專利名稱：視頻序列中運動物體的分割方法
技術(shù)領域：
本發(fā)明涉及多媒體通信領域中的數(shù)字視頻壓縮技術(shù)的MPEG-4標準，特別涉及MPEG-4標準中視頻對象的分割方法。
背景技術(shù)：
傳統(tǒng)的視頻壓縮標準MPEG-1、MPEG-2、H.261、H.263，采用的均是帶有運動補償?shù)念A測編碼與DCT變換編碼相結(jié)合的混合矩形幀壓縮編碼方法，沒有對視頻場景進行分割或分析，屬于低級壓縮編碼技術(shù)。隨著多媒體應用的快速增長和基于內(nèi)容的交互需求，這些基于幀壓縮編碼技術(shù)的視頻標準無法滿足要求，為此，MPEG專家組制訂了新的基于內(nèi)容的視頻壓縮國際標準——MPEG-4，通過引入視頻對象(VO)、視頻對象平面(VOP)的概念，將輸入視頻序列的每一幀分割成相應形狀的圖形區(qū)域，使每一幀視頻對象都代表語義上有意義的對象或感興趣的視頻內(nèi)容，能實現(xiàn)許多基于內(nèi)容的多媒體交互功能，如視頻會議、電子商務、遠程監(jiān)控及醫(yī)療和教學等。視頻分割，實質(zhì)上就是從視頻序列中抽取運動物體的形狀信息，是實現(xiàn)基于內(nèi)容壓縮編碼、多媒體內(nèi)容描述及智能信號處理等技術(shù)的關(guān)鍵。
根據(jù)分割準則的不同，傳統(tǒng)的視頻分割方法主要有兩大類空域一致性方法和變化檢測方法?？沼蛞恢滦苑椒ǖ幕咎幚聿襟E是先利用形態(tài)濾波器簡化要處理的矩形視頻幀，再借助watershed等方法將整個矩形幀分成若干個小區(qū)域，然后通過區(qū)域合并形成最后的對象區(qū)域。變化檢測方法通過相鄰兩幀的幀差信息來檢測運動物體的位置和形狀，利用空域、時域信息優(yōu)化檢測的結(jié)果。運動物體的運動是不同于背景的，空域一致性方法在不知道運動信息的情況下，單純利用空域信息分割背景，會浪費大量的計算資源，所以變化檢測方法更為高效，但是傳統(tǒng)的變化檢測方法會受到物體運動快慢、陰影效應、背景誤判等因素的影響，常用的去除這些不利因素的方法所需的計算量很大，且效果不佳。

發(fā)明內(nèi)容
為了克服上述的缺陷和不足，本發(fā)明目的在于提供一種能以較小的計算量有效克服陰影效應、背景誤判等不利因素，并獲得較好的分割結(jié)果的視頻序列中運動物體的分割方法。
為了達到上述目的，本發(fā)明一種視頻序列中運動物體的分割方法，包括以下步驟(1)將當前幀灰度圖像和前一幀灰度圖像輸入幀差及統(tǒng)計分析模塊進行分析計算獲得二值運動圖像，發(fā)送該二值運動圖像到運動對象檢測及后處理模塊；同時，將當前幀灰度圖像輸入邊緣檢測模塊和場景切換模塊；(2)邊緣檢測模塊根據(jù)當前幀灰度圖像計算得到當前幀的邊緣圖像，發(fā)送該當前幀的邊緣圖像到運動對象檢測及后處理模塊和運動對象跟蹤模塊；(3)運動對象檢測及后處理模塊收到二值運動圖像，將該二值圖像通過高效快速的形態(tài)濾波技術(shù)得到二值運動圖像的邊緣圖像；(4)運動對象檢測及后處理模塊對所述二值運動圖像的邊緣圖像和收到的當前幀的邊緣圖像進行運算得到精細的運動物體邊緣，通過水平方向和垂直方向的填充方法得到運動對象；(5)判斷該運動對象是否帶有毛刺噪聲，如果判斷結(jié)果為是，則通過濾波技術(shù)消除這些毛刺噪聲，進