视频目标分割方法、装置、设备以及存储介质与流程

本公开涉及人工智能领域，具体涉及计算机视觉和深度学习领域，尤其涉及视频目标分割方法、装置、设备以及存储介质。

背景技术：

随着深度学习的发展，神经网络技术在越来越多的场景中应用，而视频目标分割(videoobjectsegmentation，vos)作为计算机视觉领域中一个热门的研究方向，也越来越受到重视。视频目标分割主要分为两种：半监督视频目标分割和无监督视频目标分割，半监督视频目标分割是指给定第一帧的目标分割图，去分割剩余帧的目标；无监督视频目标分割是指没有给任何先验信息，分割出整个视频中的目标。

视频通常是以一种压缩数据形式存储和传输。原始的视频有着非常高的冗余，并且需要使用一个非常大的模型对所有图像帧来提取特征，这是非常耗时的。

技术实现要素：

本公开提供了一种视频目标分割方法、装置、设备以及存储介质。

根据第一方面，提供了一种视频目标分割方法，包括：获取目标编码视频中首个图像帧的目标分割掩膜图像；确定目标编码视频中各图像帧的特征图；基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库；根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图；对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

根据第二方面，提供了一种视频目标分割装置，包括：掩膜获取单元，被配置成获取目标编码视频中首个图像帧的目标分割掩膜图像；第一特征确定单元，被配置成确定目标编码视频中各图像帧的特征图；模板生成单元，被配置成基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库；第二特征确定单元，被配置成根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图；目标分割单元，被配置成对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，上述指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面所描述的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，上述计算机指令用于使计算机执行如第一方面所描述的方法。

根据第五方面，一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如第一方面所描述的方法。

根据本公开的技术可以实现快速准确的视频目标分割。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的视频目标分割方法的一个实施例的流程图；

图3是根据本公开的视频目标分割方法的一个应用场景的示意图；

图4是根据本公开的视频目标分割方法的另一个实施例的流程图；

图5是根据本公开的视频目标分割方法的又一个实施例的流程图；

图6是根据本公开的视频目标分割方法的又一个实施例的流程图；

图7是根据本公开的视频目标分割方法的又一个实施例的流程图；

图8是根据本公开的视频目标分割方法所采用的网络结构示意图；

图9是根据本公开的视频目标分割装置的一个实施例的结构示意图；

图10是用来实现本公开实施例的视频目标分割方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

应当理解，尽管在本公开中的实施例可能采用术语第一、第二等来描述各个特征图，但特征图不应限于这些术语。这些术语仅用来将特征图彼此区分开。例如，在不脱离本公开实施例范围的情况下，第一特征图也可以被称为第二特征图，类似地，第二特征图也可以被称为第一特征图等等，本公开中的实施例对此不做限制。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的视频目标分割方法或视频目标分割装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。例如，用户可以通过终端设备101、102、103通信连接的图像采集装置采集视频，通过网络104将上述视频发送给服务器105。或者，终端设备101、102、103可以通过网络104接收服务器105发送的视频目标分割结果。终端设备101、102、103上可以安装有各种通讯客户端应用，例如视频播放类应用、视频处理类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对发送的视频进行目标分割的后台服务器。后台服务器可以利用训练好的神经网络对视频进行目标分割，并将视频目标分割结果反馈给终端设备101、102、103。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开实施例所提供的视频目标分割方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，视频目标分割装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。可以理解的是，如果视频目标分割方法由终端设备101、102、103执行，则上述系统架构100中也可以不包括网络104和服务器105。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本公开的视频目标分割方法的一个实施例的流程200。本实施例的视频目标分割方法，包括以下步骤：

步骤201，获取目标编码视频中首个图像帧的目标分割掩膜图像。

本实施例中，视频目标分割方法可以为半监督式视频目标分割方法。该方法的执行主体可以通过各种方式获取目标编码视频中首个图像帧的目标分割掩膜图像。目标编码视频可以是对目标视频进行编码后得到的视频，上述编码方法可以是任意过去、当前或未来使用的编码方法，例如国际电联的h.261、h.263、h.264，运动静止图像专家组的m-jpeg和国际标准化组织运动图像专家组的mpeg系列标准。目标编码视频中可以包括多个图像组，每个图像组可以包括一个i帧和多个p帧。本实施例中，每个图像组中的p帧可以与i帧关联。上述目标分割掩膜图像可以是技术人员对目标编码视频中的首个图像帧进行分割得到的掩膜图像。目标分割掩膜图像的数量可以是一个，也可以是多个。每个掩膜图像对应一个目标。

