基于动态背景抑制与弱监督学习的异物分割方法

本发明公开了基于动态背景抑制与弱监督学习的异物分割方法，1)训练静态背景重构网络，从视频中筛选无异物帧作为全连接自动编码器的输入，通过最小化重构损失学习场景的静态背景；2)输入视频帧重构静态背景，采用高斯模型进行自适应背景建模从而进行异物判定，并应用邻域一致性约束提高鲁棒性；3)识别包含异物和动态背景的区域，筛选仅含动态背景的序列训练U‑Net网络，使其能够预测动态背景模式；4)将前景二值图与U‑Net网络预测的动态背景概率进行逐像素操作，生成异物概率图；5)对异物概率图进行形态学后处理优化异物轮廓完整性。本发明通过双网络协同学习静态和动态背景特征，显著提升了在复杂环境下的异物分割性能。