谢天植, 雷为民, 张 伟, 李志远

(东北大学 计算机科学与工程学院, 辽宁 沈阳 110169)

视频会话类业务已经成为人与人交流中不可缺少的部分,视频会话方便了交流的同时也带来了隐私泄露的问题,尤其最近一年新冠疫情使居家办公成为一种常态,这使得隐私泄露问题变得更加严重,通过语义分割将人像提取后进行背景替换,可以很好地保护会话人的隐私.

传统的图像分割[1-2]算法主要有阈值分割法[3]、光流法[4]、边缘检测算法[5]等,这些算法都是根据图像的特征完成图像分割.首先是分析图像的特征,对每一个特征设定一个特定的提取器,最后根据特定提取器对图像进行分割.但传统算法对图像的分割缺少语义上的理解,无法对特定的人像进行提取,而是将所有前景全部提取出来,不能满足视频会话业务中背景替换任务的需求.

语义分割任务是一项对图像进行语义理解后进行特定目标分割的深度学习任务,为视频会话中人像提取提供了新思路,它是计算机视觉中的一个重要方向,实现由粗推理到精推理的步骤,完成目标的分类与定位,预测并推断图像中的所有像素,实现细粒度的推理[6],即实现了对视频图像的语义理解.

近年来,深度学习发展迅速,语义分割已经在自动驾驶、室内机器人导航等方面[7-8]得到了广泛的应用.全卷积神经网络[9](fully convolutional networks, FCN)改进分类深度卷积神经网络结构,用卷积层替换原始网络末端的全连接层,最终得到……