背景图生成、图像融合方法、装置、电子设备及可读介质

技术领域

本公开实施例涉及图像处理技术领域，尤其涉及一种背景图生成、图像融合方法、装置、电子设备及可读介质。

背景技术

图像融合是指对采集到的相关图像进行图像处理，以最大限度的提取各图像中的有利信息从而得到一张综合性的图像。例如，在为一个视频生成封面时，可以对视频中的多帧图像进行融合，以得到高质量的、能够反映视频中关键内容的融合图像作为封面。在将多帧图像融合为一帧图像的过程中，通常需要生成一个统一的背景图。

目前，生成背景图的方法主要是通过大量的数据来平滑前景目标(噪声点)，即，对所有图像取平均得到背景图。这种方法的局限性较强，需要各帧图像都对应于相同的视角，并且需要有足够多的图像才能够保证平滑的效果。然而，在实际应用中，多帧图像不一定在相同视角，视频中的场景复杂多变，采用该方法生成的背景图平滑效果差，尤其是在实例与背景交接的区域，容易失真或变形，无法保证生成的背景图的质量。

发明内容

本公开提供了一种背景图生成、图像融合方法、装置、电子设备及可读介质，以生成高质量的背景图。

第一方面，本公开实施例提供一种背景图生成方法，包括：

对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；

对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像；

根据各所述目标图像的填补结果生成背景图。

第二方面，本公开实施例还提供了一种图像融合方法，包括：

获取至少两帧目标图像；

根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图；

将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

第三方面，本公开实施例还提供了一种背景图生成装置，包括：

分割模块，用于对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；

填补模块，用于对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像；

生成模块，用于根据各所述目标图像的填补结果生成背景图。

第四方面，本公开实施例还提供了一种融合装置，包括：

获取模块，用于获取至少两帧目标图像；

背景图生成模块，用于根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图；

融合模块，用于将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

第五方面，本公开实施例还提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的背景图生成方法或如第二方面所述的图像融合方法。

第六方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的背景图生成方法或如第二方面所述的图像融合方法。

本公开实施例的背景图生成、图像融合方法、装置、电子设备及可读介质。该方法包括：对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；对于每帧目标图像，根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，得到目标图像的填补结果，其中，设定图像包括至少两帧目标图像中与目标图像不同的目标图像；根据各目标图像的填补结果生成背景图。上述技术方案对于每帧目标图像被去除的实例所在的区域，都使用设定图像的背景分割图进行填补，并综合各帧目标图像的填补结果生成背景图，充分复用了各目标图像中背景的特征，使实例与背景的分割处更平滑，从而生成高质量的背景图。

附图说明

图1是本公开实施例一中的背景图生成方法的流程图；

图2是本公开实施例二中的背景图生成方法的流程图；

图3是本公开实施例二中的对目标图像中被去除的实例所在的区域进行填补的示意图；

图4是本公开实施例三中的背景图生成方法的流程图；

图5是本公开实施例三中的目标图像中的实例对应的膨胀区域的示意图；

图6是本公开实施例三中的根据各目标图像的填补结果得到各目标图像的修复结果的流程图；

图7是本公开实施例三中的根据目标图像生成的背景图的示意图；

图8是本公开实施例四中的图像融合方法的流程图；

图9是本公开实施例四中的融合图像的示意图；

图10是本公开实施例五中的背景图生成装置的结构示意图；

图11是本公开实施例六中的背景图生成装置的结构示意图；

图12是本公开实施例七中的电子设备的硬件结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。此外，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。

实施例一

图1是本公开实施例一中的背景图生成方法的流程图。该方法可适用于根据多帧图像提取背景图的情况，具体的，该方法通过将多帧图像的背景分割图中的特征互相融合，得到背景图。该方法可以由背景图生成装置来执行，其中该装置可由软件和/或硬件实现，并集成在电子设备上。本实施例中的电子设备可以是计算机、笔记本电脑、服务器、平板电脑或智能手机等具有图像处理功能的设备。

如图1所示，本公开实施例一中的背景图生成方法，具体包括如下步骤：

S110、对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图。

本实施例中，目标图像主要指包含用于生成背景图的特征信息的图像，将各目标图像中关于背景的特征信息融合在一起，可以生成一张统一的背景图。各目标图像中的背景是针对相同或相近场景的，但视角可以有差别，此外，各目标图像中可包括实例和背景，各目标图像中同一实例的位置可以不同。

实例分割的主要目的是，识别各目标图像中的实例，并将各目标图像中的实例与背景分离，去除实例后剩余的部分即为背景分割图。可选的，采用基于位置和尺寸单独分离实例(Seperate Object instances by Location and sizes，SOLO)算法对各目标图像进行实例分割，具体的可以通过SOLOv2算法按照位置和尺寸分割实例，具有较高的精度，并且兼具实时性，能够提高生成背景图的效率。

S120、对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像。

本实施例中，对于任意一帧目标图像，其中被去除的实例所在的区域是没有特征的，可以使用设定图像(设定图像可以是除该目标图像以外所有的目标图像，也可以是除该目标图像以外所有的目标图像中的部分目标图像或设定数量的目标图像)的背景分割图填补该目标图像中被去除实例的区域，得到该目标图像的填补结果，在此过程中，设定图像的背景分割图中的特征被迁移并且融合到目标图像被去除的实例所在的区域中。在此基础上，可以综合各目标图像的填补结果得到背景图。

