专利名称：基于六边形搜索及五帧背景对齐的动背景视频对象提取的制作方法
技术领域：
本发明涉及一种视频分割中的处理方法，特别涉及一种基于六边形网格整像素运动估计及五帧背景对齐的动背景下视频对象提取方法。
背景技术：
对于动态视频序列中运动对象的提取，由于摄像机产生的全局运动使得在静背景下的分割方法，如帧差或者背景差分等方法不适用于动背景下的分割，即不能够准确地将运动对象提取出来，因此针对动背景下的分割问题必须首先消除摄像机运动所造成的全局运动的影响，通过全局运动估计和补偿技术，将问题转化成静背景下的分割问题，进而应用·静背景下广泛的分割方法实现动背景下的准确、有效分割。全局运动估计是指估计由摄像机运动引起的序列背景区域的运动规律，求解出相应数学运动模型中的多个参数。全局运动补偿是在根据运动估计所得到的全局运动参数，在当前帧和前一帧之间作一个相应的背景对齐的映射变换。这样在准确的补偿之后就可以采用帧差或背景差等方法消除背景区域，突出感兴趣的具有局部运动的前景区域(参见杨文明.时空融合的视频对象分割[D].浙江浙江大学，2006)。对于动背景下的运动对象分割问题，目前国际上已有相当多的学者做了大量的研究工作。如利用改进的分水岭算法将运动补偿后的视频帧分割成不同的灰度区域，通过光流计算得到序列的运动信息，最后，将运动信息和分割的区域按一定的准则综合得到对象模板，达到对视频对象的准确定位(参见张庆利.一种基于运动背景的视频对象分割算法.上海大学学报(自然科学版)，2005，11(2):111-115.)。如建立四参数运动放射模型来描述全局运动，采用块匹配方法进行参数估计，结合Horn-Schunck算法检测出运动目标并应用卡尔曼滤波对运动目标的质心位置等信息进行跟踪，实现了动态场景中运动对象的检测与跟踪。(参见施家栋.动态场景中运动目标检测与跟踪.北京理工大学学报，2009，29(10) :858-876.)。另一种采用非参数核密度估计的方法，首先采用匹配加权的全局运动估计补偿算法消除动态场景下背景运动的影响，然后估计各像素属于前景与背景的概率密度并结合形态学等算法进行处理，实现了动背景下运动对象的准确、有效分割。(参见马志强.一种动态场景下运动对象分割新算法.计算机工程与科学，2012，34(4) :43-46.)。为了解决动背景下的分割问题，本发明方法实现了一种采用宏块预判断、块匹配、摄像机六参数仿射模型、最小二乘法等全局运动估计及补偿方法，并通过五帧背景对齐结合边缘信息等实现动背景分割。实验证明，该方法实现了动背景视频序列中视频对象的提取，并且提取精度得到明显提高。
发明内容
本发明要解决的技术问题是如何减少块匹配的运算时间，如何实现动背景下视频对象的准确提取。
本发明解决其技术问题所采用的技术方案是一种基于六边形网格整像素运动估计及五帧背景对齐的动背景下视频对象提取方法，包括以下步骤(I)将第K-2帧、第K-I帧、参考帧K帧、第K+1帧与第K+2帧分别分成8X8宏块，根据纹理信息对该五帧中所有宏块进行预判断、筛选；(2)对上述筛选后的宏块采用SAD准则、六边形网格整像素搜索策略进行块匹配，分别以第K-2帧、第K-I帧、第K+1帧与第K+2帧作为当前帧，以第K帧作为参考帧，得到该四帧相对于参考帧K帧的运动矢量场，并通过最小二乘法计算全局运动参数，获得摄像机六参数模型；
(3)对第K-2帧进行运动补偿，使第K-2帧与第K帧背景对齐，得到重建帧K_2’，按照同样的方法对第K-I帧、第K+1帧与第K+2帧进行运动补偿，使第K-I帧、第K+1帧及第K+2帧分别与第K帧背景对齐，并得到重建帧K-1’、重建帧K+1’及重建帧K+2’ ；(4)对重建帧K-2’、K-1’、K+1’、K+2’及参考帧K帧分别采用Sobel算子提取边缘信息，并分别计算其相对于参考帧K边缘的帧差屯、d2、d3、d4，采用最大方差阈值方法进行二值化；(5)分别对连续五帧前两帧和后两帧得到的帧差二值化结果进行与运算；对得到的与运算结果采用或运算及形态学、中值滤波等进行后处理，实现动背景下视频对象的快速有效分割。所述步骤(I)中对于当前第K-2帧、第K-I帧、第K+1帧、第K+2帧与参考帧K帧中分成的8X8宏块进行预判断及筛选，具体步骤如下由于在下述步骤中应用最小二乘法计算全局运动参数的时候，很多误差大的宏块被直接删除，如果能够在最小二乘法运算之前将误差大的宏块剔除，将显著的提高运算速度，并降低运算量。而决定宏块误差大小、影响计算准确性的重要因素便是宏块的纹理信息，也就是梯度信息。本部分提出的宏块预判断及筛选的方法正是从宏块的梯度信息出发，根据设定的阈值对于宏块进行筛选抑或保留，当宏块的信息量小于该阈值时，对该宏块进行筛选，不作为下述步骤中参与块匹配的宏块；当信息量大于该阈值时，则对宏块进行保留，作为有效特征块参与进行下述的运动估计等运算。其主要步骤如下第一步将每一帧分成8X8子块，经试验证明，若采用分成16X16子块的形式则计算量过大，若分成4x4子块则块匹配等方法不够精确，故采用8X8子块的形式；第二步采用Sobel算子得到每一帧的梯度图，将梯度信息作为宏块剔除的判断依据；
