[发明专利]基于变化图像分类和特征差值先验的变化检测方法及装置

权利要求书

1.一种基于变化图像分类和特征差值先验的变化检测方法，其特征在于，所述方法包括以下步骤：

构建一孪生网络作为特征差值先验提取网络，由三层的孪生神经网络组成；

构建一变化图像分类器，由自适应不同尺寸输入的二分类器组成，用于判断场景中的变化物体在待检测图像x中还是图像y中；

构建多尺度变化物体检测网络，将特征先验差值与编码后的特征进行融合，经连续的自底向上和自顶向下的特征融合方式进行特征传递，最后在五个不同尺度上得到预测结果，以解决变化区域易受非变化图像无效背景信息影响；

其中，

将x图像第一层特征记为y图像第一层特征记为将与一起传入到特征差值先验提取网络中，第一卷积层将64*160*160的张量转化为128*80*80的张量，第二卷积层将128*80*80的张量转化为256*40*40的张量，第三卷积层将256*40*40的张量转化为512*20*20的张量；将得到的三组不同尺度特征求绝对差值最终将特征值拼接记为将降维后作为最终的特征差值先验差值M_P。

2.根据权利要求1所述的一种基于变化图像分类和特征差值先验的变化检测方法，其特征在于，所述方法还包括：

采用奇偶对插的方式，将下标为偶数的变化图像按“图像名称0”的格式存入参照图集，非变化图像按“图像名称1”的格式存入对比图集中；将下标为奇数的变化图像按“图像名称0”的格式存入对比图集中，将非变化图像按“图像名称1”的格式存入参照图集中。

3.根据权利要求1所述的一种基于变化图像分类和特征差值先验的变化检测方法，其特征在于，所述二分类器包含一个卷积层，一个空间金字塔池化模块，两个全连接层和一个激活函数层。

4.根据权利要求1所述的一种基于变化图像分类和特征差值先验的变化检测方法，其特征在于，所述经连续的自底向上和自顶向下的特征融合方式进行特征传递为：

将变化图像经过编码后的特征与特征先验差值进行拼接，将拼接后的特征经一卷积后再逐步向上传递，经自底向上和自顶向下的双向特征传递，将分辨率更高的细节信息向上逐层传递，将高层的语义信息向底层传递，将高层的语义信息和低层的细节纹理信息结合。

5.根据权利要求1所述的一种基于变化图像分类和特征差值先验的变化检测方法，其特征在于，

所述自底向上融合为：

F_j′＝φ(cat(φ(cat(F_j,Dn(F′_j-1)),F_j,Dn(P′_j-1))))j＝2,...,5

其中，cat(·)是拼接函数，Dn(·)表示下采样函数，P′_j-1表示基于单图的变化物体检测网络在F′_j-1上产生的预测结果，φ(·)为卷积函数，F_j表示编码特征与特征差值先验的拼接结果，F′_j-1为自底向上特征融合的输出值；

所述自顶向下融合为：

F″_k＝φ(cat(φ(cat(F′_k,up(F″_k+1)),F_k,up(P′_k+1))))k＝4,...,1

其中，up(·)表示上采样函数，P′_k+1表示基于单图的变化物体检测网络在F′_k+1上产生的预测结果，F″_k表示自顶向下融合产生的特征。

6.一种基于变化图像分类和特征差值先验的变化检测装置，其特征在于，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行权利要求1-5中的任一项所述的方法步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行权利要求1-5中的任一项所述的方法步骤。