中的至少一者；

所述第二分割子模块，用于根据所述待分割图像中各像素点的所述目标物体中心点特征信息和所述预设特征信息，对所述待分割图像进行图像分割；

所述确定模块，包括：

第三确定子模块，用于将各像素点的所述预测物体中心点特征信息中局部极大值对应的像素点的位置信息，确定为所述中心点位置信息；

或者，所述确定模块，包括：第四确定子模块，用于若所述待分割图像为视频中的图像帧，根据参考图像帧中所述物体的中心点位置信息以及所述物体的运动轨迹信息，确定所述待分割图像中所述物体的预测中心点，其中，所述参考图像帧为所述视频中与所述待分割图像不同的图像帧；第五确定子模块，用于确定所述待分割图像中所述物体所在的区域中所述预测物体中心点特征信息最大的预设数量个像素点；第六确定子模块，用于将所述预设数量个像素点中与所述预测中心点之间的距离最近的像素点的位置信息，确定为所述中心点位置信息。

5.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-3中任一项所述方法的步骤。

6.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-3中任一项所述方法的步骤。