[发明专利]基于运动显著图和光流矢量分析的动态背景目标分割方法

权利要求书

1.一种基于运动显著图和光流矢量分析的动态背景目标分割方法，其特征在于，包括以下步骤：

S1、基于灰度投影的运动显著图获取：

S11、采用运动显著图来获取运动目标的大致区域，具体是指在水平和垂直两个方向上对图像像素的灰度值进行投影，从而把二维图像转换为两条一维特性曲线；

S12、对邻近帧图像的特性曲线进行相关计算，得到邻近帧图像之间的运动平移量；

S2、基于光流矢量的目标像素点计算：

S21、借助邻近帧之间的光流场获得运动目标和背景区域的运动边界；

S22、利用运动边界对运动显著图进行分析，从而得到运动目标内部精确的像素点；

S3、基于置信度的超像素分类：

S31、利用SLIC算法获得视频序列的超像素集合；

S32、对置信度较高的超像素进行分类；

S33、对置信度较低的超像素进行分类；

所述步骤S2具体为：

设F_t(i,j)为第t帧图像位置为(i,j)处的光流矢量，为其对应的光流梯度幅值，则可得到一个边界强度系数B_t(i,j)∈[0,1]

其中λ为将边界强度系数B_t(i,j)控制在0至1范围内的参数；由于运动目标与背景区域边界处的光流矢量梯度幅值差异较大，因此可将强度系数B_t(i,j)较大的像素点确定为二者的运动边界；在得到运动目标和背景区域的大致边界后，本发明进一步计算运动显著图中像素与运动边界的交点，从而得到运动目标内部精确的像素点；具体做法是：

步骤1：对视频序列的每帧图像，利用步骤S1得到运动显著图，通过设定一个较小阈值T1得到大致的运动目标区域

步骤2：利用公式(1)得到该帧图像对应的边界强度系数，同样通过设定一个较小阈值T2得到运动目标和背景区域的大致运动边界

步骤3：将中的每个像素点向上、下、左、右四个方向引出射线，并计算每条射线与运动边界的交点数目，若交点数目为奇数，则判断该点在运动边界内部，否则，判断该点在运动边界外部；

步骤4：统计中每个像素4个方向引出射线与运动边界交点为奇数的射线数目，若超过2个，则认为该点属于运动目标内部的像素点。

2.根据权利要求1所述的一种基于运动显著图和光流矢量分析的动态背景目标分割方法，其特征在于，步骤S1具体为：

设P_t(i,j)为第t帧图像中位置为(i,j)处的像素值，那么该帧图像在x和y方向的特征曲线和可表示为

其中W和H分别表示当前帧图像的宽度和高度；为了准确估计邻近帧图像在x和y方向上的平移量dx和dy，按下式计算匹配度量函数

其中l为邻近帧图像之间的间隔帧数；显然在邻近帧图像中，由于大部分图像内容是相同的，因此其特性曲线也基本相似，但由于摄像机运动导致了图像的整体移动，导致其对应的特性曲线会产生平移，并且当平移量估计正确时，特性曲线的匹配度量函数应该取得最大值，因此可计算得到平移量的估计值和

根据上述平移量的估计值，可计算得到第t帧图像的运动显著图S_t(i,j)

3.根据权利要求1所述的一种基于运动显著图和光流矢量分析的动态背景目标分割方法，其特征在于，步骤S3具体为：

设第t帧图像获得的超像素集合为V_t，则本步骤的目标就是对每个超像素v_t,i进行分类，即v_t,i∈{f,b}，其中f代表目标超像素，b代表背景超像素；

然后对置信度较高的超像素进行分类；置信度用于衡量超像素与步骤S2获得的目标内部像素点的符合程度，即如果超像素v_t,i中包含已获得的目标内部像素点的比例h_t,i大于某个大的阈值T3，则可认为该超像素具有很高的置信度属于运动目标，同理若h_t,i小于某个小的阈值T4，则可认为该超像素具有很高的置信度属于背景，从而可将置信度较高的超像素分类为目标超像素和背景超像素，如下式所示

最后对置信度较低的超像素进行分类；置信度较低的超像素是指目标内部像素点的比例h_t,i介于阈值T3和T4之间的歧义超像素；为了对这些超像素进行分类，本发明从置信度较高超像素中随机抽样20％的像素点，并以这些点构建运动目标和背景的统计模型，最后通过估计歧义超像素与统计模型的符合程度，实现对置信度较低超像素的分类，如下式所示

上式中，A(v_t,i|c)表示歧义超像素v_t,i属于背景或运动目标的概率，|v_t,i|和n分别表示歧义超像素中像素点和采样像素点的数目，和w_k分别表示歧义超像素中像素点和采样像素点的特征向量。