步骤202，确定目标编码视频中各图像帧的特征图。

执行主体还可以确定目标编码视频中各图像帧的特征图。具体的，执行主体可以利用现有的特征提取算法或预先训练的神经网络提取各图像帧的特征，得到特征图。或者，执行主体可以首先利用来特征提取算法或预先训练的神经网络提取各图像组中i帧的特征，得到i帧的特征图。然后，基于i帧和p帧之间的关联关系，确定各图像组中p帧的特征图。

步骤203，基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库。

执行主体可以进一步基于首个图像帧的目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库。具体的，执行主体可以将首个图像帧的目标分割掩膜图像以及特征图，输入预先优化好的模板生成模型中，得到多个模板图像。或者，执行主体可以对目标分割掩膜图像进行各种处理，例如分割、插值等处理，得到多个模板图像。上述多个模板图像中可以包括背景模板图像和前景模板图像。背景模板图像可以是除目标之外的图像。前景模板图像可以分别对应单个目标。可以理解的是，如果图像帧中包括2个目标，则前景模板图像可以至少包括2个，每个目标对应至少一个前景模板图像。然后，执行主体可以将多个模板图像加入模板图像库。

步骤204，根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图。

执行主体可以根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图。具体的，执行主体可以分别利用模板图像库中的各模板图像与各图像帧的特征图进行运算，对运算结果进行加权得到各图像帧的目标特征图。例如，模板图像库中包括2个背景模板图像和5个前景模板图像。对于每个图像帧，执行主体可以将该图像帧分别与2个背景模板图像和5个前景模板图像进行运算，一共得到7个运算结果。上述运算可以是加运算，也可以是乘运算，还可以是基于预设卷积核的卷积运算。然后对7个运算结果进行加权，得到该图像帧的目标特征图。或者，执行主体可以分别对2个与背景模板图像对应的运算结果进行加权，然后对5个与前景模板图像对应的运算结果进行加权，得到2个加权运算结果。最后，将2个加权运算结果进行级联得到该图像帧的目标特征图。这里，目标特征图可以是以矩阵的形式表示，也可以是以向量的形式表示。目标特征图可以是二维的，也可以是三维的。

步骤205，对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

执行主体在得到目标编码视频中除首个图像帧之外的其它各图像帧的目标特征图后，可以对各图像帧的目标特征图进行解码，得到目标分割结果。需要说明的是，在解码时一般采用的解码算法与得到目标编码视频的编码算法对应。例如，得到目标编码视频的编码算法为mpeg4，那解码算法也为mpeg4。

继续参见图3，其示出了根据本公开的视频目标分割方法的一个应用场景的示意图。在图3的应用场景中，用户通过终端设备301拍摄了一段视频，并将其编码后上传到服务器302，同时还可以将视频首个图像帧的目标分割掩膜图像发送给服务器302。然后，服务器302可以分别提取编码视频中各图像帧的特征图。并基于目标分割掩膜图像和首个图像帧的特征图，确定出模板图像库。利用模板图像库中的各模板图像以及各图像帧的特征图，确定出各图像帧的目标特征图。最后，对各图像帧的目标特征图进行解码，得到视频的目标分割结果。将目标分割结果以不同颜色表示出来后发送给终端设备301，以供用户查看进行目标追踪。

本公开的上述实施例提供的视频目标分割方法，可以快速准确地实现视频目标分割。

继续参见图4，其示出了根据本公开的视频目标分割方法的另一个实施例的流程400。如图4所示，本实施例的方法可以包括以下步骤：

步骤401，获取目标编码视频中首个图像帧的目标分割掩膜图像。

本实施例中，目标编码视频可以包括多个图像组，图像组包括i帧以及参考i帧的多个p帧。

在本实施例的一些可选的实现方式中，执行主体在获取到目标编码视频后，可以首先对每个图像组中的p帧进行处理，使单个图像组中的每个p帧的运动矢量追溯到所属的图像组的i帧。即将i帧作为每个图像组的参考帧。

