基于塊聚類的運動相機前景分割方法
【技術領域】
[0001] 本發明屬于圖像信息處理領域，涉及運動相機拍攝視頻的前景分割方法。
【背景技術】
[0002] 視頻前景分割在計算機視覺和視頻圖像處理領域應用廣泛，對目標檢測、識別與 跟蹤具有非常重要的意義。一些傳統的前景分割方法在拍攝相機靜止時能夠取得理想效 果，但在相機運動的情況下難以發揮作用。基于點軌跡的運動分析[1]是處理運動相機前 景分割的有效方法，但該方法不能精確保持前景運動目標的邊緣，且由于點軌跡的誤差造 成部分前景區域丟失，影響了實際應用效果。
[0003] 現有的基于點軌跡的方法是：首先通過光流法獲得場景點軌跡，然后對點軌跡進 行分類[2]，確定前景和背景點軌跡。但由于光流法本身的局限性仍可能出現少量的錯誤軌 跡，需要在此基礎上進一步過濾前景點軌跡，去除錯誤軌跡。
【發明內容】
[0004] 本發明為解決運動相機拍攝視頻的前景分割技術問題，提供一種基于塊聚類的運 動相機前景分割方法，能夠獲得更高精度的點軌跡分類結果和準確的目標邊緣，并能夠彌 補由于點軌跡不準確造成的誤檢測問題。
[0005] 本發明是采用以下技術方案實現的：
[0006] 一種基于塊聚類的運動相機前景分割方法，其特征在于，包括如下步驟：
[0007] S1、利用光流法在運動場景中進行點跟蹤，獲得整個場景區域的點軌跡；根據點軌 跡的位置和形狀信息進行分類，分別獲得前景點軌跡和背景點軌跡。
[0008] S2、對視頻圖像進行預處理，然后再此基礎上采用基于標記的改進分水嶺算法，對 整個場景區域的視頻圖像進行分割；
[0009] S3、分別將包含前景點和背景點的區域劃分為前景和背景區域，對于不包含點軌 跡的區域，確定區域軌跡，判斷該區域是否屬于前景，最后獲得整個場景區域的前景區域。
[0010] 所述S1步驟還包括，采用Robust PCA算法對獲得的前景點軌跡進行檢測，去除前 景點軌跡中的錯誤軌跡。
[0011] 所述步驟S2中對視頻圖像進行預處理包括如下步驟：
[0012] 首先采用雙邊濾波方法對圖像進行平滑處理，如下式所示，
[0013]
【主權項】
1. 一種基于塊聚類的運動相機前景分割方法，其特征在于，包括如下步驟： 51、 利用光流法在運動場景中進行點跟蹤，獲得整個場景區域的點軌跡；根據點軌跡的 位置和形狀信息進行分類，分別獲得前景點軌跡和背景點軌跡。 52、 對視頻圖像進行預處理，然后再此基礎上采用基于標記的改進分水嶺算法，對整個 場景區域的視頻圖像進行分割； 53、 分別將包含前景點和背景點的區域劃分為前景和背景區域，對于不包含點軌跡的 區域，確定區域軌跡，判斷該區域是否屬于前景，最后獲得整個場景區域的前景區域。
2. 根據權利要求1所述基于塊聚類的運動相機前景分割方法，其特征在于，所述S1步 驟還包括，采用RobustPCA算法對獲得的前景點軌跡進行檢測，去除前景點軌跡中的錯誤 軌跡。
3. 根據權利要求1所述基于塊聚類的運動相機前景分割方法，其特征在于，所述步驟 S2中對視頻圖像進行預處理包括如下步驟： 首先采用雙邊濾波方法對圖像進行平滑處理，如下式所示，
其中〇d和〇 ^表示雙邊濾波器在空間域和亮度范圍內的標準偏差，9和a表示空間 索引值，f和I分別為原始圖像和濾波結果； 再利用Sobel邊緣檢測算子計算原始圖像的邊緣信息，然后將邊緣信息進一步疊加到 原始圖像上，增強圖像邊緣，如下式所示： I=keIe+k0I0 其中I。和Ie分別表示原始圖像和邊緣圖像，k。，為權重系數。
4. 根據權利要求1所述基于塊聚類的運動相機前景分割方法，其特征在于，所述步驟 S3中確定區域軌跡的方法包括以下步驟： 531、 提取該區域質心； 532、 通過塊匹配方法確定質心軌跡； 533、 用質心軌跡表示區域運動軌跡，通過與前景點、背景點軌跡進行比較，確定該區域 是否屬于前景或背景。
【專利摘要】本發明涉及圖像信息處理領域，具體公開了一種基于塊聚類的運動相機前景分割方法，首先利用光流法在運動場景中進行點跟蹤，獲得整個場景區域的點軌跡；再通過對點軌跡進行分類以分別獲得前景點軌跡和背景點軌跡，并去除掉錯誤軌跡；然后將視頻圖像分割為前景和背景區域，對于不包含點軌跡的區域，求解區域質心運動軌跡，并將區域軌跡與前景和背景軌跡比較判斷該區域是否屬于前景或背景，最終實現前景分割方法。本方法能夠獲得更高精度的點軌跡分類結果和準確的目標邊緣，并能夠彌補由于點軌跡不準確造成的誤檢測問題。
【IPC分類】G06K9-64, G06T7-20
【公開號】CN104574435
【申請號】CN201410493430
【發明人】劉煜, 張茂軍, 王煒, 熊志輝, 尹曉晴
【申請人】中國人民解放軍國防科學技術大學
【公開日】2015年4月29日
【申請日】2014年9月24日