一种基于最小生成树的视频显著对象检测方法

本发明公开了一种基于最小生成树的视频显著对象检测方法，具体包括以下步骤：

1. 对输入图像进行超像素分割。
2. 计算每个超像素到边界的距离，并构造图像的最小生成树。
3. 将建立的图像最小生成树距离变换规则与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。
4. 利用建立的模糊色差直方图特征对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。
5. 对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。
6. 将检测结果结合到最终显著图中。

本发明具有以下优点： - 不受光照变化等外界干扰因素的影响。 - 能够有效且鲁棒性强地描述人体行为特征。 - 计算量小、实时性高。 - 具有较好的显著对象检测效果。

本发明公开了一种基于最小生成树的视频显著对象检测方法，包括步骤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；利用建立的模糊色差直方图特征对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；对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。本发明能够不受光照变化等外界干扰因素的影响，能够有效的、鲁棒性强的人体行为特征描述，计算量小、实时性高并有较好的显著对象检测效果。