基于块仿射分类和HD跟踪视频分割方法.docVIP

基于块仿射分类和HD跟踪视频分割方法 　　摘要： 提出一种自动视频分割方法，分为运动对象检测、对象跟踪、模型更新、分水岭轮廓提取四个阶段。与变化检测方法不同，该基于块的运动分类器能够检测背景具有一致运动情况下的运动对象。自动得到运动对象的二值模型并在随后帧中使用Hausdorff距离进行跟踪。将视频对象运动分为慢变和快变两部分，分别结合背景边缘模型进行匹配更新。最后提出彩色多尺度梯度修正的分水岭算法提取对象的轮廓。实验证明了算法的有效性。 　　关键词：仿射运动分类器； K－S假设检验； Hausdorff跟踪； 分水岭变换 　　中图分类号：TP391文献标志码：A 　　文章编号：1001－3695(2008)04－1084－03 　　 　　随着多媒体技术的发展，人们对多媒体信息的需求也由简单的播放转向基于对象的压缩、检索和交互功能。这些新兴的应用强烈依靠于对视觉内容的描述，为此MPEG－4标准采纳了基于对象的编码技术。所谓对象，是指图像中具有一定物理、视觉或语义的区域。通过对各个对象采用不同的压缩方法和压缩比可以在一定码率的要求下提供更好的图像质量。基于对象的编码和交互首先需要分割出图像中的各个对象，为了推动MPEG－4 标准的广泛应用，基于对象的分割技术目前已成为一个重要的研究课题。?? 　　视频分割根据人工参与程度分为半自动分割和全自动分割。在不要求实时性，但是对视频对象边界精度要求较高的应用场合，可以采用人工交互的方式[1]确定分割对象，提高视频分割的精度。全自动分割没有人工参与，完全根据序列中的运动特征和空间信息实现运动对象的提取，主要有时空联合法[2]、运动分割法[3,4]、变化检测法[5,6]。?? 　　在运动对象检测阶段，本文提出一种基于块仿射优势运动分类的运动对象检测方法。该方法结合了基于块的仿射运动方法和优势运动分类方法两者的优点，使用K－S假设检验融合具有相同运动的块。在对象跟踪阶段，使用局部Hausdorff距离跟踪对象的位移和轮廓变化；在模型更新阶段，将视频对象运动分为慢变和快变两部分，分别进行跟踪，并在匹配公式中结合背景边缘模型，提高了匹配的速度和精度；最后使用基于彩色多尺度梯度修正的分水岭算法提取对象的轮廓，能够得到准确、封闭的对象轮廓。?? 　　 　　1运动对象检测?? 　　 　　文献[2，3]提出一种基于分块的优势分类运动对象检测方法。该方法结合了基于块的仿射运动方法和优势运动分类方法两者的优点，能够提取初始的运动对象，用于随后帧的自动跟踪。帧间差变化检测的方法确定运动对象，要求背景是静止的。本文提出的分块仿射优势运动分类方法(block－based affine dominant motion classifier)通过计算得到背景的仿射运动模型，利用该模型进行前景/背景分类，能够检测背景具有一致运动情况下的运动对象。?? 　　 　　5实验与分析?? 　　 　　本文??提出的算法应用到CIF格式的测试序列hall monitor、akiyo、mother daughter。图2是对hall monitor的实验结果。该序列是典型的监控序列，背景静止但纹理复杂，受噪声和光照影响大，前景运动对象较小且有较大的形变。实验显示，本文的跟踪和更新方法能够得到完整的视频对象。但是当目标由行走变为立定且以腰部为轴作转身弯腰运动时，由于形变太大，Hausdorff跟踪会暂时失效，腰部以上和腰部以下被检测为两个对象。不过，模型更新阶段不会让误差扩散，随后帧仍然能正确跟踪目标。由于使用了分水岭算法提取VOP，所得对象轮廓比较准确。?? 　　图3 是典型头肩序列Akiyo的分割结果，背景有较为复杂的纹理，目标运动幅度小，整个头肩可以当做一个非刚体看待，分割算法取得了令人满意的结果。图4也是头肩序列，背景简单，有两个视频对象，运动较小可以视为一个视频对象。虽然daughter脸的右部与邻接座椅的亮度非常相近，但本文在VOP提取时使用了彩色多尺度梯度，使得右脸边缘的定位比较准确。 　　6结束语?? 　　 　　实现基于内容的功能是新的视频标准MPEG－4、MPEG－7、MPEG－21的重要内容，而自动的视频对象提取是基于内容的功能得以实现的前提。与变化检测方法要求背景静止的情况不同，本文基于块的优势分类运动对象检测方法能够在具有一致性运动背景的情况下检测到运动对象。二值模型由边缘信息得到，然后使用具有容错能力的局部Hausdorff距离跟踪对象的位移和轮廓变化。将视频对象运动分为慢变和快变两部分。在匹配更新公式中结合了背景边缘模型，显著地提高了匹配的速度和精度。最后使用基于彩色多尺度梯度修正的分水岭算法提取对象的轮廓，能够得到准确的封闭对象轮廓。本文方法不仅能够产生视频对象平面