[发明专利]一种基于像素级别分离行人图片背景的方法及装置

说明书

本发明公开了一种基于像素级别分离行人图片背景的方法及装置，该方法获取多个行人图像样本，将所述行人图像样本调整成统一大小样式，生成图像分割训练库；将所述训练库中的每个行人图像样本做像素级的标注，将其中包含行人的像素部分用第一预设颜色标注，其余部分用第二预设颜色标注；通过仿视觉皮层网络建立像素级别分割模型，根据像素级别分割模型去分割图像，去掉行人图片背景，有效的排除了行人识别和分类中因为背景的杂乱等带来的干扰。行人图片背景的复杂性一直是影响识别率的主要因素，本发明利用图像分割技术对每个像素点进行分类，将行人部分对应的像素点保留下来，而将非行人部分对应的像素点屏蔽掉，从而实现提高行人样本的辨识度。

技术领域

本发明涉及图像处理领域，特别涉及一种基于像素级别分离行人图片背景的方法及装置。

背景技术

随着人们对社会公共安全的日益关注以及大规模视频采集技术的快速发展。大量的摄像设备被安装在学校、街道、商场、地铁等人口密集的公共场所。而这些人群密集的场所往往会出现意想不到的危险。人工难以应对海量的增长的视频数据，因此行人再识别与行人属性分类的应用需求应运而生。行人再识别要处理的问题即是在两个不同摄像头下或者同一摄像头跨时间下找出同一行人。而这一问题的挑战性主要在于样本的复杂性，比如拍摄角度改变、光照影响、背景杂乱及遮挡、行人姿势的不确定性等因素都会导致样本的复杂性，行人属性分类处理的问题主要是对图片中行人进行如性别、衣服颜色等的分类。

现在主流的方法就是利用仿视觉皮层对样本图片进行训练，提取图片的特征信息。这种仿视觉皮层方法较传统的方法相比有许多优势，首先，这种方法不需要人工设计特征提取器，而是机器自动学习到，适合变化多端的数据，具有非常优良的泛化能力和鲁棒性。其次，只需少量的人工介入。但在行人再识别和行人属性分类中图片背景变化仍是影响识别率的一大瓶颈。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于像素级别分离行人图片背景的方法及装置。

第一方面，本发明实施例提供一种基于像素级别分离行人图片背景的方法，包括：

获取多个行人图像样本，将所述行人图像样本调整成统一大小样式，生成图像分割训练库；

将所述训练库中的每个行人图像样本做像素级的标注，将其中包含行人的像素部分用第一预设颜色标注，其余部分用第二预设颜色标注；

将所述训练库中的行人图像样本和标注后的行人图像样本，放入仿视觉皮层网络中学习，建立像素级别分割模型；

利用所述像素级别分割模型，对待识别行人图像进行像素级别分割。

在一个实施例中，利用所述像素级别分割模型，对待识别行人图像进行像素级别分割，包括：

根据所述像素级别分割模型将待识别行人图像做分割，得到原图的mask；

将所述得到原图的mask与原图做映射，将图片中行人部分保留下来，而将背景映射成为黑色。

在一个实施例中，还包括：

将保留下来的图片中行人部分图像，放入仿视觉皮层网络中提取特征，完善所述像素级别分割模型。

在一个实施例中，将所述训练库中的每个行人图像样本做像素级的标注，将其中包含行人的像素部分用第一预设颜色标注，其余部分用第二预设颜色标注，包括：

对所述训练库中的每个行人图像样本的每一像素点进行判断，当该像素点属于行人，则用第一预设颜色标注，若不属于行人，则用第二预设颜色标注。

在一个实施例中，所述第一预设颜色为红色，所述第二预设颜色为黑色。

第二方面，本发明实施例提供一种基于像素级别分离行人图片背景的装置，包括：