本發(fā)明屬于計(jì)算機(jī)圖像處理領(lǐng)域，特別涉及一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法。

背景技術(shù)：

視覺顯著性可直觀地理解為視覺場(chǎng)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(biāo)元素所擁有的顯著屬性，諸如特殊性及稀有性等。在對(duì)圖像場(chǎng)景信息進(jìn)行處理時(shí)，可以通過顯著性區(qū)域檢測(cè)獲取優(yōu)先處理對(duì)象，以便于合理分配計(jì)算資源，降低計(jì)算量節(jié)約成本消耗。因此，檢測(cè)圖像顯著性區(qū)域具有較高的應(yīng)用價(jià)值。

自Itti等先驅(qū)提出采用中心-周圍差異框架進(jìn)行顯著性檢測(cè)以來，越來越多的研究者開始關(guān)注顯著檢測(cè)研究鄰域，大量自底向上基于底層數(shù)據(jù)的具有很好效果的顯著性檢測(cè)算法被提出。Chen等提出的基于區(qū)域?qū)Ρ榷鹊娘@著檢測(cè)算法，在區(qū)域水平上計(jì)算顏色對(duì)比度，并通過空間距離加權(quán)，然后將區(qū)域與其他區(qū)域加權(quán)顏色對(duì)比度進(jìn)行累加求和，再用此定義區(qū)域顯著性。Chen等在探索基于對(duì)比度的顯著性檢測(cè)算法方面取得了不錯(cuò)的成績(jī)，此區(qū)域?qū)Ρ榷人惴ㄒ驯粡V泛采用。

除利用對(duì)比度先驗(yàn)進(jìn)行顯著性區(qū)域檢測(cè)之外，邊界先驗(yàn)知識(shí)也廣泛應(yīng)用于顯著性檢測(cè)，該先驗(yàn)知識(shí)假定圖像邊界為背景區(qū)域。Wei等依據(jù)各區(qū)域到圖像邊界的最短測(cè)地線距離定義顯著性，Yang等基于圖論知識(shí)借助于流形排序方法，依據(jù)各超像素區(qū)域與圖像四周邊界上超像素區(qū)域的相關(guān)性程度高低來定義各區(qū)域顯著性取值大小。Zhu等結(jié)合區(qū)域空間布局及邊界先驗(yàn)知識(shí)提出了一種更具魯棒性的背景檢測(cè)方法，即邊界連通性，該方法在背景檢測(cè)方面具有優(yōu)良效果。

目前，通常利用行人的人體邊緣、紋理特征建立模板并綜合運(yùn)用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、級(jí)聯(lián)檢測(cè)器等機(jī)器學(xué)習(xí)方法。但是，現(xiàn)有技術(shù)中對(duì)行人輪廓進(jìn)行檢測(cè)的過程中對(duì)非行人的運(yùn)動(dòng)目標(biāo)輪廓進(jìn)行檢測(cè)時(shí)容易發(fā)生誤檢。例如，將動(dòng)物通過監(jiān)控區(qū)域時(shí)將該動(dòng)物錯(cuò)誤地認(rèn)定為行人。因此傳統(tǒng)的人體區(qū)域檢測(cè)方法仍然不夠理想；同時(shí)，傳統(tǒng)的檢測(cè)方法中無法獲得顯著性人體區(qū)域效果圖。

有鑒于此，有必要對(duì)現(xiàn)有技術(shù)中的對(duì)監(jiān)控區(qū)域中的人體區(qū)域的檢測(cè)方法予以改進(jìn)，以解決上述問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于公開一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法，用以提高對(duì)人體區(qū)域的檢測(cè)精度，并能夠產(chǎn)生視覺良好的人體區(qū)域顯著圖。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)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、預(yù)分割輸入圖像以形成若干超像素區(qū)域單元，將各超像素區(qū)域單元內(nèi)所有像素的顏色用所對(duì)應(yīng)的各超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值來表示，以獲得初始融合圖

S3、以超像素區(qū)域單元為節(jié)點(diǎn)，根據(jù)融合準(zhǔn)則Ψ依次執(zhí)行鄰接融合與全局融合，并依次在鄰接融合與全局融合過程中將各超像素區(qū)域單元內(nèi)所有像素的顏色用所對(duì)應(yīng)的各超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值來表示，將相似的超像素區(qū)域單元依次融合形成新的超像素區(qū)域單元，以依次構(gòu)建出鄰接融合圖及全局融合圖