可以理解的是，设定图像的背景分割图中，用于填补目标图像中被去除的实例所在的区域的特征所在的区域，与目标图像中被去除的实例所在的区域相对应。例如，目标图像中被去除的实例所在的区域为左上角尺寸为A*A的区域，则可以使用设定图像的背景分割图中左上角尺寸为A*A的区域内的特征信息来填补目标图像中被去除的实例所在的区域。需要说明的是，以下实施例中所述的相应区域，除有特别限定的以外，均是指设定图像的背景分割图中，与目标图像中被去除的实例所在的区域相应的区域。

可选的，根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，可以是：对设定图像的背景分割图(主要是设定图像的背景分割图中的相应区域)的特征信息取平均，然后用取平均的结果填补目标图像中被去除的实例所在的区域。例如，设定图像的背景分割图有X个(X大于或等于1)，记为B

根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，还可以是：将目标图像中被去除的实例所在的区域平均或者随机分为N份；然后分别利用每个设定图像的背景分割图(主要是设定图像的背景分割图中的相应区域)的特征信息，填补其中的一份。例如，将目标图像中被去除的实例所在的区域分为A1和A2，则可以利用设定图像1的背景分割图1在相应区域的特征填补A1，利用设定图像2的背景分割图2在相应区域的特征填补A2。需要注意的是，由于设定图像的背景分割图也是被去除了实例的，为了保证填补的有效性，在将目标图像中被去除的实例所在的区域分给不同的设定图像的过程中，需要保证所分到的设定图像的背景分割图在相应区域内是有特征的，而不是完全空白的区域。例如，保证设定图像1的背景分割图1中，A1的相应区域是有背景部分的内容的，而不能完全是被去除实例的空白区域。

根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，还可以是：依次用每个设定图像的背景分割图(主要是设定图像的背景分割图中的相应区域)的特征信息填补目标图像中被去除的实例所在的区域，直至目标图像中被去除的实例所在的区域被完全填补，或者，所有的设定图像都已被用于填补。例如，对于目标图像中被去除的实例所在的区域，先利用设定图像1的背景分割图1相应区域的特征进行填补，但由于设定图像1的背景分割图1也是被去除了实例的，如果被去除的实例位于该相应区域内，则该相应区域内有一部分特征是空缺的，因此将该相应区域的特征填补至目标图像中被去除的实例所在的区域后，目标图像中被去除的实例所在的区域中仍然存在空缺，这种情况下，可再利用设定图像2的背景分割图2相应区域的特征进行填补，以此类推，直至目标图像中被去除的实例所在的区域被完全填补，或者，所有的设定图像都已被用于填补。

根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，还可以是：对于目标图像中被去除的实例所在的区域，将各设定图像的背景分割图(主要是设定图像的背景分割图中的相应区域)的公共区域的特征取平均并填补目标图像中被去除的实例所在的区域，然后对于剩余的未被填补的区域，再利用各设定图像的背景分割图的特征信息进一步填补。例如，目标图像中被去除的实例所在的区域为左上角尺寸为A*A的区域，设定图像1至设定图像N在左上角尺寸为A*A的区域内都包含尺寸为A’*A’的公共区域，A’小于A，则可以对各设定图像左上角尺寸为A’*A’的公共区域内的特征信息取平均并填补至目标图像中的A*A区域内，对于目标图像中A*A区域中除去A’*A’的区域剩余的部分，可参见上述任意的填补过程利用各设定图像的背景分割图共同填补。

S130、根据各所述目标图像的填补结果生成背景图。

本实施例中，将各目标图像的填补结果中的特征进一步融合，生成背景图。例如，可以对各目标图像的填补结果取平均得到背景图，以充分复用各目标图像中背景的特征。

可选的，生成背景图的过程可以分为两个阶段，在第一阶段中，对于每帧目标图像中被去除实例的区域，都可以采用设定图像的背景分割图来填补，得到每帧目标图像对应的填补结果，填补结果可以理解为一种粗略的背景图；在第二阶段中，根据各目标图像的填补结果生成背景图，该阶段可以理解为对粗略背景图的修复过程，可进一步优化各目标图像中背景的特征，得到的背景图更为精细。例如，可以对各目标图像的填补结果取平均，得到背景图；或者，为了使实例与背景的分割处更平滑，还可以对各目标图像的实例所在的区域进行膨胀处理，然后针对膨胀后的区域，再进行第二轮填补或者取平均等操作，从而进一步融合各填补结果的特征，得到高质量的背景图。

本实施例中的背景图生成方法，对于每帧目标图像被去除的实例所在的区域，都使用设定图像的背景分割图进行填补，并综合各帧目标图像的填补结果生成背景图，充分复用了各目标图像中背景的特征，使实例与背景的分割处更平滑，从而生成高质量的背景图。

实施例二

图2是本公开实施例二中的背景图生成方法的流程图。本实施例二在上述实施例的基础上，对根据设定图像的背景分割图对目标图像被去除的实例所在的区域进行填补的过程进行具体化。未在本实施例中详尽描述的技术特征可参见上述任意实施例。

本实施例中，对于每帧目标图像，根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，得到目标图像的填补结果，包括：对于每帧目标图像，依次根据每个设定图像的背景分割图中相应区域的特征信息填补目标图像中被去除的实例所在的区域，直至根据最后一个设定图像的背景分割图中相应区域的特征信息的填补操作完成，或者，直至目标图像中被去除的实例所在的区域被完全填补，得到目标图像的填补结果。在此基础上，可以最大限度的利用各背景分割图的特征，并且高效地生成高质量的背景图。

