目标物体的检测装置及方法与流程

本发明涉及通信技术领域，尤其涉及一种目标物体的检测装置及方法。

背景技术：

随着信息技术的不断发展，图像处理在各个领域的应用也越来越广泛。在很多情形下，需要对图像中目标物体进行检测。例如，在生物检测领域，经常需要对细菌等微生物进行检测并计数。目前，现有的检测方法一般通过对具有检测目标物体的图像进行处理，例如，提取图像中的特征进行分类等方法，从而进行目标物体的检测。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

技术实现要素：

但是，现有的检测方法容易造成假阳性的判定，将不是目标物体的物体误检测为目标物体，导致精测精度的下降，另外，由于假阳性的存在，导致计算量的增大，从而导致检测速度的降低。

本发明实施例提供一种目标物体的检测装置及方法，通过比较候选物体的周围区域与去除候选物体及其周围区域后的输入图像的相似度，或者，通过比较候选物体的周围区域与候选物体的相似度，对候选物体进行筛选，能够有效减少假阳性检测的出现，从而能够快速且准确的进行目标物体的检测。

根据本发明实施例的第一方面，提供一种目标物体的检测装置，包括：去除单元，所述去除单元用于从输入图像中减去所述输入图像的背景图像，获得所述输入图像的前景图像；第一确定单元，所述第一确定单元用于确定所述前景图像中目标物体的候选物体；第一筛选单元，所述第一筛选单元用于根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围 区域与所述候选物体的相似度，对所述候选物体进行筛选；分类单元，所述分类单元用于对经过筛选的候选物体进行分类，获得目标物体的检测结果。

根据本发明实施例的第二方面，提供一种目标物体的检测方法，包括：从输入图像中减去所述输入图像的背景图像，获得所述输入图像的前景图像；确定所述前景图像中目标物体的候选物体；根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围区域与所述候选物体的相似度，对所述候选物体进行筛选；对经过筛选的候选物体进行分类，获得目标物体的检测结果。

本发明的有益效果在于：通过比较候选物体的周围区域与去除候选物体及其周围区域后的输入图像的相似度，或者，通过比较候选物体的周围区域与候选物体的相似度，对候选物体进行筛选，能够有效减少假阳性检测的出现，从而能够快速且准确的进行目标物体的检测。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。

附图说明

所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施方式，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1是本发明实施例1的目标物体的检测装置的一示意图；

图2是本发明实施例1的输入图像的一示意图；

图3是本发明实施例1的获取单元105的一示意图；

图4是本发明实施例1的背景图像的一示意图；

图5是本发明实施例1的前景图像的一示意图；

图6是本发明实施例1的第一筛选单元103的一示意图；

图7是本发明实施例1的候选物体及其周围区域的一示意图；

图8是本发明实施例1的第一筛选单元103对候选物体进行筛选的一示意图；

图9是本发明实施例2的电子设备的一示意图；

图10是本发明实施例2的电子设备的系统构成的一示意框图；

图11是本发明实施例3的检测方法的一示意图。

具体实施方式

参照附图，通过下面的说明书，本发明的前述以及其它特征将变得明显。在说明书和附图中，具体公开了本发明的特定实施方式，其表明了其中可以采用本发明的原则的部分实施方式，应了解的是，本发明不限于所描述的实施方式，相反，本发明包括落入所附权利要求的范围内的全部修改、变型以及等同物。

实施例1

本发明实施例提供一种目标物体的检测装置，图1是本发明实施例1的目标物体的检测装置的一示意图。如图1所示，检测装置100包括：

去除单元101，用于从输入图像中减去该输入图像的背景图像，获得该输入图像的前景图像；

第一确定单元102，用于确定该前景图像中目标物体的候选物体；

第一筛选单元103，用于根据该候选物体的周围区域与去除该候选物体及其周围区域后的输入图像的相似度，或者，根据该候选物体的周围区域与该候选物体的相似度，对该候选物体进行筛选；

分类单元104，用于对经过筛选的候选物体进行分类，获得目标物体的检测结果。

由上述实施例可知，通过比较候选物体的周围区域与去除候选物体及其周围区域后的输入图像的相似度，或者，通过比较候选物体的周围区域与候选物体的相似度，对候选物体进行筛选，能够有效减少假阳性检测的出现，从而能够快速且准确的进行目标物体的检测。

