[发明专利]一种采用Snake轮廓模型的视频对象跟踪分割方法

说明书

技术领域

本发明涉及一种视频对象提取中的处理方法，特别涉及一种采用Snake轮廓模型的视频跟踪分割方法。

背景技术

利用视频对象跟踪技术来生成视频对象平面(VOP)的方法，不但能够提高分割结果的精度，而且符合MPEG-4基于内容的图像表示方式。其实质是：利用前一帧的分割结果在当前帧寻找到对象的最佳匹配位置。

目前，国内外也涌现出一些基于对象跟踪的视频分割的方法。视频对象跟踪通常采用模型匹配，主要做法有以下几类：把在当前帧中分割出的对象轮廓根据运动信息投影到下一帧，作为下一帧中运动对象分割的初始轮廓，再结合其它特征在空域内进行精细匹配跟踪；或者把当前帧中的对象轮廓与下一帧中提取的粗轮廓沿图像进行匹配，以便确定跟踪的对象；或者根据当前帧中对象的特征合并下一帧中分割的各个区域从而得到跟踪的对象。常用的方法有基于Hausdorff距离的跟踪(参见张晓波，刘文耀.基于块仿射分类和HD跟踪的视频分割方法[J].计算机应用研究，2008，25(4)：1084-1086)、基于卡尔曼滤波的跟踪(参见张贝贝，肖国强，江建民.基于运动估计的Kalman滤波视频对象跟踪[J].计算机应用，2008，28(8)：2052-2054)、基于区域的跟踪、基于网格的匹配跟踪(参见冯远，黄凤岗，苏菡，王桐.一种基于二维网格的自动视频对象分割及跟踪方法[J].哈尔滨工程大学学报，2003，24(4)：449-452)和基于变形模板的跟踪(参见Shijun Sun，David R.Haynor，Yongmin Kim.Semiautomatic video object segmentation using VSnakes[J].IEEE Transactions on Circuits and Systems for Video Technology，2003，13(1)：75-82)等。

张晓波采用基于块仿射分类和HD跟踪的视频分割方法，自动得到运动对象的二值模型并在随后帧中使用Hausdorff距离进行跟踪，将视频对象运动分为慢变和快变两部分，分别结合背景边缘模型进行匹配更新，分割效果较好，但是计算较为复杂。李兵(参见李兵，须德，王方石.一种基于对象跟踪的视频分割算法[J].北京交通大学学报.2005，29(5)：89-91)利用运动信息，对目标进行跟踪，通过初始帧的精确模板，自动对后续图像进行分割，但是该方法需要通过手动绘制关键帧的初始粗轮廓，而且在对象变形较大时会失效。宋立锋(参见宋立锋，韦岗，王群生.一种半自动分割视频对象的方法[J].华南理工大学学报，2002，30(8)：49-54)模板匹配形成一个闭环来限制后继帧的分割结果，从而避免在对象跟踪过程中分割误差向后不断传递、扩大，精度较高，但仍需手动勾勒初始视频序列的第一帧，无法实现自动快速的分割。

可以看出，采用视频对象跟踪的难点在于如何建立前后帧之间运动对象的对应匹配关系。另外，如何在保证跟踪分割精度的前提下，实现自动快速的分割也是需要继续研究的重点方向。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种采用Snake轮廓模型的视频跟踪分割方法，在时域实现对各帧运动对象初始轮廓的自动、准确的定位；在空域通过Snake贪婪方法将初始轮廓快速、准确地演变到运动对象的实际精确轮廓。

本发明解决其技术问题所采用的技术方案：采用Snake轮廓模型的视频跟踪分割方法，包括以下具体步骤：

步骤1：对空域Snake贪婪方法进行改进。

步骤2：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，对关键帧进行运动变化检测，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关键帧的初始轮廓，分别为Rect1，Rect2。

步骤3：对F₁、F₂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以前面得到的初始轮廓、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，若符合条件得到F₁、F₂运动对象的精确轮廓。