如图2所示，本公开实施例二中的背景图生成方法，包括如下步骤：

S210、对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图。

S220、对于当前目标图像，根据当前设定图像的背景分割图中相应区域的特征信息填补当前目标图像中被去除的实例所在的区域。

图3是本公开实施例二中的对目标图像中被去除的实例所在的区域进行填补的示意图。如图3所示，假设共有N(N为大于2的整数)个目标图像，各目标图像中的空白人物形状的区域表示去除的人物实例所在的区域，该人物实例在不同的目标图像中的位置或动作可能不同。目标图像1中去除人物实例后的背景分割图中的特征信息用网格表示；目标图像2中去除人物实例后的背景分割图中的特征信息用斜线表示；目标图像N-1中去除人物实例后的背景分割图中的特征信息用点状纹理表示；目标图像N中去除人物实例后的背景分割图中的特征信息用竖线表示。

以对目标图像1(即当前目标图像)中去除人物实例的区域进行填补为例，在目标图像2(即当前设定图像)的背景分割图中，虚线所示的人物形状即为相应区域，此区域内的斜线所表示的特征信息可以用来填补目标图像1中去除人物实例后的区域，但显然，目标图像2的背景分割图中虚线所示的人物形状中也包含了一部分空白(是由于目标图像2中的人物实例也被去除造成的)，因此，只利用目标图像2的背景分割图中相应区域内的特征信息并不能完全填补目标图像1中去除人物实例后的区域，则可以继续采用下一个目标图像的背景分割图中相应区域的特征信息来填补；假设下一个设定图像为目标图像N-1，则目标图像N-1的背景分割图中虚线所示的人物形状内的点状纹理所表示的特征，可用来继续填补目标图像1中去除人物实例后的区域；但仍不能完全填补，因此还需要利用目标图像N的背景分割图中虚线所示的人物形状内的竖线所表示的特征信息，继续填补目标图像1中去除人物实例后的区域，至此可得到目标图像1的填补结果。在填补结果中，斜线部分的特征信息来自于目标图像2的背景分割图的相应区域，点状部分的特征信息来自于目标图像N-1的背景分割图的相应区域，竖线部分的特征信息来自于目标图像N的背景分割图的相应区域。

基于类似的原理，可以得到目标图像2至N的填补结果。在此基础上可以根据各目标图像的填补结果生成背景图。

S230、当前目标图像中被去除的实例所在的区域是否被完全填补？若是，则执行S250；否则，执行S240。

本实施例中，如果利用当前设定图像的背景分割图的相应区域的特征信息进行填补后，当前目标图像中去除人物实例后的区域被完全填补，则可结束对当前目标图像的填补操作，得到当前目标图像的填补结果，而无需再采用后续的设定图像的背景分割图进行填补；如果利用当前设定图像的背景分割图的相应区域的特征信息进行填补后，当前目标图像中去除人物实例后的区域还未被完全填补，这种情况下，可以进一步确定是否还有设定图像的背景分割图还未被用于填补。

S240、当前设定图像是否为最后一个设定图像？若是，则执行S250；否则，执行S290。

本实施例中，如果还有设定图像的背景分割图未被用于填补(即当前设定图像不是最后一个设定图像)，则可以继续采用下一个设定图像的背景分割图进行填补，直至采用最后一个设定图像的背景分割图相应区域的特征信息完成填补后，此时无论是否能够完全填补，都可以结束对当前目标图像的填补操作，得到当前目标图像的填补结果。

S250、得到所述目标图像的填补结果。

S260、当前目标图像是否为最后一个目标图像？若是，则执行S280；否则，执行S270。

S270、将下一个目标图像作为当前目标图像。

S280、根据各目标图像的填补结果生成背景图。

S290、将下一个设定图像作为当前设定图像。

本实施例中的背景图生成方法，通过对每帧目标图像进行实例分割，对于每帧目标图像，依次根据每个设定图像的背景分割图中相应区域的特征信息填补目标图像中被去除的实例所在的区域，可以最大限度的利用各背景分割图的特征，并且高效地生成高质量的背景图；在此基础上，利用各目标图像的背景分割图生成背景图，可综合各目标图像的背景部分的特征，保证背景图与各目标图像的背景的一致性，生成高质量的背景图。

实施例三

图4是本公开实施例三中的背景图生成方法的流程图。本实施例三在上述实施例的基础上，对根据各目标图像的填补结果生成背景图的过程进行具体化。未在本实施例中详尽描述的技术特征可参见上述任意实施例。

本实施例中，生成背景图的过程可以分为两个阶段，在第一阶段中，对于每帧目标图像中被去除实例的区域，都可以采用设定图像的背景分割图来填补，得到每帧目标图像对应的填补结果；在第二阶段中，根据各目标图像的填补结果生成背景图。

本实施例中，根据各目标图像的填补结果生成背景图，包括：对各目标图像中的实例所在的区域进行膨胀处理，得到各目标图像对应的膨胀区域；对于每帧目标图像，根据各目标图像的填补结果中相应区域的特征信息修复目标图像对应的膨胀区域，得到目标图像的修复结果；根据各目标图像的修复结果生成背景图。在此基础上，对各目标图像的填补结果进行修复，可以对实例边缘作进一步平滑处理，得到精度更高的背景图。

如图4所示，本公开实施例三中的背景图生成方法，包括如下步骤：

S310、对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图。

S320、对于每帧目标图像，根据设定图像的背景分割图填补目标图像中被去除的实例所在的区域，得到目标图像的填补结果。

S330、对各目标图像中的实例所在的区域进行膨胀处理，得到各目标图像对应的膨胀区域。

本实施例中，对各目标图像中的实例进行膨胀处理，可以理解为在实例的边缘添加像素值，使得实例整体的像素区域扩张，以使膨胀区域尽可能包含不易修复的实例边缘。添加像素值可以通过卷积模板或卷积核实现。