在本实施例中，该输入图像是包括目标物体的图像，该图像可以根据现有方法而 获得。例如，当检测的目标物体是细菌等微生物时，可通过显微镜采集对培养皿进行观察的图像作为输入图像。

在本实施例中，目标物体可以是需要检测的任何物体。例如，在本实施例中，以目标物体是特定种类的细菌为例进行说明。但是，本发明实施例不对目标物体的种类进行限制。

图2是本发明实施例1的输入图像的一示意图。如图2所示，该输入图像是显微镜采集的细菌培养皿中的局部图像，由方框标出的即为需要检测的目标物体，即特定种类的细菌。

在本实施例中，去除单元101用于从输入图像中减去该输入图像的背景图像，获得该输入图像的前景图像。以下对本实施例获取背景图像以及前景图像的方法进行示例性的说明。

在本实施例中，该装置100还可以包括：获取单元105，用于获得输入图像的背景图像。在本实施例中，获取单元105为可选部件，在图1中用虚线框表示。

图3是本发明实施例1的获取单元105的一示意图。如图3所示，获取单元105包括：

转换单元301，用于将该输入图像转换为灰度图像；

第一操作单元302，用于对该灰度图像进行形态学腐蚀操作；

第二操作单元303，用于对经过形态学腐蚀操作的图像进行形态学膨胀操作，获得该输入图像的背景图像。

在本实施例中，转换单元301可使用现有方法将该输入图像转换为灰度图像。

在本实施例中，第一操作单元302对该灰度图像进行形态学腐蚀操作，例如，可以根据以下的公式(1)进行形态学腐蚀操作：

其中，ierosion(u,v)表示经过形态学腐蚀操作后的在位置(u,v)处的像素值，h表示以像素(u,v)为中心的预设范围，例如，h为50×50的方形区域；u,v,i,j均为整数。

在本实施例中，第二操作单元303对经过形态学腐蚀操作的图像进行形态学膨胀操作，获得该输入图像的背景图像。例如，可以根据以下的公式(2)进行形态学膨胀操作：

其中，idilation(u,v)表示经过形态学膨胀操作后的在位置(u,v)处的像素值，ierosion(u,v)表示经过形态学腐蚀操作后的在位置(u,v)处的像素值，h表示以像素(u,v)为中心的预设范围，例如，h为50×50的方形区域；u,v,i,j均为整数。

图4是本发明实施例1的背景图像的一示意图。去除单元101从输入图像中减去该输入图像的背景图像，获得该输入图像的前景图像。图5是本发明实施例1的前景图像的一示意图。如图2、图4和图5所示，从图2所示的输入图像中减去图4所示的背景图像，之后进行二值化处理，获得了如图5所示的二值化前景图像。

在本实施例中，在获得了前景图像之后，第一确定单元102用于确定该前景图像中目标物体的候选物体。例如，可以将该前景图像中像素值为1的像素组成的各个区域中像素数量大于预定阈值的区域作为候选物体。例如，图5中的明亮部分即为各个候选物体。

在本实施例中，该预定阈值可根据实际需要而设置，例如，根据目标物体的大小来设置该像素数量的预定阈值。

在本实施例中，在获得了候选区域之后，第一筛选单元103用于根据该候选物体的周围区域与去除该候选物体及其周围区域后的输入图像的相似度，或者，根据该候选物体的周围区域与该候选物体的相似度，对该候选物体进行筛选。

例如，第一筛选单元103可以根据该候选物体的周围区域的像素值与去除该候选物体及其周围区域后的输入图像的像素值的相似度，或者，根据该候选物体的周围区域的像素值与该候选物体的像素值的相似度，对该候选物体进行筛选。

以下对本发明实施例的第一筛选单元103的结构以及筛选方法进行示例性的说明。

图6是本发明实施例1的第一筛选单元103的一示意图。如图6所示，第一筛选单元103包括：

第二确定单元601，用于根据该候选物体的边缘确定该候选物体的周围区域；

第一计算单元602，用于计算该输入图像中该候选物体的周围区域的平均像素值以及去除该候选物体及其周围区域后的输入图像的平均像素值，或者，计算该输入图像中该候选物体的周围区域的平均像素值以及该候选物体的平均像素值；

