发布信息

视频的目标分割方法、系统、终端及存储介质与流程

作者:admin      2022-08-31 15:57:36     941



计算;推算;计数设备的制造及其应用技术1.本发明涉及视频处理技术领域,尤其涉及一种视频的目标分割方法、系统、终端及存储介质。背景技术:2.视频目标分割特别是视频人像分割在业界具有特别广泛的应用。目前,通用算法的流程是维护一个内存块,存放之前帧的分割结果,对第t帧视频画面进行分割时,参考存放在内存块中的t帧之前的分割结果,得到一个时序稳定的分割结果。但是,如果在t帧存在镜头拼接、机位变换等现象,那么第t帧的画面内容相较于前面的视频序列会存在突变,待分割目标的外观及在画面中的位置也会发生剧烈变化,在内存块中将找不到和t帧画面中目标相关的信息,导致分割效果很差。技术实现要素:3.本技术实施例通过提供一种视频的目标分割方法、系统、终端及存储介质,旨在解决视频分割效果差的问题。4.本技术实施例提供了一种视频的目标分割方法,所述视频的目标分割方法,包括:5.根据过往分割结果确定待分割视频帧关联的过往帧特征;6.根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征;7.基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果。8.在一实施例中,所述根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征的步骤包括:9.将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果;10.将所述输出结果作为空域卷积网络的输入,通过空域卷积网络得到所述时空全局特征。11.在一实施例中,所述时空全局卷积网络包括二维空域卷积核以及一维时域卷积核,且所述二维空域卷积核与一维时域卷积核串联连接;所述将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果的步骤包括:12.将所述过往分割结果以及所述未分割视频帧依次经过所述二维空域卷积核以及所述一维时域卷积核,得到时空全局卷积后的视频帧;13.将所述过往分割结果、所述未分割视频帧以及所述时空全局卷积后的视频帧相加,得到所述时空全局卷积网络的输出结果。14.在一实施例中,所述将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果的步骤包括:15.更改所述过往分割结果中背景区域的像素值;16.将已更改所述像素值的所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果。17.在一实施例中,所述基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果的步骤包括:18.确定所述待分割视频帧的降采样特征;19.确定所述时空全局特征与所述过往帧特征的拼接特征;20.将所述降采样特征以及所述拼接特征输入解码网络,并获取所述解码网络的输出结果;21.根据所述解码网络的输出结果得到所述待分割视频帧对应的分割结果。22.在一实施例中,所述根据过往分割结果确定待分割视频帧关联的过往帧特征的步骤包括:23.确定所述待分割视频帧的索引特征;24.确定与所述索引特征匹配的目标过往分割结果;25.基于所述目标过往分割结果确定所述过往帧特征。26.在一实施例中,所述基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果的步骤之后,还包括:27.采用所述待分割视频帧对应的分割结果更新所述过往分割结果。28.此外,为实现上述目的,本发明还提供了一种视频的目标分割系统,该系统包括:29.过往帧特征确定模块,用于根据过往分割结果确定待分割视频帧关联的过往帧特征;30.时空全局特征确定模块,用于根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征;31.分割结果确定模块,用于基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果。32.此外,为实现上述目的,本发明还提供了一种智能终端,该智能终端包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的视频的目标分割程序,所述视频的目标分割程序被所述处理器执行时实现上述的视频的目标分割方法的步骤。33.此外,为实现上述目的,本发明还提供了一种计算机可读存储介质,其上存储有视频的目标分割程序,所述视频的目标分割程序被处理器执行时实现上述的视频的目标分割方法的步骤。34.本技术实施例中提供的一种视频的目标分割方法、系统、终端及存储介质的技术方案,采用了根据过往分割结果确定待分割视频帧关联的过往帧特征,根据过往分割结果以及时序位于待分割视频帧之后的未分割视频帧确定待分割视频帧关联的时空全局特征,基于时空全局特征以及过往帧特征,生成待分割视频帧对应的分割结果的技术方案,由于在视频目标分割过程中增加了时空全局特征,利用视频的全局信息对目标进行分割,使得分割结果更加稳定。附图说明35.图1为本发明实施例方案涉及的智能终端的结构示意图;36.