一种基于局部特征融合的场景图像分割系统

本发明属于图像分割，具体涉及一种基于局部特征融合的场景图像分割系统。

背景技术：

1、场景物体识别是一种计算机视觉技术，旨在识别图像或视频中的不同物体并将它们分类。这项技术可以应用于多种场景，包括智能监控、自动驾驶汽车、增强现实应用、智能家居和工业自动化等领域。

2、现有场景物体识别技术存在以下缺陷：

3、准确性不足：尽管物体识别技术已经取得了很大进步，但在复杂场景下仍然存在准确性不足的问题。特别是当物体被部分遮挡、光线条件较差或者是存在类似的物体时，识别的准确率可能会下降。

4、对多样化场景的适应性有限：物体识别技术通常在特定场景下进行训练，因此可能对于新的、多样化的场景缺乏足够的适应性。这可能导致在一些新颖场景下的识别性能不佳。

5、因此怎样在保证识别准确率的同时，提高场景物体识别的广泛性是现有技术的难点。

技术实现思路

1、为了解决上述技术问题，本发明提供一种基于局部特征融合的场景图像分割系统，包括云计算平台，所述云计算平台通信连接有场景数据采集模块、场景目标分割模块、场景目标分析模块以及目标识别模块；

2、所述场景数据采集模块用于在应用场景内设置若干种传感器，并设置若干个数据采集周期，进而调取传感器采集各个数据采集周期下的场景数据，并生成相应的场景数据集发送至场景目标分割模块；

3、所述场景目标分割模块用于根据场景数据集构建出应用场景中的各个场景目标，并从场景数据集中提取出各个场景目标的多源数据，进而将场景目标分类为静态场景目标和动态场景目标；

4、所述场景目标分析模块用于根据静态场景目标和动态场景目标的多源数据构建应用场景的静态场景图像模型和若干个多源动态场景图像模型，并在多源动态场景图像模型上设置多个主要识别点和次要识别点；

5、所述目标识别模块用于根据实时场景数据集生成若干个实时场景目标图像模型，将实时场景目标图像模型与多源动态场景图像模型以及静态场景图像模型进行匹配，根据匹配结果对各个实时场景目标图像模型进行识别。

6、进一步的，所述场景数据集的采集过程包括：

7、场景数据采集模块将目标场景划分为n个大小相同的场景子区域，并对各个场景子区域设置编号，其中n为大于0的正整数；

8、在各个场景子区域内设置多个相同种类的传感器，对全部传感器设置相同的数据采集周期，当数据采集周期开始时，场景数据采集模块向各个传感器同时发送数据采集指令，进而各个传感器根据数据采集指令采集其所在场景子区域的各项场景数据，其中场景数据包括场景光学视频数据、场景红外视频数据等；

9、当数据采集周期结束，各个传感器将其采集的数据上传至场景数据采集模块，进而场景数据采集模块对各个场景数据标注相应的场景子区域的编号，并将带有相同编号的场景数据整合生成对应场景子区域的场景数据集，并标注相应的场景子区域的编号；

10、同时社区或工厂管理人员上传居民或工人身份信息至场景数据采集模块，所述居民或工人身份信息包括对应应用场景的进出人员的姓名、身份编号以及照片，进而场景数据采集模块根据居民或工人身份信息生成场景人员身份数据集。

11、进一步的，所述场景目标的构建过程包括：

12、场景目标分割模块从场景数据集获取各个场景子区域的各项场景数据，将各个场景数据按帧分别划分为k份场景图像数据，建立三维坐标系，将生成时间节点相同但对应场景数据种类不同的场景图像数据进行重叠映射，进而得到对应场景子区域在数据采集周期内的各个时间节点下的多源图像数据，其中k表示大于0的自然数；

13、将各个多源图像数据按照时间依次进行排列，并对各个多源图像数据内各个多源像素的光学图像像素层的光学图像像素进行像素模糊化处理，其他层的图像像素不做任何操作；

14、获得像素平均化后光学图像层内相邻光学图像像素之间像素值差异率大小，根据像素值差异率大小将对应两个光学图像像素进行相连，进而得到光学图像层内各个光学图像像素之间的连接状况；

15、根据光学图像层内各个光学图像像素之间的连接状况，在光学图像层上划分出若干个光学场景目标，将光学图像层上的光学场景目标映射于多源图像数据上，得到光学场景目标的光学图像像素组成状况；