图5是本公开实施例三中的目标图像中的实例对应的膨胀区域的示意图。如图5所示，加粗虚线所示的人物形状的区域即为对目标图像中的实例所在的区域进行膨胀处理后得到的膨胀区域，该膨胀区域应尽可能大于原实例所在的区域(斜线、点状纹理以及竖线所构成的人物形状的区域)，原实例的边缘应包含在膨胀区域内。在此基础上，对于各目标图像对应的膨胀区域，都可以利用在第一阶段中得到的各填补结果进行修复，使实例边缘更平滑。

S340、对于每帧目标图像，根据各目标图像的填补结果中相应区域的特征信息修复目标图像对应的膨胀区域，得到目标图像的修复结果。

可选的，本实施例中，对于每帧目标图像，利用各目标图像的填补结果对其膨胀区域进行修复，包括：对各目标图像(包括当前被修复的目标图像以及其他目标图像)的填补结果中与膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至目标图像对应的膨胀区域，从而得到该目标图像的修复结果。

在一些实施例中，对于每帧目标图像，利用各目标图像的填补结果对其膨胀区域进行修复，还可以是类似第一阶段的填补操作，例如，使用其他目标图像的填补结果中与该膨胀区域相应区域的特征信息再次填补该膨胀区域，具体可以是将其他目标图像的填补结果中与该膨胀区域相应区域的特征取平均后再次填补，也可以是将该膨胀区域平均或者随机分为若干份，然后分别利用其他的每个目标图像的填补结果中与该膨胀区域相应区域的特征，分别填补其中的一份等。在此基础上，可以得到目标图像的修复结果。

S350、根据各目标图像的修复结果生成背景图。

例如，可以根据需求从各目标图像的修复结果中选取一张图像质量最高的修复结果作为背景图。

可选的，本实施例中，根据各目标图像的修复结果生成背景图背景，包括：对各目标图像的修复结果取平均，得到背景图。在此基础上，对实例的边缘，可充分利用其他各目标图像的特征信息进行平滑处理。

在一实施例中，对于每帧目标图像，根据各目标图像的填补结果中相应区域的特征信息修复目标图像对应的膨胀区域，得到目标图像的修复结果，包括：在每次迭代过程中，对于每帧目标图像，对各目标图像的填补结果中与膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至目标图像对应的膨胀区域，得到目标图像在本次迭代过程中的修复结果；若不满足设定条件，则进入下一次迭代过程；若满足设定条件，则停止迭代，将目标图像在本次迭代过程中的修复结果作为目标图像的修复结果。

本实施例中，第二阶段的修复操作可以迭代执行多次，直至满足设定条件，，例如，设定条件为：任意一个目标图像的填补结果在本次迭代中得到的修复结果与在上一次迭代的修复结果的特征差异在允许范围内，则可以停止迭代，此时各目标图像对应的修复结果已经充分融合了各填补结果中的特征信息，且边缘过渡平滑，精度更高，可以得到更高质量的修复结果。

图6是本公开实施例三中的根据各目标图像的填补结果得到各目标图像的修复结果的流程图。如图6所示，根据各目标图像的填补结果得到各目标图像的修复结果，包括：

S410、对各目标图像中的实例所在的区域进行膨胀处理，得到各目标图像对应的膨胀区域。

S420、对于当前目标图像，对各目标图像的填补结果中与膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至当前目标图像对应的膨胀区域，得到当前目标图像在本次迭代过程中的修复结果。

S430、是否满足设定条件？若是，则执行S460，得到个目标图像最终的修复结果；否则，执行S440。

可选的，设定条件包括：目标图像在本次迭代过程中的修复结果与在上一次迭代过程对应的修复结果的特征差异在允许范围内。

在一些实施例中，设定条件也可以为迭代次数达到指定次数，或者迭代时长达到指定时长等。

S440、当前目标图像是否为最后一个目标图像？若是，则执行S460；否则，执行S450。

S450、将下一个目标图像作为当前目标图像。

S460、进入下一次迭代。

本实施例中，如果当前目标图像在本次迭代得到的修复结果与上一次迭代得到的修复结果的误差较小，则可以停止迭代，此时，各目标图像在最后一次被修复时得到的修复结果，都可以作为最终的修复结果；如果误差较大，则不停止迭代，并且，如果还有目标图像的填补结果没有在本次迭代过程中被修复，则可以继续选择下一个目标图像作为当前目标图像，对其填补结果进行修复；如果当前目标图像为最后一个目标图像，即本次迭代过程中各目标图像的填补结果都已被修复，则本次迭代过程完成，进入下一次迭代。

示例性的，对各目标图像的填补结果迭代修复的过程包括：

假设共有N个目标图像，对应N个填补结果；

在第1次迭代中，对于第一阶段得到的目标图像j的填补结果Bj(1≤j≤N)中的膨胀区域，对各目标图像的填补结果B1、B2……BN中与该膨胀区域相应区域的特征信息取平均并填补至该膨胀区域，以修复Bj中的膨胀区域，得到目标图像j在第1次迭代中的修复结果Bj1；

然后进入第2次迭代，同样的，对于目标图像j的修复结果Bj1中的膨胀区域，对B1、B2……BN中与该膨胀区域相应区域的特征信息取平均并填补至该膨胀区域内，以修复Bj1中的膨胀区域，得到目标图像j在第2次迭代中的修复结果Bj2；

以此类推，直至在一次迭代过程中，任意一个目标图像的修复结果与上一次迭代的修复结果的特征差异在允许范围内，则停止迭代，然后，对此时所有目标图像的修复结果取平均，得到背景图。