图2为本发明视频的目标分割方法第一实施例的流程示意图;37.图3为本发明视频的目标分割系统的功能模块图;38.图4为本发明饿利用时空全局特征进行视频目标分割的流程示意图;39.图5为本发明的时空全局卷积模块的连接示意图;40.图6为本发明时空全局特征提取网络的示意图;41.图7为本发明时空全局特征提取网络的输入视频帧的示意图。42.本技术目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明,上述附图只是一个实施例图,而不是发明的全部。具体实施方式43.本技术为了解决视频分割效果不稳定的问题,本技术提出了一种视频的目标分割方法,采用了根据过往分割结果确定待分割视频帧关联的过往帧特征,根据过往分割结果以及时序位于待分割视频帧之后的未分割视频帧确定待分割视频帧关联的时空全局特征,基于时空全局特征以及过往帧特征,生成待分割视频帧对应的分割结果的技术方案,由于在视频目标分割过程中增加了时空全局特征,利用视频的全局信息对目标进行分割,使得分割结果更加稳定。44.为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。45.如图1所示,图1为本发明实施例方案涉及的硬件运行环境的结构示意图。46.需要说明的是,图1即可为智能终端的硬件运行环境的结构示意图。47.如图1所示,该智能终端可以包括:处理器1001,例如cpu,存储器1005,用户接口1003,网络接口1004,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。48.本领域技术人员可以理解,图1中示出的智能终端结构并不构成对智能终端限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。49.如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及视频的目标分割程序。其中,操作系统是管理和控制智能终端硬件和软件资源的程序,视频的目标分割程序以及其它软件或程序的运行。50.在图1所示的智能终端中,用户接口1003主要用于连接终端,与终端进行数据通信;网络接口1004主要用于后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的视频的目标分割程序。51.在本实施例中,智能终端包括:存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的视频的目标分割程序,其中:52.处理器1001调用存储器1005中存储的视频的目标分割程序时,执行以下操作:53.根据过往分割结果确定待分割视频帧关联的过往帧特征;54.根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征;55.基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果。56.处理器1001调用存储器1005中存储的视频的目标分割程序时,还执行以下操作:57.将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果;58.将所述输出结果作为空域卷积网络的输入,通过空域卷积网络得到所述时空全局特征。59.处理器1001调用存储器1005中存储的视频的目标分割程序时,还执行以下操作:60.将所述过往分割结果以及所述未分割视频帧依次经过所述二维空域卷积核以及所述一维时域卷积核,得到时空全局卷积后的视频帧;61.将所述过往分割结果、所述未分割视频帧以及所述时空全局卷积后的视频帧相加,得到所述时空全局卷积网络的输出结果。62.处理器1001调用存储器1005中存储的视频的目标分割程序时,还执行以下操作:63.更改所述过往分割结果中背景区域的像素值;64.将已更改所述像素值的所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果。65.处理器1001调用存储器1005中存储的视频的目标分割程序时,还执行以下操作:66.确定所述待分割视频帧的降采样特征;67.确定所述时空全局特征与所述过往帧特征的拼接特征;68.将所述降采样特征以及所述拼接特征输入解码网络,并获取所述解码网络的输出结果;69.根据所述解码网络的输出结果得到所述待分割视频帧对应的分割结果。70.处理器1001调用存储器1005中存储的视频的目标分割程序时,还执行以下操作:71.确定所述待分割视频帧的索引特征;72.确定与所述索引特征匹配的目标过往分割结果;73.基于所述目标过往分割结果确定所述过往帧特征。74.处理器1001调用存储器1005中存储的视频的目标分割程序时,还执行以下操作:75.采用所述待分割视频帧对应的分割结果更新所述过往分割结果。76.以下将以实施例的方式介绍本技术的技术方案。77.如图2所示,在本技术的第一实施例中,本技术的视频的目标分割方法,包括以下步骤:78.步骤s110,根据过往分割结果确定待分割视频帧关联的过往帧特征。79.在本实施例中,该过往帧特征为时序位于所述待分割视频帧之前的视频帧的特征,该过往分割结果为时序位于所述待分割视频帧之前的视频帧的分割结果。