[发明专利]一种基于深度学习的背景去除的方法

说明书

本发明公开了一种基于深度学习的背景去除的方法。本发明包括如下步骤：步骤1、对初期数据库的建立，通过采用对COCO数据集的整理以及添加修改得到所需要的对初期数据库；并找到对初期数据库中图片原始信息匹配所对应的标签信息；对初期数据库以及其所对应的标签信息进行预处理操作，包括图像正则化和图像格式转换；步骤2、将步骤1得到的初期数据库作为原始训练数据输入到提拉米苏Tiramisu网络中，得到基本的背景去除的模型；步骤3、将待识别的图片作为输入数据输入到上述模型中进行识别，得到识别结果。本发明实现全自动化操作，只需将所需要进行操作的图片输入到模型中即可自动完成背景去除的目的。

技术领域

本发明涉及图像处理、背景去除领域，尤其涉及一种基于深度学习的背景去除的方法。

背景技术

目前，基于传统方法的背景去除已经被国内外广泛的研究，但是由于传统方法本身具有的局限性，因此在IoU(准确率)达到85左右已经准确率已经达到了饱和。基于神经网络的背景去除在AI(人工智能)迅速发展的年代以及背景去除方面自身的应用的特性，一直是饱受关注的话题。在传统方向上，背景去除一般分为几个步骤：

1.背景建模方向：

在对于图片甚至视频背景去除方面，背景建模的好坏很大程度上决定了背景去除效果的好坏，背景建模可以从两个方向进行分析：一个是在基于图片或视频本身输入的像素信息上进行研究；二是基于区域信息。

2.背景减除方向：

背景减除一般是对输入信息进行图片的背景建模之后所采用的对信息进行再次处理的操作。此环节最关键的问题在于根据输入对象来进行前景和背景的分离即根据确定当前图像与背景图像之间的差异有无大于一个预定的阈值来进行划分。基于对不同的背景建模效果以及不同的输入对象的考虑，背景减除也有着不同的对应方法。由于输入信息中光照强度的变化对于图像的颜色、亮度以及其他信息的影响十分大，因此对于对图像进行背景去除的任务来说，能否应对不同环境下的光照强度变化信是背景去除算法的关键之处。

光照强度变化所导致的背景信息产生变化一般可以归类于两个方面，一方面为背景的部分变化，即局部变化，另一方面为整个背景信息都发生了变化，即全局变化。主要有逐渐变化例如一天中阳光的逐渐变化，突然变化例如天气的骤变从晴朗瞬间变为阴天等等以及阴影例如在光照条件下所产生的影子在背景信息中进行了显示等三大变化，目前来说，逐渐变化由于是一步步产生变化并没有光照突然变化那样对背景信息产生强烈的反应，因此背景去除过程中，逐渐变化的影响是比较容易进行克服的，而对于阴影检测方面这个是在背景和前景的分离中就已经进行处理了，因此在背景去除方面并没有产生多大的干扰，所以总得来说，就目前来说，对于光照的突然性变化是较难解决的。

发明内容

本发明的目的是提供一种基于深度学习的背景去除的方法，该方法能有效的对图片达到全自动背景去除的目的，并且由于深度学习自身的优化特性，对于图片背景去除的精度也能保证，目前IoU为84.6，而经典背景去除的最好IoU为85，并且这是在损失大部分不必要的资源的情况下，而对于我们所采用的方法来说，不仅能够很好的节省计算机的资源，同时在精度上也能够达到要求，并且能够为之后的背景更换提供更有效便捷的解决方法；同时，该方法采用深度学习的基本架构，以保证对于图片的背景去除能够达到我们所要求的精度。

为达到上述目的，本发明采用的技术方案为：

一种基于深度学习的背景去除的方法，其步骤包括：

步骤1、对初期数据库的建立，通过采用对COCO数据集的整理以及添加修改得到所需要的对初期数据库；并找到对初期数据库中图片原始信息匹配所对应的标签信息(API)；对初期数据库以及其所对应的标签信息进行预处理操作，包括图像正则化和图像格式转换；

步骤2、将步骤1得到的初期数据库作为原始训练数据输入到提拉米苏Tiramisu网络中，得到基本的背景去除的模型，具体的：