入步驟(6)；如果判斷結(jié)果為否，進入步驟(6)；(6)背景圖像生成模塊根據(jù)運動對象檢測及后處理模塊的處理結(jié)果，通過運算生成背景圖像后，發(fā)送到全局運動補償模塊；(7)全局運動補償模塊根據(jù)收到的背景圖像中特殊像素塊相對于當前要分割的視頻圖像做運動估計所得的運動矢量做統(tǒng)計平均來獲得全局運動矢量，利用該全局運動矢量對前一幀灰度圖像進行全局運動補償后，發(fā)送到場景切換模塊；(8)場景切換模塊接收經(jīng)過全局運動補償?shù)那耙粠叶葓D像和當前幀灰度圖像，判斷是否發(fā)生場景切換，如果判斷結(jié)果為是，則返回步驟(1)；如果判斷結(jié)果為否，則將經(jīng)過全局運動補償?shù)那耙粠叶葓D像發(fā)送到運動對象跟蹤模塊，進入步驟(9)；(9)運動對象跟蹤模塊接收場景切換模塊的結(jié)果和當前幀的邊緣圖像，從當前幀的所有邊緣像素點中找到運動對象邊緣；(10)背景圖像更新模塊根據(jù)運動對象跟蹤模塊的處理結(jié)果，對背景圖像進行更新，發(fā)送到全局運動補償模塊；(11)全局運動補償模塊根據(jù)收到更新的背景圖像中特殊像素塊相對于當前要分割的視頻圖像做運動估計所得的運動矢量做統(tǒng)計平均來獲得全局運動矢量，利用該全局運動矢量對前一幀灰度圖像進行全局運動補償。
作為本發(fā)明的進一步改進，所述的步驟(1)分析計算獲得二值運動圖像的方法具體為(A)對當前幀灰度圖像和前一幀灰度圖像通過公式FD(x，y，t)＝|I(x，y，t)-I(x，y，t-1)|計算得到兩幀的幀差圖像；其中，所述的FD(x，y，t)為幀差圖像，所述的I(x，y，t)為當前幀的灰度圖像，所述的I(x，y，t-1)為前一幀的灰度圖像；
(B)對幀差圖像中的每個像素按照公式mi=(Σk∈sidyk)/M]]>σi4=(Σk∈si(dyk-mi)4)/M]]> 計算得到一幅二值運動圖像；其中，所述的mi為局部區(qū)域的均值，所述的dyk是幀差圖像FD(x，y，t)中像素的灰度值，所述的si為以像素i為中心的窗口，所述的M為該窗口中所包含像素的數(shù)目，所述的σi4為局部區(qū)域的四階矩，所述的T為得到的通過對每一像素的σi4進行統(tǒng)計分析得到的一閾值，所述的fi為判斷像素屬于運動物體或是屬于背景；(C)判斷該二值運動圖像中等于1的像素的覆蓋范圍為相對集中還是為相對發(fā)散，如果判斷結(jié)果為相對集中，則對該二值運動圖像進行水平方向和垂直方向的填充來獲得填充后的二值運動圖像；如果判斷結(jié)果為相對發(fā)散，則根據(jù)視頻圖像的大小來選取像素塊大小，對包含二值運動圖像中等于1的像素對應的像素塊進行運動估計，首先，對當前塊和其在參考幀中對應塊的差值的和取平均得到一個值，然后將當前幀中對應塊的所有像素點的灰度值都減去或加上該值的絕對值再重新參考幀中與該像素塊對應的位置進行絕對幀差和運算，再對這些像素塊的運動矢量進行簡單的統(tǒng)計分析判斷，可得到全局運動矢量，對那些運動矢量明顯不同于全局運動矢量的像素塊，其內(nèi)部的像素全部置為1，對那些運動矢量等于或近似等于全局運動矢量的像素塊，其內(nèi)部的像素全部置為0后，能夠得到新的二值運動圖像，對該二值運動圖像進行水平方向和垂直方向的填充得到填充后的二值運動圖像。