在视频分割得到目标的过程中,依次提取视频帧序列中的视频帧。将已分割的视频帧且时序位于待分割视频帧之前的视频帧视为过往帧,过往帧的分割结果即过往分割结果会存储于过往帧分割结果内存模块。在对后续视频帧即待分割视频帧进行目标分割的过程中,参考存放在该内存模块中的过往分割结果,进而得到一个时序稳定的分割结果。因此,本技术在提取待分割视频帧进行分割的过程中,根据过往帧分割结果内存模块中的过往分割结果确定该待分割视频帧关联的过往帧特征。80.步骤s120,根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征。81.在本实施例中,该未分割视频帧为时序位于待分割视频帧之后的视频帧。通过将时序位于待分割视频帧之前的过往分割结果以及时序位于待分割视频帧之后的未分割视频帧输入时空全局特征提取网络,进而得到时空全局特征。并将该时空全局特征与待分割视频帧进行关联。该时空全局特征用于表征过往分割结果与未分割视频帧之间的关联关系。82.步骤s130,基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果。83.在本实施例中,在得到时空全局特征以及过往帧特征之后,将上述特征输入解码网络进而得到待分割视频帧对应的分割结果。可选地,在对视频帧进行目标分割的过程中,还可采用例如基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等方法分割视频中的目标。84.在利用过往帧分割信息的前提下,使用待分割目标在整个视频的时空全局特征,提升分割结果的全局稳定性,在跨境头情况下依然保持良好的分割效果。85.本实施例根据上述技术方案,对待分割视频帧进行分割的时候,充分考虑了待分割视频帧之前的过往帧以及待分割视频帧之后的未分割视频帧的视频信息,使得在待分割视频帧出现镜头切换时产生良好的分割效果。86.在一实施例中,根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征具体包括以下步骤:87.步骤s121,将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果。88.步骤s122,将所述输出结果作为空域卷积网络的输入,通过空域卷积网络得到所述时空全局特征。89.在本实施例中,参照图7,从过往帧分割结果内存模块中提取过往分割结果(即图7中的已经做完分割的帧),以及从视频帧序列中提取时序位于待分割视频帧之后的未分割视频帧(即图7中的待分割的帧),将过往分割结果以及未分割视频帧输入时空全局卷积网络。如图6所示,该时空全局特征提取网络包括两部分,即时空全局卷积网络和空域卷积网络。该时空全局卷积网络由若干时空全局卷积模块组成,该空域卷积网络也由若干普通卷积层组成。视频帧经过若干时空全局卷积模块,获得丰富的目标信息,再经过若干普通卷积层,得到时空全局特征。具体的,将过往分割结果以及未分割视频帧序列输入时空全局卷积网络,经过时空全局卷积网络中的若干个时空全局卷积模块进行时空卷积运算,从而得到该时空全局卷积网络的输出结果。90.在本实施例中,在得到时空全局卷积网络的输出结果之后,进一步将该输出结果输入空域卷积网络。通过在该空域卷积网络中的普通卷积层进行空域卷积运算,进而得到时空全局特征。91.例如,可将过往分割结果以及未分割视频帧进行时序排列,得到视频帧序列。该视频帧序列可表示为1*h*w*3t,其中,t为视频帧的数量,h表示视频帧的高度,w表示视频帧的宽度。将视频帧序列中的视频帧输入时空全局卷积网络,得到1*h/r*w/r*3t的输出结果。再将输出结果输入空域卷积网络,进而得到1*h/r*w/r*c的时空全局特征,r为原始视频帧与时空全局特征之间的缩放比例,r可取4、8、16等,c表示视频帧的通道。92.本实施例根据上述技术方案,通过采用将过往分割结果以及所述未分割视频帧输入时空全局卷积网络以及空域卷积网络,进而提取得到时空全局特征。93.在一实施例中,将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果具体包括以下步骤:94.步骤s1211,将所述过往分割结果以及所述未分割视频帧依次经过所述二维空域卷积核以及所述一维时域卷积核,得到时空全局卷积后的视频帧;95.步骤s1212,将所述过往分割结果、所述未分割视频帧以及所述时空全局卷积后的视频帧相加,得到所述时空全局卷积网络的输出结果。96.在本实施例中,参照图5,图5为时空全局卷积网络的具体结构,该时空全局卷积网络包括二维空域卷积核以及一维时域卷积核,且所述二维空域卷积核与一维时域卷积核串联连接。具体的,时空全局卷积网络由一个尺寸为s*s*n的二维空域卷积核和一个1*1*t的一维时域卷积核串行组成,并将输入的过往分割结果以及未分割视频帧,与输出的时空全局卷积后的视频帧相加,实现残差学习。该计算模块可以分层处理不同帧的图像,提取分层特征,并且可以通过时域卷积,实现目标特征在时间维度上的流动。其中,s、n、t均为可调节参数,例如s可调节为3、5、7;n、t均等于3t。97.本实施例根据上述技术方案,由于采用了时空全局卷积网络对过往分割结果以及所述未分割视频进行时空卷积运算,实现分层处理不同视频帧。98.