【技术实现步骤摘要】
一种视频图像目标的智能化分割方法
本专利技术属于智能视频监控分析
，尤其是涉及一种视频图像目标的智能化分割方法。
技术介绍
与静态图像相比，数字视频序列图像提供了更丰富的信息。通过对多帧图像的分析，获得从单幅图像中不能得到的信息。随着计算机视觉技术的发展，视频分析技术应用越来越广泛，视频对象分割是视频分析系统中的关键技术之一，主要应用于基于对象的视频编码、基于内容的视频检索、智能监控、交互式视频娱乐等方面。目前的视频对象分割方法有以下几种：运动估计视频对象分割：是指先使用光流场等方法估计运动参数，寻找满足运动模型的像素连通域，再合并各连通域得到分割结果。由于实际监控视频中遮挡性、多光源、透明性和噪声等原因，光流场基本方程的假设条件经常得不到满足。并且，由于光流计算方法相对复杂，计算量大，不能满足实时性的要求。交互式视频对象分割：是利用人工监督来辅助进行分割的方式，即人工为视频图像绘制粗略的初始分割区域，再运用基于时空和运动的信息进行分割。交互式视频对象分割的应用比较受限，实时性较差。时域空域视频...
【技术保护点】
1.一种视频图像目标的智能化分割方法，其特征在于：采用背景模型建立阶段和前景检测阶段交替进行的方式，包括如下步骤：/n步骤1：设监控视频的帧率为fFPS，帧序号为n，T
【技术特征摘要】
1.一种视频图像目标的智能化分割方法，其特征在于：采用背景模型建立阶段和前景检测阶段交替进行的方式，包括如下步骤：
步骤1：设监控视频的帧率为fFPS，帧序号为n，T1和T2分别为背景模型建立阶段和前景检测阶段的周期；
当1≤n≤T1f时，为建立背景模型建立阶段；
当T1f≤n≤(T1+T2)f时，为前景检测阶段；
步骤2：将像素xn＝(R，G，B)的像素值由RGB颜色空间转换到YUV颜色空间，得到亮度分量Yn和两个色差分量Un、Vn，转换公式如下：
步骤3：建立基于像素值时间序列聚类的背景模型，包括：
计算待检测像素与聚类中心的亮度距离和色差距离；
确定阈值；
寻找与待检测像素匹配的聚类中心；
若存在匹配的聚类中心，则将待检测像素归为聚类中心代表的类别，并更新聚类中心；若不存在匹配的聚类中心或聚类中心集合为空集，则创建一个新的聚类中心，同时更新其他聚类中心；
对背景建模周期内的视频帧重复执行上述步骤；
滤除最大连续未获匹配时间长度超过阈值的聚类中心，得到聚类中心集合的背景模型，背景模型建立阶段结束，转到步骤4；
步骤4：前景检测阶段，包括：
在背景模型中寻找与待检测像素匹配的聚类中心；
若存在匹配的聚类中心，则视待检测像素为背景，并更新背景模型；
若不存在匹配的聚类中心，则视待检测像素为前景；
对前景检测周期内的视频帧重复执行上述步骤；
前景检测阶段结束，转到步骤3。
2.如权利要求1所述的一种视频图像目标的智能化分割方法，其特征在于：
所述步骤3，具体包括：
参数初始化：n＝1，L＝0，其中L表示背景模型中聚类中心的数目，对帧号从1到T1f的每一帧图像进行以下循环操作：
(i)计算亮度距离和色差距离；
亮度距离为：YUV空间中的两像素色差距离等于一个像素到过另一个像素且与Y轴平行的直线的垂线段的长度；
色差距离为：YUV空间中的两像素亮度距离等于它们的亮度分量的比值与1的差的绝对值；
设待检测像素xm与背景模型聚类中心ci的连线与Y轴平行，则它们的U、V分量分别相等，亮度距离f1为：
色差距离f2为：
f2(xm，ci)＝0(3)
待检测像素x′m与聚类中心ci的亮度距离f1为：
色差距离f2为：
(ii)确定阈值：
选取固定摄像机在一个时间段内的监控视频，并从视频图像中选取固定的三个像素位置A、B、C作为采样点，每5分钟记录一次各采样点的像素值并转换到YUV空间。设采样点A的像素值序列为(Yj，Uj，Vj)，j＝1，2，...，M，聚类中心的像素值为通过求极值方式求解公式(6)、(7)，即可确定采样点A的聚类中心
A点处亮度距离阈值的计算公式为：
A点处色差距离阈值的计算公式为：
同理，可根据采样点B、C的像素值序列计算采样点B、C处的亮度阈值和色差阈值d1B、d2B、d1C、d2C。进一步，得到亮度距离阈值d1和色差距离阈值d2：
(iii)寻找与xn匹配的聚类中...
【专利技术属性】
技术研发人员：林欣郁，邹建红，张毅，高元荣，陈米思，肖晓柏，朱含杉，陈华辉，陈思添，谢月萍，
申请(专利权)人：福建省星云大数据应用服务有限公司，
类型：发明
国别省市：福建;35
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。