在基于立體視覺的人體建模系統(tǒng)中，背景像素的移除可以減少不必要的立體匹配計算，提高人體模型重建效率。為此，在給定大量具有前景 Alpha蒙板真值的人體圖像作為訓(xùn)練數(shù)據(jù)的前提下，提出了一個端到端的深度學(xué)網(wǎng)絡(luò)，以實現(xiàn)系統(tǒng)采集圖像中人體前景自動摳圖。該深度學(xué)習(xí)網(wǎng)絡(luò)包括2個階段：人體前景分割階段和人體前景l(fā)pha摳圖階段。在人體前景分割階段，采用 Mask R-cnn網(wǎng)絡(luò)中的目標檢測和掩碼生成2個負載，并結(jié)合訓(xùn)練數(shù)據(jù)進行遷移學(xué)習(xí)，得到了適用于人體前景二值化分割的模型網(wǎng)絡(luò)。在人體前景 Alpha摳圖階段，采用 Encoder-decoder網(wǎng)絡(luò)架構(gòu)實現(xiàn) Alpha蒙板的自動預(yù)測首先引入核為5的非學(xué)習(xí)卷積層，以上一個階段的二值化分割結(jié)果作為輸入自動得到三分圖 Trimap，再和人體前景訓(xùn)練數(shù)據(jù)一起作為此階段摳圖網(wǎng)絡(luò)的輸入;經(jīng)過學(xué)習(xí)迭代，獲得能夠預(yù)測人體前景 Alpha蒙板的模型網(wǎng)絡(luò)。在實驗部分，以單幅系統(tǒng)采集人體圖像為輸入，無需額外先驗和人工交互，可以自動估計人體前景 Alpha掩碼結(jié)果。用戶測試結(jié)果以及與其他方法的對比和分析證明了文中算法的可靠性和魯棒性;同時，該自動摳圖算法還對其他公開數(shù)據(jù)集的人體圖像進行了掩碼預(yù)測，實驗結(jié)果表明該算法具有一定的泛化能力。