[发明专利]一种基于视觉显著性的人体区域检测方法

权利要求书

1.一种基于视觉显著性的人体区域检测方法，其特征在于，该方法包括以下步骤：

S1、获取监控区域的视频流图像作为输入图像；

S2、对输入图像执行预分割以形成超像素区域单元；

S3、统计超像素区域单元在多个颜色通道内的灰度值概率分布，使用灰度值概率分布间的KL散度的调和平均值度量超像素区域单元间的颜色差异性；

S4、以超像素区域单元为节点构建初始闭环连通图，并对初始闭环连通图作若干次邻接扩展，以构建若干邻接扩展闭环连通图，使用KL散度的调和平均值对初始闭环连通图及邻接扩展闭环连通图的边作加权处理；

S5、基于超像素区域单元间的颜色差异性，同时结合空间距离权重及背景概率权重，在初始闭环连通图及邻接扩展闭环连通图上计算各超像素区域单元的显著值，并使用显著值为超像素区域单元赋值，以获取初始人体显著图；

S6、平均融合初始人体显著图，并进行引导图滤波处理。

2.根据权利要求1所述的基于视觉显著性的人体区域检测方法，其特征在于，所述步骤S1具体为：通过摄像机获取监控区域的视频流图像作为输入图像，所述监控区域位于摄像机的正下方。

3.根据权利要求1所述的基于视觉显著性的人体区域检测方法，其特征在于，所述步骤S2具体为：采用简单线性迭代聚类算法，自适应选择紧凑度因子u，保持搜索步长为常量将输入图像执行预分割以形成超像素区域单元，所述超像素区域单元的内部颜色与大小均一致；

其中，u为简单线性迭代聚类算法在种子点周围完成一次迭代聚类后，类内像素颜色的最大差值，Num为输入图像中的总像素数，K为预分割的超像素区域单元的数量。

4.根据权利要求3所述的基于视觉显著性的人体区域检测方法，其特征在于，所述步骤S2还包括：在输入图像中选取若干种子点，并在种子点周围以2S×2S的区域内进行迭代聚类。

5.根据权利要求1所述的基于视觉显著性的人体区域检测方法，其特征在于，所述步骤S3中，超像素区域单元的灰度值概率分布间的KL散度的调和平均值的计算公式为：

其中，为超像素区域单元p所包含的像素在对应颜色通道内的灰度值概率分布，γ为超像素区域单元q所包含的像素在对应颜色通道内的灰度值概率分布，表示超像素区域单元p在对应颜色通道内灰度值取i的像素所占的概率，γ(i)表示超像素区域单元q在对应颜色通道内灰度值取i的像素所占的概率，i∈[0，255]，为超像素区域单元p的灰度值概率分布相对于超像素区域单元q的灰度值概率分布的KL散度，为超像素区域单元q的灰度值概率分布相对于超像素区域单元p的灰度值概率分布的KL散度。

6.根据权利要求1所述的基于视觉显著性的人体区域检测方法，其特征在于，所述步骤S4中，以各超像素区域单元为节点构建初始闭环连通图，然后对初始闭环连通图进行两次邻接扩展，以形成初始闭环连通图及两幅邻接扩展闭环连通图，并使用灰度值概率分布间KL散度的调和平均值对初始闭环连通图及两幅邻接扩展闭环连通图的边作加权处理。