一种采用Snake轮廓模型的视频对象跟踪分割方法.pdf

(19)中华人民共和国国家知识产权局*CN102129691A*(12)发明专利申请(10)申请公布号CN102129691A(43)申请公布日2011.07.20(21)申请号201110068610.1(22)申请日2011.03.22(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)发明人祝世平马丽(74)专利代理机构北京科迪生专利代理有限责任公司11251代理人成金玉(51)Int.Cl.G06T7/20(2006.01)G06T5/00(2006.01)权利要求书3页说明书7页附图6页(54)发明名称一种采用Snake轮廓模型的视频对象跟踪分割方法(57)摘要一种采用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，本发明克服了手动绘制初始轮廓的缺点，而且精确度高，速度快。CN10296ACCNN110212969102129699A权利要求书1/3页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。2.根据权利要求1中所述的采用Snake轮廓模型的视频对象跟踪分割方法，其特征在于：所述步骤(6)更新控制点到新的轮廓点原则为：如果控制点i处的能量不是Step5中计算出来的最小能量点：当最小能量点在初始轮廓矩形内，则将控制点更新为最小能量点；当最小能量点不在初始轮廓矩形内，则计算梯度图中与当前控制点i的欧氏距离最近的点，然后将控制点更新为与其欧氏距离最近的点。如果控制点是最小能量点，则不需更新。3.根据权利要求1中所述的