一种基于深度学习的运动边界估计方法技术

本发明专利技术公开一种基于深度学习的运动边界估计方法，构建运动边界估计的数据集和用于运动边界估计的深度学习模型，深度学习模型包括编码部分和解码部分，使用Caffe框架训练该深度学习模型，利用训练好的深度学习模型，直接输入运动视频中两帧相邻的图像即可快速直接得到所需要的运动边界图像。本发明专利技术方法利用深度学习模型自动学习图像中运动边界的图像特征，并利用所学到的图像特征自动进行端到端的运动边界估计，省略了复杂的人工提取图像特征过程，而且可以提高运动边界估计的效率和准确率。

【技术实现步骤摘要】
一种基于深度学习的运动边界估计方法
本专利技术涉及图像处理技术，具体指一种基于深度学习的运动边界估计方法。
技术介绍
光流估计是计算机视觉领域的基本问题之一，是目前运动图像分析的重要方法，光流不仅包含了被观察物体的运动信息，而且还包含有关景物三维结构的丰富信息，在计算机视觉研究领域，光流在目标对象分割、识别、跟踪、机器人导航以及形状信息恢复等都有着非常重要的应用。由光流的定义可以引申出光流场，它是图像中所有像素点构成的一种二维瞬时速度场。光流场包含由运动边界分割出的较大平滑区域，由于运动边界不满足光流的平滑假设，对光流估计的精确度有很大影响，因此，为更好地进行视频运动分析，准确估计运动边界，并提高光流估计精度是关键。现有运动边界估计方法主要依据输入RGB图像的边缘和运动信息检测运动边界，但这类方法的主要缺点在于：(1)主要通过人工提取简单的图像特征，无法充分利用输入图像中的丰富信息。(2)运动边界估计算法过于简单，无法模拟从输入图像到运动边界的复杂函数关系，因此鲁棒性差、准确率低。(3)现有运动边界估计方法中需要进行大量的迭代运算，耗费大量计算资源和时间。因此，提出更加有效的运动边界本文档来自技高网...

【技术保护点】
一种基于深度学习的运动边界估计方法，其特征在于，包括以下步骤：步骤一：构建运动边界估计的数据集；步骤二：构建用于运动边界估计的深度学习模型；步骤三：利用运动边界估计的数据集对深度学习模型进行训练，得到训练完成的深度学习模型；步骤四：直接将待估计运动边界的图像输入训练完成的深度学习模型，快速估计出运动边界。

【技术特征摘要】
1.一种基于深度学习的运动边界估计方法，其特征在于，包括以下步骤：步骤一：构建运动边界估计的数据集；步骤二：构建用于运动边界估计的深度学习模型；步骤三：利用运动边界估计的数据集对深度学习模型进行训练，得到训练完成的深度学习模型；步骤四：直接将待估计运动边界的图像输入训练完成的深度学习模型，快速估计出运动边界。2.根据权利要求1所述的基于深度学习的运动边界估计方法，其特征在于：所述步骤一中运动边界估计数据集中的样本数量不少于20000，其中每个样本包含运动视频中两帧相邻图像...

【专利技术属性】
技术研发人员：张智福，余思洋，陈捷，
申请(专利权)人：长沙全度影像科技有限公司，
类型：发明
国别省市：湖南,43