(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210328472.4 (22)申请日 2022.03.30 (71)申请人 山东中科先进技术有限公司 地址 250000 山东省济南市高新区未来创 业广场4号楼306房间 申请人 神思电子技 术股份有限公司 (72)发明人 李卫民　王海滨　董超　高永菊　 许红培　井焜　沈国栋　 (74)专利代理 机构 天津煜博知识产权代理事务 所(普通合伙) 12246 专利代理师 林秀秀 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 20/70(2022.01) (54)发明名称 一种复杂场景图像中的小目标语义分割方 法及系统 (57)摘要 本发明提供一种复杂场景图像中的小目标 语义分割方法及系统， 涉及图像处理技术领域。 该种复杂场景图像中的小目标语义分割方法， 包 括以下内容， 建立特征库:选基于深度学习算法 对图片进行识别， 存储特征信息； 设置分割参数： 图片的尺像素寸和输入最小分割单元； 圈割识别 区域： 以整个图像的像素尺寸作为分割单元， 并 且以像素原点和分割单元原点重合为起点， 在X 方向和Y方向上圈割， 并进行分割单元尺寸的变 换， 直至结束圈割； 比对识别： 每次圈割后， 进行 图像识别； 分割图像： 识别的目标图像进行单独 保存。 逐步圈选进行图像识别， 充分识别图片中 的目标。 权利要求书1页 说明书3页 附图1页 CN 114677513 A 2022.06.28 CN 114677513 A 1.一种复杂场景图像中的小目标语义分割方法， 其特 征在于， 包括以下内容： 建立特征库:选取不同尺寸， 且相同类型的场景的图片， 基于深度 学习算法对图片进行 识别， 存储特征信息； 设置分割参数： 导入目标图片， 并获取图片的尺像素寸(X， Y)， 同时输入最小分割单元 (x， y)； 圈割识别区域： 以整个图像的像素尺寸作为分割单元， 并且以像素原点和分割单元原 点重合为起点， 若当前的分割单元x当≥X， 则换行识别， 若不满足， 则进行X方向的移位继续 圈割； 换行则在Y方向上移位， 并且在Y方向上移位一次后， 继续进行X方向的移位圈割， 重复 上述过程， 直至x当≥X、 y当≥Y， 进行分割单 元尺寸的变换； 即通过减小当前分割单 元(x当， y当)的尺寸， 重复上述过程， 直至x当＜x， y当＜y结束圈割； 比对识别： 每次圈割后， 对所圈割区域 参照特征库进行图像识别， 并获取轮廓信息； 分割图像： 对获得轮廓向外移动一个像素获得新的轮廓边线， 并将轮廓边线坐标映射 至目标图片中， 并对轮廓内的图像进行 单独保存。 2.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法， 其特征在于： 所 述圈割识别区域中， 每次圈割区域时， 需要判断当前圈割区域和已经识别物体的轮廓之间 的重合度， 若重合度大于设定的阈值， 则舍弃当前圈割区域。 3.根据权利要求2所述的一种复杂场景图像中的小目标语义分割方法， 其特征在于： 所 述重合度采用当前圈割区域和已经识别物体的轮廓之间像素重合数量除以当前圈割区域 内所有像素 数量。 4.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法， 其特征在于： 所 述圈割识别区域中， X 方向的移位的数值 为X当/2‑1， Y方向的移位的数值 为y当/2‑1。 5.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法， 其特征在于： 所 述圈割识别区域中， 分割单 元尺寸变换 方式则是(x当‑x/2+1， y当‑y/2+1)。 6.根据权利要求1所述的一种复杂场景图像中的小目标语义分割方法， 其特征在于： 所 述分割图像中， 保存轮廓参数， 并通过轮廓参数将保存的图片和原图片 构建父子关系。 7.一种复杂场景图像中的小目标语义分割的系统， 其特征在于， 包括以根据权利要求 1‑6任意一项所撰写的程序和该程序运行的硬件环境。权　利　要　求　书 1/1 页 2 CN 114677513 A 2一种复杂场景图像中的小目标语 义分割方 法及系统 技术领域 [0001]本发明涉及图像处理技术领域， 具体为一种复杂场景图像中的小目标语义分割方 法及系统。 背景技术 [0002]图像语义分割是计算机视觉三大任务之一， 它的目标是对图像中的每个像素点做 类别标记， 得到一幅图像的语义分割图。 从传统的图像分割角度来看， 图像语义分割是在语 义层面上将图像分割成多个区域， 然后为每个区域分配合适的类别标签。 随着高速计算设 备GPU的发展， 解决语义分割问题的主流框架已经被深度学习方法所 取代。 [0003]现有图片识别过程中， 存在小目标识别丢失的问题。 进行图片时， 通常将图片当作 一个对象进行识别， 对此识别所获得特征信息只有一个， 故无法有效对图片 中的其他 目标 进行精准识别。 发明内容 [0004](一)解决的技 术问题 [0005]针对现有技术的不足， 本发明提供了一种复杂场景图像中的小目标语义分割方法 及系统， 解决了现有图片识别中， 小目标识别困难的问题。 [0006](二)技术方案 [0007]为实现以上目的， 本发明通过以下技术方案予以实现： 一种复杂场景 图像中的小 目标语义分割方法， 包括以下内容： [0008]建立特征库:选取不同尺寸， 且相同类型的场景的图片， 基于深度学习算法对图片 进行识别， 存 储特征信息； [0009]设置分割参数： 导入目标图片， 并获取图片的尺像素寸(X， Y)， 同时输入最小分割 单元(x， y)； [0010]圈割识别区域： 以整个图像 的像素尺寸作为分割单元， 并且以像素原点和 分割单 元原点重合为起点， 若当前的分割单元x当≥X， 则换行识别， 若不满足， 则进行X方向的移位 继续圈割； [0011]换行则在Y方向上移位， 并且在Y方向上移位一次后， 继续进行X方向的移位圈割， 重复上述过程， 直至x当≥X、 y当≥Y， 进行分割单 元尺寸的变换； [0012]即通过减小当前分割 单元(x当， y当)的尺寸， 重复上述过程， 直至x当＜x， y当＜y结束 圈割； [0013]比对识别： 每次圈割后， 对所圈割区域参照特征库进行图像识别， 并获取轮廓信 息； [0014]分割图像： 对获得轮廓向外移动一个像素获得新的轮廓边线， 并将轮廓边线坐标 映射至目标图片中， 并对轮廓内的图像进行 单独保存。 [0015]优选的， 所述圈割识别区域中， 每次圈割区域时， 需要判断当前圈割区域和已经识说　明　书 1/3 页 3 CN 114677513 A 3