S4、結(jié)合超像素區(qū)域單元間的顏色對(duì)比度、空間距離權(quán)重及背景概率權(quán)重分別在初始融合圖鄰接融合圖及全局融合圖上計(jì)算超像素區(qū)域單元的顯著值，以獲得三幅初始顯著圖；

S5、通過元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)三幅初始顯著圖進(jìn)行更新，得到三幅優(yōu)化顯著圖；

S6、對(duì)步驟S5中的三幅優(yōu)化顯著圖執(zhí)行累加求和運(yùn)算，以獲得包含顯著性人體區(qū)域的集成顯著圖S。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S2具體為：采用簡(jiǎn)單線性迭代聚類算法，對(duì)輸入圖像執(zhí)行預(yù)分割，形成若干超像素區(qū)域單元；計(jì)算各超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值以替換超像素區(qū)域單元內(nèi)所有像素的顏色向量，以獲得初始融合圖

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S2中，輸入圖像經(jīng)過預(yù)分割后形成的超像素區(qū)域單元所包含的像素點(diǎn)數(shù)量為384～614個(gè)。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S3中的融合準(zhǔn)則Ψ的計(jì)算公式為：

其中，Ω₁及Ω₂分別是超像素區(qū)域單元R₁及超像素區(qū)域單元R₂的鄰域集合；C(R₁，R₂)為超像素區(qū)域單元R₁及超像素區(qū)域單元R₂間顏色差值。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S4中的初始顯著圖的計(jì)算公式為：

其中，k＝1，2，3分別表示在初始融合圖鄰接融合圖及全局融合圖上計(jì)算各超像素區(qū)域單元的顯著值；

S_k(i)表示在圖中超像素區(qū)域單元i的顯著值，n_k是圖中超像素區(qū)域單元數(shù)量；

C_k(i，j)表示在圖中超像素區(qū)域單元i及超像素區(qū)域單元j間顏色差值；

P_k(i，j)表示在圖中超像素區(qū)域單元i及超像素區(qū)域單元j間經(jīng)過歸一化處理的空間歐式距離；

表示在圖中超像素區(qū)域單元j的背景概率權(quán)重。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述背景概率權(quán)重的計(jì)算公式為：

其中，BndCon(i)表示超像素區(qū)域單元的邊界連通性度量值，并具體采用如下公式計(jì)算：

其中，d_k(i，j)是圖中超像素區(qū)域單元i與超像素區(qū)域單元j間最短路徑長(zhǎng)度；δ(·)在超像素區(qū)域單元j位于圖像邊界時(shí)取值為1，否則取值為0；n_k為超像素區(qū)域單元數(shù)量，參數(shù)σ_clr＝10。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S5中的元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)三幅初始顯著圖進(jìn)行更新的計(jì)算公式為：

其中，k＝1，2，3分別代表元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)由初始融合圖鄰接融合圖及全局融合圖所獲得初始顯著圖進(jìn)行更新，運(yùn)算符“.”表示矩陣乘積運(yùn)算，表示當(dāng)前狀態(tài)，表示更新后的狀態(tài)，I表示單位矩陣，及分別是影響因子矩陣F_k及置信度矩陣H_k；

所述步驟S5中，元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)初始顯著圖的初始狀態(tài)進(jìn)行15次遍歷更新。

作為本發(fā)明的進(jìn)一步改進(jìn)，

所述置信度矩陣的計(jì)算公式為：

其中，H_k＝diag(h₁，h₂，...，h_N)，并設(shè)定

所述影響因子矩陣F_k的計(jì)算公式為：

所述

其中，k＝1，2，3分別表示在初始融合圖鄰接融合圖及全局融合圖中，C_k(i，j)為兩相鄰超像素區(qū)域單元間的顏色差異值，NB_k(i)是超像素區(qū)域單元i的鄰域集合。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S6還包括：對(duì)集成顯著圖S的灰度值歸一化至區(qū)間[0，1]的步驟，并對(duì)歸一化處理后的集成顯著圖S進(jìn)行高斯增強(qiáng)處理，所述高斯增強(qiáng)處理的計(jì)算公式為：

