[发明专利]一种街拍照片目标人物提取方法

权利要求书

1.针对街拍照片的目标人物提取方法，其特征在于，包括以下步骤：

s1、输入一张街景照片，首先使用Region Proposal Network(RPN)产生候选区域。

s2、利用fast rcnn的卷积层提取出这幅图像的整体特征，得到图像中每个候选区域的特征图，对每一个候选区域使用ROIAlign进行像素校正。

s3、得到每个候选区域的特征图后，对每个候选区域进行预测，得到其类别以及区域包围盒。

s4、并对每一个候选区域使用设计的FCN框架预测候选区域每个像素点所属类别最终得到图像实例分割结果。

s5、利用分割结果得到的掩模矩阵以及人工交互提取出目标人物的单独图像。

2.根据权利要求1所述的针对街拍照片的目标人物提取方法，其特征在于，所述步骤s1中，对于街景图像的提取候选区域处理操作进一步包括：

s11、从基础网络提取的街景图像的第五卷积层特征进入RPN后分为两个分支，其中一个分支进行针对特征图的每一个位置预测，另一分支预测该包围盒所框定的区域属于前景和背景的概率。

s12、利用非极大值抑制，生成一系列的候选区域。

3.根据权利要求2所述的针对街拍照片的目标人物提取方法，其特征在于，所述步骤s2进一步包括：

s21、利用卷积层的输出作为图像的整体特征。

s22、根据提取得到的候选区域的位置与大小得到每一个候选区域的特征。

4.根据权利要求3所述的针对街拍照片的目标人物提取方法，其特征在于，所述步骤s3进一步包括：

s31、利用训练好的神经网络，对所有的候选区域进行处理，这样筛选出正确的候选区域以及对应的包围盒。

s32、利用神经网络的分类结果，可以得到每一个包围盒所圈定的对象的类别。

5.根据权利要求4所述的针对街拍照片的目标人物提取方法，其特征在于我们只选取包围盒类别为人物的包围盒进行图像分割，利用全连接卷积神经网络对候选框中的物体进行实例分割得到最终的人物的掩模矩阵。

6.根据权利要求4以及5针对街拍照片的目标人物提取方法，我们根据得到的不同物体的类别以及类别为人物的掩模矩阵，利用简单的人工交互，即可提取出目标人物的单独图像，便于下一步的服装检索。其特征在于，所述步骤s5进一步包括：

s51、我们首先在输入的街景照片原图像中进行简单的交互选取，我们选定的方法是在目标人物部分双击。

s52、我们保存双击所得到的点的坐标，利用得到的掩模矩阵，我们判断出需要提取的目标人物的关键位置。

s53、我们利用关键位置的掩模矩阵对图像进行处理，进行简单的图像截取处理，得到掩模矩阵对应的图像原值，并生成单一的目标人物图像。