在一实施例中,将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果具体包括以下步骤:99.步骤s2211,更改所述过往分割结果中背景区域的像素值;100.步骤s2212,将已更改所述像素值的所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果。101.在本实施例中,参照图7,时空全局特征提取网络的输入包括两部分:j帧过往帧,k帧未分割视频帧。其中,过往帧要根据过往分割结果,将背景部分像素值处理为0,以形成待分割目标的强烈信息,而未分割视频帧不需要特殊处理。在将更改像素值的过往分割结果以及未分割视频帧输入时空全局卷积网络,进而得到时空全局卷积网络的输出结果。102.本实施例根据上述技术方案,由于采用了更改过往分割结果中背景区域的像素值再进行时空全局卷积处理的技术手段,使得过往帧形成待分割目标的强烈信息。103.在一实施例中,基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果具体包括以下步骤:104.步骤s131,确定所述待分割视频帧的降采样特征;105.步骤s132,确定所述时空全局特征与所述过往帧特征的拼接特征;106.步骤s133,将所述降采样特征以及所述拼接特征输入解码网络,并获取所述解码网络的输出结果;107.步骤s134,根据所述解码网络的输出结果得到所述待分割视频帧对应的分割结果。108.在本实施例中,时空全局特征的形状维度为1*h/r*w/r*c,其中,h、w的值与过往帧特征相等,在网络的推理过程中,将时空全局特征与过往帧特征拼接在一起,形成一个新的特征数据即拼接特征。将待分割视频帧输入时空全局特征提取网络,生成待分割视频帧的降采样特征。其中,降采样特征包括16倍降采样特征、8倍降采样特征、4倍降采样特征。将该拼接特征与上述的16倍降采样特征、8倍降采样特征、4倍降采样特征一起输入解码网络,进而得到解码网络的输出结果。在该解码网络中,将拼接特征依次经过16倍降采样、8倍降采样以及4倍降采样,得到解码网络的输出结果。在得到解码网络的输出结果之后,需要将该输出结果的尺寸转换至与待分割视频帧相同的尺寸,从而得到待分割视频帧对应的分割结果。109.可选地,还可将16倍降采样特征、8倍降采样特征、4倍降采样特征、时空全局特征以及过往帧特征一起输入解码网络,在该解码网络中对时空全局特征以及过往帧特征进行拼接,再将拼接特征依次经过16倍降采样、8倍降采样以及4倍降采样,得到解码网络的输出结果。110.本实施例根据上述技术方案,由于采用了将待分割视频帧的降采样特征、时空全局特征以及过往帧特征输入解码网络得到待分割视频帧对应的分割结果,新增时空全局特征提取网络,在推理时可以获取包含更加丰富目标信息的时空全局特征,使得分割结果更加稳定。111.在一实施例中,根据过往分割结果确定待分割视频帧关联的过往帧特征具体包括以下步骤:112.步骤s111,确定所述待分割视频帧的索引特征;113.步骤s112,确定与所述索引特征匹配的目标过往分割结果;114.步骤s113,基于所述目标过往分割结果确定所述过往帧特征。115.在本实施例中,过往分割结果存储于过往帧分割结果内存模块,该过往分割结果包括过往帧特征。将待分割视频帧经过特征提取网络,得到索引特征。通过该索引特征与过往帧分割结果内存模块中的过往分割结果进行特征匹配,进而根据匹配到的目标过往分割结果确定过往帧特征。具体的,特征匹配的过程实质上是通过键值对的方式进行匹配。该索引特征表示该待分割视频帧的key,在过往帧分割结果内存模块中匹配与该key对应的value,即目标过往分割结果。将该目标过往分割结果表征的视频特征作为待分割视频帧关联的过往帧特征。116.本实施例根据上述技术方案,通过索引特征从过往帧分割结果内存模块中匹配待分割视频帧关联的过往帧特征,进而得到用于后续时空全局特征分析的过往帧特征。117.在一实施例中,所述视频的目标分割方法还包括以下步骤:118.步骤s111,确定所述待分割视频帧的索引特征;119.步骤s112,确定与所述索引特征匹配的目标过往分割结果;120.步骤s113,基于所述目标过往分割结果确定所述过往帧特征;121.步骤s120,根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征;122.步骤s130,基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果;123.步骤s310,采用所述待分割视频帧对应的分割结果更新所述过往分割结果。124.在本实施例中,参照图4,待分割视频帧经过特征提取网络,生成4个特征数据:索引特征、16倍降采样特征、8倍降采样特征、4倍降采样特征。将上述索引特征,经过特征匹配模块从过往帧分割结果内存模块中提取该待分割视频帧目标的过往帧特征。将已经得到分割结果的一定数量的过往帧,和待分割视频内一些尚未分割的一定数量的未分割视频帧,送入时空全局特征提取网络,得到待分割目标在上述过往帧和未分割视频帧之间的时空全局特征。将上述得到过往帧特征、时空全局特征、16倍降采样特征、8倍降采样特征、4倍降采样特征送入解码网络,获得待分割视频帧的分割结果。