基于视觉关注度的语义对象分割研究

通常的视频对象分割往往采用空域信息与时域运动信息的融合，此类偏重于低层特征的分割方法大多存在分割性能不够高、普遍适用性差和难以满足不同用户要求等缺陷。为解决上述问题，本申请项目探索一种基于视觉关注度的语义对象分割方法。该方法首先提出一种广义的视觉关注度模型，试图将基于低层特征的分割发展至将时空融合分割与视觉关注的高层语义分割相结合的语义对象分割方法，以扩大对象分割的适用范围和增强分割的可靠性。并提出了将基于能量排序的种子点选择与高斯混合模型相结合的种子区域生长方法，以提高对象的自动分割性能和易于后续帧中的模型更新。在此基础上，还提出一种简捷的交互式分割方法，它可修正、控制上述自动对象分割所得的结果，以满足不同用户的个性化要求，扩大对象分割的应用领域。预计本项目的研究成果能应用于智能视频监控、视频编辑、人脸检测和识别、基于对象的视频检索以及人机交互等领域。