一种基于显式运动建模的视频伪装目标检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于显式运动建模的视频伪装目标检测方法，包括获取待检测视频的RGB图片，并基于预先训练的视频伪装目标检测模型处理所述RGB图片，获取光流估计结果和伪装目标检测结果，其中，所述视频伪装目标检测模型包括显示运动建模分支与伪装目标检测分支，本发明专利技术通过显式运动建模分支与伪装目标检测分支结合，相互优化与纠错，能够更好地提取有效的运动线索，有效克服输入质量不高的光流图引入的误差累积问题和隐式运动建模限制模型能力的问题，从而得到准确度更高的伪装目标检测结果。检测结果。检测结果。

【技术实现步骤摘要】
一种基于显式运动建模的视频伪装目标检测方法及装置


[0001]本专利技术涉及伪装目标识别
，特别涉及一种基于显式运动建模的视频伪装目标检测方法。

技术介绍

[0002]伪装物体检测(Camouflaged object detection，COD)旨在检测和分割那些与背景具有高度内在相似性的"隐藏物体"。伪装物体检测具有广泛的应用场景，如医学分割、工业检测、军事应用、农业质检等。随着深度学习技术的兴起，目标检测领域取得了较大的发展。但伪装目标的检测仍然面临着诸多挑战，例如模糊的目标边界，难以定位的目标位置，过小的伪装目标，过于杂乱的背景等。视频伪装目标检测通过引入时序信息，获取运动线索，打破目标的伪装状态，从而更好的分割出伪装目标。如何有效地利用运动线索，是视频伪装目标检测的一个重要内容。
[0003]目前，基于深度学习的视频伪装目标检测方法通常采用两类方法利用运动线索：第一类是借助已有的光流估计方法，将离线的光流估计结果直接输入到网络中。然而目前存在的光流估计方法对于伪装目标运动的捕捉并不总是成功的，可能存在误差和噪声。低质量的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于显式运动建模的视频伪装目标检测方法，其特征在于，包括：获取待检测视频的RGB图片；所述RGB图片包括相邻两帧图片；基于预先训练的视频伪装目标检测模型处理所述RGB图片，获取光流估计结果和伪装目标检测结果；其中，所述视频伪装目标检测模型包括编码器、显式运动建模分支、伪装目标检测分支、特征双向更新模块和解码器。2.如权利要求1所述的一种基于显式运动建模的视频伪装目标检测方法，其特征在于，所述基于预先训练的视频伪装目标检测模型处理所述RGB图片包括：基于所述编码器获取所述RGB图片的层次化特征序列；基于所述显示运动建模分支处理所述层次化特征序列并获取运动特征；基于所述特征双向更新模块更新所述层次化特征序列及所述运动特征，并输出更新后层次化特征序列及更新后运动特征；基于所述解码器识别所述更新后运动特征并获取光流估计结果；基于所述伪装目标检测分支检测所述更新后层次化特征序列并获取伪装目标检测结果。3.如权利要求1所述的一种基于显式运动建模的视频伪装目标检测方法，其特征在于，所述基于所述显示运动建模分支处理所述层次化特征序列并获取运动特征具体包括：将所述层次化特征序列，分层组成特征对，并构建其中一层的4D相关量体积；以当前光流值为索引查询相关量体积，并输入到基于门控循环单元GRU的更新模块中，得到运动特征。4.如权利要求3所述的一种基于显式运动建模的视频伪装目标检测方法，其特征在于，所述4D相关量体积按照如下公式构建：其中，为4D相关量体积，为前一帧层次化特征序列，为后一帧层次化特征序列，i为层数，(x，y)为前一帧层次化特征序列的位置索引，(u，v)为后一帧层次化特征序列的位置索引，c为通道索引。5.如权利要求3所述的一种基于显式运动建模的视频伪装目标检测方法，其特征在于，所述基于门控循环单元GRU的更新模块按照如下公式得到运动特征：z
t
＝σ(Conv([h
t
‑1,x
t
],W
z
))，r
t
＝σ(Conv([h
t
‑1,x
t
],W
r
))，))，其中，x
t
为由当前光流值、以当前光流值查询4D相关量体积得到的相关量以及前一帧层次化特征三者串联的特征；h
t
‑1为上一次循环输出的状态；[,]为将括号内的变量进行通道串联操作；
⊙
代表两变量按像素点乘，W
z
、W
r
、W
h
为可学习的权重参数；z
t
、r
...

【专利技术属性】
技术研发人员：傅可人，肖涛，季葛鹏，
申请(专利权)人：四川大学，
类型：发明
国别省市：