其中，σ_s＝0.5。

作為本發(fā)明的進(jìn)一步改進(jìn)，所述步驟S6還包括將集成顯著圖S轉(zhuǎn)換為256階灰度圖的步驟。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：在發(fā)明中，基于初始融合圖、鄰接融合圖及全局融合圖，有利于展現(xiàn)輸入圖像中的層次信息；同時(shí)，依據(jù)背景概率值設(shè)定置信度矩陣，有利于元胞自動(dòng)機(jī)的優(yōu)化性能，并最終獲得包含顯著性人體區(qū)域的集成顯著圖S。

附圖說明

圖1為本發(fā)明一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法的流程示意圖；

圖2為圖1所示的獲取監(jiān)控區(qū)域的視頻流圖像的工作原理示意圖；

圖3為本發(fā)明步驟S3中超像素區(qū)域單元R₁與超像素區(qū)域單元R₂滿足融合判定準(zhǔn)則Ψ并進(jìn)行融合后的示意圖；

圖4為本發(fā)明所示的邊界連通性度量值計(jì)算的一種幾何圖形解釋。

具體實(shí)施方式

下面結(jié)合附圖所示的各實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說明，但應(yīng)當(dāng)說明的是，這些實(shí)施方式并非對(duì)本發(fā)明的限制，本領(lǐng)域普通技術(shù)人員根據(jù)這些實(shí)施方式所作的功能、方法、或者結(jié)構(gòu)上的等效變換或替代，均屬于本發(fā)明的保護(hù)范圍之內(nèi)。

請(qǐng)參圖1至圖4所示出的本發(fā)明一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法的一種具體實(shí)現(xiàn)方式。

參圖1所示，圖1為本發(fā)明一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法的流程示意圖。在本實(shí)施方式中，所述基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法包括以下步驟：

步驟S1、獲取監(jiān)控區(qū)域的視頻流圖像作為輸入圖像。

參圖2所示，本發(fā)明一種基于區(qū)域融合的顯著性人體區(qū)域檢測(cè)方法是基于攝像機(jī)垂直拍攝并適用于室外情況和室內(nèi)情況。在本實(shí)施方式中，該步驟S1具體為：通過攝像機(jī)10獲取監(jiān)控區(qū)域30的視頻流圖像作為輸入圖像，所述監(jiān)控區(qū)域30位于攝像機(jī)10的正下方。

具體的，攝像機(jī)10設(shè)置在出入口20附近的正上方，行人可沿著箭頭201的方向上在出入口20中來回走動(dòng)。攝像機(jī)10所獲取的監(jiān)控區(qū)域30可完全覆蓋出入口20的全部區(qū)域。

在本實(shí)施方式中，該監(jiān)控區(qū)域30為矩形，當(dāng)然也可以為正方形或圓形或者其他形狀。攝像機(jī)10位于監(jiān)控區(qū)域30的中心點(diǎn)301的正上方，由此我們可以推導(dǎo)出，該監(jiān)控區(qū)域30位于攝像機(jī)10的正下方。

步驟S2、預(yù)分割輸入圖像以形成若干超像素區(qū)域單元，將各超像素區(qū)域單元內(nèi)所有像素的顏色用所對(duì)應(yīng)的各超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值來表示，以獲得初始融合圖

輸入圖像經(jīng)過預(yù)分割后形成的超像素區(qū)域單元所包含的像素點(diǎn)數(shù)量為384～614個(gè)。具體的，該步驟S2具體為：采用簡(jiǎn)單線性迭代聚類算法，對(duì)輸入圖像執(zhí)行預(yù)分割，形成若干超像素區(qū)域單元；計(jì)算各超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值以替換超像素區(qū)域單元內(nèi)所有像素的顏色向量，以獲得初始融合圖