第二计算单元603，用于计算该周围区域的平均像素值与去除该候选物体及其周围区域后的输入图像的平均像素值的相似度，或者，计算该周围区域的平均像素值与 该候选物体的平均像素值的相似度；

第二筛选单元604，用于根据该相似度对该候选物体进行筛选。

在本实施例中，第二确定单元601根据该候选物体的边缘确定该候选物体的周围区域，例如，沿着该候选物体的边缘，将与该边缘距离小于或等于d的区域设定为周围区域，其中，该距离d可以根据实际需要而设置。

图7是本发明实施例1的候选物体及其周围区域的一示意图。如图7所示，沿着候选物体701的边缘获得了该候选物体701的周围区域702。

在本实施例中，假设第一计算单元602计算出的该输入图像中该候选物体的周围区域的平均像素值为r1，g1，b1，去除该候选物体及其周围区域后的输入图像的平均像素值为r2，g2，b2，那么，第二计算单元603可以根据以下的公式(3)计算该周围区域的平均像素值与去除该候选物体及其周围区域后的输入图像的平均像素值的相似度：

其中，s表示该周围区域的平均像素值与去除该候选物体及其周围区域后的输入图像的平均像素值的相似度，r1，g1，b1表示该候选物体的周围区域的平均像素值，r2，g2，b2表示去除该候选物体及其周围区域后的输入图像的平均像素值。

在本实施例中，同样可以利用以上的公式(3)计算该周围区域的平均像素值与该候选物体的平均像素值的相似度，此时，r1，g1，b1表示该候选物体的周围区域的平均像素值，r2，g2，b2表示该候选物体的平均像素值。

在本实施例中，第二筛选单元604，用于根据该相似度对该候选物体进行筛选。

例如，当计算出该周围区域的平均像素值与去除该候选物体及其周围区域后的输入图像的平均像素值的相似度s时，当s小于第一阈值时，第二筛选单元604将该候选物体去除掉。例如，该第一阈值为小于0.2的数值。

例如，当计算出该周围区域的平均像素值与去候选物体的平均像素值的相似度s时，当s大于第二阈值时，第二筛选单元604将该候选物体去除掉。例如，该第二阈值为大于0.5的数值。

在本实施例中，第一筛选单元103对候选物体逐个进行筛选，直至完成所有候选物体的筛选。

图8是本发明实施例1的第一筛选单元103对候选物体进行筛选的一示意图。如 图8所示，对于候选物体801，其周围区域802与去除该候选物体及其周围区域后的输入图像的更为相似，从而保留该候选物体，对于候选物体803，其周围区域804与候选物体803更为相似，从而认为其不是目标物体，而去除该候选物体。这样，通过排除候选物体803，从而避免了假阳性检测的出现。

在本实施例中，该装置100还可以包括：

分割单元106，用于对经过第一筛选单元103筛选的候选物体中存在粘连的候选物体进行分割，并将经过分割的候选物体用于进行分类。

在本实施例中，分割单元106为可选部件，在图1中用虚线框表示。

在本实施例中，分割单元106对粘连的候选物体进行分割的方法可以使用现有的分割方法。例如，分水岭法，或者其他形态学方法。

这样，通过分割单元106对粘连的候选物体进行分割，能够进一步提高检测精度。

在本实施例中，分类单元104用于对经过筛选的候选物体进行分类，获得目标物体的检测结果，当需要使用分割单元106对粘连的候选物体进行分割时，分类单元104用于对经过分割的候选物体进行分类。

在本实施例中，分类单元104可以使用现有的分类方法，例如，可以使用基于高斯概率模型的分类方法。

例如，可以使用以下的公式(4)计算该候选物体为目标物体的概率：

其中，p表示候选物体为目标物体的概率，v表示训练图像的平均像素值，u表示候选物体的平均像素值，∑表示训练物体像素值的协方差矩阵。

例如，当计算出的概率p大于第三阈值时，分类单元104将该候选物体确定为目标物体。其中，该第三阈值可根据实际需要而设置。

由上述实施例可知，通过比较候选物体的周围区域与去除候选物体及其周围区域后的输入图像的相似度，或者，通过比较候选物体的周围区域与候选物体的相似度，对候选物体进行筛选，能够有效减少假阳性检测的出现，从而能够快速且准确的进行目标物体的检测。

