基于結(jié)合圖割(Graph Cut)的Vibe改進(jìn)算法的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法
【專利摘要】本發(fā)明提供了一種基于結(jié)合圖割(Graph?Cut)的Vibe改進(jìn)算法的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法，本方法首先通過Vibe背景建模算法對(duì)視頻序列進(jìn)行預(yù)處理，將圖像中的像素分為前景、背景和未知類型，建立不完全三元圖；根據(jù)Vibe算法得到的不完全三元圖，建立圖像到圖的映射，結(jié)合像素與前景和背景的隸屬程度以及相鄰像素的相似度特征構(gòu)造目標(biāo)能量函數(shù)，通過最大流最小割定理求出使能量函數(shù)最小化的邊和點(diǎn)的集合，在最小割的基礎(chǔ)上進(jìn)行圖像分割；在圖割算法分割結(jié)果的基礎(chǔ)上進(jìn)行后處理，基于在二值圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)的結(jié)果，在原圖像中將運(yùn)動(dòng)目標(biāo)用外接矩形標(biāo)記出來，并通過模型匹配的方法進(jìn)一步檢測(cè)運(yùn)動(dòng)目標(biāo)，提高運(yùn)動(dòng)目標(biāo)提取的魯棒性和準(zhǔn)確性。
【專利說明】基于結(jié)合圖割(Graph Cut)的V i be改進(jìn)算法的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理與計(jì)算機(jī)視覺領(lǐng)域，具體的說，是指一種在復(fù)雜背景下對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)提取的方法。

【背景技術(shù)】
[0002]隨著體育比賽轉(zhuǎn)播技術(shù)和數(shù)字多媒體技術(shù)的發(fā)展，將虛擬現(xiàn)實(shí)技術(shù)融入到體育比賽的轉(zhuǎn)播當(dāng)中，為觀眾提供了豐富的視頻畫面。本發(fā)明以足球比賽為例，提供了一種在復(fù)雜背景下進(jìn)行運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取的方法。
[0003]在體育比賽中，足球是一項(xiàng)深受大家喜愛的體育運(yùn)動(dòng)。在足球比賽轉(zhuǎn)播方面，通過加入虛擬的人物和場(chǎng)景可以提高比賽的觀賞性。在比賽直播過程中，需要記錄每個(gè)球員的各項(xiàng)數(shù)據(jù)以及整個(gè)球隊(duì)的技術(shù)統(tǒng)計(jì)，并通過字幕的方式呈現(xiàn)給觀眾。這些技術(shù)都依賴于對(duì)足球比賽視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)和提取，所以說運(yùn)動(dòng)目標(biāo)的檢測(cè)和提取是足球視頻分析技術(shù)的基礎(chǔ)。
[0004]隨著運(yùn)動(dòng)目標(biāo)提取的深入研究，根據(jù)背景的復(fù)雜度提出了許多實(shí)用的方法。在簡(jiǎn)單背景中，采用基于顏色信息的色鍵技術(shù)提取運(yùn)動(dòng)目標(biāo)。這種基于單色背景的運(yùn)動(dòng)目標(biāo)提取技術(shù)已經(jīng)非常成熟，廣泛應(yīng)用于虛擬演播室和電視節(jié)目制作中。但是在足球比賽的環(huán)境中，每個(gè)地方的球員的膚色都不一樣，每支球隊(duì)的隊(duì)服也是比較獨(dú)特的，不同時(shí)間的比賽受光照條件的影響而使球場(chǎng)的環(huán)境也不一樣，再加上觀眾區(qū)域、球場(chǎng)線和周圍的廣告牌的影響，可以說，足球比賽視頻中的背景相當(dāng)復(fù)雜，因此如何在復(fù)雜的背景下實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的自動(dòng)檢測(cè)和分割，這個(gè)問題受到國內(nèi)外學(xué)者更多的關(guān)注。
