[發明專利]一種基于視覺顯著性的人體區域檢測方法

在審

• 申請號: 201611198250.6
• 申請日: 2016-12-19
• 公開（公告）號: CN106778635A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 呂楠;張麗秋
• 申請（專利權）人: 江蘇慧眼數據科技股份有限公司
• 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

技術領域

本發明屬于計算機圖像處理領域，特別涉及一種基于視覺顯著性的人體區域檢測方法。

背景技術

視覺顯著性可直觀地理解為視覺場景中語義元素所能引起視覺注意的能力，這種能力依賴于目標元素所擁有的顯著屬性，諸如特殊性及稀有性等。在對圖像場景信息進行處理時，可以通過顯著性區域檢測獲取優先處理對象，以便于合理分配計算資源，降低計算量節約成本消耗。因此，檢測圖像顯著性區域具有較高的應用價值。

Itti等人為代表的視覺注意理論提出者們，從人類視覺認知的角度提議將視覺注意機制分為兩個類型：自上而下的目標驅動型顯著性檢測，以及自下而上的數據驅動型顯著性檢測。自上而下的方法融入了更多的人類語義感知及模型訓練，而自下而上的方法更注重于從諸如對比度、空間分布等圖像底層特征中檢測顯著性區域。

當前的顯著性檢測多采用自下而上的方法，由底層數據出發計算分析顯著目標或背景區域所具有的特征屬性，并將此屬性作為一種先驗知識用其區分場景中的顯著目標及背景。其中，對比度先驗知識賴于其優良的區分能力被大量的顯著性檢測算法所采用，并且衍生出諸如基于局部對比度及基于全局對比度的檢測算法。

近年來基于超像素的顯著性區域檢測算法得到廣泛使用。Yang等人以超像素為節點構建連通圖同時結合邊界先驗知識，采用基于圖的流形排序方法進行顯著檢測。Yan等提出一種基于多尺度分割的顯著性區域檢測算法，在樹圖模型上融合三種尺度下顯著圖進而得到最終顯著圖，該算法取得了良好的效果。Wei等人以各超像素到達圖像邊界的最短測地線距離來衡量其顯著性，測地線距離越長超像素作為前景目標的可能性越大。Zhu等對Wei的測地線先驗知識進一步優化提出了具有更強魯棒性的邊界連通性先驗知識，借助于該先驗知識偵測背景區域進而逆向獲取顯著前景目標?；谶吔邕B通先驗知識的顯著性區域檢測算法對圖像邊界上超像素的依賴程度較高，當圖像邊界上超像素不含圖像內部任何背景信息時，會嚴重影響顯著檢測效果。

有鑒于此，有必要對現有技術中的基于視覺顯著性的人體區域檢測方法予以改進，以解決上述問題。

發明內容

本發明的目的在于公開一種基于視覺顯著性的人體區域檢測方法，用以提高對輸入圖像中的人體區域的顯著性檢測，以確定優先處理對象，并合理分配計算資源，降低計算開銷。

為實現上述目的，本發明提供了一種基于視覺顯著性的人體區域檢測方法，該方法包括以下步驟：

S1、獲取監控區域的視頻流圖像作為輸入圖像；

S2、對輸入圖像執行預分割以形成超像素區域單元；

S3、統計超像素區域單元在多個顏色通道內的灰度值概率分布，使用灰度值概率分布間的KL散度的調和平均值度量相鄰超像素區域單元間的顏色差異性；

S4、以超像素區域單元為節點構建初始閉環連通圖，并對初始閉環連通圖作若干次鄰接擴展，以構建若干鄰接擴展閉環連通圖，使用KL散度的調和平均值對初始閉環連通圖及鄰接擴展閉環連通圖的邊作加權處理；

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

S6、平均融合初始人體顯著圖，并進行引導圖濾波處理。

作為本發明的進一步改進，所述步驟S1具體為：通過攝像機獲取監控區域的視頻流圖像作為輸入圖像，所述監控區域位于攝像機的正下方。

作為本發明的進一步改進，所述步驟S2具體為：采用簡單線性迭代聚類算法，自適應選擇緊湊度因子u，保持搜索步長為常量將輸入圖像執行預分割以形成超像素區域單元，所述超像素區域單元的內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，類內像素顏色的最大差值，Num為輸入圖像中的總像素數，K為預分割的超像素區域單元的數量。

作為本發明的進一步改進，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的區域內進行迭代聚類。

作為本發明的進一步改進，所述步驟S3中，超像素區域單元的灰度值概率分布間的KL散度的調和平均值的計算公式為：