申请/专利权人：南京航空航天大学

申请日：2020-12-23

公开（公告）日：2024-04-12

公开（公告）号：CN112529931B

主分类号：G06T7/194

分类号：G06T7/194;G06T7/136;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.04.06#实质审查的生效;2021.03.19#公开

摘要：本发明公开了一种前景分割的方法及系统。该方法包括：获取当前视频帧；获取当前时刻前的第一视频帧、第二视频帧和第三视频帧；根据当前视频帧、第一视频帧、第二视频帧和第三视频帧，生成分层光流图；向分层光流注意力模型输入当前视频帧和分层光流，得到前景分割矩阵；将前景分割矩阵进行可视化处理，得到分割结果。采用本发明的方法及系统，能够在实现跨场景前景分割的同时，保证分割的精度。

主权项：1.一种前景分割的方法，其特征在于，所述方法包括：获取当前视频帧；获取当前时刻前的第一视频帧、第二视频帧和第三视频帧；根据所述当前视频帧、所述第一视频帧、所述第二视频帧和所述第三视频帧，生成分层光流图；向分层光流注意力模型输入所述当前视频帧和所述分层光流，得到前景分割矩阵；所述分层光流注意力模型是利用类内尺度损失函数，对视频帧编码器、光流解码器和解码器进行训练得到的；所述类内尺度损失函数是在焦点损失函数的基础上，乘以基于目标面积的损失调整参数得到的；将所述前景分割矩阵进行可视化处理，得到分割结果；所述分层光流注意力模型的训练步骤，具体包括：将CDNet2014数据集作为训练集，利用所述类内尺度损失函数，对视频帧编码器、光流解码器和解码器进行训练，得到所述分层光流注意力模型；对视频帧编码器、光流解码器和解码器进行一次训练的过程，包括：在所述CDNet2014数据集中选取一组训练数据，所述训练数据包括视频帧，以及与所述视频帧对应的分层光流图和真值；将选取的视频帧输入视频帧编码器，得到视频帧特征；将选取的分层光流图输入光流编码器，得到分层光流特征；将视频帧特征和所述分层光流特征输入所述解码器进行训练，得到前景分割矩阵；根据所述真值和所述类内尺度损失函数，计算所述前景分割矩阵的损失并更新所述视频帧编码器、所述光流解码器和所述解码器的参数；所述类内尺度损失的公式为： 式中，其中，LossCIS为类内尺度损失函数，α为平衡因子，γ为难易因子，p为模型预测结果的概率值，y为真值，y＝1表示前景，y＝0表示背景，β为基于目标面积的损失调整参数，t为权重系数，fg为运动目标，sfg为场景真值中运动目标在场景中所占的比值。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种前景分割的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD