[發明專利]一種基于低秩稀疏表達的視頻多目標分割方法

在審

• 申請號: 201710188168.3
• 申請日: 2017-03-27
• 公開（公告）號: CN106952287A
• 公開（公告）日: 2017-07-14
• 發明（設計）人: 顧菘;何先定;葛劍;王磊
• 申請（專利權）人: 成都航空職業技術學院
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/11;G06T7/194
• 代理公司: 成都正華專利代理事務所(普通合伙)51229
• 代理人: 李蕊

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于低秩稀疏表達的視頻多目標分割方法。

背景技術

視頻目標分割技術就是將視頻中既定目標的輪廓抽取出來，它作為圖像的預處理過程被廣泛應用在行為識別、動作估計、目標識別與跟蹤系統中，它是計算機視覺領域中一個備受關注且發展迅速的領域，特別在行為識別中得到了廣泛的應用。目前大多數人體行為識別方法都是對單人行為進行識別。系統可以識別的動作類型只局限于簡單的幾個動作，如跑步、行走和跳躍等。但是在真實場景中，更加經常出現的是交互行為，如打架和握手等。而交互行為的識別一般也是通過對目標檢測和跟蹤，簡單行為的識別，并且結合上下文信息進行推理。這里對目標的檢測與跟蹤通常為多目標的檢測和分割。

對視頻中目標的分割通常被認為是一個二分類的問題，其中待分割的目標表示前景，通常用1表示；而其它部分表示背景，通常用0表示。視頻目標分割的關鍵在于時間一致性和空間一致性的表達。時間一致性描述了在連續幀中目標的相似性，空間一致性描述了在一幀圖像中目標與背景的分辨能力。目前國內外很多算法幾乎都利用了目標的運動估計作為重要的分割特征。這樣，運動估計造成的誤差會嚴重影響分割的效果。

現有技術中已有基于低秩稀疏表達的目標精細輪廓跟蹤方法，此方法沒有利用目標的運動估計，而直接提取圖像目標與背景特征，達到了良好的分割效果。但所述方法僅為單目標的分割，很大程度上限制了其應用領域。如果將所述方法進行簡單的拷貝，從而實現多目標的分割，這樣會由于待分割目標數目的增加而造成計算量的增加。

發明內容

本發明所要解決的技術問題是提供一種基于低秩稀疏表達的視頻多目標分割方法，該方法具有計算復雜度低，分割精度高的特點，特別適用于視頻圖像中多目標在線分割。

本發明解決上述技術問題的技術方案如下：

一種基于低秩稀疏表達的視頻多目標分割方法，包括以下步驟：

(1)使用SLIC算法將視頻中第一幀圖像分割成N個超級像素s；

(2)提取每個超級像素的L2ECM特征，并建立圖像特征矩陣X；

(3)在已知第一幀圖像中目標輪廓的情況下，將第一幀圖像中所有超級像素s的L2ECM特征進行重新排列，建立模板D，其中

D＝[D^O1 D^O2 D^O3 ... D^Oi D^b]，其中D^oi表示模板中第i個目標特征，D^b表示背景特征；

(4)從視頻中第t幀圖像開始，根據特征矩陣X求解第t幀圖像通過模板D的低秩稀疏表達系數矩陣Z,其中，t＝2,3，…；

(5)根據前一幀圖像的目標信息，分別計算當前幀圖像中每個目標的高級語義特征；

(6)結合高級語義特征和低秩稀疏表達系數矩陣Z，計算每個目標的顯著性概率分布f_s(I_i)；

(7)根據前一幀分割的結果，在YUV空間中分別建立目標與背景的顏色直方圖，得到第j個目標的表觀特征概率分布函數f_c(u_i)；求解視頻中當前圖像的各像素之間的相關性ψ(u_i，u_j，I_i，I_j)：

(8)根據目標的顯著性概率分布f_s(I_i)、表觀特征概率分布函數f_c(u_i)和像素之間的相關性ψ(u_i，u_j，I_i，I_j)構造能量函數模型E(u)，利用能量最小化方程分別對每個目標進行分割，得到目標區域和背景區域的最優分割結果；

(9)利用得到的目標區域和背景區域來更新模板D，并更新t＝t+1,返回步驟(4)，處理視頻中下一幀圖像，直到視頻結束。

本發明的有益效果是：本發明從視頻中目標的本質特性去分析，得到了視頻前后兩幀之間目標和背景的關系，能夠應用在大多數場景下，該方法不是對單目標分割算法的簡單復制，而是通過對分割模板的選擇，將多個目標建立在同一個模板矩陣中，在不增加計算復雜度的情況下實現對多目標顯著性分割特征的一次性計算，減少了計算時間；在目標顯著性特征建立過程中嵌入高級語義特征，能夠更好地抑制計算誤差，提高了目標分割的精度。