[发明专利]一种基于深度学习的高精度快速人体分割方法

摘要

一种基于深度学习的高精度快速人体分割方法，根据人体的统计比例确定输入图像尺寸，采用了定制化的对称神经网络结构‑‑‑‑卷积网络和反卷积网络，并且将尺寸一致的卷积网络层添加至反卷积网络中，以此来极大丰富网络对细节的学习能力。最后，使用大量包含人体的图像进行训练，训练完毕后，即可使用该网络对人体图像进行分割。该方法具有精度高，速度快的优点。

主权项

1.一种基于深度学习的高精度快速人体分割方法，其特征在于，包括如下步骤：步骤一）设计神经网络：根据人体的平均高宽比，确定输入图像的尺寸；神经网络采用对称漏斗结构，漏斗前半段使用卷积层，每个卷积层的步长均为2，后半段使用反卷积层，每个反卷积层的步长均为2；将漏斗前半段的特征图串联到后半段与其分辨率一样的特征图上，反卷积操作将作用于串联后的特征图，神经网络最后输出通道数为一的特征图；步骤二）训练神经网络：搜集足够多的含有人体的图像，人工标注每个图像的每个像素，标为“人体”或“非人体”两类，将一些和人体紧密连接的附属物一同标注为“人体”，标注后的图像为分割图；使用搜集到的含有人体的图像的原图和分割图，通过随机梯度下降的算法训练神经网络；训练期间周期性地使用验证集对神经网络的性能进行测试，测试满足要求，即可停止训练；步骤三）使用神经网络进行人体分割：使用人体检测设备采集包含人体的图像，经处理后再输入到训练好的神经网络中，神经网络输出图像中每个像素属于人体的概率，根据应用的情况选取概率阈值，概率高于阈值的像素为人体像素，即得到人体的分割图。