一种基于边界提取的运动分割的边界连接方法技术

一种基于边界提取的运动分割的边界连接方法。它是根据我们所定义的三条规则和两个基本定义，将运动分割结果中的被断开的边界，沿着Canny边界路径连接起来的方法。该方法能够使分割出来的分段的、不连续的物体边界连接成为一个整体，并且不会有很大的计算量，有利于基于模型的运动分割向实际应用进一步发展。

【技术实现步骤摘要】

本专利技术用于在运动分割之后，把分割结果中断开的物体边界连接起来。本方法是我们最近所提出的基于边界提取的运动分割方法的后处理步骤，属于计算机视觉领域。目前主要应用于小区或宾馆等公共场所的智能监控系统，随着技术的进步，今后还可进一步用于其它民用或军用监视设施之中。
技术介绍
运动分割的主要目的是为了准确地得到摄像头所拍摄的场景中正在运动的物体的轮廓或边界，从而对该物体进行跟踪，或对该物体的行为进行识别，是目前智能监控及安全监视系统的基础。目前，由于良好的可靠性和算法的可扩展性，人们广泛地采用基于模型的分割方法作为运动分割的基本方法。基于模型的运动分割方法的基本步骤一般是首先建立运动物体区域模型，然后需要通过统计模式识别的方法对模型参数进行估计，接着，再在参数估计的基础上进行运动分割。目前而言，以上步骤是一个不断地反复迭代过程，直到算法最后收敛。基于模型的方法中，模型参数的估计是一个迭代过程，这个过程通常有很大的计算量。而且，基于模型的方法需要对整个图像进行搜索，这一步骤也同样意味着大的计算量，图像尺寸越大，计算量就越大，同时这也意味着非常耗时。另外，基于模型的方法由于遮挡问题难以解决，所以往往不能够给出精确的物体边界。此外，基于模型的方法对光流场的计算准确性要求较高，然而目前仍然缺少对光流场准确性的验证方法。由于以上原因， 所以，到目前为止，基于模型的运动分割方法仍然不能达到实用性的要求。鉴于以上问题， 我们提出了一种全新的基于边界提取的运动分割方法，该方法仍然建立在运动模型的基础上，但是对光流场的准确性要求不高，并且，不需要在整个图像范围内进行搜索估计，所以具有很快的运算速度。另外，由于方法建立在边界提取的基础之上，所以能够准确地得到物体边界，从而可以解决基于模型的方法中的遮挡问题。根据我们的方法，基于模型的运动分割所需的计算量极少，已经可以向实用性迈出一大步。我们所提出的基于边界提取的运动分割方法中的主要问题就是由于背景噪声的存在，以及物体本身某些部位有时运动不明显，从而使分割出来的物体边界产生了不连续性。本专利的主要目的就是采用各种规则，将这些不连续的边界连接起来，从而得到较为完整的运动物体边界，同时，不能有太大的计算量。
技术实现思路
本专利技术的内容是将基于边界提取的运动分割方法所得到的不连续边界连接起来，从而获得运动物体的较为完整的边界，并且计算量不能太大。本专利技术的另一个内容是，在连接边界的基础上，去除分割结果中由噪声等因素引起的残留边界，同时也不需要太大的计算量，为基于边界提取的运动分割方法向实用性继续迈进。在以上两个内容的配合使用下，所产生的有益效果是1.能够使运动分割过程迅速完成，并能够得到相对完整的运动物体边界；2.将运动的物体与噪声分离开来，从而使运动分割的结果不会受到噪声的干扰；3.由于分割过程非常快速，所以能够将本专利技术初步用于智能监控系统中对感兴趣目标的监视跟踪过程；4.由于本专利技术是面向实用的，从而为基于模型的运动分割方法在实用方面提供了一个可行的解决方案。本专利的具体实时方式如下在以前的研究中，我们根据基于边界提取的运动分割方法，可以快速得到视频序列中运动物体的边界，如附图说明图1、2所示。由于世界上物体的运动往往不是刚体运动，所以当某些部分有明显运动时，其它的部分则有可能是不动或仅仅作微小的运动，这就造成了对这部分的运动分割将不能得到物体边界，也就是说，物体的运动分割边界会在这里断开。