需要说明的是，在停止修复操作时，各目标图像被修复的次数可能不同。例如，在第1次迭代过程中，对10帧目标图像的填补结果依次进行修复，在第2次迭代过程中，修复到第3帧目标图像时，第3帧目标图像在第2次迭代得到的修复结果与其在第1次迭代得到的修复结果的误差已经较小，则可以停止迭代，此时，第1-3帧目标图像的修复结果其实经过两次迭代修复，而第4-10帧目标图像的填补结果其实经过一次迭代修复。

在一些实施例中，也不排除在满足设定条件时，需要等待各目标图像的填补结果都在本次迭代过程中被修复之后，再停止修复操作。这种情况下，，在停止修复操作时，各目标图像被修复的次数是相同的。

需要说明的是，在第一阶段中得到的填补结果其实是粗略背景图，第二阶段中的修复操作可以进一步提高填补的精度，膨胀区域内不正确的像素值会被正确的像素值逐渐修复，而在实例以外背景部分的正确像素值并不会随着迭代而改变，保证生成的背景图充分综合了各目标图像的特征信息，且边缘的处理效果更好，实例与背景的过渡更自然。

本实施例提供的两阶段算法(填补和修复)的原理如下：

假设有N帧目标图像，记为I

B

其中，B

由于实例分割算法在实例轮廓边缘往往不够准确，因此还需要进一步精细修复。将各帧目标图像中的实例对应的膨胀区域的掩码分别记为M

当第m次迭代满足如下设定条件是，结束迭代，停止修复操作：

其中，Mean(·)表示求矩阵平均值函数。

迭代结束后，将各目标图像的修复结果取平均，得到最终的背景图：

可选的，在得到每帧目标图像对应的去除实例的背景分割图之后，还包括：选取一帧目标图像作为参考帧，根据特征点匹配算法确定除所述参考帧以外的各所述目标图像与所述参考帧之间的仿射变换矩阵；根据所述仿射变换矩阵，将除所述参考帧以外的各所述目标图像的背景分割图与所述参考帧的背景分割图对齐。

本实施例中，各目标图像虽然是对于同一场景的，但由于拍摄角度不同、存在抖动或误差等，各目标图像的背景并不是完全对齐的，直接根据各目标图像的背景分割图生成背景图，会存在局部的失真、变形或模糊等，影响背景图的准确性和视觉效果。为此，在根据各目标图像的背景分割图生成背景图之前，可以选取一帧目标图像作为参考帧，并使其他对各目标图像的背景分割图与该参考帧对齐。其中，参考帧可以是图像质量最高的目标图像、首个目标图像、最后一帧目标图像或者位于中间的目标图像等。

例如，根据特征点匹配算法确定各目标图像与参考帧之间的仿射变换矩阵，其中，仿射变换矩阵用于描述相匹配的特征点由目标图像到参考帧中的变换关系，仿射变换包括线性变换和平移变换。特征点匹配算法可以是尺度不变特征变换(Scale-invariantFeature Transform，SIFT)算法，具体的，首先提取各目标图像的背景部分关键的特征点，这些关键的特征点不会因光照、尺度、旋转等因素而消失，然后，根据各关键点的特征向量对目标图像与参考帧中的关键点进行两两比较，找出目标图像与参考帧之间相互匹配的若干对特征点，从而建立特征点的对应关系，得到仿射变换矩阵。可选的，如果一帧目标图像中，可供配准的关键的特征点数量少于设定阈值，也可以抛弃该帧目标图像。

图7是本公开实施例三中的根据目标图像生成的背景图的示意图。如图7所示，将多帧目标图像配准(对齐)后，去除其中的实例，利用背景部分的特征信息，经过两阶段算法(即填补和修复操作)，可得到高质量的背景图，其能充分保留原各目标图像中背景部分的特征，且处理实例边缘的平滑效果较好。

本实施例中的背景图生成方法，通过选取一帧目标图像作为参考帧，并使其他对各目标图像的背景分割图与该参考帧对齐，提高生成背景图的准确性和图像质量；通过在第一阶段中得到各目标图像的粗略背景图，在第二阶段中对实例的膨胀区域进行迭代修复以融合各填补结果的特征，使得生成的背景图充分复用了各目标图像的背景分割图的特征信息，且对实例边缘的处理效果更平滑，实例与背景的过渡更自然，进一步提高背景图的质量。

实施例四

图8是本公开实施例四中的图像融合方法的流程图。该方法可适用于将多帧图像融合为一张图像的情况，具体的，根据多帧图像生成统一的背景图，并将各帧图像中的实例融合在生成的背景图中。该方法的应用场景可以是，从视频中提取多帧图像，并根据提取的多帧图像生成一张融合图像，作为该视频的封面；还可以是，根据一组图像生成一张融合图像，作为这组图像的标识或文件夹图标，或者可进一步得到能够反映这组图像主要内容的缩略图等。该方法可以由图像融合装置来执行，其中该装置可由软件和/或硬件实现，并集成在电子设备上。本实施例中的电子设备可以是计算机、笔记本电脑、服务器、平板电脑或智能手机等具有图像处理功能的设备。需要说明的是，未在本实施例中详尽描述的技术细节可参见上述任意实施例。

如图8所示，本公开实施例一中的背景图生成方法，具体包括如下步骤：

S510、获取至少两帧目标图像。

本实施例中，目标图像主要指包含背景特征的图像，将各目标图像中的背景特征融合在一起，可以提取一张统一的背景图。各目标图像中的背景是针对同一场景的，但视角可以有差别。此外，目标图像中可以有实例部分和背景部分，各目标图像中同一实例的位置可以不同。目标图像可以是从电子设备中读取的，或者是从数据库中下载的，可以是连拍的多帧图像，也可以是从视频中提取的多帧图像等。。

