摘要：針對車載視覺行人目標分割由于復雜場景對行人目標的分割結果產生干擾而出現信息冗余以及錯誤分割的問題,提出一種粗細粒度超像素行人目標分割算法。該算法以MaskR-CNN作為粗粒度一次分割,將所得結果經Slic超像素細粒度二次分割,融合兩次輸出結果來提高現有圖像目標的分割精度,為行人目標識別和跟蹤提供有益先驗感知信息。經仿真驗證,該算法能夠對復雜背景情況下的圖像進行有效分割,MSCOCO標準公開集測試結果與原有MaskR-CNN檢測算法相比,mAP提高0.71%,為圖像識別和計算機視覺系統完成精準的預處理,具有較強的工程應用價值。