作為本發(fā)明的進一步改進，所述步驟(2)中計算得到當前幀的邊緣圖像的方法為Sobel算法、Watershed算法、域值法、聚類法、貝葉斯法或是Canny算子。
作為本發(fā)明的進一步改進，所述步驟(4)中得到精細的運動物體邊緣的方法是通過公式Oe,i={e∈Eb|minx∈Ec||e-x||≥Thinit}∪{x∈Ec|mine∈Eb||x-e||≤Thinit}]]>得到的；其中，所述的Oe，i為運動物體的邊緣，所述的Eb為二值運動圖像的邊緣，所述的Ec為通過Canny算子得到的邊緣，所述的Thinit為一閾值。
作為本發(fā)明的進一步改進，所述步驟(6)中生成背景圖像的方法是通過調(diào)整公式SP(x,y,t)=SP(x,y,t-1)+1,MO(x,y)=00,MO(x,y)=1]]> 中的變量取值，生成背景圖像；其中，所述的SP(x，y，t)為視頻圖像位置(x，y)對應像素連續(xù)被標記為背景的次數(shù)，所述的MO(x，y)為分割得到的運動圖像對應位置處的像素值，所述的BG(x，y，t)為背景圖像位置(x，y)處對應的像素值，所述的I(x，y，t)為當前圖像在位置(x，y)處的灰度值，所述的Fth為常數(shù)。
作為本發(fā)明的進一步改進，所述步驟(7)中做統(tǒng)計平均來獲得全局運動矢量的方法是通過公式GMVx=round((Σi=1NsbMVx(i))/Nsb)]]>GMVy=round((Σi=1NsbMVy(i))/Nsb)]]>來完成的；其中，所述GMVx為全局運動矢量水平方向的大小，Nsb為背景圖像中特殊像素塊的數(shù)目，GMVy為全局運動矢量垂直方向的大小。
作為本發(fā)明的進一步改進，所述步驟(9)中找到運動對象邊緣的方法為hausdorff距離算法或是簡單的歐氏距離匹配算法。
采用上述的方法后，利用視頻序列的時域空域信息，通過全局運動估計、邊緣檢測、背景圖像生成、形態(tài)濾波、變換場景檢測、對象跟蹤等技術(shù)，能以較小的計算量有效克服陰影效應、背景誤判等不利因素，并可以獲得較好的分割結(jié)果。


圖1(a)、圖1(b)為本發(fā)明的方法流程圖。
圖2(a)至圖2(j)為Akiyo視頻序列分割結(jié)果。
圖3(a)至圖3(f)為Coastguard視頻序列分割結(jié)果。
圖4(a)至圖4(d)為帶相機抖動視頻序列分割結(jié)果。
圖5(a)、圖5(b)為Mother_daughter視頻序列分割結(jié)果。
圖6為Hall_monitor視頻序列分割結(jié)果圖7為Claire視頻序列分割結(jié)果具體實施方式
下面結(jié)合附圖對本發(fā)明的具體實施方式
作進一步詳細說明。
如圖1(a)、圖1(b)所示，包括運動對象初始化和運動對象更新兩部分。
幀差及其統(tǒng)計分析視頻序列中當前幀的灰度圖像與前一幀的灰度圖像通過公式(1)計算得到兩幀的幀差圖像，然后對幀差圖像中的每個像素按照公式(2)、(3)、(4)計算得到一幅二值運動圖像，通過對該圖像中等于1的像素的覆蓋范圍和集中程度做判斷獲得二值運動圖像a)如果該二值運動圖像中等于1的像素的覆蓋范圍相對集中在圖像的某幾個區(qū)域，對該二值運動圖像進行先水平方向后垂直方向(或先垂直后水平方向)填充得到填充后的二值運動圖像，具體來說，就是先找到每一行或每一列上第一個屬于運動對象邊緣的像素點，然后找