可选的，获取至少两帧目标图像包括：基于动作识别算法识别视频中的动作序列帧，将动作序列帧作为目标图像。

本实施例中，利用动作识别算法，可以从视频中识别有效的动作序列帧，每个动作序列帧中的人物实例按照时序顺序连贯起来可以表达出一个完整的动作或行为，这些动作序列帧可作为目标图像。例如，利用人体姿态识别(Open-pose)算法对视频中的人物实例进行姿态估计。具体的，首先提取视频的各帧图像中人体关节点的位置坐标，据此计算相邻两帧之间人体关节点的距离变化量矩阵；然后对视频进行分段，利用每段视频对应的距离变化量矩阵生成视频特征；最后利用训练好的分类器对视频特征进行分类，如果能够识别到一段视频对应的视频特征属于预设行为库中的动作或行为的特征序列，则这段视频对应的各帧即为动作序列帧。又如，利用实例分割算法提取各关键帧中人物的轮廓并进行姿势表达，通过聚类算法提取姿势的关键特征，基于这些关键特征，利用动态时间规整(DynamicTime Warping，DTW)算法完成动作识别等。再如，动作识别算法可以通过中时建模(Temporal Segment Network，TSM)模型实现，该模型基于Kinetics-400数据集训练，可用于识别400种动作，能够满足识别并在封面中展示实例的动作的需求。

可选的，在识别到有效的动作序列帧的情况下，可进一步判断各动作序列帧之间的背景差异程度，如背景差异程度在允许范围内，则对各动作序列帧进行图像融合。

可选的，获取至少两帧目标图像包括：基于预训练的网络确定视频中的关键帧之间的相似度；根据所述相似度将所述关键帧划分为多个分组；将关键帧数量最多的一个分组中的关键帧作为所述目标图像。

本实施例中，关键帧主要指能够反映视频关键内容或者场景变化的帧，例如包含视频中的主要人物的帧、属于精彩片段或经典片段的帧、场景发生明显变化的帧以及包含人物关键动作的帧等，都可以作为关键帧。从视频中提取出的关键帧至少为两个，在此基础上，可对各关键帧进行分组，并将关键帧数量最多的一个分组中的关键帧作为目标图像，用于图像融合。

示例性的：按照每间隔设定帧数(如20帧)选一帧的方式，从视频中选取一定数量的帧，减少数据量，并利用图像评估算法从中抽取关键帧；然后，可以根据各关键帧的帧间相似度，例如色调、场景内容或包含的实例是否相同等进行聚类；最后，可以基于预训练的卷积神经网络在特征空间做相似度度量，例如，采用计算机视觉组(VisualGeometryGroup，VGG)网络，具体可以是VGG19网络，各帧图像输入VGG19后可以得到1000维的向量，两个向量的夹角可以代表它们的相似度。假设第i帧的特征向量为F

S520、根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图。

本实施例中，每帧目标图像中被去除的实例所在的区域可以被填补。例如，对于一帧目标图像，可以利用其去除实例后的背景部分的纹理特征，对去除的实例所在的区域进行填补，以完成对该帧目标图像的背景修复，得到目标图像的填补结果；又如，对于一帧目标图像，可以利用设定图像(可以是除该目标图像以外所有的目标图像，也可以是除该目标图像以外所有的目标图像中的部分目标图像或设定数量的目标图像)的背景分割图的特征信息填补该目标图像中被去除实例的区域，即，将设定图像的背景分割图中的特征迁移并且融合到该目标图像被去除的实例所在的区域中，得到目标图像的填补结果。在此基础上，可以将各目标图像的填补结果中的特征进一步融合，生成背景图。在此过程中，综合各帧目标图像的填补结果生成背景图，充分复用了各目标图像的特征，生成高质量的背景图。

S530、将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

本实施例中，各目标图像中的实例与背景分离，其中，各背景可用于生成统一的背景图；各实例可以融合在该背景图中，得到一张融合图像。

例如，可以从各目标图像中抠出实例，并将这些实例添加到背景图中，该背景图根据各目标图像的填补结果生成。这种情况下，利用静态的单张图像即可展示出多帧目标图像中的实例与背景，有效减少了计算资源和存储空间占用。在此过程中，还可以对要添加的实例进行裁剪、缩放、旋转以及拼接等操作。

可选的，各目标图像中的实例还可以按照时序顺序依次(例如从左到右，或者从右到左等)排布在背景图中，而且还可以使各实例在该背景图中的排布位置，与其在原目标图像中的中的相对位置保持一致，使得融合图像在视觉上更贴近原目标图像中各实例的形态；或者，也可以使各目标图像中的实例在背景图中自由排布。

以生成视频封面的应用场景为例，采用图像融合方法，可以基于时序冗余信息提取任意视频的背景图，并将多个目标图像中的实例融合在该背景图中。该过程可以包括：

抽帧：从视频中按照每间隔设定帧数(如20帧)抽取多帧图像，并根据图像质量算法选取关键帧；

场景聚类：根据各关键帧的帧间相似度进行聚类，将包含的关键帧数量最多的一类(即一个分组)中的关键帧作为目标图像；

实例分割：将各目标图像中的实例与背景分离；

图像配准：根据仿射变换矩阵，将各目标图像的背景分割图对齐；

两阶段算法：对各目标图像中去除实例的区域进行填补和修复，得到背景图；

实例融合：将各目标图像中的实例添加至背景图中，得到融合图像。

可选的，各所述目标图像中的实例与所述背景图的融合度按照各所述目标图像的时序顺序依次降低。

图9是本公开实施例四中的融合图像的示意图。如图9所示，融合图像中的五个人物实例可来源于五个目标图像，五个目标图像可来源于一段视频，其表达的是一个滑板跳跃的动作。为了使根据目标图像生成的融合图像更贴近原视频内容，在得到统一的背景图后，可以将各目标图像中的实例排布到该背景图中的合适位置。可以理解的是，通常情况下，利用视频中的五个目标图像表达出人物实例的动作，需要将这些目标图像做成动态图像，计算量大、占用空间也大，而本实施例的图像融合方法，利用融合图像，可有效融合多个目标图像的特征信息，利用有限的资源展示丰富的图像内容。

