所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。图10是本发明实施例中的一种视频抠图模型训练设备的结构示意图。下面参照图10来描述根据本发明的这种实施方式的电子设备600。图10显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图10所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述一种视频抠图模型训练方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图1中所示的步骤。存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图10中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。本发明实施例中还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的一种视频抠图模型训练方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述一种视频抠图模型训练方法部分中描述的根据本发明各种示例性实施方式的步骤。如上所示，本实施例中通过语义编码器和提示编码器分别对不同的区域进行识别，更好地获得目标区域，并组合之前帧的信息对当前帧的范围进行调整，有效地提高抠图模型的适用场景与视频抠图的时空稳定性。图11是本发明实施例中的计算机可读存储介质的结构示意图。参考图11所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。本实施例中通过语义编码器和提示编码器分别对不同的区域进行识别，更好地获得目标区域，并组合之前帧的信息对当前帧的范围进行调整，有效地提高抠图模型的适用场景与视频抠图的时空稳定性。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
背景技术：
1、视频抠图技术是一种使用计算机视觉和机器学习方法，从视频中分离前景和背景的高级图像处理技术。其技术原理包括：
2、深度学习算法：视频抠图技术的核心在于利用深度学习模型，如卷积神经网络(cnn)和循环神经网络(rnn)，来识别并分离视频中的前景和背景。这些模型通常需要经过大量的数据训练，以学习前景与背景间的特征差异。
3、视频预处理：在抠图前，通常需要对视频进行预处理，包括降噪、色彩调整等，以提高后续处理的准确性和效率。
4、特征提取：模型会从视频中提取多种特征，如色彩、纹理和形状等，以辨识前景与背景。
5、抠图计算：根据特征识别的结果，算法会生成一个掩码，用以区分前景和背景。这个过程要求高精度的计算，以确保抠图结果的自然和真实。
6、后处理：抠图后可能需要进一步的后处理，包括边缘平滑和色彩校正，以提升最终视觉效果。
7、视频抠图技术广泛应用于电影特效制作、短视频制作、直播互动等各类场景中。
8、视频抠图的效果受背景环境影响较大。在背景复杂或光线较暗的场景中，抠图效果可能会大打折扣。同时，如发丝或者透明衣物等细微部分的精确抠图，依然是技术中的一大挑战。这是因为现有技术均利用trimap给定的信息抠图，或者利用语义信息进行纯人像抠图。
9、以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本技术的新颖性和创造性。
技术实现思路
1、针对现有技术中的缺陷，本发明的目的是提供一种视频抠图模型训练方法、系统、设备及介质，以有效地提高抠图模型的适用场景与视频抠图的时空稳定性。
2、根据本发明提供的一种视频抠图模型训练方法，包括如下步骤：
3、步骤m1：使用第一训练视频对特征编码器、值编码器和解码器进行预训练，得到基准模型；
4、步骤m2：在所述基准模型中加入提示编码器，固定所述解码器的权重进行单帧数据训练；所述提示编码器用于根据深度值获得目标范围；
5、步骤m3：固定所述特征编码器和所述值编码器的参数，使用第二训练视频对所述提示编码器进行训练；
6、步骤m4：固定所述特征编码器、所述值编码器所述提示编码器的参数，使用第二训练视频对语义编码器进行训练；
7、步骤m5：固定所述语义编码器、所述值编码器所述提示编码器的参数，使用第二训练视频对所述特征编码器进行训练；
8、步骤m6：对所述特征编码器、所述提示编码器和所述语义编码器分别进行训练，直至视频抠图模型收敛。
9、可选地，所述的一种视频抠图模型训练方法，其特征在于，所述视频抠图模型在运行时包括：
10、步骤s1：确定初始帧，利用语义编码器识别出第一目标范围，利用提示编码器根据深度值得到第二目标范围，利用特征编码器获得特征图像，利用解码器对所述特征图像、所述第一目标范围和所述第二目标范围组成的第一特征图进行处理，得到所述初始帧的目标掩码；
11、步骤s2：对于当前帧，利用所述语义编码器识别出第三目标范围，利用所述提示编码器根据深度值得到第四目标范围，利用特征编码器获得特征图像，根据所述特征图像、所述第三目标范围和所述第四目标范围得到第二特征图；
12、步骤s3：对所述第二特征图与之前帧的特征图进行比对，得到相似度高于第一阈值的相关帧；
13、步骤s4：将所述相关帧中的特征图与所述第二特征图利用注意力机制进行融合，得到第三特征图；
14、步骤s5：利用所述解码器对所述第三特征图进行处理，得到所述当前帧的目标掩码；
15、步骤s6：利用所述值编码器对所述当前帧的目标掩码进行提取，并写入记忆池中。
16、可选地，所述的一种视频抠图模型训练方法，其特征在于，所述解码器在对所述第一目标范围和所述第二目标范围，或所述第三目标范围和所述第四目标范围进行处理时，对所述第一目标范围和所述第二目标范围，或所述第三目标范围和所述第四目标范围进行拼接后，再整体进行处理。
