一种基于自监督生成对抗学习背景建模的目标检测方法技术

大多数前景目标检测的场景中，背景都有相对固定的模式。亮度的变化、背景的动态化、摄像机的移动等都给目标检测算法带来了不少困难。基于此，本发明专利技术提出一种基于自监督生成对抗学习进行背景建模的目标检测方法，能够有效地克服上述困难应用于真实环境中。首先，该方法采用图像自动补全的自监督方法形成训练数据，使用生成对抗神经网络进行自监督对抗学习，构建一个背景重建模型。其次，通过训练一个卷积神网络，利用原始图像与经过背景模型重建图像的差异进行前景目标的检测。本发明专利技术提出的方法可以应用于静止摄像头和移动摄像头拍摄的内容，具有广泛的使用场景和实际应用价值。具有广泛的使用场景和实际应用价值。具有广泛的使用场景和实际应用价值。

【技术实现步骤摘要】
一种基于自监督生成对抗学习背景建模的目标检测方法


[0001]本专利技术属于数字图像处理
，尤其是一种实现图像或视频中前景目标检测的方法。

技术介绍

[0002]图像中前景目标检测是进行目标识别和跟踪的基础，广泛应用于视频监控、居家监护、野外环境监察等众多领域。前景目标检测一般有三类方法，即帧差法、背景减和直接目标检测。其中背景减方法的基本思想是首先建立一个背景模型，然后用当前图像减去背景图像就得到前景目标。
[0003]经过几十年的发展，特别是随着2012年以来深度学习的发展，前景目标检测技术取得了很大的进步。卷积神经网络在前景目标检测中与传统的基于多特征或多线索策略的无监督方法相比，表现出了较大的性能提升。但是当前的前景目标检测技术仍然面临很大的挑战。亮度的变化、背景的动态化、摄像机的移动等都给目标检测算法带来不小的困难。比如当前在静态摄像机拍摄的视频上能取得最优效果的基于卷积神经网络的方法，当应用到移动摄像机拍摄的视频上时却存在很大的困难。
[0004]本专利技术提出一种基于自监督生成对抗学习进行背景建模的方法以解决本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自监督生成对抗学习背景建模的目标检测方法，其特征在于包括以下步骤：步骤1、利用环境中的摄像头采集图像，并进行前景目标标注得到对应标签，构建数据集S；步骤2、从数据集S中选择只含有背景信息图像的数据子集S
b
；步骤3、构建由生成网络G和判别网络D组成的生成对抗网络，采用自监督和对抗学习的方法使用数据集S
b
进行训练；训练完成后的生成网络G就是背景模型；步骤4、构建卷积神经网络M
obj
，使用数据集S和S经过生成网络G后的输出S
g
一起作为M
obj
的输入，采用有监督的学习方法对M
obj
进行训练，监督信号就是S中的标签；训练完成后的M
obj
作为前景目...

【专利技术属性】
技术研发人员：任德华，赵婷婷，柳映辉，陈亚瑞，吴超，张容，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：