基于形心跟踪和改进GVF Snake的视频对象轮廓提取方法.pdf

(19)中华人民共和国国家知识产权局*CN103218830A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103218830103218830A(43)申请公布日2013.07.24(21)申请号201310116699.3(22)申请日2013.04.07(71)申请人北京航空航天大学地址100191北京市海淀区学院路37号(72)发明人祝世平高洁(51)Int.Cl.G06T7/20(2006.01)权权利要求书5页利要求书5页说明书10页说明书10页附图7页附图7页(54)发明名称基于形心跟踪和改进GVFSnake的视频对象轮廓提取方法(57)摘要本发明公开了一种基于形心跟踪和改进GVFSnake的视频对象轮廓提取方法，该方法的特征在于：根据短时间内相邻帧的运动趋势相似的前提，将视频序列分成若干小段，每段有k帧视频，取段内的前两帧为关键帧，通过基于t显著性检验的变化检测消除背景边界的影响，获取初始运动区域；提取临界四边形作为关键帧的初始轮廓，进行帧内GVFSnake演变，搜索精确轮廓，然后以关键帧帧间运动对象轮廓形心间的运动矢量来预测后续帧的初始轮廓，再进行后续帧帧内GVFSnake精确轮廓定位；以此类推，实现所有帧的对象轮廓提取。改进模型采用4方向各项异性扩散并采用下降速度较快的保真项系数来增强其进入凹陷的能力，且保持对弱边界的收敛。该方法克服了手动获取初始轮廓的缺点。CN103218830ACN10328ACN103218830A权利要求书1/5页1.一种基于形心跟踪和改进GVFSnake的视频对象轮廓提取方法，该视频对象轮廓提取方法的特征在于：根据短时间内相邻帧的运动趋势相似的前提，将视频序列首先分成若干个小段，每段有k帧视频图像，选取段内的前两帧为关键帧；通过基于t显著性检验的变化检测方法消除背景边界的影响，并获取初始运动变化区域；取初始运动变化区域的临界四边形作为关键帧内GVFSnake的初始轮廓，然后进行帧内GVFSnake演变，搜索精确轮廓；而后根据关键帧间运动对象形心间的运动矢量来预测勾勒后续帧的初始轮廓，再在此基础上进行帧内GVFSnake演变实现精确轮廓定位；以此类推，从而实现所有帧的视频对象轮廓提取；改进的GVFSnake模型采用4方向各项异性扩散并采用下降速度较快的保真项系数来增强GVFSnake进入凹陷的能力，且保持对弱边界的收敛。该视频对象轮廓提取方法的具体步骤如下：步骤一：变化检测应用于关键帧初始运动变化区域的提取。首先，利用每段前三帧的两幅帧差图像进行t显著性变化检测，获取帧差图像时，设定图像中像素值未变化区域的值为0，像素值变化区域的绝对值大于0。然后，对帧差图像中的每个像素点邻域进行t显著性变化检测，从而准确判断该像素点是否属于视频对象，继而获取初始运动变化区域；步骤二：对获取的初始运动变化区域进行逐行逐列检测获取初始运动变化区域的四个临界点，并以这四个点构造临界四边形，作为关键帧内改进的GVFSnake的初始轮廓；步骤三：应用改进的GVFSnake于获取的关键帧的初始轮廓，迭代演变得到关键帧的精确轮廓；步骤四：求取精确轮廓的精确形心，并获取轮廓形心间的运动矢量；步骤五：根据获取的运动矢量应用形心跟踪方法获得非关键帧的初始形心和初始轮廓；步骤六：应用改进的GVFSnake于非关键帧的初始轮廓，以获取非关键帧的精确轮廓；步骤七：重复步骤四-步骤六获得后续非关键帧的精确轮廓；步骤八：重复步骤一-步骤七于下一分段小组直至视频序列结束，最终获取整个视频序列中运动对象的精确轮廓。2.根据权利要求1中所述的一种基于形心跟踪和改进GVFSnake的视频对象轮廓提取方法，其特征在于：所述步骤一的初始运动变化区域的获取：对每段前三帧的两幅帧差图像进行t显著性变化检测。获取帧差图像时，设定图像中像素值未变化区域的值为0，像素值变化区域的绝对值大于0并在帧差图像中设为255。然后，对帧差图像中的每个像素点邻域进行t显著性变化检测，从而准确判断该像素点是否属于该帧的视频对象，继而获取初始运动变化区域，具体步骤如下：设视频序列灰度化后第n帧为Fn(x,y)。视频序列内每帧图像噪声记为Nn(x,y)方差记为故可将视频序列中第n帧灰度图像Fn(x,y)表示为：其中为视频图像的实际值。根据上式，可得帧差图像：设D(x,y)=Nn(x,y)-N(n-1)(x,y)，其中Nn(x,y)与N(n-1)(x,y)是概率密度相同并且相互独立2CN103218830A权利要求书2/5页的随机变量，故D(x,y)仍为加性零均值高斯噪声随机变量，方差为由于各个像素点的噪声是互相独立的，如果窗内所有不为零的帧差值都是由噪声引起的，这些值的均值μ应该为零，所以根据概率论知识进行假设检验，设位置(x,y)为背景（即零