一种基于自监督生成对抗学习背景建模的目标检测方法与流程

技术特征：
1.一种基于自监督生成对抗学习背景建模的目标检测方法，其特征在于包括以下步骤：步骤1、利用环境中的摄像头采集图像，并进行前景目标标注得到对应标签，构建数据集s；步骤2、从数据集s中选择只含有背景信息图像的数据子集s
b
；步骤3、构建由生成网络g和判别网络d组成的生成对抗网络，采用自监督和对抗学习的方法使用数据集s
b
进行训练；训练完成后的生成网络g就是背景模型；步骤4、构建卷积神经网络m
obj
，使用数据集s和s经过生成网络g后的输出s
g
一起作为m
obj
的输入，采用有监督的学习方法对m
obj
进行训练，监督信号就是s中的标签；训练完成后的m
obj
作为前景目标推理模型。步骤5、进行前景目标检测，即将当前图像i
o
以及将其输入生成网络g得到的输出i
g
一起作为前景目标推理模型m
obj
的输入，则m
obj
的输出即为前景检测结果。2.根据权利要求1所述的一种基于自监督生成对抗学习背景建模的目标检测方法，其特征在于：采用图像自动补全的自监督方法形成训练数据，使用生成对抗神经网络进行自监督对抗学习建立背景重建模型，能很好捕捉环境里背景图像中各对象及其相互之间的语义信息。3.根据权利要求1所述的一种基于自监督生成对抗学习背景建模的目标检测方法，其特征在于：采用两阶段的前景目标检测训练方法，第一个阶段基于图像重建进行背景建模，第二个阶段使用第一阶段的背景建模结果进行前景目标检测标准的学习。

技术总结
大多数前景目标检测的场景中，背景都有相对固定的模式。亮度的变化、背景的动态化、摄像机的移动等都给目标检测算法带来了不少困难。基于此，本发明提出一种基于自监督生成对抗学习进行背景建模的目标检测方法，能够有效地克服上述困难应用于真实环境中。首先，该方法采用图像自动补全的自监督方法形成训练数据，使用生成对抗神经网络进行自监督对抗学习，构建一个背景重建模型。其次，通过训练一个卷积神网络，利用原始图像与经过背景模型重建图像的差异进行前景目标的检测。本发明提出的方法可以应用于静止摄像头和移动摄像头拍摄的内容，具有广泛的使用场景和实际应用价值。具有广泛的使用场景和实际应用价值。具有广泛的使用场景和实际应用价值。


技术研发人员：任德华 赵婷婷 柳映辉 陈亚瑞 吴超 张容
受保护的技术使用者：天津科技大学
技术研发日：2020.05.20
技术公布日：2021/11/25