[0005]在復(fù)雜背景中，精確的區(qū)分前景目標(biāo)是運(yùn)動(dòng)目標(biāo)提取算法的關(guān)鍵。特別是在足球比賽視頻中，攝像機(jī)隨著足球在不斷的移動(dòng)，有時(shí)候?qū)Рミ€會(huì)在不同的鏡頭之間切換，這無疑給運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)提取增加了難度。
[0006]基于上述情況，亟需一種計(jì)算簡(jiǎn)單、魯棒性強(qiáng)、能夠?qū)崿F(xiàn)在復(fù)雜背景下進(jìn)行運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取的方法。


【發(fā)明內(nèi)容】

[0007]為了解決上述問題，本發(fā)明提供了一種基于結(jié)合圖割(Graph Cut)的Vibe改進(jìn)算法的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法，可以實(shí)時(shí)的準(zhǔn)確分割出前景目標(biāo)和背景，將前景運(yùn)動(dòng)目標(biāo)提取出來。
[0008]為了實(shí)現(xiàn)上述方法，本發(fā)明首先采用Vibe算法對(duì)視頻序列的第一幀進(jìn)行背景模型初始化，從第二幀開始對(duì)每一幀圖像根據(jù)Vibe算法的預(yù)處理結(jié)果將像素分為背景區(qū)域、前景區(qū)域及未知區(qū)域三種類型，建立不完全三元圖；其次，利用像素與前景和背景的隸屬程度以及相鄰像素的相似度特征構(gòu)建目標(biāo)能量函數(shù)，采用最大流最小割定理求取目標(biāo)能量函數(shù)的極值，經(jīng)過圖割的再處理過程，將圖像實(shí)時(shí)分割為前景和背景；最后，在二值圖像上檢測(cè)運(yùn)動(dòng)目標(biāo)，采用基于目標(biāo)區(qū)域大小、寬高比限制以及模型匹配等后處理方法，使分割出的前景目標(biāo)更加準(zhǔn)確和完整。具體步驟如下:
[0009](I)首先獲取視頻數(shù)據(jù)流，采用Vibe算法通過視頻序列的第一幀創(chuàng)建背景模型，從第二幀開始，對(duì)圖像中的每一個(gè)像素進(jìn)行處理，初步劃分為前景、背景和未知類型像素，建立不完全三元圖；然后根據(jù)像素的類型確定是否更新背景模型；
[0010](2)根據(jù)步驟(I)在視頻當(dāng)前幀中，建立不完全三元圖，確立圖像到圖的映射關(guān)系；利用步驟(I)中像素與前景和背景的隸屬度以及相鄰像素的相似度特征構(gòu)建目標(biāo)能量函數(shù)；采用最大流最小割定理求取目標(biāo)能量函數(shù)的極值，得到二值化的圖像分割結(jié)果；因此，當(dāng)前幀圖像中未確定像素類型的像素已具備明確的前景或背景類型；
[0011](3)對(duì)于步驟(2)中圖像分割結(jié)果進(jìn)行后處理，利用形態(tài)學(xué)算法去除分割結(jié)果的噪聲和運(yùn)動(dòng)目標(biāo)的不連續(xù)、空洞現(xiàn)象；為了確定運(yùn)動(dòng)目標(biāo)，采用基于目標(biāo)區(qū)域大小、寬高比限制以及模型匹配等后處理方法，使提取出的前景目標(biāo)更加的準(zhǔn)確和完整。
[0012]2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(I)中采用Vibe算法對(duì)視頻序列進(jìn)行預(yù)處理的過程如下所述:
[0013](11)根據(jù)視頻序列的第一幀創(chuàng)建背景模型，實(shí)現(xiàn)背景模型初始化；
[0014](12)從第二幀開始，將當(dāng)前幀圖像中的像素與背景模型中的像素樣本數(shù)據(jù)進(jìn)行比較，根據(jù)比較結(jié)果對(duì)像素進(jìn)行前景、背景以及未知類型的劃分；
[0015](13)如果像素被劃分為背景，則更新背景模型；如果像素被劃分前景，則不更新背景模型；如果像素被劃分為未知區(qū)域類型，則在后續(xù)步驟中使用圖切算法進(jìn)行更精確的分類；
[0016](14)采用隨機(jī)的策略機(jī)制在時(shí)域和空間上更新背景模型；在時(shí)域上，在該像素的背景模型中采用隨機(jī)的策略機(jī)制選取一個(gè)樣本像素值，用當(dāng)前像素值替換更新；在空間上，在該像素的鄰域中，采用隨機(jī)的策略機(jī)制選取一個(gè)鄰域像素，并在該鄰域像素的背景模型中再次采用隨機(jī)的策略機(jī)制選取一個(gè)樣本像素值，用當(dāng)前像素值替換更新；