到每一行或每一列上最后一個屬于運動對象邊緣的像素點，它們之間的點都屬于候選像素點，賦值為1；b)如果等于1的像素的覆蓋范圍相對分散則需要通過運動估計來重新獲得二值運動圖像，進行運動估計時，運動估計的算法可利用簡單高效的快速算法，像素塊大小的選擇可根據(jù)視頻圖像的大小來確定，圖像越大，像素塊相對可選的大些來減少計算量，而且可根據(jù)先前得到的二值運動圖像的結(jié)果只對那些包含二值運動圖像中等于1的像素對應的像素塊進行運動估計，需要指出，修改的運動估計算法中先對當前塊和其在參考幀中對應塊的差值的和取平均得到一個值Avr，然后將當前幀中對應塊的所有像素點的灰度值都減去(Avr為正)或加上(Avr為負)該值的絕對值再重新參考幀中與該像素塊對應的位置進行絕對幀差和運算，再對這些像素塊的運動矢量進行簡單的統(tǒng)計分析判斷，可得到全局運動矢量，對那些運動矢量明顯不同于全局運動矢量的像素塊，其內(nèi)部的像素全部置為1，對那些運動矢量等于或近似等于全局運動矢量的像素塊，其內(nèi)部的像素全部置為0，這樣就可以得到新的二值運動圖像，對該二值運動圖像進行先水平方向后垂直方向(或先垂直后水平方向)填充得到填充后的二值運動圖像；可選擇地，使用濾波技術(shù)來對該二值運動圖像來平滑它的邊緣。
FD(x，y，t)＝|I(x，y，t)-I(x，y，t-1)|(1)公式(1)中，F(xiàn)D(x，y，t)表示幀差圖像，I(x，y，t)表示當前幀的灰度圖像(Y圖像)，I(x，y，t-1)表示前一幀的灰度圖像。
mi=(Σk∈sidyk)/M---(2)]]>σi4=(Σk∈si(dyk-mi)4)/M---(3)]]> 公式(2)中，mi為局部區(qū)域的均值，dyk是幀差圖像FD(x，y，t)中像素的灰度值，si代表以像素i為中心的窗口，M為該窗口中所包含像素的數(shù)目，通常M＝9，公式(3)中σi4為局部區(qū)域的四階矩，公式(4)中T為一閾值，該值的確定可通過對公式(3)中得到的每一像素的σi4進行統(tǒng)計分析得到，fi＝1表示像素i屬于運動物體，為0時表示像素i屬于背景。
邊緣檢測采用邊緣檢測算法得到當前幀的邊緣，如Sobel算法、Watershed算法、域值法、聚類法、貝葉斯法等分割方法，也可利用結(jié)合高斯去噪和梯度銳化方法優(yōu)點的Canny算子對當前幀圖像進行邊緣檢測，提取當前幀所有邊緣像素點，得到邊緣圖像。
運動對象檢測及后處理幀差及其統(tǒng)計分析模塊得到的二值運動圖像作為運動對象檢測及后處理模塊的輸入，該模塊首先利用高效快速的形態(tài)濾波技術(shù)得到二值運動圖像的邊緣圖像，該邊緣圖像和通過邊緣檢測算子得到的邊緣圖像按照公式(5)運算后得到比較精細的運動物體的邊緣，然后通過先水平方向后垂直方向(或先垂直后水平)的填充方法得到可能帶有毛刺的運動對象，再通過濾波技術(shù)消除這些毛刺。
Oe,i={e∈Eb|min∈Ec||e-x||≥Thinit}∪{x∈Ec|mine∈Eb||x-e||≤Thinit}---(5)]]>公式(5)中，Oe，i表示運動物體的邊緣，Eb表示二值運動圖像的邊緣，Ec表示通過Canny算子得到的邊緣，Thinit為一閾值，通常取1～4個像素，公式的含義是如果二值運動圖像的某個邊緣像素點與通過Canny算子得到的邊緣像素點的距離小于Thinit，則二值運動圖像的該邊緣像素點被Canny算子得到的邊緣像素點替換，否則保留，采用該公式的原因在于Canny算子得到的運動物體的邊緣通常是不連續(xù)的。
