一种采用Snake轮廓模型的视频对象跟踪分割方法，采用时空融合的方式，在时域通过分段帧间形心矢量预测的方式进行Snake轮廓粗定位，然后在空域采用改进后的Snake贪婪方法由初始轮廓演变得到视频对象的精确轮廓。具体地，在时域，将视频序列划分成每四帧一组的分割小组，选取组内前两帧为关键帧，其初始轮廓为通过运动变化检测得到的运动区域的外接矩形，而第三、四帧的初始轮廓是由前一帧的精确轮廓与前两帧的运动矢量投影映射得到的。在空域，在轮廓点迭代更新时考虑到了误差较大的情况，将不可能的轮廓点进行及时剔除。相比于传统方法，本发明专利技术克服了手动绘制初始轮廓的缺点，而且精确度高，速度快。
【技术实现步骤摘要】
本专利技术涉及一种视频对象提取中的处理方法，特别涉及一种采用Snake轮廓模型 的视频跟踪分割方法。
技术介绍
利用视频对象跟踪技术来生成视频对象平面(VOP)的方法，不但能够提高分割结 果的精度，而且符合MPEG-4基于内容的图像表示方式。其实质是利用前一帧的分割结果 在当前帧寻找到对象的最佳匹配位置。目前，国内外也涌现出一些基于对象跟踪的视频分割的方法。视频对象跟踪通常 采用模型匹配，主要做法有以下几类把在当前帧中分割出的对象轮廓根据运动信息投影 到下一帧，作为下一帧中运动对象分割的初始轮廓，再结合其它特征在空域内进行精细匹 配跟踪；或者把当前帧中的对象轮廓与下一帧中提取的粗轮廓沿图像进行匹配，以便确定 跟踪的对象；或者根据当前帧中对象的特征合并下一帧中分割的各个区域从而得到跟踪 的对象。常用的方法有基于HausdorfT距离的跟踪(参见张晓波，刘文耀.基于块仿射分 类和HD跟踪的视频分割方法,计算机应用研究，2008，25 ) :1084-1086)、基于卡尔 曼滤波的跟踪(参见张贝贝，肖国强，江建民.基于运动估计的Kalman滤波视频对象跟踪 .计算机应用，2008，观(8) :2052-2054)、基于区域的跟踪、基于网格的匹配跟踪(参见 冯远，黄凤岗，苏菡，王桐.一种基于二维网格的自动视频对象分割及跟踪方法.哈尔 滨工程大学学报，2003，MG) =449-452)和基于变形模板的跟踪(参见Sii jun Sun, David R. Haynor,Yongmin Kim. Semiautomatic video object segmentation using VSnakes. IEEE Transactions on Circuits and Systems for Video Technology,2003,13 (1) 75-82)等。张晓波采用基于块仿射分类和HD跟踪的视频分割方法，自动得到运动对象的二 值模型并在随后帧中使用Hausdorff距离进行跟踪，将视频对象运动分为慢变和快变两部 分，分别结合背景边缘模型进行匹配更新，分割效果较好，但是计算较为复杂。李兵(参见 李兵，须德，王方石.一种基于对象跟踪的视频分割算法.北京交通大学学报.2005， 29(5) :89-91)利用运动信息，对目标进行跟踪，通过初始帧的精确模板，自动对后续图像 进行分割，但是该方法需要通过手动绘制关键帧的初始粗轮廓，而且在对象变形较大时会 失效。宋立锋(参见宋立锋，韦岗，王群生.一种半自动分割视频对象的方法.华南理 工大学学报，2002，30 (8) :49-54)模板匹配形成一个闭环来限制后继帧的分割结果，从而 避免在对象跟踪过程中分割误差向后不断传递、扩大，精度较高，但仍需手动勾勒初始视频 序列的第一帧，无法实现自动快速的分割。可以看出，采用视频对象跟踪的难点在于如何建立前后帧之间运动对象的对应匹 配关系。另外，如何在保证跟踪分割精度的前提下，实现自动快速的分割也是需要继续研究 的重点方向。
技术实现思路
