[发明专利]基于变化检测和帧差累积的视频对象分割方法

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，特别涉及一种基于变化检测和帧差累积的视频对象分割方法。在保证分割效果和速度的前提下，改变了传统变化检测需要多次试验获取帧差阈值的缺点，充分考虑了像素邻域的信息，更为准确的获取视频对象。帧差累计应用一段时间内的信息，解决了运动对象不规则运动所带来的局部运动对象缺失问题，基于不连续性检测的Kirsch边缘检测算子得到当前帧中连通的完整图像边缘信息并二值化，三种方法结合应用，使该方法更具有实用性和推广性。 

背景技术

基于对象的视频分割是实现MPEG-4基于内容的编码和交互功能的关键，伴随着MPEG-4标准基于内容编码技术的推广，视频对象分割技术已经成为当前研究的热点。目前，基于对象的视频分割在视频监控，人机交互，军事，通讯等领域都有着极为广泛的应用前景。尽管近年来人们对视频对象分割进行了广泛的研究，但是仍没有完全解决这个问题。 

视频对象分割方法按照是否需要人工参于分割过程分为自动分割（参见Thomas Meier,King N.Ngan.Automatic segmentation of moving objects for video object plane generation[J].IEEE Transactions on Circuits and Systems for Video Technology，1998,8(5):525-538)和半自动分割（参见Munchurl Kim,J.G.Jeon,J.S.Kwak,M.H.Lee,C.Ahn.Moving object segmentation in video sequences by user interaction and automatic object tracking[J].Image and Vision Computing,2001,19(5):245-260）。 

按照应用领域不同主要包括：时域分割方法，空域分割方法及时空融合分割方法。时域分割方法利用视频序列的时序属性，通过相邻帧的时域变化来检测运动目标。常用的方法有帧间差分法和背景差分法。帧间差分法（参见Zhan C H.An improved moving object detection algorithm based on frame difference and edge detection[A].International Conference on Image and Graphics[C],2007:519-523）；方法实现简单，程序设计复杂度低，对光线等场景变化不太敏感，能够适应各种动态环境，稳定性较好，但是不能提取出对象的完整区域，只能提取出边界，依赖于选择的帧间差的时间间隔。背景差分法（参见Olivier Barnich,Marc Van Droogenbroeck.A universal background subtraction algorithm for video sequences[J].IEEE Transactions on Image Processing,2011,20(6):1709-1723）；其原理和方法设计简单根据实际情况确定阈值进行处理，所得结果直接反映了运动目标的位置、大小、形状等信息，能够得到比较精确的运动目标信 息，但是背景更新的计算量比较大容易产生离散噪声点，受光线、天气等外界条件变化的影响较大。光流（参见Jareal A,Venkatesh K S.A new color based optical flow a1gorithm for environment mapping using a mobile robot[A].IEEE International Symposium on Intelligent Control[C].2007:567-572）；携带了目标的运动信息，在场景信息未知情况下，能很好地检测出运动对象，检测准确度高，但光流法计算量大一般不能被应用于实时处理场景。空域分割方法（参见Jaime S.Cardoso,Jorge C.S.Cardoso,Luis Corte-Real.Object-based spatial segmentation of video guided by depth and motion information[A].IEEE Workshop on Motion and Video Computing[C].2007.）；利用图像的颜色、亮度、纹理以及边缘信息等空域属性来提取视频对象。时空融合分割方法（Ahmed,R.,Karmakar,G.C.,Dooley，L.S.Incorporation of texture information for joint spatio-temporal probabilistic video object[A].IEEE International Conference on Image Processing[C].2007,6,293-296）；是现在最常用的分割方法，该方法结合视频序列的时域信息及空域信息。两种信息相互融合得到相对准确的分割结果。