17、可选地，所述的一种视频抠图模型训练方法，其特征在于，步骤s1包括：
18、步骤s11：在视频中确定初始帧；所述初始帧为rgbd图像；所述rgbd图像包含rgb图和深度图；
19、步骤s12：利用所述语义编码器在所述rgb图上识别出第一目标范围，得到第一目标特征图；
20、步骤s13：利用所述提示编码器在所述深度图上根据深度值得到第二目标范围，得到第二目标特征图；
21、步骤s14：利用所述特征编码器获得特征图像；
22、步骤s15：将所述第一目标特征图、所述特征图像和所述第二目标特征图合并得到第一特征图，并利用解码器对所述第一特征图进行处理，得到所述初始帧的目标掩码。
23、可选地，所述的一种视频抠图模型训练方法，其特征在于，步骤s2包括：
24、步骤s21：获取当前帧，利用所述语义编码器识别出第三目标范围，得到第三目标特征图；所述当前帧晚于所述初始帧；
25、步骤s22：利用所述提示编码器根据深度值得到第四目标范围，得到第四目标特征图；
26、步骤s23：利用所述特征编码器获得特征图像；
27、步骤s24：将所述第三目标特征图和所述第四目标特征图合并得到第二特征图，并利用解码器对所述第二特征图进行处理。
28、可选地，所述的一种视频抠图模型训练方法，其特征在于，步骤s3包括：
29、步骤s31：获取之前帧的特征图，并根据相互之间的第一相似度分为种子特征图和相关特征图；所述之前帧是指所述初始帧之后，并位于所述当前帧之前的多帧；
30、步骤s32：计算所述种子特征图与所述第二特征图的第二相似度；
31、步骤s33：如果所述第二相似度大于第二阈值，则将所述种子特征图及对应的所述相关特征图对应的之前帧标记为相关帧；如果所述第二相似度不大于第二阈值，但大于第三阈值，则将所述种子特征图对应的之前帧标记为相关帧，并对对应的所述相关帧进行相似度计算，得到第三相似度，将所述第三相似度大于第一阈值的之前帧标记为相关帧；所述第三阈值小于所述第一阈值，所述第一阈值小于所述第二阈值。
32、可选地，所述的一种视频抠图模型训练方法，其特征在于，步骤s4包括：
33、步骤s41：对所述相关帧中的特征图根据特征部分的出现次数赋予不同的权重值；其中，所述特征部分出现次数越多，所述权重值越大；
34、步骤s42：对所述第二特征图中不同于所述相关帧中的特征图的部分特征赋予较高的权重值；
35、步骤s43：利用注意力机制将所述相关帧中的特征图与所述第二特征图进行融合，得到第三特征图。
36、根据本发明提供的一种视频抠图模型训练系统，包括如下模块：
37、预训练模块，用于使用第一训练视频对特征编码器、值编码器和解码器进行预训练，得到基准模型；
38、单帧训练模块，用于在所述基准模型中加入提示编码器，固定所述解码器的权重进行单帧数据训练；所述提示编码器用于根据深度值获得目标范围；
39、第一训练模块，用于固定所述特征编码器和所述值编码器的参数，使用第二训练视频对所述提示编码器进行训练；
40、第二训练模块，用于固定所述特征编码器、所述值编码器所述提示编码器的参数，使用第二训练视频对语义编码器进行训练；
41、第三训练模块，用于固定所述语义编码器、所述值编码器所述提示编码器的参数，使用第二训练视频对所述特征编码器进行训练；
42、循环模块，用于对所述特征编码器、所述提示编码器和所述语义编码器分别进行训练，直至视频抠图模型收敛。
43、根据本发明提供的一种视频抠图模型训练设备，包括：
44、处理器；
45、存储器，其中存储有所述处理器的可执行指令；
46、其中，所述处理器配置为经由执行所述可执行指令来执行所述的一种视频抠图模型训练方法的步骤。
47、根据本发明提供的计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的一种视频抠图模型训练方法的步骤。
48、与现有技术相比，本发明具有如下的有益效果：
49、本发明按顺序依次对多个模块分别进行训练，可以使得模型训练时间最短，并且提升模型的稳定性，在单一图像和视频中考虑时序特征均可以获得稳定的抠图效果。
50、本发明中利用多模态的方案，使用语义编码器和提示编码器分别对图像进行处理，可以有效地提高抠图模型的适用场景与视频抠图的时空稳定性。
51、本发明利用解码器对特征图进行处理，可以适用于各种图像类型，具有广泛的适用性与可扩展性，并且具有更好的处理效率。
52、本发明采用注意力机制对当前帧与之前帧的特征进行融合，在保留历史信息的同时更新场景内新前景范围，保证历史中未出现的目标也能被识别预测。
1.一种视频抠图模型训练方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种视频抠图模型训练方法，其特征在于，所述视频抠图模型在运行时包括：
3.根据权利要求2所述的一种视频抠图模型训练方法，其特征在于，所述解码器在对所述第一目标范围和所述第二目标范围，或所述第三目标范围和所述第四目标范围进行处理时，对所述第一目标范围和所述第二目标范围，或所述第三目标范围和所述第四目标范围进行拼接后，再整体进行处理。
4.根据权利要求2所述的一种视频抠图模型训练方法，其特征在于，步骤s1包括：
5.根据权利要求2所述的一种视频抠图模型训练方法，其特征在于，步骤s2包括：
6.根据权利要求2所述的一种视频抠图模型训练方法，其特征在于，步骤s3包括：
7.根据权利要求2所述的一种视频抠图模型训练方法，其特征在于，步骤s4包括：
8.一种视频抠图模型训练系统，其特征在于，包括如下模块：
9.一种视频抠图模型训练设备，其特征在于，包括：
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至7任一项所述的一种视频抠图模型训练方法的步骤。
