[发明专利]一种实时的轮廓精细化抠像方法及存储介质

摘要

一种实时的轮廓精细化抠像方法及存储介质，该抠像方法获取先验前背景知识，沿着前景的轮廓建立缓冲区掩膜从而可粗略地得到前景范围；将缓冲区掩膜数据下采样到一定比例；结合缓冲区掩膜数据，基于速度优化以及添加人物轮廓形状先验的Grabcut算法对彩色图进行分割，得到该尺度的分割结果；将分割结果上采样到与原始数据相同的分辨率，实现抠图。本发明对原始Grabcut算法进行了优化，优化后的算法速度提升了30％，分割出的轮廓鲁棒性较强，不受周围梯度较大的物体影响，基本沿着真实的目标轮廓走，并且本发明不需要人机交互，在高分辨率视频流下，不依赖昂贵的GPU，可实时提取出人物前景，并能保证边缘的精细。

主权项

1.一种实时的轮廓精细化抠像方法，包括如下步骤：缓冲区掩膜建立步骤S110：获取待抠像处理的实时视频流，并根据一定的规则标记目标的初始前景轮廓，并根据所述前景轮廓建立缓冲区掩膜，在所述缓冲区中轮廓内为确定的前景，缓冲区与轮廓之间为不确定区域，缓冲区外为确定的背景像素；速度优化后的前背景建模步骤S120：根据视频图像中的彩色图和所述缓冲区掩膜，统计前景区域中彩色的最大值和最小值，根据前背景GMM中的模型个数，对彩色的最大值和最小值之间的差值进行划分，得到每个GMM模型的初始中心点，根据所述初始中心点统计每个GMM模型的参数，以及类别间的权重，并迭代更新GMM模型，得到最终的前景模型参数；目标形状先验添加步骤S130:构建梯度链，并且统计缓冲区内不确定点的目标轮廓方向值，将每个不确定点的目标轮廓方向值以一定的权重添加到N链计算中，以保证在约束到梯度最大的同时保证是沿着目标轮廓方向的；最大流最小割算法图像分割步骤S140：利用最大流最小割算法对图像进行解算分割，确定缓冲区内不确定区域中不确定点的前景标识，得到精细化后的前景掩膜；抠像步骤S150：利用精细化后的前景掩膜结合彩色图像进行目标抠像。