[发明专利]一种基于深度学习的人体轮廓提取方法有效
| 申请号： | 201810582283.3 | 申请日： | 2018-06-07 |
| 公开（公告）号： | CN109033945B | 公开（公告）日： | 2021-04-06 |
| 发明（设计）人： | 王林;董楠 | 申请（专利权）人： | 西安理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 王欢 |
| 地址： | 710048*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的人体轮廓提取方法，具体按照以下步骤实施：步骤1，提取原始图像的Gabor纹理特征；步骤2，提取原始图像的Canny边缘特征；步骤3，搭建适用于人体轮廓提取的卷积神经网络架构；步骤4，将原始图像、步骤1提取的Gabor纹理特征图、步骤2.提取的Canny边缘特征图共同传入步骤3构建好的卷积神经网络进行训练，生成CNN人物模型；步骤5，对训练好的CNN人物模型的结构进行测试，得到人体轮廓图像；步骤6，通过步骤5的测试过程记录人体轮廓图像的重叠率与耗时，对人体轮廓图像进行评估。本发明方法达到了较高的准确率、提高了检测率，还缩短了测试时间。 | ||
| 搜索关键词： | 一种 基于 深度 学习 人体 轮廓 提取 方法 | ||
【主权项】：
1.一种基于深度学习的人体轮廓提取方法，其特征在于，具体按照以下步骤实施：步骤1，提取原始图像的Gabor纹理特征；步骤2，提取原始图像的Canny边缘特征；步骤3，搭建适用于人体轮廓提取的卷积神经网络架构；步骤4，将原始图像、步骤1提取的Gabor纹理特征图、步骤2.提取的Canny边缘特征图共同传入步骤3构建好的卷积神经网络进行训练，生成CNN人物模型；步骤5，对训练好的CNN人物模型的结构进行测试，得到人体轮廓图像；步骤6，通过步骤5的测试过程记录人体轮廓图像的重叠率与耗时，对人体轮廓图像进行评估。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安理工大学，未经西安理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810582283.3/，转载请声明来源钻瓜专利网。