[0017](15)利用上述的方法，將當(dāng)前幀圖像分割成前景、背景和未知區(qū)域三類像素集，建立不完全三元圖。
[0018]3.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟⑵中目標(biāo)能量函數(shù)構(gòu)造以及求解目標(biāo)能量函數(shù)的極值如下所述:
[0019](21)根據(jù)(15)得到的像素分類結(jié)果，設(shè)定目標(biāo)能量函數(shù)的各項(xiàng)具體表達(dá)形式；
[0020](22)利用像素的亮度和鄰域像素的相似度作為目標(biāo)能量函數(shù)的平滑項(xiàng)，以表征相鄰兩個(gè)像素間的平滑性；
[0021](23)利用(15)的像素分類結(jié)果，根據(jù)像素屬于背景或前景的程度來設(shè)定目標(biāo)能量函數(shù)的數(shù)據(jù)項(xiàng)，即得到目標(biāo)能量函數(shù)。
[0022](24)建立圖像到圖的映射，為每一幀圖像構(gòu)造賦權(quán)圖，以便執(zhí)行圖切算法；
[0023](25)根據(jù)最大流和最小割定理求取目標(biāo)能量函數(shù)的極值，求出使能量函數(shù)最小化的邊和點(diǎn)的集合，以確定目標(biāo)能量函數(shù)的極值及未知像素類型的二值標(biāo)簽，在最小割的基礎(chǔ)上進(jìn)行圖像分割。
[0024]4.根據(jù)權(quán)利要求3所述的方法，其特征在于，步驟(3)中對(duì)圖像分割結(jié)果的后處理過程以及運(yùn)動(dòng)目標(biāo)提取的標(biāo)記如下所示:
[0025](31)利用區(qū)域標(biāo)識(shí)和形態(tài)學(xué)閉操作算法，去除(25)中得到的前景分割結(jié)果中小面積干擾區(qū)域，填充運(yùn)動(dòng)目標(biāo)斷開以及區(qū)域中小的孔洞；
[0026](32)采用運(yùn)動(dòng)目標(biāo)區(qū)域面積和寬高比限制條件，根據(jù)區(qū)域檢測(cè)算法在二值圖像中檢測(cè)前景目標(biāo)；
[0027](33)通過模型匹配的方法進(jìn)一步對(duì)不符合區(qū)域面積和寬高比限制的區(qū)域進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)；
[0028](44)根據(jù)(32)和(33)中運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果在圖像中利用外接矩形將運(yùn)動(dòng)目標(biāo)標(biāo)記出來。
[0029]本發(fā)明與現(xiàn)有的技術(shù)相比具有如下優(yōu)點(diǎn):
[0030]1.本發(fā)明是一種基于Vibe背景建模和圖割進(jìn)行復(fù)雜背景下運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取的方法。根據(jù)Vibe算法的預(yù)處理結(jié)果對(duì)像素進(jìn)行前景、背景以及未知類型的劃分，建立不完全三元圖。該方法思想簡(jiǎn)單，容易實(shí)現(xiàn)。
[0031]2.在不完全三元圖的基礎(chǔ)上構(gòu)建能量函數(shù)。利用當(dāng)前像素與背景和前景的隸屬程度為像素分配不同的標(biāo)簽代價(jià)值，作為目標(biāo)能量函數(shù)的數(shù)據(jù)項(xiàng)，利用相鄰像素的相似程度構(gòu)建目標(biāo)能量函數(shù)的平滑項(xiàng)，求取能量函數(shù)的極值，對(duì)像素進(jìn)行更精確的劃分，抑制Vibe算法中產(chǎn)生的鬼影，提高了算法的魯棒性。
[0032]3.在圖像分割的二值圖像上通過區(qū)域面積、寬高比以及連通區(qū)域占有率等限制條件檢測(cè)運(yùn)動(dòng)目標(biāo)，并通過模型匹配的方法進(jìn)一步對(duì)不符合以上限制條件的區(qū)域再一次檢測(cè)運(yùn)動(dòng)目標(biāo)，提高了運(yùn)動(dòng)目標(biāo)的提取效率。

【專利附圖】

【附圖說明】
