[發(fā)明專利]一種基于視覺顯著性的人體區(qū)域檢測方法

在審

• 申請?zhí)枺?/td>: 201611198250.6
• 申請日: 2016-12-19
• 公開（公告）號: CN106778635A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 呂楠;張麗秋
• 申請（專利權(quán)）人: 江蘇慧眼數(shù)據(jù)科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于視覺顯著性的人體區(qū)域檢測方法，其特征在于，該方法包括以下步驟：

S1、獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像；

S2、對輸入圖像執(zhí)行預(yù)分割以形成超像素區(qū)域單元；

S3、統(tǒng)計超像素區(qū)域單元在多個顏色通道內(nèi)的灰度值概率分布，使用灰度值概率分布間的KL散度的調(diào)和平均值度量超像素區(qū)域單元間的顏色差異性；

S4、以超像素區(qū)域單元為節(jié)點構(gòu)建初始閉環(huán)連通圖，并對初始閉環(huán)連通圖作若干次鄰接擴展，以構(gòu)建若干鄰接擴展閉環(huán)連通圖，使用KL散度的調(diào)和平均值對初始閉環(huán)連通圖及鄰接擴展閉環(huán)連通圖的邊作加權(quán)處理；

S5、基于超像素區(qū)域單元間的顏色差異性，同時結(jié)合空間距離權(quán)重及背景概率權(quán)重，在初始閉環(huán)連通圖及鄰接擴展閉環(huán)連通圖上計算各超像素區(qū)域單元的顯著值，并使用顯著值為超像素區(qū)域單元賦值，以獲取初始人體顯著圖；

S6、平均融合初始人體顯著圖，并進行引導(dǎo)圖濾波處理。

2.根據(jù)權(quán)利要求1所述的基于視覺顯著性的人體區(qū)域檢測方法，其特征在于，所述步驟S1具體為：通過攝像機獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像，所述監(jiān)控區(qū)域位于攝像機的正下方。

3.根據(jù)權(quán)利要求1所述的基于視覺顯著性的人體區(qū)域檢測方法，其特征在于，所述步驟S2具體為：采用簡單線性迭代聚類算法，自適應(yīng)選擇緊湊度因子u，保持搜索步長為常量將輸入圖像執(zhí)行預(yù)分割以形成超像素區(qū)域單元，所述超像素區(qū)域單元的內(nèi)部顏色與大小均一致；

其中，u為簡單線性迭代聚類算法在種子點周圍完成一次迭代聚類后，類內(nèi)像素顏色的最大差值，Num為輸入圖像中的總像素數(shù)，K為預(yù)分割的超像素區(qū)域單元的數(shù)量。

4.根據(jù)權(quán)利要求3所述的基于視覺顯著性的人體區(qū)域檢測方法，其特征在于，所述步驟S2還包括：在輸入圖像中選取若干種子點，并在種子點周圍以2S×2S的區(qū)域內(nèi)進行迭代聚類。

5.根據(jù)權(quán)利要求1所述的基于視覺顯著性的人體區(qū)域檢測方法，其特征在于，所述步驟S3中，超像素區(qū)域單元的灰度值概率分布間的KL散度的調(diào)和平均值的計算公式為：

其中，為超像素區(qū)域單元p所包含的像素在對應(yīng)顏色通道內(nèi)的灰度值概率分布，γ為超像素區(qū)域單元q所包含的像素在對應(yīng)顏色通道內(nèi)的灰度值概率分布，表示超像素區(qū)域單元p在對應(yīng)顏色通道內(nèi)灰度值取i的像素所占的概率，γ(i)表示超像素區(qū)域單元q在對應(yīng)顏色通道內(nèi)灰度值取i的像素所占的概率，i∈[0，255]，為超像素區(qū)域單元p的灰度值概率分布相對于超像素區(qū)域單元q的灰度值概率分布的KL散度，為超像素區(qū)域單元q的灰度值概率分布相對于超像素區(qū)域單元p的灰度值概率分布的KL散度。

6.根據(jù)權(quán)利要求1所述的基于視覺顯著性的人體區(qū)域檢測方法，其特征在于，所述步驟S4中，以各超像素區(qū)域單元為節(jié)點構(gòu)建初始閉環(huán)連通圖，然后對初始閉環(huán)連通圖進行兩次鄰接擴展，以形成初始閉環(huán)連通圖及兩幅鄰接擴展閉環(huán)連通圖，并使用灰度值概率分布間KL散度的調(diào)和平均值對初始閉環(huán)連通圖及兩幅鄰接擴展閉環(huán)連通圖的邊作加權(quán)處理。