簡(jiǎn)單線性迭代聚類算法(Simple Linear Iterative Clustering，SLIC)是K-means算法的拓展，其通過在圖像上均勻散布種子點(diǎn)并在種子點(diǎn)周圍的限定區(qū)域內(nèi)完成像素的聚類操作，如此可以將圖像分割聚類為一系列小的像素區(qū)域，且各像素區(qū)域內(nèi)部的像素顏色差別很小。本發(fā)明稱這些像素區(qū)域?yàn)槌袼貐^(qū)域單元。以超像素區(qū)域單元為運(yùn)算單位要比在單個(gè)像素上操作節(jié)省時(shí)間，故而本發(fā)明對(duì)輸入圖像先執(zhí)行預(yù)分割處理，將輸入圖像分割為超像素區(qū)域單元。分割產(chǎn)生的超像素區(qū)域單元越多，各超像素區(qū)域單元內(nèi)部像素顏色差異越小，但運(yùn)行時(shí)間較長(zhǎng)。

出于效率的考慮，例如：對(duì)于分辨率為320×240、640×480的輸入圖像，可分別設(shè)定對(duì)輸入圖像進(jìn)行預(yù)分割所形成的超像素區(qū)域單元的數(shù)量為150或者300。

本發(fā)明的輸入圖像要求為RGB色彩格式，各像素對(duì)應(yīng)一個(gè)顏色向量(r，g，b)。在預(yù)分割輸入圖像為超像素區(qū)域單元后，求取超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值然后以顏色向量的平均值替換超像素區(qū)域單元內(nèi)所有像素的顏色向量，即將超像素區(qū)域單元里所有像素的顏色用其平均顏色值表示。本發(fā)明采用此方式統(tǒng)一超像素區(qū)域單元內(nèi)像素顏色為一平均值。對(duì)于各超像素區(qū)域單元顏色經(jīng)過統(tǒng)一處理后所獲取的圖像，本發(fā)明定義為初始融合圖，用表示。

步驟S3、以超像素區(qū)域單元為節(jié)點(diǎn)，根據(jù)融合準(zhǔn)則Ψ依次執(zhí)行鄰接融合與全局融合，并依次在鄰接融合與全局融合過程中將各超像素區(qū)域單元內(nèi)所有像素的顏色用所對(duì)應(yīng)的各超像素區(qū)域單元內(nèi)所有像素的顏色向量的平均值來表示，將相似的超像素區(qū)域單元依次融合形成新的超像素區(qū)域單元，以依次構(gòu)建出鄰接融合圖及全局融合圖

基于初始融合圖，借助于鄰接融合及全局融合這兩種融合方式，融合相似的超像素區(qū)域單元形成新的區(qū)域單元，并用新區(qū)域單元內(nèi)像素的平均顏色統(tǒng)一其包含像素的顏色，進(jìn)而獲得另外兩個(gè)區(qū)域融合圖像，即鄰接融合圖及全局融合圖。

基于初始融合圖以超像素區(qū)域單元作為節(jié)點(diǎn)構(gòu)建區(qū)域鄰接圖，用數(shù)學(xué)符號(hào)寫為G(V，E)，其中V為節(jié)點(diǎn)集合，E為邊的集合。各節(jié)點(diǎn)用i表示，i∈V。邊用鄰接的節(jié)點(diǎn)組合表示為(i，j)，(i，j)∈E。每條邊的權(quán)重設(shè)置為C(i，j)，且為鄰接的節(jié)點(diǎn)i和j間的顏色差異值，其中運(yùn)算符||*||表示歐幾里得范數(shù)。

假定在RGB色彩空間中超像素區(qū)域單元節(jié)點(diǎn)i及j內(nèi)所有像素的顏色向量的平均值為及由于在CIELAB顏色空間中計(jì)算顏色差值效果更好，故c_i及c_j用及在CIELAB顏色空間中所對(duì)應(yīng)的顏色向量(L_i，a_i，b_i)及(L_j，a_j，b_j)表示，且σ為一常量參數(shù)。

具體的，在本實(shí)施例中，σ＝20。

然后，借助區(qū)域鄰接圖G(V，E)融合超像素區(qū)域單元。在進(jìn)行融合操作時(shí)，參圖3所示，各超像素區(qū)域單元用R表示，相鄰的超像素區(qū)域單元R₁及超像素區(qū)域單元R₂間的顏色差值用C(R₁，R₂)表示。