本专利技术要解决的技术问题是克服现有技术的不足，提供一种采用Snake轮廓模 型的视频跟踪分割方法，在时域实现对各帧运动对象初始轮廓的自动、准确的定位；在空域 通过Snake贪婪方法将初始轮廓快速、准确地演变到运动对象的实际精确轮廓。本专利技术解决其技术问题所采用的技术方案采用Snake轮廓模型的视频跟踪分割 方法，包括以下具体步骤步骤1 对空域Snake贪婪方法进行改进。步骤2 以四帧F” F2、F3、F4为一分割小组，将原始视频序列划分成若干组)，选取 F1^ F2为关键帧，Fp F2进行帧间差分得CDM1，F2, F3进行帧间差分得CDM2，对关键帧进行运 动变化检测，获取运动对象的大致位置，并求出运动区域的外接矩形作为关键帧的初始轮 廓，分别为 Recti, Rect2。步骤3 对FpF2灰度图像进行高斯滤波后进行Sobel边缘检测，然后分别在F1I2 内采用改进的贪婪方法以前面得到的初始轮廓、边缘梯度图为输入进行迭代演变，如果没 有达到指定的迭代数目或轮廓变动数目小于指定值则继续迭代，若符合条件得到Fp F2运 动对象的精确轮廓。步骤4 分别计算Fp F2运动对象的精确轮廓的形心Posl，Pos2,并计算这两个形 心间的运动矢量(MV_lto2. χ，MV_lto2. y)。步骤5 投影映射得到非关键帧F3、F4的初始轮廓。步骤6 对非关键帧F3、F4灰度图像进行高斯滤波后进行Sobel边缘检测，然后分 别在F3、F4内采用改进的贪婪方法以前面得到的初始轮廓、边缘梯度图为输入进行迭代演 变，得到F3、F4运动对象的精确轮廓。步骤7 将下一个分割小组转入步骤2开始新一轮的分割，直至所有帧分割完毕。本专利技术的原理(1)空域Snake贪婪方法的改进在更新控制点到新的轮廓点时，考虑到了新的轮 廓点与初始轮廓的位置关系对轮廓演变的影响，剔除了超出初始轮廓之外的轮廓点，将与 当前轮廓点欧式距离最近的梯度边缘点作为新的轮廓点；(2)时域分段帧间形心矢量预测采用运动变化检测获取关键帧运动对象大致的 运动区域；找到运动区域的外接矩形，并计算其形心位置；计算相邻帧形心间的运动矢量； 投影映射得到非关键帧的初始轮廓。由于视频帧间具有很强的时间冗余性，因此短时间内相邻帧的运动趋势的差异比 较小，即运动的速度及方向基本不变。如果将视频序列分成较小的帧组，可以由前几帧的运 动矢量，及时准确地预测当前帧的运动对象的大致位置。根据短时间内相邻帧的运动趋势差异相似的前提，可以将视频序列首先分成若干 个小段，每段有k帧视频，选取段内的前两帧为关键帧，通过运动检测的方式自动得到这两 帧中运动对象的大致区域，然后进行帧内Snake演变，搜索精确轮廓，最后以关键帧间运动 对象形心的运动矢量来预测勾勒后续帧的初始轮廓，再在此基础进行帧内Snake精确轮廓 定位，从而实现所有帧的视频对象分割。本专利技术与现有技术相比所具有的优点在于(1)本专利技术由于采用了时域分段帧间形心矢量预测的方式，能自动地准确地定位各帧运动对象的初始轮廓，克服了 Snake轮廓演变中需要手动绘制初始轮廓的缺点。(2)本专利技术在空域对Snake贪婪方法进行了改进，因此提取视频对象速度更快、精度更高。(3)实验证明，本专利技术方法成功地实现了前后帧之间运动对象的对应匹配关系，并 通过改进后的Snake贪婪方法得到了精确的分割结果。附图说明图1是本专利技术采用Snake轮廓模型的视频跟踪分割方法的流程图；图2是采用本专利技术改进的Snake贪婪方法进行迭代求解的实验过程；其中(a)表 示原始帧的初始轮廓(细线)；(b)表示迭代10次后的轮廓线(粗线)；(c)表示迭代22次 后的轮廓线(粗线)；(d)表示迭代30次后的最终提取到的精确轮廓线(粗线)；图3是BlueBox视频序列前8帧采用本专利技术方法提取到的轮廓结果(细线为自动 定位的初始轮廓，粗线为提取到的精确轮廓线)；其中(a)表示BlueBox视频序列第1帧的 提取结果；(b)表示BlueBox视频序列第2帧的提取结果；(c)表示BlueBox视频序列第3 帧的提取结果；⑷表示BlueBox视频序列第4帧的提取结果；(e)表示Bl本文档来自技高网...
