亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種光照敏感的視頻運動目標(biāo)分割方法與流程

文檔序號:11627962閱讀:373來源:國知局
一種光照敏感的視頻運動目標(biāo)分割方法與流程

本發(fā)明涉及計算機視覺及圖像處理領(lǐng)域,尤其涉及一種光照敏感的視頻運動目標(biāo)分割方法。



背景技術(shù):

作為圖像視頻處理中最為活躍的研究課題之一,視頻目標(biāo)提取一直受到很多相關(guān)研究者的關(guān)注。視頻目標(biāo)分割,旨在將圖像序列中前景運動目標(biāo)分割提取出來。合理的視頻運動目標(biāo)分割結(jié)果,是很多其他任務(wù),包括目標(biāo)檢測識別、視頻壓縮以及機器人視覺等進一步視頻編輯處理應(yīng)用的工作基礎(chǔ),能夠更加高效率地應(yīng)用計算機的資源,也進一步促進了這些研究的發(fā)展。

對于視頻前景運動目標(biāo)提取算法,現(xiàn)有的流行技術(shù)和算法一般都是基于運動估計方法的,即在圖像序列中預(yù)測運動目標(biāo)的位置,以此作為后面優(yōu)化的依據(jù)和基礎(chǔ)。一般的優(yōu)化方法,包括對目標(biāo)建立適當(dāng)?shù)哪P?,包括表面模型、位置模型等;或者利用物體運動的時空線索,即空間的邊緣和時間維度上的運動預(yù)測,通過時空一致性來優(yōu)化前景目標(biāo)輪廓;再或者在過分割或顯著性檢測的基礎(chǔ)上加以優(yōu)化。然而,這些方法大多對于急劇的光照變化或者由于陰影變化導(dǎo)致的物體表面光滑不夠敏感,算法的魯棒性低。同時,由于物體快速運動,或者攝像頭快速運轉(zhuǎn)導(dǎo)致的大位移也是對運動目標(biāo)提取的巨大挑戰(zhàn)。另外,基于模型優(yōu)化的算法處理一幀往往需要十秒左右的時間,而基于幾何模型或者時空一致性優(yōu)化的算法的執(zhí)行時間會更長,時間效率不夠高。

有鑒于此,如何設(shè)計一種新穎的視頻前景目標(biāo)算法,以改善或消除現(xiàn)有的上述缺陷,使視頻前景目標(biāo)分割準(zhǔn)確率更高,是業(yè)內(nèi)相關(guān)技術(shù)人員亟待解決的一項課題。



技術(shù)實現(xiàn)要素:

針對現(xiàn)有技術(shù)中的視頻運動目標(biāo)分割方法所存在的上述缺陷,本發(fā)明提供了一種光照敏感的視頻運動目標(biāo)分割方法,能夠在光照變化和大位移的情況下保持魯棒性。

依據(jù)本發(fā)明的一個方面,提供了一種視頻運動目標(biāo)分割方法,包括以下步驟:

輸入原始視頻,將所述原始視頻分為若干圖像序列分別處理,對于每個圖像序列,預(yù)先計算每幀圖像的osf的值;

在前兩幀中,利用osf優(yōu)化的變分模型計算出前幾幀間的光流場,并在此基礎(chǔ)上進行優(yōu)化獲取前景目標(biāo)區(qū)域,通過腐蝕和膨脹處理,在目標(biāo)輪廓附近區(qū)域獲取前景和背景種子點;

將鄰域內(nèi)累加osf作為一個局部描述子,并以此來追蹤前景目標(biāo),根據(jù)目標(biāo)平移矢量來更新前景和背景種子點位置;

對每個種子點,在其鄰域中尋找與之osf距離最短的像素點,進行位置更新,以適應(yīng)物體形變;

將osf引入到圖切割中,通過最小化相似能量以及像素間優(yōu)先能量的加權(quán)和,根據(jù)更新后種子點的監(jiān)督,來分割前景目標(biāo)。

上述對視頻前景運動目標(biāo)提取的算法包括:輸入原始視頻,將所述原始視頻分為若干圖像序列分別處理,對于每個圖像序列,預(yù)先計算每幀圖像的osf的值。將輸入圖像轉(zhuǎn)化為二維圖像,計算圖像上每個像素點的鄰域像素強度對其影響,即每個像素對應(yīng)一個矢量,記錄了周圍像素在每個槽上對該像素的累加貢獻值,該貢獻值是隨著像素間距離的增加而指數(shù)級遞減的;以左右方向為例,將二維圖像重新標(biāo)號,轉(zhuǎn)化為一維圖像,記像素p上歸一化的osf矢量為:

其中p為圖像的像素點總數(shù),α是衰減因子;|p-q|代表轉(zhuǎn)化后的一維圖像上像素p和q間的空間距離;由于需要計算共八個方向像素的貢獻值,,將原圖像按照不同方向重新標(biāo)號為一維圖像,計算出各自方向上對應(yīng)的部分osf值,那么定義像素點p的osf值為:

其中,表示從上、下、左、右、左上、左下、右上和右下八個方向計算出的部分歸一化osf值,且初值均為0,θ為計算的方向;從而我們可以定義一個新的局部描述子,用來衡量兩個塊的距離:

其中n′p(b)是待匹配塊中對應(yīng)位置的歸一化osf值,塊的大小為m×n,b是槽的個數(shù),該局部描述子是局部內(nèi)所有像素上osf的累加和。

預(yù)計算完osf后,在此基礎(chǔ)上計算前兩幀間光流。其中edesc是匹配項,描述了原塊w和候選塊w1的相似度:

其中,ω代表圖像鄰域,如果像素p上有osf描述子,δ(p)為1,否則為0;w1(p)表示對應(yīng)的矢量,定義魯棒函數(shù)ψ,計算方法是用來處理碰撞的凸函數(shù),而反映了匹配項的權(quán)重,反映了像素p和矢量w1對應(yīng)的像素上的osf的距離;從而獲得前兩幀間的稠密光流,并以此為基礎(chǔ)獲取前景目標(biāo)區(qū)域。

在獲取前景目標(biāo)區(qū)域的基礎(chǔ)上,分別對前景輪廓進行腐蝕和膨脹處理,分別在腐蝕和膨脹區(qū)域中均勻地選取種子點;種子點的個數(shù)應(yīng)該是人工事先確定的,根據(jù)實驗背景種子點個數(shù)設(shè)置為前景種子點個數(shù)的1.2倍較為合適。

每處理完一幀后,需要在下一幀中更新種子點位置,種子點更新包括了兩個步驟,先追蹤前景目標(biāo),根據(jù)目標(biāo)位移給每個種子點疊加目標(biāo)位移矢量;再對每個更新后的前景和背景種子點進行更新,在鄰域內(nèi)選取與該點osf差異最小的點,并平移到該點的位置上;定義為第i幀的種子點p,li為第i幀的前景目標(biāo)位置,ω是種子點在鄰域內(nèi)第二次更新時用戶定義的鄰域邊長,那么種子點更新應(yīng)為:

其中q=p+(u,v),u和v是從的整數(shù),表示種子點更新時的偏移矢量,是第i幀中點q的osf值。

將提出的osf引入到圖切割中,在種子點的監(jiān)督下完成前景分割。對于一張圖其中是像素集,ε是邊集,把前景分割看作為能量最優(yōu)問題,該能量是相似能量e1和優(yōu)先能量e2的加權(quán)和:

其中η是權(quán)值參數(shù)。對于每個像素xp∈{前景(=1),背景(=0)};將圖像使用k-means算法進行聚類,根據(jù)聚類內(nèi)前景種子點和背景種子點個數(shù),來確定該聚類屬于前景或是背景;那么對于像素點p,其到前景的距離定義為p到所有前景聚類的顏色均值的距離最小值,像素點p到背景的距離定義為p到所有背景聚類的顏色均值的距離最小值;e1(xp)定義為像素p到各個聚類的距離最小值;如果像素點p在前景種子點上,那么p從屬于前景的相似能量e1(xp=1)=1,從屬于背景的相似能量e1(xp=0)=0;如果像素點p在背景種子點上,那么p從屬于前景的相似能量e1(xp=1)=0,且從屬于背景的相似能量e1(xp=0)=1;若像素p在未知區(qū)域內(nèi),

e2(p,q)定義為像素點p和q的不匹配能量函數(shù):

其中,dis(p,q)表示二維圖像上p和q的空間距離。

附圖說明

讀者在參照附圖閱讀了本發(fā)明的具體實施方式以后,將會更清楚地了解本發(fā)明的各個方面。其中,

圖1是本發(fā)明光照敏感的視頻運動目標(biāo)分割方法的流程圖;

圖2是提出的八方向敏感濾波器(osf)的計算方法和迭代解釋;

圖3是位置敏感直方圖和osf分別作為局部描述子,周圍像素的貢獻值演示圖;

圖4是視頻運動目標(biāo)提取的輪廓圖;

具體實施方式

為了使本申請所揭示的技術(shù)內(nèi)容更加詳盡與完備,可參照附圖以及本發(fā)明的下述各種具體實施例,附圖中相同的標(biāo)記代表相同或相似的組件。然而,本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解,下文中所提供的實施樣例并非用來限制本發(fā)明所涵蓋的范圍。此外,附圖僅僅用于示意性地加以說明,并未依照其原尺寸進行繪制。

下面參照附圖,對本發(fā)明各個方面的具體實施方式作進一步的詳細(xì)描述。本發(fā)明的視頻目標(biāo)分割方法的硬件條件為,cpu頻率2.50ghz,內(nèi)存4g的pc,軟件工具為visualstudio2010,opencv2.4.3和matlab2014b。