兩相鄰的超像素區(qū)域單元進(jìn)行融合要滿足足夠的條件(即本文下述的融合準(zhǔn)則Ψ)，即只有當(dāng)超像素區(qū)域單元R₁及超像素區(qū)域單元R₂互為最相似且相互鄰接時(shí)才能進(jìn)行融合。具體的，可用如下融合準(zhǔn)則Ψ確定超像素區(qū)域單元R₁及超像素區(qū)域單元R₂是否進(jìn)行融合。

具體的，該融合準(zhǔn)則Ψ的計(jì)算公式為：

其中，Ω₁及Ω₂分別是超像素區(qū)域單元R₁及超像素區(qū)域單元R₂的鄰域集合。根據(jù)融合準(zhǔn)則Ψ，僅能兩兩融合鄰接且互為最相似超像素區(qū)域單元，如此可以防止過度融合，確保多數(shù)超像素區(qū)域單元間仍然保持一定差異度，而本發(fā)明所述顯著值計(jì)算有賴于這種差異度。

在融合相似的超像素區(qū)域單元產(chǎn)生一定數(shù)量新的超像素區(qū)域單元后，用這些新超像素區(qū)域單元內(nèi)像素的平均顏色統(tǒng)一其包含像素的顏色，從而產(chǎn)生新的融合效果圖，此融合過程為我們稱之為鄰接融合，產(chǎn)生的融合效果圖定義為鄰接融合圖，用表示。

最后，基于初始融合圖，構(gòu)建全局鄰接圖G(V，E₂)。不同區(qū)域鄰接圖G(V，E)的只對(duì)空間上鄰接的超像素區(qū)域單元間進(jìn)行加邊處理，本發(fā)明通過全連通初始融合圖中所有超像素區(qū)域單元，即在所有超像素區(qū)域單元間增加邊，并用顏色差異值為邊賦予相應(yīng)權(quán)值，構(gòu)建全局鄰接圖G(V，E₂)。

基于全局鄰接圖G(V，E₂)，同樣根據(jù)上述融合準(zhǔn)則Ψ進(jìn)行區(qū)域融合，融合初始融合圖中相似的超像素區(qū)域單元產(chǎn)生一定數(shù)量新的超像素區(qū)域單元，然后同樣用這些新區(qū)域單元內(nèi)像素的平均顏色統(tǒng)一其包含像素的顏色，得到另一個(gè)融合效果圖，對(duì)于此操作過程我們稱之為全局融合，并定義融合后的效果圖為全局融合圖，用表示。通過全局融合方式，可以融合空間上并不鄰接但互為最相似的超像素區(qū)域單元，具體參圖3所示。

在本發(fā)明中，無論是鄰接融合還是全局融合，其本質(zhì)上是將內(nèi)部顏色相似的超像素區(qū)域單元?dú)w為一類，并統(tǒng)一像素顏色。

步驟S4、結(jié)合超像素區(qū)域單元間的顏色對(duì)比度、空間距離權(quán)重及背景概率權(quán)重分別在初始融合圖鄰接融合圖及全局融合圖上計(jì)算超像素區(qū)域單元的顯著值，以獲得三幅初始顯著圖。

本實(shí)施例中，用表示初始融合圖，用表示鄰接融合圖，用表示全局融合圖。三者可以用一個(gè)統(tǒng)一的公式表示為其中為超像素區(qū)域單元集合k＝1，2，3，n_k表示超像素區(qū)域單元的數(shù)量，R代表一個(gè)超像素區(qū)域單元。

本發(fā)明基于超像素區(qū)域單元間顏色對(duì)比度，同時(shí)結(jié)合空間距離及背景概率，分別在初始融合圖鄰接融合圖及全局融合圖上計(jì)算各超像素區(qū)域單元的顯著值。具體計(jì)算按如下公式：

其中，k＝1，2，3分別表示在初始融合圖鄰接融合圖及全局融合圖上進(jìn)行計(jì)算；S_k(i)表示相應(yīng)圖中超像素區(qū)域單元i的顯著值，n_k是相應(yīng)圖中超像素區(qū)域單元數(shù)量；C_k(i，j)表示在相應(yīng)圖上超像素區(qū)域單元i及j間顏色差值，即顏色對(duì)比度；P_k(i，j)表示在相應(yīng)圖上超像素區(qū)域單元i及j間的空間歐式距離，且經(jīng)過歸一化處理；表示在相應(yīng)圖上超像素區(qū)域單元j的背景概率權(quán)重。