背景圖像生成
該模塊根據(jù)運動對象檢測及后處理模塊的結(jié)果，調(diào)整公式(6)、(7)中變量的取值，生成背景圖像。
SP(x,y,t)=SP(x,y,t-1)+1,MO(x,y)=00,MO(x,y)=1---(6)]]> 公式(6)中，SP(x，y，t)表示視頻圖像位置(x，y)處對應像素連續(xù)被標記為背景的次數(shù)，其初值為0，MO(x，y)為分割得到的運動圖像對應位置處的像素值，為0表示屬于靜止對象，為1表示屬于運動物體。公式(7)中，BG(x，y，t)表示背景圖像位置(x，y)處對應的像素值，其初值為0，所述的I(x，y，t)為當前圖像在位置(x，y)處的灰度值，所述的Fth為常數(shù)；如果SP(x，y，t)≥Fth，則該背景位置像素點被賦予當前圖像對應位置處的灰度值I(x，y，t)，否則為0，為運算簡單，通?？闪頕th為1。
全局運動補償當攝像機進行平動時，所攝得的視頻圖像與前一幀的視頻圖像之間會有一個全局運動矢量存在，可利用對背景圖像生成模塊中得到的背景圖像中某些特殊像素塊相對于當前要分割的視頻圖像做運動估計所得的運動矢量做統(tǒng)計平均(公式(8)、(9))來獲得這一全局運動矢量。背景圖像中特殊像素塊要離運動物體有一定距離且本身有比較明顯的梯度變化。得到全局運動矢量后，可利用該矢量對前一幀灰度圖像進行全局運動補償，補償后，前一幀灰度圖像中可能會有一些位置由于原有像素的移動而變空，這些位置處對應公式(6)、(7)中的SP(x，y，t)＝0、BG(x，y，t)＝0，其不再屬于背景。
GMVx=round((Σi=1NsbMVx(i))/Nsb)---(8)]]>GMVy=round((Σi=1NsbMVy(i))/Nsb)---(9)]]>公式(8)中，GMVx表示全局運動矢量水平方向的大小，Nsb為背景圖像中特殊像素塊的數(shù)目，公式(9)中，GMVy表示全局運動矢量垂直方向的大小。
場景切換判斷前一幀灰度圖像和當前幀灰度圖像一起輸入到場景切換判斷模塊中，前一幀圖像中屬于背景的像素塊通過在當前幀中進行運動估計來判斷在當前幀中是否發(fā)生了場景切換，如果像素塊通過運動估計得到的運動矢量相對分散，則認為發(fā)生了場景切換，重復運動對象初始化過程，否則進入運動對象更新模塊。
運動對象跟蹤運動對象運動時，可能會發(fā)生旋轉(zhuǎn)或變形，因此在每一幀中必須對運動對象進行更新，其實質(zhì)就是從當前幀的所有邊緣像素點中找到運動對象的邊緣，可以采用常用的距離匹配算法，如hausdorff距離算法、簡單的歐氏距離匹配算法等。
這樣，利用視頻序列的時域空域信息，通過全局運動估計、邊緣檢測、背景圖像生成、形態(tài)濾波、變換場景檢測、對象跟蹤等技術(shù)，能以較小的計算量有效克服陰影效應、背景誤判等不利因素，并可以獲得較好的分割結(jié)果。
