[发明专利]矿井人员安全帽分割方法和装置

说明书

本申请涉及一种矿井人员安全帽分割方法和装置，该方法包括：提取由目标图像粒化形成的多个超像素块的颜色特征向量、纹理特征向量以及目标轮廓特征；将颜色特征向量和纹理特征向量输入到预先训练的支持向量机SVM中，以将所有超像素块分为目标超像素块和背景超像素块两种类型；根据目标轮廓特征修正错分类超像素块；判断修正后的目标超像素块中是否存在背景像素点；若否，则根据目标超像素块对目标图像进行分割。本申请能够降低人员目标分割的难度，从而利于在人员检测识别与定位跟踪等技术上的应用。

技术领域

本申请涉及图像分割技术领域，尤其是涉及一种矿井人员安全帽分割方法和装置。

背景技术

矿井人员安全帽分割是用一种方法将人员图像中的安全帽像素区域独立分离出来。安全帽分割是实现煤矿人员智能视频监控的关键技术之一，是计算机视觉在矿井智能监控应用中的一项核心内容，可促进基于计算机视觉的矿井人员调度管理、目标检测识别及其位置信息预测等相关技术的应用，可提高对人员作业区域的管控效率。

已有多种图像分割方法，如基于图像灰度特征的阈值法、像素点区域生长法、边缘检测法、基于图论的图割法、深度学习神经网络法等几大类，但这些方法存在以下问题：阈值法的关键在于灰度阈值的合理选取，适合处理目标与背景灰度界别分明的图像；区域生长法对缺乏先验信息的图像分割效果较为理想，但易导致过度分割；边缘检测法容易出现边界轮廓线间断，图像区域结构性差；图割法需要用户在图像分割过程中指定目标与背景，不适合自动分割；深度神经网络分割法需要输入的数据量大，处理时间较长且对计算机硬件要求较高。在矿井视频图像处理方面的结果难以满足实际需求。

发明内容

为了解决上述背景技术中的问题，本申请提供一种矿井人员安全帽分割方法和装置。

第一方面，本申请提供了一种矿井人员安全帽分割方法，包括：

提取由目标图像粒化形成的多个超像素块的颜色特征向量、纹理特征向量以及目标轮廓特征；

将所述颜色特征向量和所述纹理特征向量输入到预先训练的支持向量机SVM中，以将所有超像素块分为目标超像素块和背景超像素块两种类型；

根据所述目标轮廓特征修正错分类超像素块；

判断修正后的目标超像素块中是否存在背景像素点；

若否，则根据所述目标超像素块对目标图像进行分割。

优选的，所述判断修正后的目标超像素块中是否存在背景像素点包括：

提取所述修正后的目标超像素块的超像素区域的边界掩膜；

采用算子提取所述修正后的目标超像素块的轮廓边缘；

计算所述修正后的目标超像素块的超像素区域的边界掩膜和所述修正后的目标超像素块的轮廓边缘的差集；

若，则确定所述修正后的目标超像素块中不存在背景像素点；

若，则确定所述修正后的目标超像素块中存在背景像素点。

优选的，所述方法还包括：

若是，则对所述修正后的目标超像素块再次进行分类，得到目标像素点超像素块和背景像素点超像素块；

滤除所述背景像素点超像素块；

根据所述目标像素点超像素块对所述目标图像进行分割。

优选的，所述对所述修正后的目标超像素块再次进行分类包括：

根据所述差集所在的超像素块的像素点边界线将该超像素块分解为所述目标像素点超像素块和所述背景像素点超像素块。

优选的，所述目标图像中的目标为安全帽，所述目标轮廓特征包括：