【技术实现步骤摘要】
一种前景分割方法及系统
本专利技术涉及计算机视觉
，特别是涉及一种前景分割方法及系统。
技术介绍
对于人类来说，视觉可以说是获取日常生活信息最为重要的方式。而视频中的前景分割作为计算机视觉领域的一个基本课题，是基于视觉的跟踪、行为分析、语义分析和视频浓缩任务的基础，在智能视频监控、基于内容的视频检索、视频三维重建和图像编码中均有广泛的应用。前景分割最直接的方法就是背景差分法，即构建背景模型，将当前图像与背景模型进行差分以得到前景。而仅仅使用简单差分法进行前景分割时，由于光照等因素导致背景存在动态的变化，导致分割结果可能因为光照等因素的变化而不准确。无论是在户外还是室内，光照变化与背景中的往复运动都是前景检测任务的两大难点。传统的前景检测方法依赖于于对背景进行统计建模从而使其具有一定的鲁棒性。背景模型的好坏将直接影响前景检测的效果。基于卷积神经网络的深层神经网络模型，利用经过训练的CNN和空间中值滤波器来实现对各种视频场景的前景检测。该方法速度快，但由于基于独立帧检测前景，忽略了相邻帧的时间相关性。基于深...
【技术保护点】
1.一种前景分割方法，其特征在于，包括：/n获取待分割的视频场景图像；/n根据所述待分割的视频场景图像，采用CPB模型，得到所述待分割的视频场景图像的所有像素与支持块；每一个所述像素对应多个所述支持块；/n根据所述待分割的视频场景图像，采用分割器，得到初始前景分割掩模；/n根据所述初始前景分割掩模，采用动态选择DS策略对所述支持块进行筛选，得到筛选后的支持块集合；/n根据所述筛选后的支持块集合中每个所述支持块的相关系数，对所述支持块进行更新，得到更新后的支持块集合；/n根据所述更新后的支持块集合，采用前景匹配方法FMM，得到前景分割结果。/n
【技术特征摘要】 【专利技术属性】
1.一种前景分割方法，其特征在于，包括：
获取待分割的视频场景图像；
根据所述待分割的视频场景图像，采用CPB模型，得到所述待分割的视频场景图像的所有像素与支持块；每一个所述像素对应多个所述支持块；
根据所述待分割的视频场景图像，采用分割器，得到初始前景分割掩模；
根据所述初始前景分割掩模，采用动态选择DS策略对所述支持块进行筛选，得到筛选后的支持块集合；
根据所述筛选后的支持块集合中每个所述支持块的相关系数，对所述支持块进行更新，得到更新后的支持块集合；
根据所述更新后的支持块集合，采用前景匹配方法FMM，得到前景分割结果。
2.根据权利要求1所述的前景分割方法，其特征在于，所述根据所述待分割的视频场景图像，采用CPB模型，得到所述待分割的视频场景图像的所有像素与支持块，具体包括：
将所述待分割的视频场景图像中前n％帧中的多张图像作为训练数据集，对所述CPB模型进行训练；
采用训练好的所述CPB模型得到所述待分割的视频场景图像的所有像素与支持块。
3.根据权利要求1所述的前景分割方法，其特征在于，所述根据所述初始前景分割掩模，采用动态选择DS策略对所述支持块进行筛选，得到筛选后的支持块集合，具体包括：
根据所述初始前景分割掩模，采用所述动态选择DS策略，将属于前景区域的支持块剔除，得到筛选后的支持块集合。
4.根据权利要求1所述的前景分割方法，其特征在于，所述根据所述筛选后的支持块集合中每个所述支持块的相关系数，对所述支持块进行更新，得到更新后的支持块集合，具体包括：
获取每一个像素的支持块相关系数均值；所述支持块相关系数均值为所述像素对应的所有处于失效状态的支持块的相关系数的平均值；
判断所述支持块的相关系数是否大于所述支持块对应的像素的支持块相关系数均值，得到第一判断结果；
当所述第一判断结果表示所述支持块的相关系数大于所述支持块对应的像素的支持块相关系数均值时，将所述支持块剔除，得到更新后的支持块集合。
5.根据权利要求1所述的前景分割方法，其特征在于，所述根据所述更新后的支持块集合，采用前景匹配方法FMM，得到前景分割结果，具体包括：
获取目标像素与周围邻域范围内的前景点的相似度；
获取所述目标像素与所述更新后的支持块集合中所述目标像素对应的所有支持块的平均相似度；
判断是否满足rF＞ε*rB，得到第二判断结果；其中rF为所述目标像素与周围邻域范围内的前景点的相似度，rB为所述目标像素与所述更新后的支持块集合中所述目标像素对应的所有支持块的平均相似度，ε为设定的阈值常数；
当所述第二判断结果表示满足rF＞ε*rB时，将所述目标像素划分为前景像素集合；
当所述第二判断结果表示不满足rF＞ε*rB时，将所述目标像素划分为背景像素集合。
技术研发人员：梁栋，刘昕宇，谭晓阳，高赛，孙涵，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。