【摘要】在对工效学测试拍摄图像中的航天服、操作对象等目标进行分割时,针对常用策略如背景减除、抠图、二值分割等在实际应用中存在的问题,研究一种基于DDPM-CD高精度变化检测模型的航天服测量场景下多目标前景分割方法。建立一个包含模拟航天服在内的多目标前景分割数据集(SOFS);将变化检测模型迁移到该数据集,并通过F1和IoU作为前景分割的定量指标进行对比验证。结果表明:表现最优的DDPM-CD模型在SOFS测试集上F1和IoU分别达到0.9785、0.9579,在SOFS-OB上分别为0.9654、0.9331。变化检测模型可在不同背景中准确分割出航天服在内的各类前景目标,且对未见场景也具有较好的泛化性。
【关键词】深度学习;前景分割;背景减除;航天服;变化检测
【作者】谢文韬,张小虎,欧阳婧璇,徐广生,吴斌,甘叔玮,钟立军