專利名稱：基于雙模板匹配和邊緣細(xì)化的頭肩序列圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像壓縮技術(shù)領(lǐng)域，涉及一種基于雙模板匹配和邊緣細(xì)化的頭肩序列圖像分割方法。
背景技術(shù)：
頭肩視頻是在可視電話和視頻會(huì)議應(yīng)用中常見(jiàn)的典型的頭肩像模型。其主要特點(diǎn)是1)攝象頭與背景的位置相對(duì)固定，背景在圖像序列中靜止不動(dòng)；幻背景相對(duì)簡(jiǎn)單，不包含復(fù)雜紋理特征，且與前景物體之間有較明顯的灰度差別；3)圖像中只包含唯一的運(yùn)動(dòng)對(duì)象，或相互沒(méi)有交叉重疊的多個(gè)主運(yùn)動(dòng)對(duì)象。主運(yùn)動(dòng)對(duì)象內(nèi)可以包含小的子運(yùn)動(dòng)物體，如眼睛、嘴巴，見(jiàn)

圖1、圖4，并且運(yùn)動(dòng)對(duì)象往往運(yùn)動(dòng)比較緩慢或只有局部的微小運(yùn)動(dòng)。雖然目前針對(duì)頭肩序列分割的研究不多，但由于頭肩序列是視頻電話、視頻會(huì)議等視頻應(yīng)用場(chǎng)合的典型序列，同時(shí)頭肩序列具有其特殊的特征和運(yùn)動(dòng)特點(diǎn)，所以對(duì)其進(jìn)行分割方法的研究是十分有必要的。目前，由于專門針對(duì)頭肩序列進(jìn)行的分割屬于一種特定的應(yīng)用，在實(shí)際應(yīng)用中都是采用人為分割或半自動(dòng)分割。Huitao Luo在2003年提出了一種基于模型的頭肩序列分割算法，該算法至今都是在有關(guān)頭肩分割文獻(xiàn)中具有典型代表的算法。該算法包括兩個(gè)過(guò)程初始化過(guò)程和跟蹤過(guò)程。初始化過(guò)程的目的是發(fā)現(xiàn)頭肩前景目標(biāo)和建立前景模型，它的邏輯過(guò)程如圖加所示，在初始階段，背景模型被建立，當(dāng)前景目標(biāo)進(jìn)入時(shí)，系統(tǒng)監(jiān)測(cè)到模型的變換并分析前景的大小、速度和形狀判斷頭肩前景的可能性；當(dāng)正確的頭肩前景被發(fā)現(xiàn)，前景模型被建立并進(jìn)入到跟蹤循環(huán)中。在跟蹤過(guò)程中，如圖2b所示，區(qū)域分割的主要步驟是像素分類、形態(tài)學(xué)濾波和斑點(diǎn)區(qū)域生長(zhǎng)，每個(gè)斑點(diǎn)區(qū)域都使用Kalman濾波器來(lái)進(jìn)行跟
S示ο下面對(duì)該算法中的幾個(gè)重要環(huán)節(jié)作以介紹背景模型和前景模型頭肩序列中的前景指的是頭肩區(qū)域。定義每個(gè)像素的特征矢量(x，y，Y，U，V)，其中(x，y)表示像素坐標(biāo)，Y，U，V分別表示像素的亮度、色度和飽和度。在典型的頭肩序列中，假定鏡頭是靜止的，并且背景不存在快速的變化。背景像素的色度分布在平面(『，V*)中屬于高斯分布，這里『=~化+()，壙=￥/化+(3) (c是一個(gè)較小的常數(shù))。定義背景像素的特征矢量的均值和方差分別為Hitl和Q。在分割過(guò)程中，模型參數(shù)Hltl通過(guò)兩步不斷的更新。在發(fā)現(xiàn)前景對(duì)象時(shí)，建立前景模型，前景模型與背景模型是一樣的。