[发明专利]一种基于光流场聚类的运动目标分割方法

权利要求书

1.一种光流场的运动内极线约束. 考虑一个摄像机相对一个固定场景运动，并通过透视投影将景物成象到图像平面上，如果坐标系固定到摄像机上，那么可以认为场景是相对于摄像机运动的，景物的运动可以用图像平面的流速来描述，此时速度是物体表面投影到图像平面的像素坐标、摄像机相对于物体表面的运动和摄像机与物体表面距离的函数，由公式(1)描述

               (1)

          (2)

   (3)

式中，是在图像像素坐标处的流速，已被焦距归一化，是平移分量，其中是所对应的场景中的点的第三维坐标，而为旋转分量；和分别为摄相机的空间三维平移速度和旋转角速度。

2.如果摄像机相对于场景只有平移运动而没有旋转运动，那么场景将产生一种独特的光流场形态，即场景投影到象平面上像素点的运动好像是从图像平面的一个固定点沿延伸直线产生出来，这一点为延伸焦点FOE( Focus Of Expansion). 这种由FOE所确定的光流场的运动形态称为运动的内极线约束，从方程(1)可以得到FOE的位置

              (4)

可见延伸焦点的位置取决于平移的方向，而不是速度大小，因此，在场景中相对静止的图像像素处的光流方向可以根据摄像机运动的方向由运动内极线约束确定，即

                   (5)

当时，延伸焦点在图像坐标的远处，此时对应的光流场是平行的，而图像中光流与有很大差异的像素处对应着运动的目标区域，由此，可以检测出运动目标。

3.当摄像机有旋转运动时，情况变得更为复杂, 因为仅同旋转参数有关，而与图像的形状属性无关，所以可以通过对的估计来预测, 在图像平面上的每一像素处，可以由观察到流速中减去，从而得到流速的平移成分, 由所建立的流场满足运动的内极线约束条件，因而可以由该约束确定出运动的目标区域，但是由于光流的计算误差和对摄像机旋转参数的估计误差，仅利用内极线约束很难完整地确定出运动目标区域，还需要对利用内极线约束获得的光流场进行动态聚类分割。

4.基于C-均值聚类算法的矢量场分割，C-均值聚类算法是基于误差平方和准则的动态聚类算法，本发明定义的误差平方和聚类准则函数为

                  (6)

              (7)

其中为混合样本集中的样本，该样本集被聚合成个分离开的子集，分别包含个样本，是第个子集中样本的均值。

5.本发明定义的样本为光流场像素的坐标，误差平方和准则为欧氏距离准则，C-均值聚类算法在初始划分的基础上，使用迭代算法，逐步优化聚类结果，使准则函数达到极小值，获得个类型，然后，比较各个类型里的样本数目，若样本数目过少，则认为是虚警而被消除掉；若还存在多个类型，认为存在多个运动目标，实验中我们完成了对单个和多个运动的目标区域的分割，获得很好的分割图。

6.一种利用Canny边缘算子对目标区域进行细化的方法，对于二维图像，Canny算子认为阶跃型边缘的最优边缘检测器的形状与高斯函数的一阶导数类似，利用二维高斯函数的圆对称性和可分解性，可以计算高斯函数在任意方向上的方向导数与图像的卷积，设二维高斯函数如下式

            (8)

在某一方向上的一阶导数为     

                 (9)

式中，，是单位方向矢量；是梯度矢量。

7.本发明将图像与作卷积，同时改变的方向，当时，可求解出当取得最大值时的

                (10)

很显然正交于检测边缘的方向，即在该方向上，有最大输出响应

             (11)

在实际应用中，公式(8)中的影响原始模板截断成有限的尺寸的大小，其中为权值，利用分割算法获得光流分割场后，在这些分割区域里包含了所有运动目标. 本发明将在这些分割区域里利用Canny算子提取边缘，一方面可以大大限制背景干扰，另一方面可以有效地提高运行的速度，这样在分割图的基础上，得到可靠运动目标区域的边缘图，假定数目为n, 边缘像素集用表示，即，样本为像素坐标。