[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

说明书

本发明公开了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。该方法首先基于运动显著图提取运动目标的大致区域，然后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，并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，最后通过过分割技术获取图像超像素，并通过引入置信度的概念和建立包含多种信息的表观模型实现最终像素一级的目标分割。本发明方法在多组公开发布的视频序列中进行测试，并通过与现有方法的比较验证了本发明方法的有效性和优越性。

技术领域

本发明涉及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。

背景技术

视频序列运动目标分割是计算机视觉领域中的重要而基础的研究方向，在人机交互、视觉导航、视频监控、智能交通等领域有着广泛的应用。根据摄像机是否运动，可以分为静态背景目标分割和动态背景目标分割两类。静态背景目标分割中，摄像机保持静止不动而只有目标运动，此种情况下实现运动目标的分割较为容易，已广泛应用于停车场、广场、公路交通等固定场景的视频监控中，常用的方法包括帧差法、混合高斯模型、基于核密度估计的自适应背景模型、隐马尔可夫背景模型等。而实际应用中为了扩大监控范围，常常伴有摄像机云台也随着目标一起运动的情况，此时会造成视频序列的背景发生变化，形成动态背景。动态背景目标分割中，摄像机发生了平移、旋转或光心运动，导致不同时刻同一背景图像坐标像素点不再对应三维空间的同一位置，增加了运动目标分割的难度，是当前运动目标分割研究的重点和难点问题。

为了实现动态背景下的运动目标分割，很多学者采用补偿差分的策略，此类方法的关键是如何准确估计和补偿相邻帧的背景运动参数，从而将问题转化为静态背景下的目标分割问题，消除背景运动给目标分割带来的影响。陆军等人采用块匹配方法对背景运动进行估计，并实现了一套基于背景运动补偿差分的运动目标分割和跟踪系统，然而上述方法仅适用于摄像机微小平移和旋转的情况，对于摄像机光心变换较大的场合无法适用。张兆阳等人采用径向运动补偿和像素值重分配实现运动补偿，并通过多帧差分运算提取视频序列的运动目标，该方法同样仅适用于背景变化不大的特殊场合，对于背景变化明显或摄像机变焦的情况，其处理效果较差。Araki等人首先将背景运动建模为六参数的仿射模型，然后利用角点特征匹配方法对背景运动进行估计，最后通过前后多帧的差分图像分割出运动物体，然而现有的角点匹配方法受角点提取误差和环境变化影响较大，从而导致该方法的稳定性较差。Suhr等人采用了相似的思路，不同之处在于将背景运动建模为三参数的相似变换，因此可通过提取水平和垂直两方向上的图像局部极大值和极小值来估计模型参数，从而解决了角点匹配方法对环境适应性差的问题。

动态背景运动目标分割的另一种解决思路是利用视频序列中提取的特征点运动轨迹，特别是随着Brox等人对特征轨迹之间的距离进行了准确定义之后，更使得此类方法成为运动目标分割领域的研究热点。Dey等人利用视频序列独立提取和跟踪的特征点运动轨迹，提出一种基于基础矩阵约束的运动目标分割方法，然而该方法仅实现了特征运动轨迹的准确分类，并未实现最终的像素一级的运动目标分割。Cui等人构造了包含目标运动轨迹和背景运动轨迹的轨迹矩阵，并通过低秩约束和组稀疏约束实现运动目标分割，该方法在动态背景视频序列中取得了较好的实验效果，但其实现过程需要矩阵分解和迭代运算，复杂性较高。Kwak等人通过非参数置信传播估计前背景特征轨迹满足的运动模型，并通过贝叶斯滤波完成模型的传播，方法能够减小噪声和不完整特征轨迹造成的影响，但对于前背景颜色相近的区域分割效果不理想。

发明内容

本发明要解决的技术问题是克服现有技术的缺陷，提供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。

为了解决上述技术问题，本发明提供了如下的技术方案：

本发明公开了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：