如圖2所示，顯示了Akiyo視頻序列第51幀(圖2(a))中運動對象的分割過程及利用hausdorff距離的跟蹤結(jié)果。由于該視頻序列背景內(nèi)容相對簡單且錄制質(zhì)量很好，所以在運動對象初始化過程中幀差及其統(tǒng)計分析模塊不需要利用運動估計來獲得二值運動圖像(圖2(b))，然后對該圖像進行形態(tài)細化濾波得到該二值運動圖像的邊緣圖像(圖2(c))，隨后該圖像和經(jīng)過Canny算子得到的原始圖像的邊緣圖像經(jīng)過運動對象檢測及后處理模塊得到運動對象模型(圖2(f))和運動對象(圖2(g))，接著通過背景生成模塊得到原始圖像中的背景(圖2(h))，圖2(i)、(j)是通過hausdorff距離跟蹤得到的第56、62幀中的運動對象，可以看出，對Akiyo視頻序列，本發(fā)明的分割算法取得了很好的分割結(jié)果。
圖3顯示了Coastguard視頻序列中第119幀(圖3(a))中運動對象的分割過程及利用hausdorff距離的跟蹤結(jié)果。由于該視頻序列中背景相對比較復雜且存在一定的運動，所以在運動對象初始化過程中的幀差及其統(tǒng)計分析模塊需要利用運動估計來區(qū)分背景和運動對象，如圖3(b)所示，圖中中間沒有橫線的塊表示運動矢量明顯不同與全局運動矢量的運動塊，然后通過運動估計得到的二值運動圖像的邊緣圖像和通過Canny算子得到的原始圖像的邊緣圖像(圖3(c))進入運動對象檢測及后處理模塊，得到運動對象(圖3(d))，圖3(e)、(f)是通過hausdorff距離跟蹤得到的第125、130幀中的運動對象，可以看出，由于Coastguard視頻序列中波浪(紋理復雜，且有一部分的運動矢量和運動對象接近)的影響，所以分割結(jié)果中不是特別理想。
圖4表現(xiàn)了本發(fā)明提出的分割算法中全局運動補償對視頻序列分割結(jié)果的影響，其中圖4(b)是沒有使用全局運動補償時的分割結(jié)果，可以看出，屬于背景的紋理比較復雜的部分由于相機抖動的影響而被誤判為運動對象，而屬于運動對象的部分則被誤判為背景，圖4(c)是從前一幀背景圖像中提取出來的符合要求的特征塊(紋理相對復雜且距離運動對象有一定距離)，通過對這些塊進行運動估計(圖4(a))為參考得到全局運動矢量，圖4(d)顯示使用全局運動補償?shù)姆指罱Y(jié)果，可以看出，通過全局運動補償可以獲得很好的視頻分割結(jié)果。
圖5是Mother_daughter視頻序列第50、95幀的分割結(jié)果，其中圖5(a)由于小女孩運動此時較少，而背景中與她臉頰相近的地方顏色紋理很接近，所以造成小女孩臉頰處的過分割，而圖5(b)由于小女孩此時也開始運動，所以取得了不錯的分割結(jié)果。圖6是Hall_monitor視頻序列第60、70幀的分割結(jié)果，由于采用Canny算子、改進的運動估計算法及統(tǒng)計分析可以很好的減弱人物對象在地面上形成的陰影，提高分割質(zhì)量。圖7是Claire視頻序列第50、100幀的分割結(jié)果，其分割效果較好。
權(quán)利要求
1.一種視頻序列中運動物體的分割方法，其特征在于，包括以下步驟(1)將當前幀灰度圖像和前一幀灰度圖像輸入幀差及統(tǒng)計分析模塊進行分析計算獲得二值運動圖像，發(fā)送該二值運動圖像到運動對象檢測及后處理模塊；同時，將當前幀灰度圖像輸入邊緣檢測模塊和場景切換模塊；(2)邊緣檢測模塊根據(jù)當前幀灰度圖像計算得到當前幀的邊緣圖像，發(fā)送該當前幀的邊緣圖像到運動對象檢測及后處理模塊和運動對象跟蹤模塊；(3)運動對象檢測及后處理模塊收到二值運動圖像，將該二值圖像通過高效快速的形態(tài)濾波技術(shù)得