在得到待分割视频帧对应的分割结果之后,采用该分割结果更新过往帧分割结果内存模块。125.本实施例根据上述技术方案,由于采用了在得到分割结果之后,对往帧分割结果内存模块进行更新的技术手段,使得在对后续待分割视频帧进行分析的过程中,能从内存模块中获取对应的过往分割结果进行分析,提高分割稳定性。126.本发明实施例提供了视频的目标分割方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。127.如图3所示,本技术提供的一种视频的目标分割系统,该视频的目标分割系统包括:128.过往帧特征确定模块10,用于根据过往分割结果确定待分割视频帧关联的过往帧特征。在一实施例中,所述过往帧特征确定模块10还用于确定所述待分割视频帧的索引特征;确定与所述索引特征匹配的目标过往分割结果;基于所述目标过往分割结果确定所述过往帧特征。129.时空全局特征确定模块20,用于根据所述过往分割结果,以及时序处于所述待分割视频帧之后的未分割视频帧,确定所述待分割视频帧关联的时空全局特征。在一实施例中,所述时空全局特征确定模块20还用于将所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果;将所述输出结果作为空域卷积网络的输入,通过空域卷积网络得到所述时空全局特征。在一实施例中,所述时空全局卷积网络包括二维空域卷积核以及一维时域卷积核,且所述二维空域卷积核与一维时域卷积核串联连接;所述时空全局特征确定模块20还用于将所述过往分割结果以及所述未分割视频帧依次经过所述二维空域卷积核以及所述一维时域卷积核,得到时空全局卷积后的视频帧;将所述过往分割结果、所述未分割视频帧以及所述时空全局卷积后的视频帧相加,得到所述时空全局卷积网络的输出结果。在一实施例中,所述时空全局特征确定模块20还用于更改所述过往分割结果中背景区域的像素值;将已更改所述像素值的所述过往分割结果以及所述未分割视频帧输入时空全局卷积网络,并获取所述时空全局卷积网络的输出结果。130.分割结果确定模块30,用于基于所述时空全局特征以及所述过往帧特征,生成所述待分割视频帧对应的分割结果。在一实施例中,所述分割结果确定模块30还用于确定所述待分割视频帧的降采样特征;确定所述时空全局特征与所述过往帧特征的拼接特征;将所述降采样特征以及所述拼接特征输入解码网络,并获取所述解码网络的输出结果;根据所述解码网络的输出结果得到所述待分割视频帧对应的分割结果。131.在一实施例中,在分割结果确定模块30之后,还包括一更新模块,该更新模块用于采用所述待分割视频帧对应的分割结果更新所述过往分割结果。132.本发明视频的目标分割系统具体实施方式与上述视频的目标分割方法各实施例基本相同,在此不再赘述。133.基于同一发明构思,本技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有视频的目标分割程序,所述视频的目标分割程序被处理器执行时实现如上所述的视频的目标分割方法的各个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。134.由于本技术实施例提供的存储介质,为实施本技术实施例的方法所采用的存储介质,故而基于本技术实施例所介绍的方法,本领域所属人员能够了解该存储介质的具体结构及变形,故而在此不再赘述。凡是本技术实施例的方法所采用的存储介质都属于本技术所欲保护的范围。135.本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。136.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。137.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。138.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。139.应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。140.尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。141.显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。









图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明:本文中引用的各种信息及资料(包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主体(包括但不限于公司、媒体、协会等机构)的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理!本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理,本文部分文字与图片资源来自于网络,部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益,请立即通知我们,情况属实,我们会第一时间予以删除,并同时向您表示歉意,谢谢!

相关内容 查看全部