一般情况下，p帧的每个像素都与其前一帧的像素的运动向量和残差向量相关。本实现方式中，执行主体可以记录单个图像组中p帧中的每个像素，在之前的每帧中的参考位置，对参考位置进行累加，进而得到残差向量的累加和。同时对运动向量进行累加。将p帧中每个像素的表示利用i帧对应像素的表示与运动向量的累加和以及残差向量累加和进行相加表示，这样，每个p帧的运动矢量就追溯到所属的图像组的i帧。

步骤402，利用预先训练的特征提取模型，确定目标编码视频中各图像组中i帧的特征图。

本实施例中，执行主体可以利用预先训练的特征提取模型，确定目标编码视频中各图像组中i帧的特征图。上述特征提取模型可以是任意现有的特征提取算法或神经网络。执行主体可以将各图像组中的i帧输入上述特征提取模型，得到的输出即为i帧的特征图。

步骤403，根据i帧的特征图以及图像组中p帧与i帧之间的运动向量和残差，确定p帧的特征图。

在得到i帧的特征图后，执行主体可以根据p帧与i帧之间的运动向量和误差，确定p帧的特征图。具体的，执行主体可以首先依据p帧的运动向量，对i帧的特征图进行变换。然后叠加p帧的残差，得到p帧的特征图。

在本实施例的一些可选的实现方式中，执行主体可以通过图4中未示出的以下步骤来确定p帧的特征图：根据p帧与i帧之间的运动向量，对i帧的特征图进行仿射变换，得到第一特征图；提取p帧与i帧之间的残差的特征，得到第二特征图；根据第一特征图和第二特征图，确定目标图像组中p帧的特征图。

本实现方式中，执行主体可以首先根据p帧与i帧之间的运动向量，对i帧的特征图进行仿射变换，得到第一特征图。具体的，执行主体可以运动向量中x方向的分量和y方向的分量来变换i帧的特征图，得到变换后的特征图，即为第一特征图。为了获得更好的表征能力，变换后的特征图需要融合残差。由于残差相对于原始的图像帧比较简单，这里可以提取残差的特征，得到特征图，记为第二特征图。最后，根据第一特征图和第二特征图，确定目标图像组中p帧的特征图。具体的，执行主体可以级联和/或融合第一特征图和第二特征图，将得到的特征图作为p帧的特征图。

步骤404，基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库。

步骤405，根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图。

步骤406，对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

步骤404～406的原理与图2所示实施例中步骤203～205的原理相同，本实施例不再赘述。

本公开的上述实施例提供的视频目标分割方法，可以利用压缩域中已有的运动向量和残差提取p帧的特征，相比起现有的视频目标分割方法，极大地节省了帧间的运动信息的获取时间。

继续参见图5，其示出了根据本公开的视频目标分割方法的又一个实施例的流程500。如图5所示，本实施例的方法可以包括以下步骤：

步骤501，获取目标编码视频中首个图像帧的目标分割掩膜图像。

步骤502，确定目标编码视频中各图像帧的特征图。

步骤503，根据目标分割掩膜图像、首个图像帧的特征图以及预先设定的模板生成模型，生成与首个图像帧对应的背景模板图像集合以及前景模板图像集合。

本实施例中，执行主体可以利用目标分割掩膜图像、首个图像帧的特征图以及预先设定的模板生成模型，分别生成多个背景模板图像和与各目标对应的多个前景模板图像。一般情况下，上述目标分割掩膜图像中为了区分不同的目标，可以以不同的颜色表示不同的目标。执行主体可以将上述目标分割掩膜图像、首个图像帧的特征图输入预先设定的模板生成模型。模板生成模型可以是已优化好参数的高斯混合聚类算法。其可以计算出每个像素属于某个目标的概率，通过设置高斯混合聚类算法的参数，可以得到任意数量的模板图像。

