融合超像素分割与码本模型的目标检测算法

凡时财，曾祥峰，周 雪，邹见效，徐红兵



融合超像素分割与码本模型的目标检测算法

凡时财，曾祥峰，周 雪，邹见效，徐红兵

(电子科技大学自动化工程学院, 电子科技大学信息生物学研究中心 成都 611731)

针对码本模型在前景目标检测中的效率有待进一步提高的现状，提出了融合超像素分割的码本构建算法。为减小处理对象的规模，设计了按照颜色及空间相似度聚类原始像素点的思路。以超像素作为码本构建单元，有利于抑制局部噪声并降低码本的冗余度。实验结果表明，融合超像素分割的码本模型算法在保持前景目标检测准确性的情况下，能显著减少视频处理过程中的内存消耗以及提高视频帧处理效率，在基于DM6437的嵌入式处理平台上达到了实时处理的性能。

码本模型; 检测效率; 嵌入式处理平台; 目标检测; 超像素分割

前景目标检测是计算机视觉领域最基础的研究课题之一，其检测效果对视频图像的后期处理质量有着极为重要的影响。目前较为主流的检测方法包括帧间差分法[1-2]、光流法[3-4]和背景减除法[5-6]，其中，背景减除法最为常用。

背景减除法的核心任务是构建准确性高、适应性强的背景模型。高斯(含混合高斯)背景建模法通过对每个像素进行高斯统计建模，能够较好地刻画背景的统计特性并能对环境噪声有较强的适应能力。但其不足在于因复杂度高导致的大运算量以及多参数的求解问题[7-8]，因此处理高分辨率视频流的时间消耗较大。……