【技术实现步骤摘要】
基于循环对抗生成网络的行人图像遮挡检测方法
本专利技术涉及图像分析领域的遮挡检测方法，尤其是利用循环对抗生成网络进行行人图像中的遮挡区域检测方法。
技术介绍
行人再识别旨在从不同视角、不同时段拍摄的图像中匹配到相同的行人目标。这个问题在视频安防监控中是一个非常重要的问题，特别是对于重点人物的追踪定位有十分现实的意义。然而主流的行人再标识任务中，进行匹配的图像都是由行人检测器获取到的行人图像，而这些被检测出来的图像往往伴随着遮挡。图像中的遮挡会对原有行人纹理特征产生巨大干扰，使得后续的行人再标识任务的准确率大打折扣。为了避免遮挡区域对行人再标识任务性能的影响，需要对行人图像中的遮挡信息进行分析。对于图像中遮挡区域检测问题，目前主要有以下两种方法：基于显著性检测的方法、基于通用物体检测的方法。基于显著性检测的方法是假设遮挡区域在图像中具有比较强的显著性，将显著性图中数值较高的区域作为遮挡区域，这种方法对于遮挡区域不显著的图像很容易发生误检。基于通用物体检测的方法是将图像中的主要目标物体标定出来，并进行分类判断。由于主流的通用物体检测方法提取出来的是一个矩形框，相比遮挡...
【技术保护点】
1.基于循环对抗生成网络的行人图像遮挡检测方法，其特征在于，包括步骤：(1)在无遮挡的行人图像中随机加入遮挡图像块，生成带遮挡的行人图像及对应的带遮挡标注的行人图像；所述的遮挡标注是指人为设定的遮挡图像块或者原图自带的遮挡物体在行人图像中的区域；(2)将上述带遮挡的行人图像及对应的带遮挡标注的行人图像作为两个数据域，训练循环对抗生成网络模型，构建遮挡图像与遮挡标注之间的映射；(3)对于当前输入的待标注图像，利用训练后的循环对抗生成网络模型去产生该图像对应的遮挡标注，同时对待标注图像进行分割，得到若干个超像素块，根据每个超像素块内遮挡标注的信息，采用区域生长方法得到最终的遮挡区域。
【技术特征摘要】
1.基于循环对抗生成网络的行人图像遮挡检测方法，其特征在于，包括步骤：(1)在无遮挡的行人图像中随机加入遮挡图像块，生成带遮挡的行人图像及对应的带遮挡标注的行人图像；所述的遮挡标注是指人为设定的遮挡图像块或者原图自带的遮挡物体在行人图像中的区域；(2)将上述带遮挡的行人图像及对应的带遮挡标注的行人图像作为两个数据域，训练循环对抗生成网络模型，构建遮挡图像与遮挡标注之间的映射；(3)对于当前输入的待标注图像，利用训练后的循环对抗生成网络模型去产生该图像对应的遮挡标注，同时对待标注图像进行分割，得到若干个超像素块，根据每个超像素块内遮挡标注的信息，采用区域生长方法得到最终的遮挡区域。2.根据权利要求1所述的基于循环对抗生成网络的行人图像遮挡检测方法，其特征在于，所述步骤(1)中，遮挡图像块的获取方式是：从数据库中获取遮挡物图像，然后在遮挡物图像上进行去背景、高斯滤波操作，得到遮挡图像块。3.根据权利要求1所述的基于循环对抗生成网络的行人图像遮挡检测方法，其特征在于，所述步骤(1)中，遮挡图像块的获取方式是：从数据库中获取遮挡物图像，然后在遮挡物图像上进行去背景、高斯滤波操作，得到初始遮挡图像块；再对初始遮挡物图像进行随机裁剪和水平翻转，然后得到最终遮挡图像块。4.根据权利要求2或3所述的基于循环对抗生成网络的行人图像遮挡检测方法，其特征在于，对于位于无遮挡的行人图像上下两半部分的遮挡，随机选取宽为60％～100％，高为20％～50％的区域放置所述的遮挡图像块；对于位于原图左右两半部分的遮挡，随机选取宽为20％～50％，高为60％～100％的区域放置所述的遮挡图像块。5.根据权利要求1所述的基于循环对抗生成网络的行人图像遮挡检测方法，其特征在于，所述步骤(2)中，训练循环对抗生成网络模型的步骤如下：循环对抗生成网络中有两组对称的生成器与判别器，假设带遮挡的行人图像域为X，带遮挡标注的行人图像域为Y，生成器GX→Y用于将域X中的图像映射到域Y中，生成器GY→X用于将域Y中的图像映射到域X中，判别器DX、DY分别用于判别输入的图像是...
【专利技术属性】
技术研发人员：赖剑煌，陈泽宇，卓嘉璇，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。