到二值運動圖像的邊緣圖像；(4)運動對象檢測及后處理模塊對所述二值運動圖像的邊緣圖像和收到的當前幀的邊緣圖像進行運算得到精細的運動物體邊緣，通過水平方向和垂直方向的填充方法得到運動對象；(5)判斷該運動對象是否帶有毛刺噪聲，如果判斷結(jié)果為是，則通過濾波技術(shù)消除這些毛刺噪聲，進入步驟(6)；如果判斷結(jié)果為否，進入步驟(6)；(6)背景圖像生成模塊根據(jù)運動對象檢測及后處理模塊的處理結(jié)果，通過運算生成背景圖像后，發(fā)送到全局運動補償模塊；(7)全局運動補償模塊根據(jù)收到的背景圖像中特殊像素塊相對于當前要分割的視頻圖像做運動估計所得的運動矢量做統(tǒng)計平均來獲得全局運動矢量，利用該全局運動矢量對前一幀灰度圖像進行全局運動補償后，發(fā)送到場景切換模塊；(8)場景切換模塊接收經(jīng)過全局運動補償?shù)那耙粠叶葓D像和當前幀灰度圖像，判斷是否發(fā)生場景切換，如果判斷結(jié)果為是，則返回步驟(1)；如果判斷結(jié)果為否，則將經(jīng)過全局運動補償?shù)那耙粠叶葓D像發(fā)送到運動對象跟蹤模塊，進入步驟(9)；(9)運動對象跟蹤模塊接收場景切換模塊的結(jié)果和當前幀的邊緣圖像，從當前幀的所有邊緣像素點中找到運動對象邊緣；(10)背景圖像更新模塊根據(jù)運動對象跟蹤模塊的處理結(jié)果，對背景圖像進行更新，發(fā)送到全局運動補償模塊；(11)全局運動補償模塊根據(jù)收到更新的背景圖像中特殊像素塊相對于當前要分割的視頻圖像做運動估計所得的運動矢量做統(tǒng)計平均來獲得全局運動矢量，利用該全局運動矢量對前一幀灰度圖像進行全局運動補償。
2.按照權(quán)利要求1所述的視頻序列中運動物體的分割方法，其特征在于，所述的步驟(1)分析計算獲得二值運動圖像的方法具體為(A)對當前幀灰度圖像和前一幀灰度圖像通過公式FD(x，y，t)＝|I(x，y，t)-I(x，y，t-1)|計算得到兩幀的幀差圖像；其中，所述的FD(x，y，t)為幀差圖像，所述的I(x，y，t)為當前幀的灰度圖像，所述的I(x，y，t-1)為前一幀的灰度圖像；(B)對幀差圖像中的每個像素按照公式mi=(Σk∈sidyk)/M]]>σi4=(Σk∈si(dyk-mi)4)/M]]> 計算得到一幅二值運動圖像；其中，所述的mi為局部區(qū)域的均值，所述的dyk是幀差圖像FD(x，y，t)中像素的灰度值，所述的si為以像素i為中心的窗口，所述的M為該窗口中所包含像素的數(shù)目，所述的σi4為局部區(qū)域的四階矩，所述的T為得到的通過對每一像素的σi4進行統(tǒng)計分析得到的一閾值，所述的fi為判斷像素屬于運動物體或是屬于背景；(C)判斷該二值運動圖像中等于1的像素的覆蓋范圍為相對集中還是為相對發(fā)散，如果判斷結(jié)果為相對集中，則對該二值運動圖像進行水平方向和垂直方向的填充來獲得填充后的二值運動圖像；如果判斷結(jié)果為相對發(fā)散，則根據(jù)視頻圖像的大小來選取像素塊大小，對包含二值運動圖像中等于1的像素對應的像素塊進行運動估計，首先，對當前塊和其在參考幀中對應塊的差值的和取平均得到一個值，然后將當前幀中對應塊的所有像素點的灰度值都減去或加上該值的絕對值再重新參考幀中與該像素塊對應的位置進行絕對幀差和運算，再對這些像素塊的運動矢量進行簡單的統(tǒng)計分析判斷，可得到全局運動矢量，對那些運動矢量明顯不同于全局運動矢量的像素塊，其內(nèi)部的像素全部置為1，對那些運動矢量等于或近似等于全局運動矢量的像素塊，其內(nèi)部的像素全部置為0后，能夠得到新的二值運動圖像，對該二值運動圖像進行水平方向和垂直方向的填充得到填充后的二值運動圖像。
