首页|基于光流与多尺度上下文的图像序列运动遮挡检测

基于光流与多尺度上下文的图像序列运动遮挡检测

扫码查看
原文链接
  • 万方数据
  • 维普
针对非刚性运动和大位移场景下运动遮挡检测的准确性与鲁棒性问题，提出一种基于光流与多尺度上下文的图像序列运动遮挡检测方法。首先，设计基于扩张卷积的多尺度上下文信息聚合网络，通过图像序列多尺度上下文信息获取更大范围的图像特征;然后，采用特征金字塔构建基于多尺度上下文与光流的端到端运动遮挡检测网络模型，利用光流优化非刚性运动和大位移区域的运动检测遮挡信息;最后，构造基于运动边缘的网络模型训练损失函数，获取准确的运动遮挡边界。分别采用MPI-Sintel和KITTI测试数据集对所提方法与现有的代表性方法进行实验对比与分析。实验结果表明，所提方法能够有效提高运动遮挡检测的准确性和鲁棒性，尤其在非刚性运动和大位移等困难场景下具有更好的遮挡检测鲁棒性。
Occlusion Detection Based on Optical Flow and Multiscale Context
In order to improve the accuracy and robustness of occlusion detection under non-rigid motion and large displacements,we propose an occlusion detection method of image sequence motion based on optical flow and multiscale context.First,we design a multiscale context information aggregation network based on dilated convolu-tion which obtains a wider range of image features through multiscale context information of image sequence.Then,we construct an end-to-end motion occlusion detection network model based on multiscale context and optical flow using feature pyramid,utilize the optical flow to optimize the performance of occlusion detection in areas of non-ri-gid motion and large displacements region.Finally,we present a novel motion edge training loss function to obtain the accurate motion occlusion boundary.We compare and analysis our method with the existing representative ap-proaches by using the MPI-Sintel datasets and KITTI datasets,respectively.The experimental results show that the proposed method can effectively improve the accuracy and robustness of motion occlusion detection,especially gains the better occlusion detection robustness under non-rigid motion and large displacements.

Image sequenceocclusion detectiondeep learningmultiscale contextnon-rigid motion

冯诚、张聪炫、陈震、李兵、黎明

展开 >

南昌航空大学测试与光电工程学院 南昌 330063

中国科学院自动化研究所模式识别国家重点实验室 北京 100190

南昌航空大学信息工程学院 南昌 330063

图像序列 遮挡检测 深度学习 多尺度上下文 非刚性运动

国家重点研发计划国家自然科学基金国家自然科学基金国家自然科学基金江西省杰出青年人才计划江西省自然科学基金重点项目江西省优势科技创新团队

2020YFC200380061866026617722556222220620192BCB2301120202ACB 21400720165BCB19007

2024

10.16383/j.aas.c210324

自动化学报
中国自动化学会 中国科学院自动化研究所

自动化学报

CSTPCD北大核心
影响因子：1.762
ISSN：0254-4156
年,卷(期)：2024.50(9)