[發(fā)明專利]基于運動顯著圖和光流矢量分析的動態(tài)背景目標分割方法

有效

• 申請?zhí)枺?/td>: 201710168104.7
• 申請日: 2017-03-21
• 公開（公告）號: CN106952286B
• 公開（公告）日: 2019-09-06
• 發(fā)明（設計）人: 崔智高;李愛華;蔡艷平;徐斌
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/207
• 代理公司: 長沙星耀專利事務所(普通合伙) 43205
• 代理人: 許伯嚴

1.一種基于運動顯著圖和光流矢量分析的動態(tài)背景目標分割方法，其特征在于，包括以下步驟：

S1、基于灰度投影的運動顯著圖獲取：

S11、采用運動顯著圖來獲取運動目標的大致區(qū)域，具體是指在水平和垂直兩個方向上對圖像像素的灰度值進行投影，從而把二維圖像轉換為兩條一維特性曲線；

S12、對鄰近幀圖像的特性曲線進行相關計算，得到鄰近幀圖像之間的運動平移量；

S2、基于光流矢量的目標像素點計算：

S21、借助鄰近幀之間的光流場獲得運動目標和背景區(qū)域的運動邊界；

S22、利用運動邊界對運動顯著圖進行分析，從而得到運動目標內(nèi)部精確的像素點；

S3、基于置信度的超像素分類：

S31、利用SLIC算法獲得視頻序列的超像素集合；

S32、對置信度較高的超像素進行分類；

S33、對置信度較低的超像素進行分類；

所述步驟S2具體為：

設F_t(i,j)為第t幀圖像位置為(i,j)處的光流矢量，為其對應的光流梯度幅值，則可得到一個邊界強度系數(shù)B_t(i,j)∈[0,1]

其中λ為將邊界強度系數(shù)B_t(i,j)控制在0至1范圍內(nèi)的參數(shù)；由于運動目標與背景區(qū)域邊界處的光流矢量梯度幅值差異較大，因此可將強度系數(shù)B_t(i,j)較大的像素點確定為二者的運動邊界；在得到運動目標和背景區(qū)域的大致邊界后，本發(fā)明進一步計算運動顯著圖中像素與運動邊界的交點，從而得到運動目標內(nèi)部精確的像素點；具體做法是：

步驟1：對視頻序列的每幀圖像，利用步驟S1得到運動顯著圖，通過設定一個較小閾值T1得到大致的運動目標區(qū)域

步驟2：利用公式(1)得到該幀圖像對應的邊界強度系數(shù)，同樣通過設定一個較小閾值T2得到運動目標和背景區(qū)域的大致運動邊界

步驟3：將中的每個像素點向上、下、左、右四個方向引出射線，并計算每條射線與運動邊界的交點數(shù)目，若交點數(shù)目為奇數(shù)，則判斷該點在運動邊界內(nèi)部，否則，判斷該點在運動邊界外部；

步驟4：統(tǒng)計中每個像素4個方向引出射線與運動邊界交點為奇數(shù)的射線數(shù)目，若超過2個，則認為該點屬于運動目標內(nèi)部的像素點。

2.根據(jù)權利要求1所述的一種基于運動顯著圖和光流矢量分析的動態(tài)背景目標分割方法，其特征在于，步驟S1具體為：

設P_t(i,j)為第t幀圖像中位置為(i,j)處的像素值，那么該幀圖像在x和y方向的特征曲線和可表示為

其中W和H分別表示當前幀圖像的寬度和高度；為了準確估計鄰近幀圖像在x和y方向上的平移量dx和dy，按下式計算匹配度量函數(shù)

其中l(wèi)為鄰近幀圖像之間的間隔幀數(shù)；顯然在鄰近幀圖像中，由于大部分圖像內(nèi)容是相同的，因此其特性曲線也基本相似，但由于攝像機運動導致了圖像的整體移動，導致其對應的特性曲線會產(chǎn)生平移，并且當平移量估計正確時，特性曲線的匹配度量函數(shù)應該取得最大值，因此可計算得到平移量的估計值和

根據(jù)上述平移量的估計值，可計算得到第t幀圖像的運動顯著圖S_t(i,j)

3.根據(jù)權利要求1所述的一種基于運動顯著圖和光流矢量分析的動態(tài)背景目標分割方法，其特征在于，步驟S3具體為：

設第t幀圖像獲得的超像素集合為V_t，則本步驟的目標就是對每個超像素v_t,i進行分類，即v_t,i∈{f,b}，其中f代表目標超像素，b代表背景超像素；

然后對置信度較高的超像素進行分類；置信度用于衡量超像素與步驟S2獲得的目標內(nèi)部像素點的符合程度，即如果超像素v_t,i中包含已獲得的目標內(nèi)部像素點的比例h_t,i大于某個大的閾值T3，則可認為該超像素具有很高的置信度屬于運動目標，同理若h_t,i小于某個小的閾值T4，則可認為該超像素具有很高的置信度屬于背景，從而可將置信度較高的超像素分類為目標超像素和背景超像素，如下式所示

最后對置信度較低的超像素進行分類；置信度較低的超像素是指目標內(nèi)部像素點的比例h_t,i介于閾值T3和T4之間的歧義超像素；為了對這些超像素進行分類，本發(fā)明從置信度較高超像素中隨機抽樣20％的像素點，并以這些點構建運動目標和背景的統(tǒng)計模型，最后通過估計歧義超像素與統(tǒng)計模型的符合程度，實現(xiàn)對置信度較低超像素的分類，如下式所示

上式中，A(v_t,i|c)表示歧義超像素v_t,i屬于背景或運動目標的概率，|v_t,i|和n分別表示歧義超像素中像素點和采樣像素點的數(shù)目，和w_k分別表示歧義超像素中像素點和采樣像素點的特征向量。