[發明專利]一種基于Fisher線性判別的動背景下視頻對象的提取方法

無效

• 申請號: 201110052400.3
• 申請日: 2011-03-04
• 公開（公告）號: CN102163334A
• 公開（公告）日: 2011-08-24
• 發明（設計）人: 祝世平;馬麗
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 成金玉

1.一種基于Fisher線性判別的動背景下視頻對象的提取方法，其特征在于實現步驟如下：

(1)將當前幀與前一幀進行塊匹配得到塊運動矢量：將第K幀，即當前幀分成若干8×8子塊，通過第K幀與第K-1幀進行塊匹配，求得第K幀的塊運動矢量；

(2)利用Fisher判別求取攝像機全局運動參數：選取步驟(1)中獲取到的第K幀兩側子塊作為特征塊，將這些子塊的運動矢量作為參數通過最小二乘法求取六參數攝像機模型，采用Fisher線性判別準則剔除外點后再通過最小二乘法求取六參數攝像機模型，直到達到設定的循環次數為止；

(3)通過全局運動補償重建當前幀：結合雙線性插值對當前幀進行全局運動補償獲取其重建幀；

(4)幀間差分提取視頻對象：將當前幀K與其重建幀K’進行差分，通過后處理后獲取視頻對象分割平面及視頻對象。

2.根據權利要求1所述的基于Fisher線性判別的動背景下視頻對象的提取方法，其特征在于：所述步驟(1)的第K幀與第K-1幀進行塊匹配采用最小絕對差(SAD)匹配準則和新三步法(NTSS)搜索策略，

最小絕對差(SAD)塊匹配準則按照如下公式計算：

SAD(i,j)=Σm=1MΣn=1N|fk(m,n)-fk-1(m+i,n+j)|]]>

其中i，j為位移量，f_k和f_k-1分別為當前幀和上一幀的灰度值，M×N為宏塊的大小，若在某一點處SAD(i，j)達到最小，則該點為要找的最優匹配點。

3.根據權利要求1所述的基于Fisher線性判別的動背景下視頻對象的提取方法，其特征在于：所述步驟(2)利用Fisher判別求取攝像機全局運動參數方法實現步驟如下：

(i)選取特征塊：

選取圖像兩側距離邊界1/15寬和高的位置為外部邊界，4/15寬和高的位置為內部邊界中的子塊作為特征塊；

(ii)最小二乘法求攝像機六參數仿射模型：

選取步驟(i)中獲取到的第K幀兩側子塊作為特征塊，將其塊匹配獲取的運動矢量代入攝像機六參數模型后，采用最小二乘法估計參數m₀、m₁、m₂、n₀、n₁、n₂，六參數仿射變換模型：可以對平移、旋轉、縮放運動進行建模，其定義如下：

x′=m0+m1x+m2yy′=n0+n1x+n2y]]>

其中m₀和n₀分別表示像素點在x和y方向的平移幅度，m₁、n₁、m₂、n₂四個參數描述了縮放和旋轉轉動；x’，y’分別為點x，y進行平移、旋轉、縮放后所對應的點；

(iii)采用Fisher線性判別準則剔除外點：

采用Fisher線性準則剔除外點的具體實現方法是：

設為某像素點在當前幀K幀中的位置，為該像素點經過塊匹配運動估計后對應到前一幀中的位置，為該像素點通過最小二乘法估計出的對應到前一幀的位置，殘差R_k定義如下：

Rk=rk(xk,yk)→=UkBlockMatch-Uk′]]>

U′_k＝H_kA′

Hk=1xkyk0000001xkyk]]>

A＝[m₀?m₁?m₂?n₀?n₁?n₂]

A＝[m′₀?m′₁?m′₂?n′₀?n′₁?n′₂]

其中A為全局運動參數的真實值，A′為全局運動參數的真實值A的估計值，是通過最小二乘法估計得到的，H為一個2×6的矩陣；

設原特征點對共有N對，分別為：{(U_kBlockMatch1，U′_k1)，…(U_kBlockMatchN，U′_kN)}，這N對特征點對的估計殘差的集合R＝{||r₁||，||r₂||，…||r_N||}，分類的目標就是要找到最佳閾值T_r，根據R將N劃分為內點和外點兩類，設閾值T＝{||r||，||r||∈R}將R分為兩部分：內點的殘差集合R_IN＝{||r_i||，||r_i||＜T}，外點殘差集合R_OUT＝{||r_i||，||r_i||≥T}，且R_IN和R_OUT滿足R_IN∪R_OUT＝R，R_IN∩R_OUT＝φ，Φ表示空集，R_IN的均值為μ_in，方差為內點的概率R_OUT的均值為μ_out，方差為外點的概率p_out＝1-p_in；根據Fisher線性判別準則，可求出內點和外點兩類的類間方差為：

σInAndOut2=pinσRin(μin-μout)2]]>

當最大時可獲得最佳分類，這時的閾值為最佳閾值，選取類間方差最大時的T為T_r，即若點對(U_kBlockMatchi，U′_ki)的殘差小于T_r，則認為該點對對應的特征點為內點；若大于等于T_r，則認為該點對對應的特征點為外點，應過濾掉，使其不能進入下一次攝像機參數模型最小二乘法的求解。