[发明专利]基于形状传递联合分割和图匹配校正的轮廓跟踪方法

说明书

技术领域

本发明涉及一种数字图像处理领域的视频目标轮廓跟踪方法，具体是一种基于形状传递联合分割和图匹配校正的轮廓跟踪方法。

背景技术

在计算机视觉领域，视觉跟踪是一个非常重要且具有挑战性的问题。基于轮廓的跟踪不仅仅能够在视频中定位到目标物体的位置，同时还要将目标物体从背景中分割出来。轮廓跟踪算法的目的在于对特定的目标物体在时间上进行连续的分割，用轮廓或者边界更为准确的描述那些随着时间形状有所改变的非刚性物体，同时确保目标物体的轮廓在时间上能保持一致性。

经过对现有技术的文献检索发现，J.Malcolm，Y.Rathi与A.Tannenbaum,在2007年的《IEEE International Conference on Computer Vision》会议上发表的“Multi-object tracking through clutter using graph cuts”一文中提出了一种利用图分割的方法，对集群中的多目标进行轮廓跟踪。其中引入了一个距离惩罚项和一个位置预测，每一个目标物体的速度都用一个自回归模型来进行建模，从而提供了每一个目标物体在下一个时刻的预测位置。由于这种距离位置的预测被考虑进去了，所以这种连续的分割有了一种空间上的限制，从而使得每一个目标物体在时间上也能保证一定的一致性。为了考虑运动的变化，作者还对每一个目标物体计算了一个参数因子，用来表示目标物体实际位置与预测为止之间的误差，从而来权重预测所占的权重。L.Ma，J.Liu与J.Wang在2010年的《IEEE Int.Conf.Acoustics,Speech,and Signal Processing》会议上发表的“An improved silhouette tracking approach integrating particle filter with graph cuts”一文中提出了一种结合能粒子滤波和3D图分割模型的轮廓跟踪方法。这种方法可以在目标物体具有大尺度变化以及遮挡的情况下进行目标物体的轮廓跟踪。分割模块提供了目标物体的形状信息，为基于直方图信息的粒子滤波模块提供了空间的信息补偿。但是上述两种方法对于遮挡情形或者物体形状尺度发生巨大变化时，由于分割目标物体时仅仅基于图分割的方法，最终会导致分割跟踪结果的不准确。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于形状传递联合分割和图匹配校正的轮廓跟踪方法，可以有效提高视频中目标物体轮廓跟踪的准确率，并可作为一种通用的视频跟踪方法。

本发明是通过以下技术方案实现的：

一种基于形状传递联合分割和图匹配校正的轮廓跟踪方法，包括两部分：

形状传递联合分割：将形状预测图与原始图像视频帧相结合，借助位置坐标的重定位，提出新的图模型构造方法，并构建新的能量优化函数对图模型进行联合分割；

图匹配校正：对当前图像的分割结果与前一帧图像的分割结果进行图匹配，当图匹配的结果不能满足该限制条件时，调整形状传递联合分割中的权重参数，校正分割结果的不准确。

进一步的，上述方法具体包括如下步骤：

步骤一，对输入视频流的前两帧进行待跟踪目标物体的人工标定，明确需要跟踪的目标物体的位置和形状，在之后的轮廓跟踪过程中，就不需要其他任何的人工干预；

步骤二，输入下一帧视频图像，如果视频结束则终止；否则初始化设定图分割能量函数中权重参数λ_C的值，使得λ_C＝2；

步骤三，将前两帧图像的分割结果作为输入，分别计算得到坐标重定位和形状预测图；

步骤四，借助坐标重定位数值，结合当前的视频图像帧与形状预测图得到形状传递的图模型；

步骤五，根据构建的能量函数，进行能量最小化优化，对步骤四中得到的图模型进行联合分割；

步骤六，对当前图像的分割结果与前一帧图像的分割结果进行图匹配，如果当前图像分割结果的图匹配能量函数值满足相应的限制条件，则转到步骤二，继续下一帧图像的轮廓跟踪；否则增加权重参数λ_C的值，转到步骤五，重新进行图模型联合分割。

优选地，所述的形状预测图，具体的生成方法为：将前两帧图像的分割结果作为输入，重复进行膨胀腐蚀操作，从而得到形状预测图。