[發明專利]基于旋轉深度學習的人物遮擋輪廓檢測方法

有效

• 申請號: 201810557555.4
• 申請日: 2018-06-01
• 公開（公告）號: CN108764186B
• 公開（公告）日: 2021-10-26
• 發明（設計）人: 謝昭;吳克偉;張順然;孫永宣
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 安徽合肥華信知識產權代理有限公司 34112
• 代理人: 余成俊

本發明公開了一種基于旋轉深度學習的人物遮擋輪廓檢測方法，首先，通過對輸入人物圖像進行分割與合并獲得圖像初始分割；經過顏色和內容的區域合并，提取出目標的分割輪廓；其次，根據旋轉角集合對圖像進行旋轉、采樣、標記獲得邊緣圖像塊集合；基于卷積神經網絡，構建出邊緣朝向檢測的深度模型；并利用旋轉圖像塊采集集合，訓練出淺層模型和深層模型；最后，使用訓練后的邊緣朝向檢測深度模型，來檢測局部輪廓朝向；并對局部輪廓朝向進行一致性評價，提取人物分割輪廓朝向。

技術領域

本發明屬于人物遮擋輪廓檢測領域，更為具體的講，涉及一種基于旋轉深度學習的人物遮擋輪廓檢測方法。

背景技術

輪廓檢測是指采用一定的技術，提取目標輪廓的過程，同時魯棒處理背景噪聲和目標內部紋理的影響。它是形狀分析、目標檢測、目標識別和目標跟蹤等技術的重要基礎。目前輪廓檢測方法有兩類，一類是利用傳統的邊緣檢測算子檢測目標輪廓，另一類是從人類視覺系統中提取可以使用的數學模型完成目標輪廓檢測。

基于邊緣檢測的輪廓檢測是一種比較常見的方法，它主要定義了亮度、顏色等特征的低層突變，通過標識圖像中亮度變化明顯的點來完成邊緣檢測。邊緣檢測通常將圖像與微分算子卷積，如借助于Sobel算子、Prewitt算子、Canny算子等。申請號為201010592217.8的中國專利《一種復雜場景的物體輪廓檢測方法》通過對圖片進行濾波處理、一系列的圖像處理，最后經過二值化處理從而得到物體的輪廓圖像。申請號為201110163398.7的中國專利《一種基于多特征的目標物體輪廓檢測方法》通過濾波處理、提取圖像的局部特征，然后計算各個特征下的抑制權重，從而制取抑制后的輪廓圖像，最后進行二值化處理得到物體的輪廓圖像。申請號為201410586661.7的中國專利《一種基于宏特征點描述的行人輪廓檢測方法》通過Sobel算子進行邊緣檢測，然后經過背景差分處理、二值化處理來得到目標區域，結合邊緣圖像和目標區域從而得到物體的輪廓圖像。該類方法沒有考慮視覺中層和高層信息，因此很難得出完整的、連續的輪廓邊緣，僅僅使用這類方法很難得出完整的目標輪廓，此過程復雜且精度難以保證，甚至在含有大量噪聲或者紋理的情況下，無法提取輪廓。