[发明专利]一种同时适应于静止相机和运动相机的前景目标提取方法

摘要

本发明公开了一种同时适应于静止相机和运动相机的前景目标提取方法，包括如下步骤构建视频序列时域交叠的多组近邻帧窗口，求解近邻帧窗口的几何运动模型；结合所述运动模型，计算视频序列长时运动轨迹的平均投影误差；将投影误差升序得到排序后的误差曲线，求解曲线拐点得到长时运动轨迹的前/背景标记信息；结合长时运动轨迹的前/背景标记信息，构建数据项和权重项；结合光流和颜色信息，构建时域平滑项和空域平滑项；结合数据项、权重项、时域平滑项和空域平滑项，构建马尔可夫随机场模型的能量函数，求解能量函数得到前景目标提取结果。本发明可以广泛应用于电影片段、监控平台和移动载体等多种视频序列的前景目标提取。

主权项

一种同时适应于静止相机和运动相机的前景目标提取方法，其特征在于，包括如下步骤：S1构建视频序列时域交叠的多组近邻帧窗口，求解近邻帧窗口的几何运动模型；S2结合运动模型，计算视频序列长时运动轨迹的平均投影误差；S3将投影误差升序得到排序后的误差曲线，求解曲线拐点得到长时运动轨迹的前/背景标记信息；S4结合长时运动轨迹的前/背景标记信息，构建数据项和权重项；S5结合光流和颜色信息，构建时域平滑项和空域平滑项；其具体方法如下：S51利用光流信息，计算视频序列每个超像素的时域平滑项惩罚函数其中ζ(i)为超像素ri的时域近邻超像素集合，r′i为超像素ri经过帧间光流补偿在下一帧图像的映射区域，A′i和Ak分别为超像素ri'和rk的面积，A′ik为区域ri'和超像素rk的重合区域面积；S52利用颜色信息，计算视频序列每个超像素的空域平滑项惩罚函数其中ψ(i)为超像素ri的空域近邻超像素集合，ci和cj为超像素ri和rj的质心坐标，bij∈[0,1]代表空域近邻超像素ri和rj颜色信息的相似性度量；S6结合数据项、权重项、时域平滑项和空域平滑项，构建马尔可夫随机场模型的能量函数，求解能量函数得到前景目标提取结果。