[0033]圖1為本發(fā)明運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法的流程圖。
[0034]圖2為米用Vibe算法對(duì)圖像進(jìn)行預(yù)處理流程圖。
[0035]圖3為采用圖割(Graph Cut)算法進(jìn)行圖像再分割流程圖。
[0036]圖4為后處理以及運(yùn)動(dòng)目標(biāo)標(biāo)記流程圖。
[0037]圖5(a)_(e)為本發(fā)明所提出的算法和Vibe對(duì)足球比賽視頻中運(yùn)動(dòng)目標(biāo)的提取結(jié)果圖。
[0038]
[0039]
[0040]
[0041]

【具體實(shí)施方式】
[0042]下面將結(jié)合附圖對(duì)本發(fā)明加以詳細(xì)說明，借此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來解決實(shí)際問題，并達(dá)成技術(shù)效果的實(shí)現(xiàn)過程能充分理解并據(jù)以實(shí)施。需要說明的是，本發(fā)明中所描述的實(shí)施方式僅旨在便于對(duì)本發(fā)明的理解，而對(duì)其不起任何限定作用，所形成的技術(shù)方案均在本發(fā)明的保護(hù)范圍之內(nèi)。
[0043]本發(fā)明提供了一種基于結(jié)合圖割(Graph Cut)的Vibe改進(jìn)算法的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法，圖1所示為本方法的整體流程圖。
[0044]如圖1所示，首先在步驟SlOl中讀入視頻數(shù)據(jù)流，如果讀入的是第一幀的視頻數(shù)據(jù)，則采用Vibe算法在步驟S102中進(jìn)行背景模型的初始化；如果不是第一幀的視頻數(shù)據(jù)，則在步驟S102中將當(dāng)前幀的像素與背景模型中的像素樣本數(shù)據(jù)進(jìn)行比較，根據(jù)比較結(jié)果對(duì)像素進(jìn)行分類，建立不完全三元圖，并根據(jù)分類結(jié)果確定是否更新背景模型。
[0045]在步驟S103中，根據(jù)步驟S102中得到的不完全三元圖，利用像素與前景和背景的隸屬程度以及相鄰像素的相似度特征構(gòu)建目標(biāo)能量函數(shù)?；谧畲罅髯钚「疃ɡ淼膱D割算法求取目標(biāo)能量函數(shù)的極值，得到二值化的圖像分割結(jié)果。
[0046]通過步驟S104來實(shí)現(xiàn)對(duì)分割結(jié)果的后處理，在步驟S104中，基于形態(tài)學(xué)的方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行優(yōu)化，然后采用連通域檢測(cè)的方法對(duì)二值化圖像中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，并在原圖像上將運(yùn)動(dòng)目標(biāo)標(biāo)記出來。
[0047]圖2所示為采用Vibe算法對(duì)圖像進(jìn)行預(yù)處理流程圖。在步驟S201中讀入視頻流數(shù)據(jù)，Vibe算法首先要?jiǎng)?chuàng)建背景模型，在步驟S202a中判斷是否為視頻首幀，對(duì)于視頻序列的第一幀圖像，在步驟S202b中通過Vibe算法為每個(gè)像素點(diǎn)建立一個(gè)樣本模型，也叫做背景模型，該樣本中包含隨機(jī)選擇的N個(gè)樣本值{p1; p2，...，pn}。
[0048]步驟S203是像素分類過程，在步驟S202a的判斷中，如果不是視頻序列的第一幀，就在步驟S203a中對(duì)像素進(jìn)行分類，根據(jù)當(dāng)前像素與背景模型中的N個(gè)樣本像素值逐一進(jìn)行差運(yùn)算，如果差值小于預(yù)先設(shè)定的閾值R(當(dāng)前像素與背景模型中樣本像素差值的最大值)，說明當(dāng)前像素和背景模型中的像素匹配，然后統(tǒng)計(jì)count (當(dāng)前像素和背景模型中樣本像素累計(jì)匹配的個(gè)數(shù))的數(shù)目。依據(jù)count的統(tǒng)計(jì)結(jié)果和閾值#min (累計(jì)匹配數(shù)目的最小值)對(duì)像素進(jìn)行前景(步驟S203b)、背景(步驟S203c)以及未知類型(步驟S203d)的劃分，如下式所示:
Tb count > #min
