[发明专利]一种基于边界提取的运动分割的边界连接方法

说明书

 

技术领域

本发明用于在运动分割之后，把分割结果中断开的物体边界连接起来。本方法是我们最近所提出的基于边界提取的运动分割方法的后处理步骤，属于计算机视觉领域。目前主要应用于小区或宾馆等公共场所的智能监控系统，随着技术的进步，今后还可进一步用于其它民用或军用监视设施之中。

背景技术

运动分割的主要目的是为了准确地得到摄像头所拍摄的场景中正在运动的物体的轮廓或边界，从而对该物体进行跟踪，或对该物体的行为进行识别，是目前智能监控及安全监视系统的基础。目前，由于良好的可靠性和算法的可扩展性，人们广泛地采用基于模型的分割方法作为运动分割的基本方法。基于模型的运动分割方法的基本步骤一般是：首先建立运动物体区域模型，然后需要通过统计模式识别的方法对模型参数进行估计，接着，再在参数估计的基础上进行运动分割。目前而言，以上步骤是一个不断地反复迭代过程，直到算法最后收敛。基于模型的方法中，模型参数的估计是一个迭代过程，这个过程通常有很大的计算量。而且，基于模型的方法需要对整个图像进行搜索，这一步骤也同样意味着大的计算量，图像尺寸越大，计算量就越大，同时这也意味着非常耗时。另外，基于模型的方法由于遮挡问题难以解决，所以往往不能够给出精确的物体边界。此外，基于模型的方法对光流场的计算准确性要求较高，然而目前仍然缺少对光流场准确性的验证方法。由于以上原因，所以，到目前为止，基于模型的运动分割方法仍然不能达到实用性的要求。鉴于以上问题，我们提出了一种全新的基于边界提取的运动分割方法，该方法仍然建立在运动模型的基础上，但是对光流场的准确性要求不高，并且，不需要在整个图像范围内进行搜索估计，所以具有很快的运算速度。另外，由于方法建立在边界提取的基础之上，所以能够准确地得到物体边界，从而可以解决基于模型的方法中的遮挡问题。根据我们的方法，基于模型的运动分割所需的计算量极少，已经可以向实用性迈出一大步。我们所提出的基于边界提取的运动分割方法中的主要问题就是由于背景噪声的存在，以及物体本身某些部位有时运动不明显，从而使分割出来的物体边界产生了不连续性。本专利的主要目的就是采用各种规则，将这些不连续的边界连接起来，从而得到较为完整的运动物体边界，同时，不能有太大的计算量。

发明内容

本发明的内容是：将基于边界提取的运动分割方法所得到的不连续边界连接起来，从而获得运动物体的较为完整的边界，并且计算量不能太大。

本发明的另一个内容是，在连接边界的基础上，去除分割结果中由噪声等因素引起的残留边界，同时也不需要太大的计算量，为基于边界提取的运动分割方法向实用性继续迈进。

在以上两个内容的配合使用下，所产生的有益效果是：

1.       能够使运动分割过程迅速完成，并能够得到相对完整的运动物体边界；

2.       将运动的物体与噪声分离开来，从而使运动分割的结果不会受到噪声的干扰；

3.       由于分割过程非常快速，所以能够将本发明初步用于智能监控系统中对感兴趣目标的监视跟踪过程；

4.      由于本发明是面向实用的，从而为基于模型的运动分割方法在实用方面提供了一个可行的解决方案。

本专利的具体实时方式如下：

在以前的研究中，我们根据基于边界提取的运动分割方法，可以快速得到视频序列中运动物体的边界，如图1、2所示。由于世界上物体的运动往往不是刚体运动，所以当某些部分有明显运动时，其它的部分则有可能是不动或仅仅作微小的运动，这就造成了对这部分的运动分割将不能得到物体边界，也就是说，物体的运动分割边界会在这里断开。另外，由于各种噪声的影响，还会在分割结果中出现一些不应该出现的边界，而这些边界都与运动物体无关。在本发明中，我们主要致力于解决以上两个问题。这两个问题分别被示于图2中的圆圈1和圆圈2中。

为了解决以上两个问题，我们在这里首先提出以下定义：

（1）    POB：断掉的物体边界上的像素；

（2）    PBO：噪声边界像素；

（3）    POB-边界：断掉的边界；

（4）    PBO-边界：噪声产生的边界；

（5）    P-边界：由基于边界提取的运动分割方法所得到的所有边界。

而本发明的目的就是在所有的P-边界中，连接POB-边界，并尽可能去除PBO-边界。

经过大量的研究，我们发现，P-边界应具有以下特性：

（1）    PBO-边界通常是一些短的、孤立的边界；