[發明專利]一種自然場景下的金絲猴軀體分割算法

有效

• 申請號: 201910405596.6
• 申請日: 2019-05-16
• 公開（公告）號: CN110287777B
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 許鵬飛;王妍;郭松濤;李朋喜;常曉軍;郭凌;何剛;陳峰;郭軍
• 申請（專利權）人: 西北大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 張明

本發明公開了一種自然場景下的金絲猴軀體分割算法，該算法包括構造語義分割網絡，實現端到端的圖像分割；對所述的語義分割網絡進行訓練，保存訓練后的網絡模型用于待分割圖像的分割檢測；所述的語義分割網絡包括分類網絡、融合部分以及輸出部分，分類網絡用于對輸入圖像進行特征提取并進行像素級的分類，得到置信圖；特征融合層有兩個，分別融合最底兩層、三層的分割網絡，提高識別準確率，實現跨層連接；輸出部分最終輸出與原始圖像大小一致的高分辨率的類熱力圖。本發明有效地提高了檢測準確率，可以較好地解決金絲猴身體被分為多個部分的問題。

技術領域

本發明涉及圖像分割、圖像物體識別定位技術領域，具體涉及一種自然場景下的金絲猴軀體分割算法。

背景技術

在野生金絲猴研究與保護工作中，通過自然圖像和視頻精準地將金絲猴與環境背景區分，是后續個體重識別任務的基礎，從而為金絲猴群體數量、行為等研究提供數據支持。目前國內外有很多研究人員提出了各種各樣基于臉部特征的動物檢測和識別算法。

其中，Du利用圖像分割和數學形態學提出了一種基于恒河猴面部特征的自動定位方法。張利用傳統的圖像處理方法實現了獼猴眼、口等器官的自動定位，并利用邊緣檢測算子提取了部分器官的細節輪廓。

然而，由于圖像的變化，這些方法得到的結果并沒有很好的性能。Pengfei Xu提出了一種基于區域色彩量化和增量式自適應課程學習的金絲猴臉檢測算法，該算法能夠有效地檢測出猴子的猴臉，但ISPCL的分割閾值受金絲猴的種類或棲息地限制。

發明內容

本發明所要解決的技術問題是提供了可以滿足金絲猴個體重識別任務對于自然場景數據處理需求的一種金絲猴軀體分割算法。

為了實現上述任務，本發明采用以下技術方案：

一種自然場景下的金絲猴軀體分割算法，包括以下步驟：

構造語義分割網絡，實現端到端的圖像分割；對所述的語義分割網絡進行訓練，保存訓練后的網絡模型用于待分割圖像的分割檢測；

所述的語義分割網絡包括分類網絡、融合部分以及輸出部分，其中：

語義分割網絡從前至后依次為第一卷積層、第一最大池化層、第二卷積層c、第二最大池化層、第三卷積層、第三最大池化層、第四卷積層、第四最大池化層、第五卷積層、第五最大池化層、第六卷積層、第七卷積層；第一卷積層至第五卷積層的每層包括兩次連續的卷積計算、第六卷積層包括一次卷積計算，作用是將輸入的圖像進行特征提取處理，得到特征圖；第七卷積層包括一次卷積計算和分類激活函數，作用是進行特征提取處理并做像素級的分類，得到置信圖；第一最大池化層至第五最大池化層的作用是在不損失特征的情況下減小數據維度；

融合部分包括第一特征融合層和第二特征融合層，第一特征融合層將第七卷積層的輸出經過上采樣后，與第五最大池化層的輸出進行特征融合；第二特征融合層將第一特征融合層的輸出結果和第四最大池化層提取的特征進行特征融合，得到融合后的置信圖；

輸出部分包括輸出層，輸出層包括一個上采樣層和一個分類層，其中上采樣層的輸入為第二特征融合層的輸出，作用是擴大所述融合后的置信圖到原始輸入圖像的大小；分類層作用是對每個像素進行分類預測，最終得到與原始輸入圖像大小一致的高分辨率的類熱力圖。

進一步地，所述的第一卷積層至第五卷積層的每一層卷積核大小均為2×2，步長為2；第六卷積層的卷積核大小為7×7，步長為1；第七卷積層的卷積核大小為1×1，步長為1。

進一步地，所述的第一最大池化層至第五最大池化層的每一層池化核大小為2×2，步長為2。

進一步地，所述的第一特征融合層將第七卷積層的輸出經過上采樣后，與第五最大池化層的輸出進行特征融合，包括：