[发明专利]基于旋转深度学习的人物遮挡轮廓检测方法

摘要

本发明公开了一种基于旋转深度学习的人物遮挡轮廓检测方法，首先，通过对输入人物图像进行分割与合并获得图像初始分割；经过颜色和内容的区域合并，提取出目标的分割轮廓；其次，根据旋转角集合对图像进行旋转、采样、标记获得边缘图像块集合；基于卷积神经网络，构建出边缘朝向检测的深度模型；并利用旋转图像块采集集合，训练出浅层模型和深层模型；最后，使用训练后的边缘朝向检测深度模型，来检测局部轮廓朝向；并对局部轮廓朝向进行一致性评价，提取人物分割轮廓朝向。

主权项

1.基于旋转深度学习的人物遮挡轮廓检测方法，其特征在于包括：构建人物图像旋转集合，构建边缘朝向检测深度模型，训练浅层模型，训练深层模型，检测局部轮廓朝向，对局部轮廓朝向进行一致性评价并提取人物分割轮廓朝向；所述的构建人物图像旋转集合，对输入的灰度图像进行旋转，并对其进行分割和合并，得到旋转图像集合，然后对旋转图像进行采样得到图像块，最后经过边缘标记和边缘朝向标记得到边缘图像块集合，以及所有样本对应的边缘朝向标记；所述的构建边缘朝向检测深度模型，通过构建11层的边缘朝向检测的深度模型，来实现边缘朝向检测功能；所述的训练浅层模型，根据旋转图像块采集集合，训练浅层模型，使用误差反馈传播算法对边缘预测损失函数进行优化，获得最小的边缘预测损失函数，并获得该情况下的第1层到第5层训练后的神经网络模型参数所述的训练深层模型，根据旋转边缘图像块采样集合，训练深层模型，使用误差反馈传播算法对边缘朝向预测损失函数进行优化，获得最小的边缘预测损失函数，并获得该情况下的第6层到第8层训练后的神经网络模型参数和第9层到第11层权重w(nla)；所述的检测局部轮廓朝向，使用训练后的边缘朝向检测深度模型，检测局部轮廓朝向，计算当前人物目标分割轮廓点的边缘朝向方向θ(px,size)并且记录目标区域编号j和目标区域编号k的遮挡朝向关系；所述的对局部轮廓朝向进行一致性评价并提取人物分割轮廓朝向，根据区域间一致的遮挡关系，对区域间共享边界像素点集合进行一致性修正，获得所有人物目标轮廓Bdist上的轮廓点的遮挡朝向关系。