[0049]T= < Tu O < count < # min
Tcount - 0
[0050]在上式中，Tb代表背景，Tf代表前景，TuR表未知類型。如果被劃分為未知區(qū)域類型，則在后續(xù)步驟中使用圖割算法對(duì)該類型像素進(jìn)行更精確的分類。
[0051]在步驟S203c中，把像素劃分為背景，則需要在時(shí)域和空間上更新背景模型。首先，在步驟S204a中，在該像素的背景模型中采用隨機(jī)的策略機(jī)制選取一個(gè)樣本像素值，用當(dāng)前像素值替換更新；然后，在步驟S204b中，在該像素的鄰域中，采用隨機(jī)的策略機(jī)制選取一個(gè)鄰域像素，并在該鄰域像素的背景模型中再次采用隨機(jī)的策略機(jī)制選取一個(gè)樣本像素值，用當(dāng)前像素值替換更新。這樣，背景模型就在時(shí)域和空間上得到了更新。
[0052]在步驟S203b和S203d中，像素被劃分為前景和未知類型，則不更新背景模型。
[0053]根據(jù)Vibe算法的預(yù)處理結(jié)果在步驟S205中得到不完全三元圖。如果在步驟S206中預(yù)處理處理未完成，返回步驟S201中進(jìn)行下一幀的處理，直至所有視頻幀處理完成，在步驟S207中結(jié)束。
[0054]圖3所示為采用圖割(Graph Cut)算法進(jìn)行圖像再分割流程圖。在步驟S205中，根據(jù)Vibe算法的預(yù)處理結(jié)果將圖像像素分為前景、背景和未知類型，也就是步驟S301中的不完全三元圖。
[0055]在步驟S302中建立圖像到圖的映射，圖中普通頂點(diǎn)由圖像中的每個(gè)像素組成，每?jī)蓚€(gè)相鄰像素之間構(gòu)成一條邊，它的權(quán)值由能量函數(shù)的“平滑項(xiàng)”來決定。此外，還有兩個(gè)終端頂點(diǎn)s(目標(biāo))和t(背景)，每個(gè)普通頂點(diǎn)和S都通過連接形成邊，邊的權(quán)值由數(shù)據(jù)項(xiàng)Dp(I)來決定,每個(gè)普通頂點(diǎn)和t連接的邊的權(quán)值由數(shù)據(jù)項(xiàng)Dp(O)來決定。這樣，所有邊的權(quán)值確定了之后，圖就確定了。
[0056]圖1llJ中的圖確定之后，在步驟S303中構(gòu)建目標(biāo)能量函數(shù)，在能量函數(shù)中，由數(shù)據(jù)項(xiàng)Edata(f)和平滑項(xiàng)Es_th(f)構(gòu)成。在步驟S303a中構(gòu)建目標(biāo)能量函數(shù)的數(shù)據(jù)項(xiàng)，如下式所示:

【權(quán)利要求】
1.一種基于結(jié)合圖割(Graph Cut)的Vibe改進(jìn)算法的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)提取方法,其特征在于，首先采用Vibe算法進(jìn)行背景建模，將視頻中的每一幀圖像分為背景區(qū)域、前景區(qū)域及未知區(qū)域，建立不完全三元圖；其次，利用像素的亮度信息和空間相似度特征構(gòu)建目標(biāo)能量函數(shù)，采用圖割算法求取目標(biāo)能量函數(shù)的極值，從而將每一幀圖像實(shí)時(shí)分割為前景和背景；最后，采用基于目標(biāo)區(qū)域大小、寬高比限制以及模型匹配等后處理方法，使分割出的前景目標(biāo)更加的準(zhǔn)確和完整；具體步驟如下: (1)首先獲取視頻數(shù)據(jù)流，采用Vibe算法通過視頻序列的第一幀創(chuàng)建背景模型，從第二幀開始，對(duì)圖像中的每一個(gè)像素進(jìn)行處理，初步劃分為前景、背景和未知類型像素，建立不完全三元圖；然后根據(jù)像素的類型確定是否更新背景模型； (2)根據(jù)步驟(I)在視頻當(dāng)前幀中，建立不完全三元圖，確立圖像到圖的映射關(guān)系；利用步驟(I)中像素與前景和背景的隸屬度以及相鄰像素的相似度特征構(gòu)建目標(biāo)能量函數(shù)；采用最大流最小割定理求取目標(biāo)能量函數(shù)的極值，得到二值化的圖像分割結(jié)果；因此，當(dāng)前幀圖像中未確定像素類型的像素已具備明確的前景或背景類型； (3)對(duì)于步驟(2)中圖像分割結(jié)果進(jìn)行后處理，利用形態(tài)學(xué)算法去除分割結(jié)果的噪聲和運(yùn)動(dòng)目標(biāo)的不連續(xù)、空洞現(xiàn)象；為了確定運(yùn)動(dòng)目標(biāo)，采用基于目標(biāo)區(qū)域大小、寬高比限制以及模型匹配等后處理方法，使提取出的前景目標(biāo)更加的準(zhǔn)確和完整。