3.按照權(quán)利要求1所述的視頻序列中運動物體的分割方法，其特征在于，所述步驟(2)中計算得到當前幀的邊緣圖像的方法為Sobel算法、Watershed算法、域值法、聚類法、貝葉斯法或是Canny算子。
4.按照權(quán)利要求1所述的視頻序列中運動物體的分割方法，其特征在于，所述步驟(4)中得到精細的運動物體邊緣的方法是通過公式Oe,i={e∈Eb|minx∈Ec||e-x||≥Thinit}∪{x∈Ec|mine∈Eb||x-e||≤Thinit}]]>得到的；其中，所述的Oe，i為運動物體的邊緣，所述的Eb為二值運動圖像的邊緣，所述的Ec為通過Canny算子得到的邊緣，所述的Thinit為一閾值。
5.按照權(quán)利要求1所述的視頻序列中運動物體的分割方法，其特征在于，所述步驟(6)中生成背景圖像的方法是通過調(diào)整公式SP(x,y,t)=SP(x,y,t-1)+1,MO(x,y)=00,MO(x,y)=1]]> 中的變量取值，生成背景圖像；其中，所述的SP(x，y，t)為視頻圖像位置(x，y)對應像素連續(xù)被標記為背景的次數(shù)，所述的MO(x，y)為分割得到的運動圖像對應位置處的像素值，所述的BG(x，y，t)為背景圖像位置(x，y)處對應的像素值，所述的I(x，y，t)為當前圖像在位置(x，y)處的灰度值，所述的Fth為常數(shù)。
6.按照權(quán)利要求1所述的視頻序列中運動物體的分割方法，其特征在于，所述步驟(7)中做統(tǒng)計平均來獲得全局運動矢量的方法是通過公式GMVx=round((Σi=1NsbMVx(i))/Nsb)]]>GMVy=round((Σi=1NsbMVy(i))/Nsb)]]>來完成的；其中，所述GMVx為全局運動矢量水平方向的大小，Nsb為背景圖像中特殊像素塊的數(shù)目，GMVy為全局運動矢量垂直方向的大小。
7.按照權(quán)利要求1所述的視頻序列中運動物體的分割方法，其特征在于，所述步驟(9)中找到運動對象邊緣的方法為hausdorff距離算法或是簡單的歐氏距離匹配算法。
全文摘要
本發(fā)明公開了一種視頻序列中運動物體的分割方法。為解決現(xiàn)有技術(shù)受到物體運動快慢、陰影效應、背景誤判等因素的問題而發(fā)明。本發(fā)明視頻序列中運動物體的分割方法是對當前幀灰度圖像和前一幀灰度圖像進行幀差及其統(tǒng)計分析、全局運動估計、形態(tài)濾波、邊緣檢測、運動對象檢測及后處理、背景圖像生成、全局運動補償、變換場景檢測、運動對象跟蹤、背景圖像更新等來完成的，采用上述的方法后，不但能夠以較小的計算量有效克服陰影效應、背景誤判等不利因素，而且可以獲得較好的分割結(jié)果。
文檔編號H04N7/26GK101087413SQ20061008732
公開日2007年12月12日 申請日期2006年6月7日 優(yōu)先權(quán)日2006年6月7日
發(fā)明者魯照華, 費佩燕 申請人:中興通訊股份有限公司