[发明专利]全自动人像蒙版抠图方法及系统

权利要求书

1.一种全自动人像蒙版抠图方法，其特征在于，包括以下步骤：

构建三阶段神经网络模型并进行训练，其中，所述三阶段神经网络模型包括Trimap网络、Matting网络和融合模块；

将原始图像输入到训练好的三阶段神经网络模型，以通过所述Trimap网络进行前向传播，输出Trimap图像；

将所述原始图像和所述Trimap图像联合输入到所述Matting网络进行前向传播，以输出待处理蒙版图像；

将所述Trimap图像和所述待处理蒙版图像联合输入到所述融合模块进行融合，以输出最终蒙版图像；

对所述原始图像和所述最终蒙版图像进行融合，以输出抠图结果。

2.如权利要求1所述的全自动人像蒙版抠图方法，其特征在于，构建三阶段神经网络模型并进行训练，包括：

获取多张不同场景下的人像图像，并对每张所述人像图像进行蒙版抠取以获取多张人像蒙版，以及根据所述人像图像和所述人像图像所对应的人像蒙版构建训练数据集；

建立Trimap网络，并根据所述训练数据集对所述Trimap网络进行训练，以通过训练好的Trimap网络获得Trimap图像；

建立Matting网络，并根据所述训练数据集和所述Trimap图像对所述Matting网络进行训练，以通过训练好的Matting网络获得待处理蒙版图像；

建立融合模块，并根据所述Trimap图像和所述待处理蒙版图像对所述融合模块进行训练，以获得训练好的三阶段神经网络模型。

3.如权利要求2所述的全自动人像蒙版抠图方法，其特征在于，所述Trimap网络采用全卷积层的神经网络结构，由编码器网络和解码器网络构成，用于区分前景区域、背景区域和人像边缘区域。

4.如权利要求1-3中任一项所述的全自动人像蒙版抠图方法，其特征在于，

所述Trimap网络训练时采用的初始学习率为0.1，损失函数为交叉熵，并通过随机梯度下降算法在GPU上进行训练，且训练200个周期；

所述Matting网络训练时采用的初始学习率为0.001，损失函数为均方误差，并通过随机梯度下降算法在GPU上进行训练，且训练200个周期；

所述融合模块训练时采用的初始学习率为0.00001，损失函数为均方误差，并通过随机梯度下降算法在GPU上进行训练，且训练100个周期。

5.一种计算机可读存储介质，其特征在于，其上存储有全自动人像蒙版抠图程序，该全自动人像蒙版抠图程序被处理器执行时实现如权利要求1-4中任一项所述的全自动人像蒙版抠图方法。

6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一所述的全自动人像蒙版抠图方法。

7.一种全自动人像蒙版抠图系统，其特征在于，包括：

模型构建及训练模块，用于构建三阶段神经网络模型并进行训练，其中，所述三阶段神经网络模型包括Trimap网络、Matting网络和融合模块；

图像处理模块，用于将原始图像输入到训练好的三阶段神经网络模型，以通过所述Trimap网络进行前向传播，输出Trimap图像，并将所述原始图像和所述Trimap图像联合输入到所述Matting网络进行前向传播，以输出待处理蒙版图像，以及将所述Trimap图像和所述待处理蒙版图像联合输入到所述融合模块进行融合，以输出最终蒙版图像，并对所述原始图像和所述最终蒙版图像进行融合，以输出抠图结果。