可以理解的是，由于单个目标对应至少一个前景模板图像，则得到的前景目标图像集合的数量与目标的数量相同。即，如果图像帧中包括3个目标，则执行主体可以生成3个前景模板图像集合，单个前景模板图像集合中的各前景模板图像都对应同一目标。

步骤504，根据背景模板图像集合以及前景模板图像集合，确定模板图像库。

执行主体可以将背景模板图像集合以及多个前景模板图像集合加入模板图像库。

步骤505，根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图。

步骤506，对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

本公开的上述实施例提供的视频目标分割方法，可以利用首个图像帧的目标分割掩膜图像和特征图，生成背景模板图像和前景模板图像，能够提高后续目标分割的准确性。

继续参见图6，其示出了根据本公开的视频目标分割方法的又一个实施例的流程600。如图6所示，本实施例的方法可以包括以下步骤：

步骤601，获取目标编码视频中首个图像帧的目标分割掩膜图像。

步骤602，确定目标编码视频中各图像帧的特征图。

步骤603，基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库。

本实施例中，模板图像库中可以包括背景模板图像和前景模板图像。进一步的，模板图像库中可以包括与各图像帧对应的背景模板图像集合和前景模板图像集合

步骤604，对于其它图像帧中的每一图像帧，对模板图像库中的背景模板图像、前景模板图像以及该图像帧的特征图进行按元素运算，确定该图像帧的目标特征图。

本实施例中，执行主体可以将其它图像帧中的每一图像帧的特征图分别与模板图像库中的背景模板图像、前景模板图像进行按元素运算，根据运算结果确定各图像帧的目标特征图。按元素可以理解为进行元素级运算，在这里，按元素可以理解为将模板图像中的每个像素与特征图中的每个像素进行运算。执行主体可以将特征图与背景模板图像的运算结果、特征图与前景模板图像的运算结果相加，得到图像帧的目标特征图。

在本实施例的一些可选的实现方式中，执行主体可以通过图6中未示出的以下步骤进行上述按元素运算：分别对前景模板图像以及该图像帧的特征图按元素进行加运算和乘运算，得到和特征图和前景概率图谱；对背景模板图像与该图像帧的特征图按元素进行乘运算，得到背景概率图谱；根据和特征图、前景概率图谱以及背景概率图谱，确定目标特征图。

本实现方式中，执行主体可以分别对前景模板图像以及该图像帧的特征图按元素进行加运算和乘运算，得到和特征图和前景概率图谱。即，对于每个前景模板图像，执行主体可以将该前景模板图像与图像帧的特征图按元素进行加运算，得到和特征图。同时按元素进行乘运算，得到前景概率图谱。执行主体还可以对背景模板图像与该图像帧的特征图按元素进行乘运算，得到背景概率图谱。最后，根据和特征图、前景概率图谱以及背景概率图谱，确定目标特征图。具体的，执行主体可以级联和特征图、前景概率图谱以及背景概率图谱，得到目标特征图。

在一些具体的应用中，执行主体还可以在对前景模板图像进行元素级运算之前，由于前景模板图像压缩了目标的表征信息，因此可以上采样每个前景模板图像，使上采样后前景模板图像的尺寸与特征图的尺寸相同。然后，将上采样后前景模板图像与特征图进行级联，然后进行卷积操作，将卷积操作得到的结果作为单个前景模板图像与特征图的运算结果。最后，将所有前景模板图像对应的运算结果进行相加，得到和特征图。

在一些具体的应用中，执行主体还可以对前景模板图像和特征图按元素进行乘运算，然后进行归一化。对背景模板图像和特征图按元素进行乘运算，然后进行归一化。将所有前景模板图像对应的结果进行求和，得到前景概率图谱。将所有背景模板图像对应的结果进行求和，得到背景概率图谱。