此外，融合图像中的五个人物实例从右到左，完成了一次从起跳、腾空到落地的滑板跳跃的动作，越左侧的人物实例的时序越靠后，最左侧的人物实例对应于最后一个目标图像，而越左侧的人物实例，其与背景图的融合度越低，也可以理解为透明度越低。在此基础上，在通过静态的融合图像展示多个动作序列帧的实例的同时，也能够体现出各实例的时序先后，具有视觉暂留的效果，使得所展示的动作或行为更具体更生动。

可选的，根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图的方法根据上述任意实施例确定。

本实施例中的图像融合方法，利用融合图像可展示出多帧目标图像的丰富的特征，此外，通过综合各帧目标图像的填补结果生成背景图，充分复用了各目标图像的特征，生成高质量的背景图，也可以提高融合图像的质量。

实施例五

图10是本公开实施例五中的背景图生成装置的结构示意图。本实施例尚未详尽的内容请参考上述实施例。

如图10所示，该装置包括：

分割模块610，用于对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；

填补模块620，用于对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像；

生成模块630，用于根据各所述目标图像的填补结果生成背景图。

本实施例的背景图生成装置，对于每帧目标图像的背景分割图都进行填补，并综合各帧目标图像的填补结果生成背景图，充分复用了各目标图像中背景的特征，使实例与背景的分割处更平滑，从而生成高质量的背景图。

在上述基础上，填补模块620，具体用于：

对于每帧目标图像，依次根据每个设定图像的背景分割图中相应区域的特征信息填补所述目标图像中被去除的实例所在的区域，直至根据最后一个设定图像的背景分割图中相应区域的特征信息的填补操作完成，或者，直至所述目标图像中被去除的实例所在的区域被完全填补，得到所述目标图像的填补结果。

在上述基础上，生成模块630，包括：

膨胀单元，用于对各所述目标图像中的实例所在的区域进行膨胀处理，得到各所述目标图像对应的膨胀区域；

修复单元，用于对于每帧目标图像，根据各所述目标图像的填补结果中相应区域的特征信息修复所述目标图像对应的膨胀区域，得到所述目标图像的修复结果；

生成单元，用于根据各所述目标图像的修复结果生成所述背景图。

在上述基础上，修复单元，具体用于：

对各所述目标图像的填补结果中与所述膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至所述目标图像对应的膨胀区域，得到所述目标图像的修复结果。

在上述基础上，生成单元，具体用于：对各所述目标图像的修复结果取平均，得到所述背景图。

在上述基础上，修复单元，具体用于：

在每次迭代过程中，对于每帧目标图像，对各所述目标图像的填补结果中与所述膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至所述目标图像对应的膨胀区域，得到所述目标图像在本次迭代过程中的修复结果；

若不满足设定条件，则进入下一次迭代过程；

若满足设定条件，则停止迭代，将所述目标图像在本次迭代过程中的修复结果作为所述目标图像的修复结果。

在上述基础上，所述设定条件包括：

所述目标图像在本次迭代过程中的修复结果与在上一次迭代过程对应的修复结果的特征差异在允许范围内。

在上述基础上，该装置还包括：

计算模块，用于在得到每帧目标图像对应的去除实例的背景分割图之后，选取一帧目标图像作为参考帧，根据特征点匹配算法确定除所述参考帧以外的各所述目标图像与所述参考帧之间的仿射变换矩阵；

对齐模块，用于根据所述仿射变换矩阵，将除所述参考帧以外的各所述目标图像的背景分割图与所述参考帧的背景分割图对齐。

上述背景图生成装置可执行本公开任意实施例所提供的背景图生成方法，具备执行方法相应的功能模块和有益效果。

实施例六

图11是本公开实施例六中的背景图生成装置的结构示意图。本实施例尚未详尽的内容请参考上述实施例。如图11所示，该装置包括：

获取模块710，用于获取至少两帧目标图像；

图像融合模块720，用于根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图；

融合模块730，用于将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

本实施例的图像融合装置，利用融合图像可展示出多帧目标图像的丰富的特征，此外，通过综合各帧目标图像的填补结果生成背景图，充分复用了各目标图像的特征，生成高质量的背景图，也提高了融合图像的质量。

在上述基础上，获取至少两帧目标图像包括：基于动作识别算法识别视频中的动作序列帧，将所述动作序列帧作为所述目标图像。

在上述基础上，获取至少两帧目标图像包括：

基于预训练的网络确定视频中的关键帧之间的相似度；

根据所述相似度将所述关键帧划分为多个分组；

将关键帧数量最多的一个分组中的关键帧作为所述目标图像。

在上述基础上，各所述目标图像中的实例与所述背景图的融合度按照各所述目标图像的时序顺序依次降低。

在上述基础上，根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图的方法根据上述任意实施例确定。

上述图像融合装置可执行本公开任意实施例所提供的图像融合方法，具备执行方法相应的功能模块和有益效果。

实施例七

图12是本公开实施例七中的电子设备的硬件结构示意图。图12示出了适于用来实现本公开实施例的电子设备800的结构示意图。本公开实施例中的电子设备800包括但不限于计算机、笔记本电脑、服务器、平板电脑或智能手机等具有图像处理功能的设备。图12示出的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图12所示，电子设备800可以包括一个或多个处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。一个或多个处理装置801实现如本公开提供的流量数据包转发方法。在RAM803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线805彼此相连。输入/输出(I/O)接口804也连接至总线805。