(2-1)輸入原始視頻,將視頻分為若干圖像序列分別處理,對于每個圖像序列,預(yù)先計算每幀的八方向敏感濾波器(octagon

sensitivefilter)。將二維的圖像轉(zhuǎn)換為一個一維圖像,計算每個像素點的鄰域像素強度對其的影響,即每個像素對應(yīng)一個矢量,記錄了周圍像素在每個槽(bin)上對該像素的累加貢獻值;以左右方向為例,將二維圖像重新標(biāo)號,轉(zhuǎn)化為一維圖像,記像素p上歸一化的osf矢量為:

其中p為圖像的像素點總數(shù),α是衰減因子;|p-q|代表轉(zhuǎn)化后的一維圖像上像素p和q間的空間距離;由于需要計算共八個方向像素的貢獻值,,將原圖像按照不同方向重新標(biāo)號為一維圖像,計算出各自方向上對應(yīng)的部分osf值,那么定義像素點p的osf值為:

其中,表示從上、下、左、右、左上、左下、右上和右下八個方向計算出的部分歸一化的值,且初值均為0,θ為計算的方向。

(2-2)從而我們可以定義一個新的局部描述子,用來衡量兩個塊的距離:

其中n′p(b)是中對應(yīng)位置的歸一化osf值,塊的大小為m×n,該局部描述子是局部內(nèi)所有像素上osf的累加和。

(3)預(yù)計算完osf后,在此基礎(chǔ)上計算前兩幀間光流。其中edesc是匹配項,描述了原塊w和候選塊w1的不相似度:

其中,如果像素p上有osf描述子,δ(p)為1,否則為0;w1(p)表示對應(yīng)的矢量,是用來處理碰撞的凸函數(shù),而反映了匹配項的權(quán)重,反映了像素p和矢量w1對應(yīng)的像素上的osf的距離;從而獲得前兩幀間的稠密光流,并以此為基礎(chǔ)獲取前景目標(biāo)區(qū)域。

(4)在獲取前景目標(biāo)區(qū)域的基礎(chǔ)上,分別對前景輪廓進行腐蝕和膨脹處理,分別在腐蝕和膨脹區(qū)域中均勻地選取種子點;種子點的個數(shù)應(yīng)該是人工事先確定的,根據(jù)實驗背景種子點個數(shù)設(shè)置為前景種子點個數(shù)的1.2倍較為合適。

(5)每處理完一幀后,需要在下一幀中更新種子點位置,種子點更新包括了兩個步驟,先追蹤前景目標(biāo),根據(jù)目標(biāo)位移給每個種子點疊加目標(biāo)位移矢量;僅僅依賴追蹤,很難使種子點對物體形變、旋轉(zhuǎn)等維持在合適位置,因此要再對每個更新后的種子點進行更新,在鄰域內(nèi)選取與該點八方向敏感濾波器osf差異最小的點,并平移到該點上;定義為第i幀的種子點p,li為第i幀的前景目標(biāo)位置,ω是種子點更新時的鄰域邊長,那么種子點更新應(yīng)為:

其中q=p+(u,v),u和v是從的整數(shù),表示種子點更新時的偏移矢量,是第i幀中點q的osf值。

(6)將提出的八方向敏感濾波器引入到圖切割中,在種子點的監(jiān)督下完成前景分割;對于一張圖其中v是像素集,ε是邊集,把前景分割看作為能量最優(yōu)問題,該能量是相似能量e1和優(yōu)先能量e2的加權(quán)和:

其中η是權(quán)值參數(shù);對于每個像素xp∈{前景(=1),背景(=0)};將圖像使用k-means算法進行聚類,根據(jù)聚類內(nèi)前景種子點和背景種子點個數(shù),來確定該聚類屬于前景或是背景;那么對于像素點p,其到前景的距離定義為p到所有前景聚類的顏色均值的距離最小值,像素點p到背景的距離定義為p到所有背景聚類的顏色均值的距離最小值;e1(xp)定義為像素p到各個聚類的距離最小值;如果像素點p在前景種子點上,那么p從屬于前景的相似能量e1(xp=1)=1,從屬于背景的相似能量e1(xp=0)=0;如果像素點p在背景種子點上,那么p從屬于前景的相似能量e1(xp=1)=0,且從屬于背景的相似能量e1(xp=0)=1;若像素p在未知區(qū)域內(nèi),

e2(p,q)定義為像素點p和q的不匹配能量函數(shù):

其中,dis(p,q)表示二維圖像上p和q的空間距離。如果當(dāng)前處理的幀是輸入圖像序列的最后一幀,則處理下一幀,并返回步驟(2);否則算法結(jié)束。

上文中,參照附圖描述了本發(fā)明的具體實施方式。但是,本領(lǐng)域中的普通技術(shù)人員能夠理解,在不偏離本發(fā)明的精神和范圍的情況下,還可以對本發(fā)明的具體實施方式作各種變更和替換。這些變更和替換都落在本發(fā)明權(quán)利要求書所限定的范圍內(nèi)。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1