[發(fā)明專利]一種在FCN中引入聚焦機制對靜態(tài)人體圖像進行分割的方法

有效

• 申請?zhí)枺?/td>: 201710594374.4
• 申請日: 2017-07-19
• 公開（公告）號: CN107516316B
• 公開（公告）日: 2020-11-20
• 發(fā)明（設計）人: 李濤;李冬梅;趙雪專;裴利沈;朱曉珺;汪偉;曲豪;張棟梁;郭航宇
• 申請（專利權）人: 鹽城禪圖智能科技有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04
• 代理公司: 鄭州聯(lián)科專利事務所(普通合伙) 41104
• 代理人: 劉建芳

本發(fā)明提供了一種在FCN中引入聚焦機制對靜態(tài)人體圖像進行分割的方法，包括以下步驟：A：對靜態(tài)人體圖像分割數(shù)據(jù)集的預處理以獲取樣本包含分割信息的輔助分割類標、分割類標以及注意力聚焦圖；B：引入聚焦機制，改進FCN網絡，具體做法是改進ResNet?101網絡結構，同時，利用定義具有聚焦機制的損失函數(shù)、輔助分割損失函數(shù)和分割損失函數(shù)引入聚焦機制；C:訓練改進后的FCN的網絡參數(shù)；D：對靜態(tài)人體圖像進行分割；本發(fā)明能夠較為有效地提升人體分割的效果，特別是一些較難的區(qū)域，比如腿部、手部區(qū)域，在PASCAL?Person?Part測試集和LIP驗證集上的結果對比表明了本發(fā)明所述的一種在FCN中引入聚焦機制對靜態(tài)人體圖像進行分割的方法的魯棒性和有效性。

技術領域

本發(fā)明涉及圖像分割領域，尤其涉及一種在FCN中引入聚焦機制對靜態(tài)人體圖像進行分割的方法。

背景技術

圖像分割是當前計算機視覺領域的熱點和難點問題，它的目的是把圖像中各種不同物體給用不同顏色分割出來，它的過程為根據(jù)一定的規(guī)則或算法將圖像切分成含有不同語義的區(qū)域，圖像分割技術廣泛應用于行人檢測、人臉識別、車牌識別和醫(yī)學影像分析等領域。

當前針對圖像分割的方法基于其語義信息的差別主要分為傳統(tǒng)方法與非傳統(tǒng)方法兩大類；傳統(tǒng)的圖像分割方法有閾值分割、邊緣檢測和區(qū)域提取，該類方法主要是基于圖像像素的顏色、紋理等低級的語義信息來實現(xiàn)分割，在復雜場景中，傳統(tǒng)方法效果不佳；非傳統(tǒng)的圖像分割方法主要是利用圖像中的高級語義信息來實現(xiàn)分割，該類方法大都利用深度卷積神經網絡實現(xiàn)語義分割，但該類方案沒有提供聚焦分割目標圖像的機制，不能得到關于分割目標圖像更多的位置信息。

發(fā)明內容

本發(fā)明的目的在于提供一種在FCN中引入聚焦機制對靜態(tài)人體圖像進行分割的方法，能夠將聚焦機制引入圖像分割，不僅可以實現(xiàn)復雜場景的圖像分割，還能夠獲取目標圖像圖像的位置信息。

為了實現(xiàn)上述目的，本發(fā)明采用以下技術方案：

一種在FCN中引入聚焦機制對靜態(tài)人體圖像進行分割的方法，包括以下步驟：

A：對靜態(tài)人體圖像分割數(shù)據(jù)集的預處理，獲取每一個樣本包含分割信息的輔助分割類標，分割類標以及注意力聚焦圖；

B：改進FCN網絡，具體為改進ResNet-101的網絡結構，并利用具有聚焦機制的損失函數(shù)、輔助分割損失函數(shù)和分割損失函數(shù)引入聚焦機制；

C:訓練改進后的FCN的網絡參數(shù)；

D:利用改進后的FCN網絡對靜態(tài)人體圖像進行分割。

所述的步驟A包括以下步驟：

A1：計算當前樣本(靜態(tài)人體圖像)當前分割區(qū)域的中心點；

A2：根據(jù)中心點生成高斯熱力圖，該圖即為注意力聚焦圖α；

A3：將分割的類標進行縮小，縮小之后的類標為輔助分割類標；

A4：將分割的類標直接保存，保存的類標即為最終的分割類標。

所述的步驟B包括以下步驟：

B1：改進ResNet-101網絡結構，具體包括以下步驟：

B11：將ResNet-101網絡全局池化層和最后的分類層去除；

B12：將conv5_x模塊中第1個卷積層的步長設置為1；

B13：采用了黑洞卷積(Atrous Convolution)替換conv5_x中第1個卷積層的卷積操作；

B14：在最終的預測層加入了反卷積層；