复杂场景下基于动态纹理运动分割和背景估计方法.docVIP

复杂场景下基于动态纹理运动分割和背景估计方法 　　摘 要： 针对现有的运动分割和背景估计方法无法分割停止运动的对象、不适用于复杂动态场景等不足，首先提出一种基于动态纹理（DT）的背景?前景混合模型（FBM），实现动态场景下前景和背景的联合表示。FBM包括一组关于位置的DT成份和一组全局DT成份，前者用于模拟本地背景运动，后者用于模拟持续性的前景运动。其次，提出一种可学习FBM参数的EM算法及变分近似策略，使得FBM在不需要人工选择阈值和不需要单独训练视频的前提下，实现多种运动复杂场景下的前景运动分割，并检测出停止运动的对象。仿真实验结果表明，与当前最新的运动分割和背景估计方法相比，该方法可显著提升背景估计和运动分割的精度。 　　关键词： 运动分割； 背景估计； 动态纹理； EM算法； 阈值； 分割精度 　　中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）11?0063?07 　　Abstract： Since the available motion segmentation and background estimation method can′t segment the static object， and is unsuitable for complex dynamic scenes， a foreground?background hybrid model （FBM） based on dynamic texture （DT） is proposed to realize the union expression of background and foreground in dynamic scenes. The FBM is composed of a set DT components about location and a set global DT components. The former is used to simulate the local background motion， and the latter is used to simulate the persistent foreground motion. The EM algorithm for learning FBM parameters and variation approximation strategy are proposed， which can realize the foreground motion segmentation in various moving complex scenes and detect the static object while FBM needn′t threshold artificial selection and individually training video. The simulation experiment results show that， in comparison with the latest motion segmentation and background estimation method， the proposed method can significantly improve the accuracy of background estimation and motion segmentation. 　　Keywords： motion segmentation； background estimation； dynamic texture； EM algorithm； threshold； segmentation accuracy 　　0 引 言 　　将背景和前景分离是计算机视觉领域的一个重要步骤。如果背景在大部分时间内处于静止状态，则当前背景消减算法效果明显[1?2]。对于具有动态背景的场景（比如移动的树叶、水流或喷泉），可利用动态纹理（Dynamic Textures，DTs）表示背景运动区域[3]，DTs是一种将视频看作来自线性动态系统一个样本的概率运动模型。为了实现背景和前景的分离，大部分算法需要人工设置一个背景得分阈值，场景不同，该阈值也会有显著差异[4]。此外，大部分算法还需要只包含背景的“干净”的训练视频等先验知识[5]。 　　动态纹理模型在动态场景中的微观和宏观运动模式聚类方面展示了一定潜力[6?7]。文献[8]利用多种DT纹理对视频块进行聚类，进而实现运动分割。然而，该算法存在的一个缺点就是它只基于运动，因此无法分割已经停止运动的对象