專利名稱：一種基于Fisher線性判別的動背景下視頻對象的提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種視頻分割中的處理方法，特別涉及一種基于Fisher線性判別的動背景下視頻對象的提取方法。
背景技術(shù)：
視頻運動中通常包括兩種運動信息全局運動和局部運動。全局運動是指在視頻序列中占有較大比例的像素運動，一般主要由攝像機(jī)的運動造成的?？梢哉f，大多數(shù)情況下，通常背景自身并沒有運動，是由于攝像機(jī)的運動造成了背景的變化。同時，前景物體所變現(xiàn)出來的運動是前景物體相對于攝像機(jī)的運動，稱為局部運動。在靜態(tài)背景視頻序列中， 攝像機(jī)是靜止的，不存在全局運動的，只有前景物體的局部運動，這時，我們采用幀差或背景差分的方式，能夠較容易地消除這些靜止的背景；但在動態(tài)背景視頻序列中，全局運動的存在會干擾我們?nèi)コ尘?。顯然，對這種具有動態(tài)背景的視頻序列進(jìn)行分割就必須首先消除全局運動的影響，保留前景對象的局部運動，這就需要進(jìn)行全局運動估計和補(bǔ)償。全局運動估計是指估計由攝像機(jī)運動引起的序列背景區(qū)域的運動規(guī)律，求解出相應(yīng)數(shù)學(xué)運動模型中的多個參數(shù)。全局運動補(bǔ)償是在根據(jù)運動估計所得到的全局運動參數(shù)， 在當(dāng)前幀和前一幀之間作一個相應(yīng)的背景對齊的映射變換。這樣在準(zhǔn)確的補(bǔ)償之后就可以采用幀差或背景差等方法消除背景區(qū)域，突出感興趣的具有局部運動的前景區(qū)域(參見楊文明.時空融合的視頻對象分割[D].浙江浙江大學(xué)，2006)。全局運動估計的目的就是要從視頻序列中找出造成全局運動的攝像機(jī)運動的規(guī)律。全局運動參數(shù)估計的方法主要分為微分方法和特征點對應(yīng)法，它們分別根據(jù)圖像像素域上的速度場或是特征點的對應(yīng)關(guān)系求取全局運動參數(shù)(參見吳思.視頻運動信息分析技術(shù)研究[D].北京中科院計算技術(shù)研究所，2005)。上述現(xiàn)有技術(shù)在進(jìn)行全局運動估計時，往往是選取整幅圖像的子塊參與全局運動估計，顯然全局運動估計的計算量非常大、速度比較慢，另外，做局部運動的子塊也不可避免地會對全局運動估計產(chǎn)生影響，從而降低全局運動補(bǔ)償?shù)木取?br>
發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，提供一種基于Fisher線性判別的動背景下視頻對象的提取方法，減少局部運動對全局運動估計的影響，提高全局運動補(bǔ)償?shù)木群退俣?，最終實現(xiàn)動態(tài)背景下視頻對象的提取。本發(fā)明的技術(shù)解決方案一種基于Fisher線性判別的動背景下視頻對象的提取方法，包括以下步驟(1)當(dāng)前幀與前一幀進(jìn)行塊匹配得到塊運動矢量將每幀劃分為8X8子塊，采用 SAD匹配準(zhǔn)則、NTSS搜索策略進(jìn)行第K幀與第K-I幀塊匹配；(2)利用Fisher判別求取攝像機(jī)全局運動參數(shù)選取步驟(1)中獲取到的第K幀兩側(cè)子塊作為特征塊，將其運動矢量作為參數(shù)通過最小二乘法求取六參數(shù)攝像機(jī)模型，采用Fisher線性判別準(zhǔn)則剔除外點后再通過最小二乘法求取六參數(shù)攝像機(jī)模型，直到達(dá)到設(shè)定的循環(huán)次數(shù)為止；(3)通過全局運動補(bǔ)償重建當(dāng)前幀結(jié)合雙線性插值對當(dāng)前幀進(jìn)行全局運動補(bǔ)償獲取其重建幀；(4)幀間差分提取視頻對象將當(dāng)前幀K與其重建幀K'進(jìn)行差分，通過后處理后獲取視頻對象分割平面(Alpha平面)及視頻對象。以上步驟(1)中的第K幀與第K-I幀進(jìn)行塊匹配采用最小絕對差(SAD)匹配準(zhǔn)則和新三步法(NTSQ搜索策略。最小絕對差(SAD)塊匹配準(zhǔn)則可按照如下公式計算