步骤605，对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

本公开的上述实施例提供的视频目标分割方法，可以将图像帧的特征图与模板图像进行元素级运算，从而能够提高模板分割的准确度。

参见图7，其示出了根据本公开的视频目标分割方法的又一个实施例的流程700。如图7所示，本实施例的方法可以包括以下步骤：

步骤701，获取目标编码视频中首个图像帧的目标分割掩膜图像。

步骤702，确定目标编码视频中各图像帧的特征图。

步骤703，基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库。

本实施例中，模板图像库中可以包括各图像帧对应的背景模板图像集合和前景模板图像集合。

步骤704，对于每个图像帧，根据该图像帧所属的图像组中位于该图像帧之前的图像帧对应的背景模板图像集合、前景模板图像集合以及该图像帧的特征图，确定该图像帧的目标特征图。

本实施例中，对于每个图像帧，执行主体可以首先确定该图像帧所属的图像组中位于该图像帧之前的图像帧。然后，从模板图像库中选取出这些图像帧对应的背景模板图像集合和前景模板图像集合。然后，利用选取出的背景模板图像集合、前景模板图像集合以及该图像帧的特征图，确定该图像帧的目标特征图。

可以理解的是，此处对背景模板图像集合、前景模板图像集合以及该图像帧的特征图的计算可以与步骤604所描述的计算相同。

步骤705，对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

步骤706，对于每个图像帧，根据该图像帧的目标分割结果，确定该图像帧的目标分割掩膜图像；基于该图像帧的目标分割掩膜图像以及该图像帧的特征图，生成该图像帧对应的背景模板图像集合和前景模板图像集合；利用该图像帧对应的背景模板图像集合和前景模板图像集合，更新模板图像库。

本实施例中，在得到各图像帧的目标分割结果后，确定该图像帧的目标分割掩膜图像。具体的，执行主体可以将该图像帧的尺寸、分割出的目标的位置等，确定该图像帧的目标分割掩膜图像。然后，基于该图像帧的目标分割掩膜图像以及该图像帧的特征图，生成该图像帧对应的背景模板图像集合和前景模板图像集合。这里，生成背景模板图像集合和前景模板图像集合的步骤可以与步骤203的原理相同。然后，将该图像帧对应的背景模板图像集合和前景模板图像集合，加入模板图像库，实现对模板图像库的更新。从而可以用于后续图像帧的目标分割。

本公开的上述实施例提供的视频目标分割方法，可以更新模板图像库，从而能够进一步提高目标分割的准确性。

图8示出了根据本公开的视频目标分割方法的网络架构示意图。利用特征提取模型提取图像帧的特征，得到图像帧的特征图。首先，可以利用目标分割掩膜图像与首个图像帧的特征图，得到各图像帧对应的多个前景模板图像和多个背景模板图像，得到模板图像库。当然，在得到首个图像帧之后的图像帧的目标分割结果后，也可以得到这些图像帧的目标分割掩膜图像，同样结合这些图像帧的特征图，可以得到这些图像帧对应的多个前景模板图像和多个背景模板图像，并加入模板图像库。同时，利用特征提取模型提取每个图像组中i帧的特征图。并利用p帧与i帧之间的运动向量对i帧的特征图进行变换。然后提取残差的特征，得到残差的特征图，将残差的特征图与变换得到的特征图融合，得到p帧的特征图。将i帧的特征图、p帧的特征图分别与各模板图像进行元素级运算，此过程也称为匹配。得到各图像帧的目标特征图。将目标特征图输入解码器，得到目标分割结果。

进一步参考图9，作为对上述各图所示方法的实现，本公开提供了一种视频目标分割装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图9所示，本实施例的视频目标分割装置900包括：掩膜获取单元901、第一特征确定单元902、模板生成单元903、第二特征确定单元904和目标分割单元905。

掩膜获取单元901，被配置成获取目标编码视频中首个图像帧的目标分割掩膜图像。

第一特征确定单元902，被配置成确定目标编码视频中各图像帧的特征图。

模板生成单元903，被配置成基于目标分割掩膜图像以及首个图像帧的特征图，确定模板图像库。

第二特征确定单元904，被配置成根据模板图像库以及首个图像帧之后的其它图像帧的特征图，确定其它图像帧的目标特征图。

目标分割单元905，被配置成对其它图像帧的目标特征图进行解码，确定其它图像帧的目标分割结果。

在本实施例的一些可选的实现方式中，目标编码视频包括多个图像组，图像组包括i帧以及参考i帧的多个p帧。第一特征确定单元902可以进一步被配置成：利用预先训练的特征提取模型，确定目标编码视频中各图像组中i帧的特征图；根据i帧的特征图以及图像组中p帧与i帧之间的运动向量和残差，确定p帧的特征图。

