ForegroundNet:一种基于语义与动态特征的前景检测算法

摘要

针对以往的前景检测方法对场景信息依赖较多的问题,提出了一种实时的无需迭代更新背景模型的前景检测深度学习模型ForegroundNet。ForegroundNet首先通过骨干网络从当前图像和辅助图像中提取语义特征,辅助图像为相邻的图像帧或者是自动生成的视频背景图像;然后将提取得到的特征输入到包含短连接的反卷积网络中,使得最终特征图在与输入图像具有相同的大小,并且包含不同尺度的语义及动态特征;最后使用softmax层进行二值分类,得到最终检测结果。在CDNet数据集上进行的实验结果表明,相比于当前F值为0.82的次优方法,ForegroundNet能够获得0.94的F值,具有更高的检测精度;同时ForegroundNet检测速度达到123 fps,具有良好的实时性。