[发明专利]一种基于最小生成树的视频显著对象检测方法

说明书

技术领域

本发明涉及一种基于最小生成树的视频显著对象检测方法，属于视频检测的技术领域。

背景技术

目标检测技术是计算机视觉与模式识别领域研究的一个热门课题，受到国内外学者的普遍关注，具有广泛的应用前景。目标检测所要实现的目标是，用计算机将目标物体从含有其它物体背景的二维图像中检测出来针对计算机视觉领域中的相同目标，显着性检测是通过模拟人类视觉系统来预测在人类中最吸引人类的事物，使得可以有效且有效地减少用于进一步处理的场景分析的复杂性。它在图像重定向，图像和视频压缩，对象识别，图像分类和图片拼贴等领域的广泛应用已经研究了很长时间。

目标的检测是视频监控系统图像分析的基础，在准确检测出目标的情况下，才可以提取有效特征。通过检测和跟踪，可以方便地获得运动目标的姿态和行为参数，为图像理解提供技术支持。检测也是视觉测量的基础。检测总是与跟踪联系在一起，在视频监控中占有重要的地位。从视觉技术诞生之日起，目标检测就得到了高度重视，并且积累了大量研究成果，同时，运动目标的检测也是视觉研究中极富挑战性的问题，有许多理论和实际的技术难点需要解决。虽然目标检测的研究取得了一定的进展，但仍然存在显著性目标在光照差异，复杂背景和尺度变化时引起的漏检、误检和效率不高的问题，究其原因，主要是在研究中存在视点变化，复杂背景和光照差异等几个方面的困难或挑战。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于最小生成树的视频显著对象检测方法，解决目标间由于显著性目标在光照差异，复杂背景和尺度变化时引起的漏检、误检和效率不高的问题。

本发明具体采用以下技术方案解决上述技术问题：

一种基于最小生成树的视频显著对象检测方法，包括以下步骤：

步骤A、对输入图像进行超像素分割，计算每个超像素到边界的距离，并构造图像的最小生成树；将建立的图像最小生成树距离变换规则和利用快速轮廓检测方法提取的外轮廓信息结合，提取获得初步显著图；

步骤B、利用建立的模糊色差直方图特征对步骤A所得初步显著图的非固定外轮廓进行模糊处理，得到轮廓清晰的显著图；

步骤C、对步骤B所得轮廓清晰的显著图中显著对象采用适应于行人窗口的采样特征网格的多尺度检测，并将其结合到最终显著图。

进一步地，作为本发明的一种优选技术方案，所述步骤A中建立图像最小生成树距离变换规则采用自底向上遍历和自顶向下遍历。

进一步地，作为本发明的一种优选技术方案，所述步骤A中建立模糊色差直方图特征，具体为:将图像色彩强度I量化为W级，在局部相邻区域中计算色彩差分；

将所述色彩差分经过高斯成员函数进行模糊化，及在局部区域计算色彩差分直方图；

利用模糊c-means聚类和色彩差分直方图形成模糊色彩差分直方图特征。

进一步地，作为本发明的一种优选技术方案，所述步骤B中利用快速轮廓检测方法提取的外轮廓信息，具体为:

将输入图像分解成若干分量；

对每个分量执行形态学算子生成具有轮廓信息的区域；

计算每个区域的轮廓，及选取最大的轮廓后计算其中每个像素的显著性。

进一步地，作为本发明的一种优选技术方案，所述每个区域的轮廓采用公式计算：

其中，r₀是区域r的外轮廓，|r₀|是r₀轮廓的长度，并且E(x)是像素x的轮廓置信度。

本发明采用上述技术方案，能产生如下技术效果：

本发明提供的方法，首先对图像进行超像素分割，接着计算每个超像素到边界的距离，并通过距离变换来生成最小树，初步提取显著对象，然后通过快速轮廓检测方法提取外轮廓信息，最后，用模糊色差直方图特征对非固定外轮廓进行模糊处理生成显著图并将其结合到最终显著图。本发明基于最小生成树的实时显著对象检测方法能够不受光照变化等外界干扰因素的影响，寻找到一种有效的、鲁棒性强的人体行为特征描述，通过一种计算量小、实时性高并有较好预测功能的算法主要解决目标间由于显著性目标在光照差异，复杂背景和尺度变化时引起的漏检、误检和效率不高的问题。本发明的检测速度相较于现有方法更高，综合检测速度和准确率本发明的性能优于其他现有方法。

附图说明

图1为本发明基于最小生成树的视频显著对象检测方法的流程示意图。