实施例2

本发明实施例还提供了一种电子设备，图9是本发明实施例2的电子设备的一示 意图。如图9所示，电子设备900包括目标物体的检测装置901，检测装置901的结构和功能与实施例1中的记载相同，此处不再赘述。

图10是本发明实施例2的电子设备的系统构成的一示意框图。如图10所示，电子设备1000可以包括中央处理器1001和存储器1002；存储器1002耦合到中央处理器1001。该图是示例性的；还可以使用其它类型的结构，来补充或代替该结构，以实现电信功能或其它功能。

如图10所示，该电子设备1000还可以包括：输入单元1003、显示器1004、电源1005。

在一个实施方式中，实施例1所述的检测装置的功能可以被集成到中央处理器1001中。其中，中央处理器1001可以被配置为：从输入图像中减去所述输入图像的背景图像，获得所述输入图像的前景图像；确定所述前景图像中目标物体的候选物体；根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围区域与所述候选物体的相似度，对所述候选物体进行筛选；对经过筛选的候选物体进行分类，获得目标物体的检测结果。

其中，所述根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围区域与所述候选物体的相似度，对所述候选物体进行筛选，包括：根据所述候选物体的周围区域的像素值与去除所述候选物体及其周围区域后的输入图像的像素值的相似度，或者，根据所述候选物体的周围区域的像素值与所述候选物体的像素值的相似度，对所述候选物体进行筛选。

其中，所述根据所述候选物体的周围区域的像素值与去除所述候选物体及其周围区域后的输入图像的像素值的相似度，或者，根据所述候选物体的周围区域的像素值与所述候选物体的像素值的相似度，对所述候选物体进行筛选包括：根据所述候选物体的边缘确定所述候选物体的所述周围区域；计算所述输入图像中所述候选物体的周围区域的平均像素值以及去除所述候选物体及其周围区域后的输入图像的平均像素值，或者，计算所述输入图像中所述候选物体的周围区域的平均像素值以及所述候选物体的平均像素值；计算所述周围区域的平均像素值与去除所述候选物体及其周围区域后的输入图像的平均像素值的相似度，或者，计算所述周围区域的平均像素值与所述候选物体的平均像素值的相似度；根据所述相似度对所述候选物体进行筛选。

其中，中央处理器1001还可以被配置为：对经过筛选的候选物体中存在粘连的 候选物体进行分割，并将经过分割的候选物体用于进行分类。

其中，所述确定所述前景图像中目标物体的候选物体，包括：将所述前景图像中像素值为1的像素组成的各个区域中像素数量大于预定阈值的区域作为所述候选物体。

其中，中央处理器1001还可以被配置为：获得所述输入图像的背景图像；其中，所述获得所述输入图像的背景图像，包括：将所述输入图像转换为灰度图像；对所述灰度图像进行形态学腐蚀操作；对经过形态学腐蚀操作的图像进行形态学膨胀操作，获得所述输入图像的背景图像。

在本实施例中电子设备1000也并不是必须要包括图10中所示的所有部件。

如图10所示，中央处理器1001有时也称为控制器或操作控件，可以包括微处理器或其它处理器装置和/或逻辑装置，中央处理器1001接收输入并控制电子设备1000的各个部件的操作。

存储器1002，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。并且中央处理器1001可执行该存储器1002存储的该程序，以实现信息存储或处理等。其它部件的功能与现有类似，此处不再赘述。电子设备1000的各部件可以通过专用硬件、固件、软件或其结合来实现，而不偏离本发明的范围。

由上述实施例可知，通过比较候选物体的周围区域与去除候选物体及其周围区域后的输入图像的相似度，或者，通过比较候选物体的周围区域与候选物体的相似度，对候选物体进行筛选，能够有效减少假阳性检测的出现，从而能够快速且准确的进行目标物体的检测。