16、进而根据光学场景目标的光学图像像素组成状况，将多源图像数据上相应的多源像素进行连接，进而在多源场景图像上划分出若干个场景目标。

17、进一步的，所述光学图像像素进行像素模糊化处理的过程包括：

18、对于任意一个多源图像数据，将其光学图像像素进行分割，进而得到各个多源图像数据对应光学图像层，从光学图像层内的第一个光学图像像素开始，将其像素值与相邻位置上的各个光学图像像素同时进行像素值累加后取平均值，并将平均值作为对应各个光学图像像素的像素值，以此类推，直到光学图像层内最后一个光学图像像素与其相邻位置上的各个光学图像像素进行像素平均化为止。

19、进一步的，所述静态场景目标和动态场景目标的划分过程包括：

20、根据场景数据的场景图像数据划分数量，在三维坐标系上设置k个时间节点，进而判断相邻时间节点上多源图像数据内各个场景目标的多源像素是否发生位置变化；

21、若组成场景目标的多源像素超过一半发生位置变化，则判断该场景目标在对应时间节点之间发生位移，否则判断未发生位移；

22、统计各个场景目标发生位移的时间节点对数，若场景目标发生位移的时间节点对数大于等于1/3k，则标注对应场景目标为动态场景目标；

23、若场景目标发生位移的时间节点对数小于1/3k，则标注对应场景目标为预静态场景目标；

24、将不同数据周期下的生成的预静态场景目标相互匹配，若存在相互匹配，则将预静态场景目标记为静态场景目标，若相互不匹配，则将预静态场景目标保存并不做任何操作，直到后续数据周期下生成预静态场景目标与该预静态场景目标存在匹配结果为止。

25、进一步的，场景目标分析模块将各个静态场景目标按照其所在场景子区域的分布进行依次拼接，进而得到静态场景图像模型，同时根据场景数据集建立各个动态场景目标对应的多源动态场景图像模型，以及根据场景人员身份数据集中的照片生成对应场景人员的身体特征模型，所述身体特征模型由场景人员的面部特征模型和躯干特征模型组成。

26、进一步的，在所述多源动态场景图像模型上标注主要识别点和次要识别点的过程包括：

27、在面部特征模型上设置一个主要识别点，在躯干特征模型的中心位置设置多个主要识别点，以及躯干特征模型的边缘位置设置多个次要识别点；

28、将各个场景人员的身体特征模型与多源动态场景图像模型进行匹配，由于各个多源动态场景图像模型根据应用场景的场景数据集生成，故必定包含各个场景人员相关的多源动态场景图像模型；

29、将身体特征模型与多源动态场景图像模型匹配的标记为人员多源图像模型，并将身体特征模型上的主要识别点和次要识别点标注于人员多源图像模型，以及根据场景人员身份数据集对各个人员多源图像模型标注相应的姓名和身份编号；

30、将不与身体特征模型匹配的多源动态场景图像模型标记为非人员多源图像模型。

31、进一步的，对实时场景目标图像模型进行识别的过程包括：

32、目标识别模块从场景数据采集模块获取应用场景在实时数据采集周期下的实时场景数据集，根据实时场景数据集生成若干个实时场景目标图像模型，并采用分析静态场景目标和动态场景目标的方法，将实时场景目标图像模型划分为实时静态场景目标图像模型和实时动态场景目标图像模型；

33、将各个实时静态场景目标图像模型与静态场景图像模型进行匹配，以及将各个实时动态场景目标图像模型与非人员多源图像模型、人员多源图像模型进行匹配；

34、进而根据匹配结果获取场景人员对应的实时动态场景目标图像模型的身份信息。

35、与现有技术相比，本发明的有益效果是：

36、本发明通过将场景目标分类为静态场景目标和动态场景目标，根据静态场景目标和动态场景目标的多源数据构建应用场景的静态场景图像模型和若干个多源动态场景图像模型，并在多源动态场景图像模型上设置多个主要识别点和次要识别点，根据实时场景数据集生成若干个实时场景目标图像模型，将实时场景目标图像模型与多源动态场景图像模型以及静态场景图像模型进行匹配，根据匹配结果对各个实时场景目标图像模型进行识别，进而实现了在保证场景物体识别准确率的情况下，提高了场景物体识别的种类广泛性。