另外，由于各种噪声的影响，还会在分割结果中出现一些不应该出现的边界，而这些边界都与运动物体无关。在本专利技术中，我们主要致力于解决以上两个问题。这两个问题分别被示于图2 中的圆圈I和圆圈2中。为了解决以上两个问题，我们在这里首先提出以下定义(1)POB :断掉的物体边界上的像素；(2)PBO :噪声边界像素；(3)POB-边界断掉的边界；(4)PBO-边界噪声产生的边界；(5)P-边界由基于边界提取的运动分割方法所得到的所有边界。而本专利技术的目的就是在所有的P-边界中，连接POB-边界，并尽可能去除PBO-边界。经过大量的研究，我们发现，P-边界应具有以下特性(1)PBO-边界通常是一些短的、孤立的边界；(2)两条相邻的PBO-边界的距离通常较长；(3)POB-边界通常较短；(4)物体的“真正的”边界往往较长；(5)两条“真正的”边界之间的距离往往较短。在此，我们给出上文所述的“距离”的定义。由于我们的运动分割方法是建立在 Canny边界算子的基础上的，如图I所示，所以，无论是PBO-边界还是POB-边界都属于 Canny边界。这样，如果我们想要连接两个位于边界上的像素的话，我们就需要沿着Canny 边界去连接它们。为此，我们定义边界上两个像素之间的“距离”为两个位于边界上的像素之间的Canny边界上的像素的个数。我们称这个“距离”为Canny-距离(或C-距离)。为了连接物体上的两条断开的边界，我们还需要作如下定义当有两条断开的边界时，设其中一条边界的长度为Hl1，另一条边界的长度为Hl2，则这两条边界之间存在万有引力G，G的值满足如下公式(O其中，g称为万有引力常数，d则为两条边界之间的C-距离。根据以上定义，我们就可以定义以下边界连接规则(1)对于两条P-边界，如果它们之间的C-距离小于阈值L，则它们应该沿着Canny边界连接在一起；(2)如果两条P-边界之间的距离大于阈值L，则应该计算它们之间的万有引力G。如果 G大于阈值GT，则它们之间相互吸引，应该把它们沿着Canny边界连接在一起；如果G小于阈值GT，则它们之间不能相互吸引，所以就不连接它们；(3)对于所有已经连接的边界，如果其中一条的长度大于阈值LT，那么它应该是一条POB-边界，应该把它保留下来；如果这条边界的长度小于阈值LT，那么它应该是一条 PBO-边界，应该把它丢弃。根据以上规则，我们就可以对运动分割的结果进行连接了。但是，对于一些噪声较大的情况，只是这样单纯的连接仍然会有一些PBO-边界残留下来。为了解决这一问题，我们提出了双阈值分割方法。在进行运动分割的过程中，我们用以下公式来对边界像素两边的区域运动的异同进行检测A1)(2)其中A1和A2分别为边界两边区域的运动参数向量，M为加权矩阵。当D(x, y)大于阈值 DK时，边界属于运动物体，否则，边界属于背景。这里，我们可以得到以下假设如果一个边界的量测D(x,y)远远大于其它边界的量测，则这条边界比其它边界更可能属于“真正的”边界。我们称这个假设为L-D假设。在本专利中，我们采用双阈值分割方法,即设定两个阈值DKH和DKL,用这两个阈值对两帧连续图像各进行一次分割。这样，我们会得到两个分割结果，用阈值DKH分割的结果称为DKH边界，用DKL分割的结果称为DKL边界。当我们把DKH设定的较高时，根据L-D 假设，我们就可以得到以下结论所有的DKH边界都是“真正的”边界。这样我们就可以发现DKH边界的特点就是所有的边界都是“真正的”边界，而DKL边界的特点则是所有的边界都较长。这样，在我们进行连接时，我们用DKH边界作为边界连接的起点，而连接的过程则按照DKL边界来进行。这样做的好处是首先最大可能地消除了 PBO像素，其次连接过程更加可靠。权利要求1.，是我们所提出的基于边本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：龙翔，吴晓青，
申请(专利权)人：龙翔，吴晓青，
类型：发明
国别省市：