一种结合窗口评分与超像素组合的物体位置预估方法与流程

技术特征：

1.一种结合窗口评分与超像素组合的物体位置预估方法，其特征是在RGB-D图像上先使用现有窗口评分方法获得初始的物体边界框，接着采用超像素表示图像，在超像素表示的基础上确定物体边界框调整的弹性范围，再采用超像素组合方法对边界框进行调整，最终获得物体位置预估结果。

2.根据权利要求1所述的一种结合窗口评分与超像素组合的物体位置预估方法，其特征是包括以下步骤：

1)利用窗口评分方法获取图像中的初始物体边界框；

2)采用超像素表示图像，确定初始物体边界框调整的弹性范围：

2.1)对于RGB-D图像，根据其颜色通道的信息将其表示为一组超像素S＝{s₁，s₂，...，s_n}；

2.2)对于初始物体边界框b_k，定义为完全被b_k所包含的一组超像素，为完全不被b_k所包含的一组超像素，为剩余的与b_k相交的一组超像素，作为物体边界框调整的弹性范围；

3)采用超像素组合方法对初始物体边界框进行调整：

3.1)将中的每个超像素s_i距中的任一超像素的最短中心距离作为其权重ω(s_i)，然后根据ω(s_i)由小到大来选择超像素构成将作为调整时的参照，中的超像素数量满足如下的公式：

$\frac{1}{\mathrm{\λ}}\left|S_{in}^{b_k}\right|\≤\left|{\hat{s}}_{out}^{b_k}\right|\≤\mathrm{\λ}\left|S_{in}^{b_k}\right|$

λ是一个范围参数，取λ＝1.5；

3.2)对于每一个处于弹性范围的中的超像素s_m，分别计算它与与中超像素的相似度，用于决定它是否应该被包含在边界框内，所述相似度同时使用RGB-D图像的颜色通道与深度通道来进行度量；

3.3)根据3.2)计算得到的相似度，当且仅当中的超像素与的超像素在颜色通道与深度通道的相似度均大于对应的与的超像素的相似度时，把该超像素合并入划分为完全被边界框所包含的超像素，得到调整后的完全被边界框所包含的超像素集

3.4)根据3.3)对超像素的划分结果，调整初始物体边界框b_k，使之变为集合中的所有超像素最小闭包，即得到新的物体边界框得到最终的物体位置预估结果B^*：

$B^{*}=B\∪\left\{{\tilde{b}}_k\right|\∀b_k\∈Band\∀b_k\≠{\tilde{b}}_k\}$

其中B是步骤1)得到的初始物体位置预估结果。

3.根据权利要求2所述的一种结合窗口评分与超像素组合的物体位置预估方法，其特征是步骤3.2)所述相似度的计算为：

sim^c( )指在HSV空间内两个超像素的平均颜色相似度，sim^d( )指两个超像素深度相似度；为s_m与中超像素的颜色相似度，为s_m与中超像素的深度相似度，为s_m与中超像素的颜色相似度，为s_m与中超像素的深度相似度。