在本实施例的一些可选的实现方式中，第一特征确定单元902可以进一步被配置成：对每个图像组的p帧进行处理，使p帧的运动矢量追溯到所属的图像组的i帧。

在本实施例的一些可选的实现方式中，第一特征确定单元902可以进一步被配置成：根据p帧与i帧之间的运动向量，对i帧的特征图进行仿射变换，得到第一特征图；提取p帧与i帧之间的残差的特征，得到第二特征图；根据第一特征图和第二特征图，确定目标图像组中p帧的特征图。

在本实施例的一些可选的实现方式中，模板生成单元903可以步被配置成：根据目标分割掩膜图像、首个图像帧的特征图以及预先设定的模板生成模型，生成与首个图像帧对应的背景模板图像集合以及前景模板图像集合；根据背景模板图像集合以及前景模板图像集合，确定模板图像库。

在本实施例的一些可选的实现方式中，模板图像库包括背景模板图像和前景模板图像。第二特征确定单元904可以被配置成：对于其它图像帧中的每一图像帧，对模板图像库中的背景模板图像、前景模板图像以及该图像帧的特征图进行按元素运算，确定该图像帧的目标特征图。

在本实施例的一些可选的实现方式中，第二特征确定单元904可以进一步被配置成：分别对前景模板图像以及该图像帧的特征图按元素进行加运算和乘运算，得到和特征图和前景概率图谱；对背景模板图像与该图像帧的特征图按元素进行乘运算，得到背景概率图谱；根据和特征图、前景概率图谱以及背景概率图谱，确定目标特征图。

在本实施例的一些可选的实现方式中，模板图像库包括与每个图像帧对应的背景模板图像集合和前景模板图像集合。第二特征确定单元904可以进一步被配置成：对于每个图像帧，根据该图像帧所属的图像组中位于该图像帧之前的图像帧对应的背景模板图像集合、前景模板图像集合以及该图像帧的特征图，确定该图像帧的目标特征图。

在本实施例的一些可选的实现方式中，装置900还可以进一步包括图9中未示出的模板更新单元，被配置成：对于每个图像帧，根据该图像帧的目标分割结果，确定该图像帧的目标分割掩膜图像；基于该图像帧的目标分割掩膜图像以及该图像帧的特征图，生成该图像帧对应的背景模板图像集合和前景模板图像集合；利用该图像帧对应的背景模板图像集合和前景模板图像集合，更新模板图像库。

应当理解，视频目标分割装置900中记载的单元901至单元905分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对视频目标分割方法描述的操作和特征同样适用于装置900及其中包含的单元，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10示出了根据本公开实施例的执行视频目标分割方法的电子设备1000的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，电子设备1000包括处理器1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储器1008加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram1003中，还可存储电子设备1000操作所需的各种程序和数据。处理器1001、rom1002以及ram1003通过总线1004彼此相连。i/o接口(输入/输出接口)1005也连接至总线1004。

电子设备1000中的多个部件连接至i/o接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储器1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许电子设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器1001可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器1001的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器1001执行上文所描述的各个方法和处理，例如视频目标分割方法。例如，在一些实施例中，视频目标分割方法可被实现为计算机软件程序，其被有形地包含于机器可读存储介质，例如存储器1008。在一些实施例中，计算机程序的部分或者全部可以经由rom1002和/或通信单元1009而被载入和/或安装到电子设备1000上。当计算机程序加载到ram1003并由处理器1001执行时，可以执行上文描述的视频目标分割方法的一个或多个步骤。备选地，在其他实施例中，处理器1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频目标分割方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器1001执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读存储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。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储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)、光学存储设备、磁存储设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(“virtualprivateserver”，或简称“vps”)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开的保护范围之内。