權(quán)利要求
1.一種基于Fisher線性判別的動背景下視頻對象的提取方法，其特征在于實現(xiàn)步驟如下(1)將當(dāng)前幀與前一幀進(jìn)行塊匹配得到塊運動矢量將第K幀，即當(dāng)前幀分成若干8X8 子塊，通過第K幀與第K-I幀進(jìn)行塊匹配，求得第K幀的塊運動矢量；(2)利用Fisher判別求取攝像機(jī)全局運動參數(shù)選取步驟(1)中獲取到的第K幀兩側(cè)子塊作為特征塊，將這些子塊的運動矢量作為參數(shù)通過最小二乘法求取六參數(shù)攝像機(jī)模型，采用Fisher線性判別準(zhǔn)則剔除外點后再通過最小二乘法求取六參數(shù)攝像機(jī)模型，直到達(dá)到設(shè)定的循環(huán)次數(shù)為止；(3)通過全局運動補(bǔ)償重建當(dāng)前幀結(jié)合雙線性插值對當(dāng)前幀進(jìn)行全局運動補(bǔ)償獲取其重建幀；(4)幀間差分提取視頻對象將當(dāng)前幀K與其重建幀K’進(jìn)行差分，通過后處理后獲取視頻對象分割平面及視頻對象。
2.根據(jù)權(quán)利要求1所述的基于Fisher線性判別的動背景下視頻對象的提取方法，其特征在于所述步驟(1)的第K幀與第K-I幀進(jìn)行塊匹配采用最小絕對差(SAD)匹配準(zhǔn)則和新三步法(NTSQ搜索策略，最小絕對差(SAD)塊匹配準(zhǔn)則按照如下公式計算
3.根據(jù)權(quán)利要求1所述的基于Fisher線性判別的動背景下視頻對象的提取方法，其特征在于所述步驟(2)利用Fisher判別求取攝像機(jī)全局運動參數(shù)方法實現(xiàn)步驟如下(i)選取特征塊選取圖像兩側(cè)距離邊界1/15寬和高的位置為外部邊界，4/15寬和高的位置為內(nèi)部邊界中的子塊作為特征塊；( )最小二乘法求攝像機(jī)六參數(shù)仿射模型選取步驟(i)中獲取到的第K幀兩側(cè)子塊作為特征塊，將其塊匹配獲取的運動矢量代入攝像機(jī)六參數(shù)模型后，采用最小二乘法估計參數(shù)mQ、Iii1, m2、η。、叫、n2，六參數(shù)仿射變換模型可以對平移、旋轉(zhuǎn)、縮放運動進(jìn)行建模，其定義如下
全文摘要
一種基于Fisher線性判別的動背景下視頻對象的提取方法，包括如下步驟首先將第K幀(即當(dāng)前幀)分成若干8×8子塊，通過第K幀與第K-1幀進(jìn)行塊匹配運動估計求得第K幀的運動向量場；然后選取第K幀中可能的背景像素塊作為特征塊，將這些特征塊的運動矢量通過最小二乘法獲取全局運動模型參數(shù)，并采用Fisher線性判別過濾掉外點；接著由求得的全局運動參數(shù)進(jìn)行當(dāng)前幀全局運動補(bǔ)償；最后將第K幀的重建幀與第K-1幀進(jìn)行幀間差分提取運動對象。實驗證明，本發(fā)明方法實現(xiàn)了動背景視頻序列中視頻對象的提取，發(fā)現(xiàn)補(bǔ)償后的分割精度明顯提高。
文檔編號G06T7/20GK102163334SQ201110052400
公開日2011年8月24日 申請日期2011年3月4日 優(yōu)先權(quán)日2011年3月4日
發(fā)明者祝世平, 馬麗 申請人:北京航空航天大學(xué)