实施例3

本发明实施例还提供一种目标物体的检测方法，其对应于实施例1的检测装置。图11是本发明实施例3的检测方法的一示意图。如图11所示，该方法包括：

步骤1101：从输入图像中减去该输入图像的背景图像，获得该输入图像的前景图像；

步骤1102：确定该前景图像中目标物体的候选物体；

步骤1103：根据该候选物体的周围区域与去除该候选物体及其周围区域后的输入图像的相似度，或者，根据该候选物体的周围区域与该候选物体的相似度，对该候 选物体进行筛选；

步骤1104：对经过筛选的候选物体进行分类，获得目标物体的检测结果。

在本实施例中，获得前景图像的方法、确定候选物体的方法、计算相似度的方法、根据相似度进行筛选的方法以及分类方法与实施例1中的记载相同，此处不再重复。

由上述实施例可知，通过比较候选物体的周围区域与去除候选物体及其周围区域后的输入图像的相似度，或者，通过比较候选物体的周围区域与候选物体的相似度，对候选物体进行筛选，能够有效减少假阳性检测的出现，从而能够快速且准确的进行目标物体的检测。

本发明实施例还提供一种计算机可读程序，其中当在检测装置或电子设备中执行所述程序时，所述程序使得计算机在所述检测装置或电子设备中执行实施例3所述的检测方法。

本发明实施例还提供一种存储有计算机可读程序的存储介质，其中所述计算机可读程序使得计算机在检测装置或电子设备中执行实施例3所述的检测方法。

结合本发明实施例描述的在所述检测装置或电子设备中执行测量方法可直接体现为硬件、由处理器执行的软件模块或二者组合。例如，图1中所示的功能框图中的一个或多个和/或功能框图的一个或多个组合，既可以对应于计算机程序流程的各个软件模块，亦可以对应于各个硬件模块。这些软件模块，可以分别对应于图11所示的各个步骤。这些硬件模块例如可利用现场可编程门阵列(fpga)将这些软件模块固化而实现。

软件模块可以位于ram存储器、闪存、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、移动磁盘、cd-rom或者本领域已知的任何其它形式的存储介质。可以将一种存储介质耦接至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息；或者该存储介质可以是处理器的组成部分。处理器和存储介质可以位于asic中。该软件模块可以存储在移动终端的存储器中，也可以存储在可插入移动终端的存储卡中。例如，若设备(例如移动终端)采用的是较大容量的mega-sim卡或者大容量的闪存装置，则该软件模块可存储在该mega-sim卡或者大容量的闪存装置中。

针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合，可以实现为用于执行本申请所描述功能的通用处理器、数字信号处理器(dsp)、专用集 成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑器件、分立门或晶体管逻辑器件、分立硬件组件、或者其任意适当组合。针对图1描述的功能框图中的一个或多个和/或功能框图的一个或多个组合，还可以实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、与dsp通信结合的一个或多个微处理器或者任何其它这种配置。

以上结合具体的实施方式对本发明进行了描述，但本领域技术人员应该清楚，这些描述都是示例性的，并不是对本发明保护范围的限制。本领域技术人员可以根据本发明的精神和原理对本发明做出各种变型和修改，这些变型和修改也在本发明的范围内。

关于包括以上实施例的实施方式，还公开下述的附记：

附记1、一种目标物体的检测装置，包括：

去除单元，所述去除单元用于从输入图像中减去所述输入图像的背景图像，获得所述输入图像的前景图像；

第一确定单元，所述第一确定单元用于确定所述前景图像中目标物体的候选物体；

第一筛选单元，所述第一筛选单元用于根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围区域与所述候选物体的相似度，对所述候选物体进行筛选；

分类单元，所述分类单元用于对经过筛选的候选物体进行分类，获得目标物体的检测结果。

附记2、根据附记1所述的装置，其中，所述第一筛选单元用于根据所述候选物体的周围区域的像素值与去除所述候选物体及其周围区域后的输入图像的像素值的相似度，或者，根据所述候选物体的周围区域的像素值与所述候选物体的像素值的相似度，对所述候选物体进行筛选。

