[發明專利]基于五邊形搜索及五幀背景對齊的動背景視頻對象提取

有效

• 申請號: 201210398147.1
• 申請日: 2012-10-18
• 公開（公告）號: CN103051893A
• 公開（公告）日: 2013-04-17
• 發明（設計）人: 祝世平;郭智超;高潔
• 申請（專利權）人: 北京航空航天大學
• 主分類號: H04N7/26
• 分類號: H04N7/26;H04N7/32;H04N5/14;G06T7/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.應用于一種基于中心偏置的五邊形搜索及五幀背景對齊的動背景視頻對象提取，其特征在于包括以下步驟：

（1）將第K-2幀、第K-1幀、參考幀K幀、第K+1幀與第K+2幀分別分成8×8宏塊，根據紋理信息對該五幀中所有宏塊進行預判斷、篩選；

（2）對上述篩選后的宏塊采用SAD準則、基于中心偏置的五邊形搜索策略進行塊匹配，分別以第K-2幀、第K-1幀、第K+1幀與第K+2幀作為當前幀，以第K幀作為參考幀，得到該四幀相對于參考幀K幀的運動矢量場，并通過最小二乘法計算全局運動參數，獲得攝像機六參數模型；

（3）對第K-2幀進行運動補償，使第K-2幀與第K幀背景對齊，得到重建幀K-2'，按照同樣的方法對第K-1幀、第K+1幀與第K+2幀進行運動補償，使第K-1幀、第K+1幀及第K+2幀分別與第K幀背景對齊，并得到重建幀K-1'、重建幀K+1'及重建幀K+2'；

（4）對重建幀K-2'、K-1'、K+1'、K+2'及參考幀K幀分別采用Prewitt算子提取邊緣信息，并分別計算其相對于參考幀K邊緣的幀差d₁、d₂、d₃、d₄，采用最大方差閾值方法進行二值化；

（5）分別對連續五幀前兩幀和后兩幀得到的幀差二值化結果進行與運算；對得到的與運算結果采用或運算及形態學、中值濾波等進行后處理，實現動背景下視頻對象的快速有效分割。

2.根據權利要求1所述的方法，其特征在于所述步驟（1）的對于當前第K-2幀、第K-1幀、第K+1幀、第K+2幀與參考幀K幀中分成的8×8宏塊進行預判斷及篩選，具體步驟如下：

由于在下述步驟中應用最小二乘法計算全局運動參數的時候，很多誤差大的宏塊被直接刪除，如果能夠在最小二乘法運算之前將誤差大的宏塊剔除，將顯著的提高運算速度，并降低運算量。而決定宏塊誤差大小、影響計算準確性的重要因素便是宏塊的紋理信息，也就是梯度信息。本部分提出的宏塊預判斷及篩選的方法正是從宏塊的梯度信息出發，根據設定的閾值對于宏塊進行篩選抑或保留，當宏塊的信息量小于該閾值時，對該宏塊進行篩選，不作為下述步驟中參與塊匹配的宏塊；當信息量大于該閾值時，則對宏塊進行保留，作為有效特征塊參與進行下述的運動估計等運算。

其主要步驟如下：

第一步：將每一幀分成8×8子塊，經實驗證明，若采用分成16×16子塊的形式則計算量過大，若分成4×4子塊則塊匹配等方法不夠精確，故采用8×8子塊的形式；

第二步：采用Sobel算子得到每一幀的梯度圖，將梯度信息作為宏塊剔除的判斷依據；

|▿f(x,y)|=mag(▿f(x,y))=Gx2+Gy2]]>

其中表示該點的梯度信息，G_x、G_y分別表示偏導數。

第三步：計算每一個宏塊的梯度量；以8×8子塊為例，其梯度信息量為：

|▿f(x,y)8×8|=Σi=1i=8Σj=1j=8|▿f(x,y)|]]>

第四步：確定宏塊預斷的閾值，一般保留所有宏塊的40%，根據這個確定的值，對所有宏塊的梯度量進行排序，確定保留40%下宏塊篩選的最佳閾值T；

第五步：完成對于宏塊的篩選，若其梯度信息量>T，則對宏塊進行保留，作為有效特征塊參與進行下述的運動估計等運算；若其梯度信息量<T，對該宏塊進行篩選，不作為下述步驟中參與塊匹配的宏塊。