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟(I)中采用Vibe算法對(duì)視頻序列進(jìn)行預(yù)處理的過程如下所述: (11)根據(jù)視頻序列的第一幀創(chuàng)建背景模型，實(shí)現(xiàn)背景模型初始化； (12)從第二幀開始，將當(dāng)前幀圖像中的像素與背景模型中的像素樣本數(shù)據(jù)進(jìn)行比較，根據(jù)比較結(jié)果對(duì)像素進(jìn)行前景、背景以及未知類型的劃分； (13)如果像素被劃分為背景，則更新背景模型；如果像素被劃分前景，則不更新背景模型；如果像素被劃分為未知區(qū)域類型，則在后續(xù)步驟中使用圖割算法進(jìn)行更精確的分類； (14)采用隨機(jī)的策略機(jī)制在時(shí)域和空間上更新背景模型；在時(shí)域上，在該像素的背景模型中采用隨機(jī)的策略機(jī)制選取一個(gè)樣本像素值，用當(dāng)前像素值替換更新；在空間上，在該像素的鄰域中，采用隨機(jī)的策略機(jī)制選取一個(gè)鄰域像素，并在該鄰域像素的背景模型中再次采用隨機(jī)的策略機(jī)制選取一個(gè)樣本像素值，用當(dāng)前像素值替換更新； (15)利用上述的方法，將當(dāng)前幀圖像分割成前景、背景和未知區(qū)域三類像素集，建立不完全三元圖。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，步驟(2)中目標(biāo)能量函數(shù)構(gòu)造以及求解目標(biāo)能量函數(shù)的極值如下所述: (21)根據(jù)(15)得到的像素分類結(jié)果，設(shè)定目標(biāo)能量函數(shù)的各項(xiàng)具體表達(dá)形式； (22)利用像素的亮度和鄰域像素的相似度作為目標(biāo)能量函數(shù)的平滑項(xiàng)，以表征相鄰兩個(gè)像素間的平滑性； (23)利用(15)的像素分類結(jié)果，根據(jù)像素屬于背景或前景的程度來設(shè)定目標(biāo)能量函數(shù)的數(shù)據(jù)項(xiàng)，即得到目標(biāo)能量函數(shù)。 (24)建立圖像到圖的映射，為每一幀圖像構(gòu)造賦權(quán)圖，以便執(zhí)行圖割算法； (25)根據(jù)最大流和最小割定理求取目標(biāo)能量函數(shù)的極值，求出使能量函數(shù)最小化的邊和點(diǎn)的集合，以確定目標(biāo)能量函數(shù)的極值及未知像素類型的二值標(biāo)簽，在最小割的基礎(chǔ)上進(jìn)行圖像分割。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，步驟(3)中對(duì)圖像分割結(jié)果的后處理過程以及運(yùn)動(dòng)目標(biāo)提取的標(biāo)記如下所示: (31)利用區(qū)域標(biāo)識(shí)和形態(tài)學(xué)閉操作算法，去除(25)中得到的前景分割結(jié)果中小面積干擾區(qū)域，填充運(yùn)動(dòng)目標(biāo)斷開以及區(qū)域中小的孔洞； (32)采用運(yùn)動(dòng)目標(biāo)區(qū)域面積和寬高比限制條件，根據(jù)區(qū)域檢測(cè)算法在二值圖像中檢測(cè)前景目標(biāo)； (33)通過模型匹配的方法進(jìn)一步對(duì)不符合區(qū)域面積和寬高比限制的區(qū)域進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)； (34)根據(jù)(32)和(33)中運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果在圖像中利用外接矩形將運(yùn)動(dòng)目標(biāo)標(biāo)記出來。
【文檔編號(hào)】G06T7/00GK104166983SQ201410309927
【公開日】2014年11月26日 申請(qǐng)日期:2014年6月30日 優(yōu)先權(quán)日:2014年6月30日
【發(fā)明者】吳曉雨, 李紹彬, 張?jiān)? 張宜春, 蔣偉, 田鵬宇 申請(qǐng)人:中國傳媒大學(xué)