一般地，對(duì)于超像素區(qū)域單元i，本發(fā)明定義其背景概率值的計(jì)算公式如下所示：

其中，BndCon_k(i)為超像素區(qū)域單元i在相應(yīng)圖上的邊界連通性度量值，本發(fā)明設(shè)置參數(shù)σ_BonCon＝1。其中，當(dāng)k＝1時(shí)，相應(yīng)圖為初始融合圖當(dāng)k＝2時(shí)，相應(yīng)圖為鄰接融合圖k＝3時(shí)，相應(yīng)圖為全局融合圖

參圖4所示，圖4為本發(fā)明所示各超像素區(qū)域單元的邊界連通性度量值計(jì)算的一種幾何圖形解釋。圖4中，區(qū)域A、區(qū)域B、區(qū)域C及區(qū)域D為相應(yīng)四個(gè)超像素區(qū)域單元所能擴(kuò)展的區(qū)域，區(qū)域A的邊界接觸長(zhǎng)度為2，區(qū)域面積為40(單位：像素?cái)?shù))，邊界連通性度量值為0.32。相對(duì)與區(qū)域B、C、D，區(qū)域A更有可能作為前景區(qū)域，即相應(yīng)超像素區(qū)域單元的顯著值越高。具體的，本發(fā)明各超像素區(qū)域單元的邊界連通性度量值，采用如下公式計(jì)算：

其中，d_k(i，j)是圖上超像素區(qū)域單元i與超像素區(qū)域單元j之間最短路徑長(zhǎng)度δ(·)在超像素區(qū)域單元j位于圖像邊界時(shí)取值為1，否則取值為0。n_k為超像素區(qū)域單元數(shù)量，設(shè)置參數(shù)σ_clr＝10。

本發(fā)明分別在區(qū)域融合初始融合圖鄰接融合圖及全局融合圖上，分別計(jì)算各超像素區(qū)域單元的顯著值，進(jìn)而獲得三幅初始顯著圖。

步驟S5、通過元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)三幅初始顯著圖進(jìn)行更新，得到三幅優(yōu)化顯著圖。

為進(jìn)一步提升顯著檢測(cè)效果，采用元胞自動(dòng)機(jī)優(yōu)化初始顯著圖。對(duì)計(jì)算所得的三幅初始顯著圖，分別采用元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)各超像素區(qū)域單元的顯著值進(jìn)行優(yōu)化更新。

此外，本發(fā)明設(shè)置了獨(dú)創(chuàng)的置信度矩陣，用來定義元胞自動(dòng)機(jī)的更新規(guī)則。在元胞自動(dòng)機(jī)中，每一個(gè)超像素區(qū)域單元作為一個(gè)元胞。所有的元胞均按照特定的更新規(guī)則同時(shí)更新自身狀態(tài)。

具體的，本發(fā)明中，步驟S5中的元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)初始融合圖鄰接融合圖及全局融合圖所獲得初始顯著圖進(jìn)行更新(或遍歷更新，且兩種具有等同含義)，其計(jì)算公式為：

其中，k＝1，2，3分別代表初始融合圖鄰接融合圖及全局融合圖運(yùn)算符“.”表示矩陣乘積運(yùn)算，表示當(dāng)前狀態(tài)，表示更新后的狀態(tài)。I為單位矩陣，及分別是影響因子矩陣F_k及置信度矩陣H_k。為一列向量，其各元素的取值設(shè)定為元胞的當(dāng)前顯著值。當(dāng)t＝0時(shí)，即為超像素區(qū)域單元的初始顯著值構(gòu)成的列向量，即初始狀態(tài)。優(yōu)選的，在本實(shí)施方式中，元胞自動(dòng)機(jī)的置信遺傳機(jī)制對(duì)初始顯著圖進(jìn)行15次遍歷更新，以期獲得最好的優(yōu)化效果。

