基于形状传递联合分割和图匹配校正的轮廓跟踪方法.pdf

(19)中华人民共和国国家知识产权局*CN103218827A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103218827103218827A(43)申请公布日2013.07.24(21)申请号201310093489.7(22)申请日2013.03.21(71)申请人上海交通大学地址200240上海市闵行区东川路800号(72)发明人熊红凯朱青祥(74)专利代理机构上海汉声知识产权代理有限公司31236代理人郭国中(51)Int.Cl.G06T7/20(2006.01)G06T5/00(2006.01)权权利要求书2页利要求书2页说明书5页说明书5页附图2页附图2页(54)发明名称基于形状传递联合分割和图匹配校正的轮廓跟踪方法(57)摘要本发明涉及一种基于形状传递联合分割和图匹配校正的轮廓跟踪方法，该方法在形状传递联合分割部分，将形状预测图与原始图像视频帧相结合，借助位置坐标的重定位，提出新的图模型构造方法，并构建新的能量优化函数对图模型进行联合分割。图匹配校正部分，对当前图像的分割结果与前一帧图像的分割结果进行图匹配，当图匹配的结果不能满足该限制条件时，调整形状传递联合分割中能量函数的权重参数，校正分割结果的不准确。本发明可以有效提高视频中目标物体轮廓跟踪的准确率。CN103218827ACN103287ACN103218827A权利要求书1/2页1.一种基于形状传递联合分割和图匹配校正的轮廓跟踪方法，其特征在于：形状传递联合分割：将形状预测图与原始图像视频帧相结合，借助位置坐标的重定位，构造新的图模型，并构建新的能量优化函数对图模型进行联合分割;图匹配校正：对当前图像的分割结果与前一帧图像的分割结果进行图匹配，当图匹配的结果不能满足该限制条件时，调整形状传递联合分割中的权重参数，校正分割结果的不准确。2.根据权利要求1所述的基于形状传递联合分割和图匹配校正的轮廓跟踪方法，其特征是，具体包括如下步骤：步骤一，对输入视频流的前两帧进行待跟踪目标物体的人工标定，明确需要跟踪的目标物体的位置和形状，在之后的轮廓跟踪过程中，不需要其他任何的人工干预；步骤二，输入下一帧视频图像，如果视频结束则终止；否则初始化设定图分割能量函数中权重参数λC的值，使得λC＝2；步骤三，将前两帧图像的分割结果作为输入，分别计算得到坐标重定位和形状预测图；步骤四，借助坐标重定位数值，结合当前的视频图像帧与形状预测图得到形状传递的图模型；步骤五，根据构建的能量函数，进行能量最小化优化，对步骤四中得到的图模型进行联合分割；步骤六，对当前图像的分割结果与前一帧图像的分割结果进行图匹配，如果当前图像分割结果的图匹配能量函数值满足相应的限制条件，则转到步骤二，继续下一帧图像的轮廓跟踪；否则增加权重参数λC的值，转到步骤五，重新进行图模型联合分割。3.根据权利要求1或2所述的基于形状传递联合分割和图匹配校正的轮廓跟踪方法，其特征是，所述的形状预测图，具体的生成方法为：将前两帧图像的分割结果作为输入，重复进行膨胀腐蚀操作，从而得到形状预测图。4.根据权利要求1或2所述的基于形状传递联合分割和图匹配校正的轮廓跟踪方法，其特征是，所述的图模型，具体的构建方法为：借助坐标重定位数值决定形状预测图与原始图像之间相结合的位置坐标，顶点集合包括原始图像帧中的像素节点和形状预测图中的像素节点，边集合包含原始图像帧中属于邻域像素节点之间的边，形状预测图中属于邻域像素节点之间的边以及连结原始图像帧中的像素顶点与形状预测图中的像素顶点的边。5.根据权利要求1或2所述的基于形状传递联合分割和图匹配校正的轮廓跟踪方法，其特征是，所述的能量函数，其公式如下：E(f)＝εD(f)+εR(f)+εSD(f)+εSR(f)+λCεC(f)其中：能量函数的第一项是原始图像帧的数据项εD，它测量了所有在原始图像中的像素属于前景和背景的概率；能量函数的第二项是原始图像帧的正则项εR，主要是用来惩罚两个相邻的像素点，它们都属于原始图像帧却被标号为不同的种类；第三项能量项是基于形状预测图的像素灰度εSD，如果位于目标对象中心位置附近的像素点被分割为背景时会受到一个很大的惩罚，反之如果远离目标对象中心的像素点被分割为前景时也会受到一个很大的惩罚；第四项是用来限制形状预测图的分割结果的平滑性εSR，如果在形状预测图中相邻的两个像素点被分割为两个不同的分类时，那么一个惩罚函数基于他们坐标重定位2CN103218827A权利要求书2/2页像素的灰度值差就会生效，从而惩罚这种情况的发生；最后一个能量项是交叉项εC，也是构造的能量函数中最重要的一项，交叉项将形状预测图与原始图像连接了起来。6.根据权利要求5所述的基于形状传递联合分割和图匹配校正的轮廓跟踪方法，其特征是，所述的能量函数，具体的构建方