建立形狀模型建立形狀模型需要對(duì)形狀進(jìn)行特征進(jìn)行量化并建立概率模型。形狀的快速量化設(shè)計(jì)是為了滿足實(shí)時(shí)性的要求，其過(guò)程是在垂直方向前景區(qū)域被分成N個(gè)條狀區(qū)域，每個(gè)條狀區(qū)域的水平中心和帶寬之間的距離被測(cè)量形成了 2N維數(shù)的特征矢量。根據(jù)上述量化算法，頭肩形狀集合Ω在整個(gè)形狀集合中被看作是呈高斯分布。設(shè)其均值矢量為V，協(xié)方差矩陣為Σ，給定形狀矢量為ν = ν+ν，其條件概率函數(shù)為
權(quán)利要求
1.一種基于雙模板匹配和邊緣細(xì)化的頭肩序列圖像分割方法，其特點(diǎn)在于，該方法按照以下步驟實(shí)施步驟1，人臉位置的確定在c;-cb膚色平面內(nèi)，人的膚色分布在一個(gè)相對(duì)集中的小區(qū)域內(nèi)，且基本符合高斯分布，考慮到人臉在顏色平面分布，采用貝葉斯風(fēng)險(xiǎn)決策決定人臉區(qū)域，Ri(X)是將c;-cb平面內(nèi)一樣點(diǎn)X分類為《1類的代價(jià)函數(shù)，Ρ(ω」χ)代表c;-cb平面內(nèi)一點(diǎn)X來(lái)自COi類的后驗(yàn)概率，C00和C11分別是正確分類的代價(jià)權(quán)值，C01和Cltl分別是錯(cuò)誤分類的代價(jià)權(quán)值，ω ^和Q1分別表示非膚色類和膚色類，利用貝葉斯最小風(fēng)險(xiǎn)決策公式和貝葉斯公式，可得(4)和(5)式
2.根據(jù)權(quán)利要求1所述的基于雙模板匹配和邊緣細(xì)化的頭肩序列圖像分割方法，其特點(diǎn)在于所述的步驟1中的參數(shù)τ的范圍為1. 3-1. 6。
3.根據(jù)權(quán)利要求1所述的基于雙模板匹配和邊緣細(xì)化的頭肩序列圖像分割方法，其特點(diǎn)在于所述的步驟2中的人臉橢圓長(zhǎng)軸比優(yōu)選1. 5。
全文摘要
本發(fā)明公開(kāi)了一種基于雙模板匹配和邊緣細(xì)化的頭肩序列圖像分割方法，該方法按照以下步驟實(shí)施步驟1，人臉位置的確定，考慮到人臉在顏色平面分布，采用貝葉斯風(fēng)險(xiǎn)決策決定人臉區(qū)域；步驟2，確定頭肩區(qū)域，將頭肩區(qū)域看成是兩個(gè)矩形區(qū)域的組合，一個(gè)為頭矩形，另一個(gè)為肩矩形，設(shè)定肩矩形寬度為頭矩形寬度的3倍，采用兩個(gè)矩形移動(dòng)模板并以落入兩個(gè)模板區(qū)域的比例作為匹配準(zhǔn)則，從而最終確定頭矩形；步驟3，邊緣細(xì)化，采用Canny邊緣檢測(cè)算子就能夠得到運(yùn)動(dòng)對(duì)象的精確輪廓。本發(fā)明的有益效果是，采用貝葉斯風(fēng)險(xiǎn)決策機(jī)制確定人臉位置，并采用雙模板匹配算法進(jìn)一步確定頭肩區(qū)域，最后進(jìn)行邊緣的細(xì)化，該算法能夠有效地對(duì)頭肩序列進(jìn)行分割。
文檔編號(hào)G06T7/00GK102567998SQ20121000325
公開(kāi)日2012年7月11日 申請(qǐng)日期2012年1月6日 優(yōu)先權(quán)日2012年1月6日
發(fā)明者劉龍 申請(qǐng)人:西安理工大學(xué)