【技术保护点】
１．一种采用Ｓｎａｋｅ轮廓模型的视频对象跟踪分割方法，其特征在于实现步骤如下：步骤１：以四帧Ｆ１、Ｆ２、Ｆ３、Ｆ４为一分割小组，将原始视频序列划分成若干组，选取Ｆ１、Ｆ２为关键帧，Ｆ１、Ｆ２进行帧间差分得ＣＤＭ１，Ｆ２、Ｆ３进行帧间差分得ＣＤＭ２，对Ｆ１、Ｆ２进行运动变化检测，获取运动对象的大致位置，并求出运动区域的外接矩形作为Ｆ１、Ｆ２的初始轮廓，分别为Ｒｅｃｔ１，Ｒｅｃｔ２；步骤２：对Ｆ１、Ｆ２的灰度图像进行高斯滤波后进行Ｓｏｂｅｌ边缘检测，然后分别在Ｆ１、Ｆ２内采用改进的贪婪方法通过步骤１得到的初始轮廓、边缘梯度图为输入进行迭代演变，如果没有达到指定的迭代数目或轮廓变动数目小于指定值则继续迭代，若符合条件则得到Ｆ１、Ｆ２运动对象的精确轮廓；步骤３：分别计算Ｆ１、Ｆ２运动对象的精确轮廓的形心Ｐｏｓ１，Ｐｏｓ２，并计算这两个形心间的运动矢量（ＭＶ＿１ｔｏ２．ｘ，ＭＶ＿１ｔｏ２．ｙ）；步骤４：投影映射得到非关键帧Ｆ３、Ｆ４的初始轮廓；步骤５：对非关键帧Ｆ３、Ｆ４灰度图像进行高斯滤波后进行Ｓｏｂｅｌ边缘检测，然后分别在Ｆ３、Ｆ４内采用改进的贪婪方法通过步骤４得到的初始轮廓、边缘梯度图为输入进行迭代演变，得到Ｆ３、Ｆ４运动对象的精确轮廓；步骤６：将下一个分割小组转入步骤１开始新一轮的分割，直至所有帧分割完毕；所述改进的Ｓｎａｋｅ贪婪方法的实现步骤如下：（１）对于每个控制点ｉ，在它的Ｍ邻域查找最大和最小梯度值Ｇｒａｎｄｍａｘ，Ｇｒａｎｄｍｉｎ；（２）计算控制点ｉ及其邻近点的曲率项能量Ｅｃｕｒｖａｔｕｒｅ（ｉ）、Ｅｃｕｒｖａｔｕｒｅ＿ｍａｘ、连续性能量Ｅｃｏｎｔｉｎｕｉｔｙ（ｉ）、Ｅｃｏｎｔｉｎｕｉｔｙ＿ｍａｘ及内部梯度能量ＥｇｒａｎｄＩｎｔｅｒ（ｉ）；（３）规范化能量值，具体公式如下：Ｅｃｕｒｖａｔｕｒｅ（ｉ）＝Ｅｃｕｒｖａｔｕｒｅ（ｉ）／Ｅｃｕｒｖａｔｕｒｅ＿ｍａｘＥｃｏｎｔｉｎｕｉｔｙ（ｉ）＝Ｅｃｏｎｔｉｎｕｉｔｙ（ｉ）／Ｅｃｏｎｔｉｎｕｉｔｙ＿ｍａｘＥｇｒａｎｄＩｎｔｅｒ（ｉ）＝（Ｇｒａｎｄ（ｉ）－Ｇｒａｎｄｍｉｎ）／（Ｇｒａｎｄｍａｘ－Ｇｒａｎｄｍｉｎ）；（４）计算每个控制点ｉ的总能量，具体如下：Ｅｓｎａｋｅ（ｉ）＝α×Ｅｃｏｎｔｉｎｕｉｔｙ（ｉ）＋β×Ｅｃｕｒｖａｔｕｒｅ（ｉ）－γ×ＥｇｒａｎｄＩｎｔｅｒ（ｉ）；（５）按照步骤（１）－步骤（４）的步骤，同样计算该控制点ｉ附近Ｍ邻域的各个点的总能量并找出包括ｉ能量在内的Ｍ×Ｍ个点的总能量的最小值；（６）更新控制点到新的轮廓点；（７）处理下一个控制点ｉ＋１，直到轮廓中的所有控制点全部访问完为止；（８）统计移动的控制点的比例Ｔｈ及循环的次数ｎ，若有一个达到预先设定的值，则终止循环，否则从首个控制点开始，重新转入步骤（１）进行搜索。...
【技术特征摘要】
【专利技术属性】
技术研发人员：祝世平，马丽，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
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。