本發(fā)明采用獨(dú)創(chuàng)的置信度矩陣其中設(shè)定即將h_i值取為各超像素區(qū)域單元的背景概率值。本發(fā)明設(shè)定確保置信度矩陣中的對(duì)角元素取值不至于過低，且盡量使其與背景概率值大小一致，如此也可以使得當(dāng)超像素區(qū)域單元背景概率值很高時(shí)，其當(dāng)前狀態(tài)主要由置信度矩陣決定。

本發(fā)明的置信度矩陣最終寫為

本發(fā)明通過元胞自動(dòng)機(jī)的置信遺傳機(jī)制優(yōu)化三幅初始顯著圖，得到三幅優(yōu)化顯著圖。

超像素區(qū)域單元與其鄰域內(nèi)的超像素區(qū)域單元間一般更可能具有相似的顏色和紋理。本發(fā)明擴(kuò)展各超像素區(qū)域單元的鄰接區(qū)域，使各超像素區(qū)域單元不僅與和其相鄰的超像素鄰接連通而且和與其鄰接超像素分享共同邊界的超像素區(qū)域單元間也進(jìn)行鄰接連通。另外，將圖像邊界上的任意超像素區(qū)域單元兩兩鄰接連通。然后，用如下公式定義超像素區(qū)域單元j對(duì)i的影響因子值進(jìn)而構(gòu)建上述影響因子矩陣

其中，k＝1，2，3分別表示初始融合圖鄰接融合圖及全局融合圖C_k(i，j)為兩相鄰超像素區(qū)域單元間的顏色差異值，NB_k(i)是超像素區(qū)域單元i的鄰域集合。

在本實(shí)施例中，該歸一化影響因子矩陣F_k用度矩陣其中歸一化后的影響因子矩陣改為

步驟S6、對(duì)步驟S5中的三幅優(yōu)化顯著圖執(zhí)行累加求和運(yùn)算，以獲得包含顯著性人體區(qū)域的集成顯著圖S。

在本發(fā)明中，首先對(duì)獲得的三幅優(yōu)化顯著圖采用式進(jìn)行累加求和運(yùn)算，以獲得集成顯著圖S。

其中，S_k為在相應(yīng)圖(即，當(dāng)k＝1時(shí)，相應(yīng)圖為初始融合圖當(dāng)k＝2時(shí)，相應(yīng)圖為鄰接融合圖k＝3時(shí)，相應(yīng)圖為全局融合圖如無特殊說明，本實(shí)施例中所涉及的相同部分的文字記載均為同一含義)上計(jì)算獲得的優(yōu)化顯著圖。

然后，將集成顯著圖S的灰度值歸一化到區(qū)間[0，1]，并對(duì)歸一化處理后的集成顯著圖S進(jìn)行高斯增強(qiáng)處理。該高斯增強(qiáng)處理的計(jì)算公式為：

其中，參數(shù)σ_s＝0.5。

優(yōu)選的，在本實(shí)施方式中，還在可在步驟S6執(zhí)行完畢之后，將集成顯著圖S轉(zhuǎn)換為256階灰度圖，作為最終的包含顯著性人體區(qū)域的效果圖或者檢測(cè)圖，從而可便于后期對(duì)輸入圖像中所包含的人體區(qū)域的提取，可極大提高對(duì)監(jiān)控區(qū)域30中所所含的人體區(qū)域及通過監(jiān)控區(qū)域30的行人數(shù)量。

上文所列出的一系列的詳細(xì)說明僅僅是針對(duì)本發(fā)明的可行性實(shí)施方式的具體說明，它們并非用以限制本發(fā)明的保護(hù)范圍，凡未脫離本發(fā)明技藝精神所作的等效實(shí)施方式或變更均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。

對(duì)于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無論從哪一點(diǎn)來看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化囊括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。

此外，應(yīng)當(dāng)理解，雖然本說明書按照實(shí)施方式加以描述，但并非每個(gè)實(shí)施方式僅包含一個(gè)獨(dú)立的技術(shù)方案，說明書的這種敘述方式僅僅是為清楚起見，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)將說明書作為一個(gè)整體，各實(shí)施例中的技術(shù)方案也可以經(jīng)適當(dāng)組合，形成本領(lǐng)域技術(shù)人員可以理解的其他實(shí)施方式。