[发明专利]一种确定视频前景主体图像区域的方法和装置

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种确定视频前景主体图像区域的方法和装置。

背景技术

在一帧图像中，包括前景范围和背景范围，所述背景范围是整个图像或整个图像除去所述前景范围后的图像。所述前景范围可划分为前景主体图像和前景背景图像。前景范围是指在一幅图像当中使用矩形、圆形、椭圆形等几何形状将前景主体图像框起来的图像区域。例如在一幅包含人脸的图像中，前景范围指的是人脸所覆盖的区域，背景是除去人脸以外的图像区域。在一幅图像中将前景提取出来，称为前景分割。

随着视频应用的广泛传播，前景分割技术也被应用到视频中。目前视频图像分割大都集中在视频监控和新闻节目中的前景分割，由于在这类场景中，拍摄机的位置不会发生变动，只是前景在运动，因此这类场景中视频的背景是静止不动的，而在电影等视频中的背景和前景同时运动的情况中，视频分割技术的应用很少。

在目前的视频前景分割技术中，采用的是基于单点的光流计算方法。这种光流算法首先对视频中的前一帧图像进行特征点选取，使用LK光流算法对每个特征点(x，y)计算相对于下一帧图像的运动矢量(δx，δy)。然后使用聚类算法，将特征点分为两类。

聚类算法对特征点分类的具体步骤为以下1-4：

1、将特征点随机分为两类；

2、将每个特征点的x，y，δx，δy带入以下公式，

ax+by+c＝δx

dx+ey+f＝δy

可以得到多个(a，b，c，d，e，f)的等式，从中确定出(a，b，c，d，e，f)的最小二乘解(a₁，b₁，c₁，d₁，e₁，f₁)。

3、将每个特征点的x，y值代入

a₁x+b₁y+c₁

d₁x+e₁y+f₁

得到(δx₁，δy₁)

4、根据得到的(δx₁，δy₁)与(δx，δy)的差值情况，重新将特征点分为两类，然后回到上述步骤2继续进行，直至特征点的分类不再变化。

将其中一类的特征点作为前景的特征点，最后将前景的特征点合成前景区域，从而达到视频中前景分割效果。

在实现上述视频分割的过程中，

背景和前景同时运动的场景是一种更为复杂的场景，在采用基于单点的光流计算方法进行前景和背景分割时，由于特征点的选取和计算会有一定的误差，使大量前景的点被归类为背景，背景的点被归类为前景，使得分割结果中的前景带有大量的背景纹理及其部分前景缺失，导致分割错误率很高，目前现有技术还不能达到理想的分割效果。

发明内容

本发明的实施例提供一种确定视频前景主体图像区域的方法和装置，提高视频前景主体图像区域分割准确率。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明的实施例第一方面提供了一种确定视频前景主体图像区域的方法，包括：

在视频的前一帧图像中，确定前景范围以及背景范围，所述背景范围是整个图像或整个图像除去所述前景范围后的图像区域；

获取下一帧图像的背景范围相对于所述前一帧图像的背景范围的运动矢量和放大倍率；

根据所述下一帧图像的背景范围相对于所述前一帧图像的背景范围的运动矢量和放大倍率，得到所述下一帧图像中的前景范围；

计算所述下一帧图像的前景范围和所述前一帧图像的前景范围的之间的灰度值之差，由所述灰度值之差得到前景运动边缘灰度图；

根据所述前景运动边缘灰度图，得到前景主体图像区域。

作为本发明实施例的第一方面的第一实现方式，所述获取下一帧图像的相对于前一帧图像的背景范围的运动矢量和放大倍率，具体包括：

在所述前一帧图像的背景范围中取一组点集；

计算所述点集中的每个点相对于下一帧图像的运动矢量；

根据模板匹配算法，计算所述点集中的每个点相对于下一帧图像的匹配度；

从所述点集中筛选出匹配度高于匹配阈值的点；所述匹配阈值为所述点集中的每个点的匹配度组成的集合的中值；