附记3、根据附记2所述的装置，其中，所述第一筛选单元包括：

第二确定单元，所述第二确定单元用于根据所述候选物体的边缘确定所述候选物体的所述周围区域；

第一计算单元，所述第一计算单元用于计算所述输入图像中所述候选物体的周围区域的平均像素值以及去除所述候选物体及其周围区域后的输入图像的平均像素值，或者，计算所述输入图像中所述候选物体的周围区域的平均像素值以及所述候选物体 的平均像素值；

第二计算单元，所述第二计算单元用于计算所述周围区域的平均像素值与去除所述候选物体及其周围区域后的输入图像的平均像素值的相似度，或者，计算所述周围区域的平均像素值与所述候选物体的平均像素值的相似度；

第二筛选单元，所述第二筛选单元用于根据所述相似度对所述候选物体进行筛选。

附记4、根据附记1所述的装置，其中，所述装置还包括：

分割单元，所述分割单元用于对经过所述第一筛选单元筛选的候选物体中存在粘连的候选物体进行分割，并将经过分割的候选物体用于进行分类。

附记5、根据附记1所述的装置，其中，所述第一确定单元用于将所述前景图像中像素值为1的像素组成的各个区域中像素数量大于预定阈值的区域作为所述候选物体。

附记6、根据附记1所述的装置，其中，所述装置还包括：

获取单元，所述获取单元用于获得所述输入图像的背景图像；

其中，所述获取单元包括：

转换单元，所述转换单元用于将所述输入图像转换为灰度图像；

第一操作单元，所述第一操作单元用于对所述灰度图像进行形态学腐蚀操作；

第二操作单元，所述第二操作单元用于对经过形态学腐蚀操作的图像进行形态学膨胀操作，获得所述输入图像的背景图像。

附记7、一种电子设备，包括根据附记1所述的装置。

附记8、一种目标物体的检测方法，包括：

从输入图像中减去所述输入图像的背景图像，获得所述输入图像的前景图像；

确定所述前景图像中目标物体的候选物体；

根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围区域与所述候选物体的相似度，对所述候选物体进行筛选；

对经过筛选的候选物体进行分类，获得目标物体的检测结果。

附记9、根据附记8所述的方法，其中，所述根据所述候选物体的周围区域与去除所述候选物体及其周围区域后的输入图像的相似度，或者，根据所述候选物体的周围区域与所述候选物体的相似度，对所述候选物体进行筛选，包括：

根据所述候选物体的周围区域的像素值与去除所述候选物体及其周围区域后的输入图像的像素值的相似度，或者，根据所述候选物体的周围区域的像素值与所述候选物体的像素值的相似度，对所述候选物体进行筛选。

附记10、根据附记9所述的方法，其中，所述根据所述候选物体的周围区域的像素值与去除所述候选物体及其周围区域后的输入图像的像素值的相似度，或者，根据所述候选物体的周围区域的像素值与所述候选物体的像素值的相似度，对所述候选物体进行筛选包括：

根据所述候选物体的边缘确定所述候选物体的所述周围区域；

计算所述输入图像中所述候选物体的周围区域的平均像素值以及去除所述候选物体及其周围区域后的输入图像的平均像素值，或者，计算所述输入图像中所述候选物体的周围区域的平均像素值以及所述候选物体的平均像素值；

计算所述周围区域的平均像素值与去除所述候选物体及其周围区域后的输入图像的平均像素值的相似度，或者，计算所述周围区域的平均像素值与所述候选物体的平均像素值的相似度；

根据所述相似度对所述候选物体进行筛选。

附记11、根据附记8所述的方法，其中，所述方法还包括：

对经过筛选的候选物体中存在粘连的候选物体进行分割，并将经过分割的候选物体用于进行分类。

附记12、根据附记8所述的方法，其中，所述确定所述前景图像中目标物体的候选物体，包括：

将所述前景图像中像素值为1的像素组成的各个区域中像素数量大于预定阈值的区域作为所述候选物体。

附记13、根据附记8所述的方法，其中，所述方法还包括：

获得所述输入图像的背景图像；

其中，所述获得所述输入图像的背景图像，包括：

将所述输入图像转换为灰度图像；

对所述灰度图像进行形态学腐蚀操作；

对经过形态学腐蚀操作的图像进行形态学膨胀操作，获得所述输入图像的背景图像。