通常，以下装置可以连接至I/O接口804：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808，存储装置808用于存储一个或多个程序；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图12示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备全部示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像；根据各所述目标图像的填补结果生成背景图。或者，使得该电子设备：获取至少两帧目标图像；根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图；将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读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。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附示例书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现示例书的示例形式。

根据本公开的一个或多个实施例，示例1提供了一种背景图生成方法，包括：

对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；

对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像；

根据各所述目标图像的填补结果生成背景图。

示例2根据示例1所述的方法，所述对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，包括：

对于每帧目标图像，依次根据每个设定图像的背景分割图中相应区域的特征信息填补所述目标图像中被去除的实例所在的区域，直至根据最后一个设定图像的背景分割图中相应区域的特征信息的填补操作完成，或者，直至所述目标图像中被去除的实例所在的区域被完全填补，得到所述目标图像的填补结果。

示例3根据示例1所述的方法，所述根据各所述目标图像的填补结果生成背景图，包括：

对各所述目标图像中的实例所在的区域进行膨胀处理，得到各所述目标图像对应的膨胀区域；

对于每帧目标图像，根据各所述目标图像的填补结果中相应区域的特征信息修复所述目标图像对应的膨胀区域，得到所述目标图像的修复结果；

根据各所述目标图像的修复结果生成所述背景图。

示例4根据示例3所述的方法，所述根据各所述目标图像的填补结果中相应区域的特征信息修复所述目标图像对应的膨胀区域，得到所述目标图像的修复结果，包括：

对各所述目标图像的填补结果中与所述膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至所述目标图像对应的膨胀区域，得到所述目标图像的修复结果。

示例5根据示例3所述的方法，所述根据各所述目标图像的修复结果生成所述背景图背景，包括：

对各所述目标图像的修复结果取平均，得到所述背景图。

示例6根据示例3所述的方法，所述对于每帧目标图像，根据各所述目标图像的填补结果中相应区域的特征信息修复所述目标图像对应的膨胀区域，得到所述目标图像的修复结果，包括：

在每次迭代过程中，对于每帧目标图像，对各所述目标图像的填补结果中与所述膨胀区域对应的区域的特征信息取平均，将取平均的结果填补至所述目标图像对应的膨胀区域，得到所述目标图像在本次迭代过程中的修复结果；

若不满足设定条件，则进入下一次迭代过程；

若满足设定条件，则停止迭代，将所述目标图像在本次迭代过程中的修复结果作为所述目标图像的修复结果。

示例7根据示例6所述的方法，所述设定条件包括：

所述目标图像在本次迭代过程中的修复结果与在上一次迭代过程对应的修复结果的特征差异在允许范围内。

示例8根据示例1所述的方法，在得到每帧目标图像对应的去除实例的背景分割图之后，还包括：

选取一帧目标图像作为参考帧，根据特征点匹配算法确定除所述参考帧以外的各所述目标图像与所述参考帧之间的仿射变换矩阵；

根据所述仿射变换矩阵，将除所述参考帧以外的各所述目标图像的背景分割图与所述参考帧的背景分割图对齐。

根据本公开的一个或多个实施例，示例9提供了一种图像融合方法，包括：

获取至少两帧目标图像；

根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图；

将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

示例10根据示例9所述的方法，所述获取至少两帧目标图像包括：

基于动作识别算法识别视频中的动作序列帧，将所述动作序列帧作为所述目标图像。

示例11根据示例9所述的方法，所述获取至少两帧目标图像包括：

基于预训练的网络确定视频中的关键帧之间的相似度；

根据所述相似度将所述关键帧划分为多个分组；

将关键帧数量最多的一个分组中的关键帧作为所述目标图像。

示例12根据示例9所述的方法，各所述目标图像中的实例与所述背景图的融合度按照各所述目标图像的时序顺序依次降低。

示例13根据示例9所述的方法，根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图的方法根据示例1-8任一项确定。

根据本公开的一个或多个实施例，示例14提供了一种背景图生成装置，包括：

分割模块，用于对至少两帧目标图像中的每帧目标图像进行实例分割，得到每帧目标图像对应的去除实例的背景分割图；

填补模块，用于对于每帧目标图像，根据设定图像的背景分割图填补所述目标图像中被去除的实例所在的区域，得到所述目标图像的填补结果，其中，所述设定图像包括所述至少两帧目标图像中与所述目标图像不同的目标图像；

生成模块，用于根据各所述目标图像的填补结果生成背景图。

根据本公开的一个或多个实施例，示例15提供了一种图像融合装置，包括：

获取模块，用于获取至少两帧目标图像；

背景图生成模块，用于根据对于各所述目标图像中被去除的实例所在的区域的填补结果生成背景图；

融合模块，用于将各所述目标图像中的实例融合在所述背景图中，得到融合图像。

根据本公开的一个或多个实施例，示例16提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如示例1-8中任一项所述的背景图生成方法，或如示例9-13中任一项所述的图像融合方法。

根据本公开的一个或多个实施例，示例17提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如示例1-8中任一项所述的背景图生成方法，或如示例9-13中任一项所述的图像融合方法。