[发明专利]一种采用Snake轮廓模型的视频对象跟踪分割方法

权利要求书

1.一种采用Snake轮廓模型的视频对象跟踪分割方法，其特征在于实现步骤如下：

步骤1：以四帧F₁、F₂、F₃、F₄为一分割小组，将原始视频序列划分成若干组，选取F₁、F₂为关键帧，F₁、F₂进行帧间差分得CDM1，F₂、F₃进行帧间差分得CDM2，对F₁、F₂进行运动变化检测，获取运动对象的大致位置，并求出运动区域的外接矩形作为F₁、F₂的初始轮廓，分别为Rect1，Rect2；

步骤2：对F₁、F₂的灰度图像进行高斯滤波后进行Sobel边缘检测，然后分别在F₁、F₂内采用改进的贪婪方法通过步骤1得到的初始轮廓、边缘梯度图为输入进行迭代演变，如果没有达到指定的迭代数目或轮廓变动数目小于指定值则继续迭代，若符合条件则得到F₁、F₂运动对象的精确轮廓；

步骤3：分别计算F₁、F₂运动对象的精确轮廓的形心Pos1，Pos2，并计算这两个形心间的运动矢量(MV_1to2.x，MV_1to2.y)；

步骤4：投影映射得到非关键帧F₃、F₄的初始轮廓；

步骤5：对非关键帧F₃、F₄灰度图像进行高斯滤波后进行Sobel边缘检测，然后分别在F₃、F₄内采用改进的贪婪方法通过步骤4得到的初始轮廓、边缘梯度图为输入进行迭代演变，得到F₃、F₄运动对象的精确轮廓；

步骤6：将下一个分割小组转入步骤1开始新一轮的分割，直至所有帧分割完毕；

所述改进的Snake贪婪方法的实现步骤如下：

(1)对于每个控制点i，在它的M邻域查找最大和最小梯度值Grand_max，Grand_min；

(2)计算控制点i及其邻近点的曲率项能量E_curvature(i)、E_{curvature_max}、连续性能量E_continuity(i)、E_{continuity_max}及内部梯度能量E_grandInter(i)；

(3)规范化能量值，具体公式如下：

E_curvature(i)＝E_curvature(i)/E_{curvature_max}

E_continuity(i)＝E_continuity(i)/E_{continuity_max}

E_grandInter(i)＝(Grand(i)-Grand_min)/(Grand_max-Grand_min)；

(4)计算每个控制点i的总能量，具体如下：

E_snake(i)＝α×E_continuity(i)+β×E_curvature(i)-γ×E_grandInter(i)；

(5)按照步骤(1)-步骤(4)的步骤，同样计算该控制点i附近M邻域的各个点的总能量并找出包括i能量在内的M×M个点的总能量的最小值；

(6)更新控制点到新的轮廓点；

(7)处理下一个控制点i+1，直到轮廓中的所有控制点全部访问完为止；

(8)统计移动的控制点的比例Th及循环的次数n，若有一个达到预先设定的值，则终止循环，否则从首个控制点开始，重新转入步骤(1)进行搜索。