_ 8] |V/(.t, j)| = mag(Vf(x, y)) = +Gv2其中|V/(x，_v)|表示该点的梯度信息，Gx、Gy分别表示偏导数。第三步计算每一个宏块的梯度量；以8x8子块为例，其梯度信息量为
I-S J=S |V/(x,>08xS| = EEIV/(x，>，)l
^=I ./=1第四步确定宏块预断的阈值，一般保留所有宏块的40%，根据这个确定的值，对所有宏块的梯度量进行排序，确定保留40%下宏块筛选的最佳阈值T ；
第五步完成对于宏块的筛选，若其梯度信息量>T，则对宏块进行保留，作为有效特征块参与进行下述的运动估计等运算；若其梯度信息量〈T，对该宏块进行筛选，不作为下述步骤中参与块匹配的宏块。所述步骤(2)中的分别以K-2巾贞、K-I巾贞、K+1巾贞、K+2帧作为当前帧，以K帧作为参考帧，对筛选后的宏块采用SAD准则、六边形网格整像素搜索策略进行块匹配，并将块匹配求得的运动矢量场利用最小二乘法获得摄像机六参数模型，其具体步骤如下(i)块匹配准则SAD本部分采用SAD块匹配准则，该准则不仅能够找到最佳匹配点，并且计算量小、耗时短。
权利要求
1.应用于一种基于六边形网格整像素运动估计及五帧背景对齐的动背景下视频对象提取方法，其特征在于包括以下步骤 (1)将第K-2帧、第K-I帧、参考帧K帧、第K+1帧与第K+2帧分别分成8X 8宏块，根据纹理信息对该五帧中所有宏块进行预判断、筛选； (2)对上述筛选后的宏块采用SAD准则、六边形网格整像素搜索策略进行块匹配，分别以第K-2帧、第K-I帧、第K+1帧与第K+2帧作为当前帧，以第K帧作为参考帧，得到该四帧相对于参考帧K帧的运动矢量场，并通过最小二乘法计算全局运动参数，获得摄像机六参数模型； (3)对第K-2帧进行运动补偿，使第K-2帧与第K帧背景对齐，得到重建帧K-2’，按照同样的方法对第K-I帧、第K+1帧与第K+2帧进行运动补偿，使第K-I帧、第K+1帧及第K+2帧分别与第K帧背景对齐，并得到重建帧K-1’、重建帧K+1’及重建帧K+2’ ； (4)对重建帧K-2’、K-1’、K+1’、K+2’及参考帧K帧分别采用Sobel算子提取边缘信息，并分别计算其相对于参考帧K边缘的帧差屯、d2、d3、d4，采用最大方差阈值方法进行二值化； (5)分别对连续五帧前两帧和后两帧得到的帧差二值化结果进行与运算；对得到的与运算结果采用或运算及形态学、中值滤波等进行后处理，实现动背景下视频对象的快速有效分割。
2.根据权利要求I所述的方法，其特征在于所述步骤(I)的对于当前第K-2帧、第K-I帧、第K+1帧、第K+2帧与参考帧K帧中分成的8X8宏块进行预判断及筛选，具体步骤如下 由于在下述步骤中应用最小二乘法计算全局运动参数的时候，很多误差大的宏块被直接删除，如果能够在最小二乘法运算之前将误差大的宏块剔除，将显著的提高运算速度，并降低运算量。而决定宏块误差大小、影响计算准确性的重要因素便是宏块的纹理信息，也就是梯度信息。本部分提出的宏块预判断及筛选的方法正是从宏块的梯度信息出发，根据设定的阈值对于宏块进行筛选抑或保留，当宏块的信息量小于该阈值时，对该宏块进行筛选，不作为下述步骤中参与块匹配的宏块；当信息量大于该阈值时，则对宏块进行保留，作为有效特征块参与进行下述的运动估计等运算。
其主要步骤如下 第一步将每一帧分成8x8子块，经试验证明，若采用分成16 X 16子块的形式则计算量过大，若分成4x4子块则块匹配等方法不够精确，故采用8X8子块的形式； 第二步采用Sobel算子得到每一帧的梯度图，将梯度信息作为宏块剔除的判断依据； |V/(U)| = magiVf^y))=机2 +G'2 其中|Y/'(x,>，)|表示该点的梯度信息，Gx、Gy分别表示偏导数。
第三步计算每一个宏块的梯度量；以8x8子块为例，其梯度信息量为第四步确定宏块预断的阈值，一般保留所有宏块的40%，根据这个确定的值，对所有宏块的梯度量进行排序，确定保留40%下宏块筛选的最佳阈值T ;第五步完成对于宏块的筛选，若其梯度信息量〉T，则对宏块进行保留，作为有效特征块参与进行下述的运动估计等运算；若其梯度信息量〈T，对该宏块进行筛选，不作为下述步骤中参与块匹配的宏块。
3.根据权利要求I所述的方法，其特征在于所述步骤(2)的分别以K-2帧、K-I帧、K+1帧、K+2帧作为当前帧，以K帧作为参考帧，对筛选后的宏块采用SAD准则、六边形网格整像素搜索策略进行块匹配，并将块匹配求得的运动矢量场利用最小二乘法获得摄像机六参数模型，其具体步骤如下 (i)块匹配准则SAD 本部分采用SAD块匹配准则，该准则不仅能够找到最佳匹配点，并且计算量小、耗时短。
4.根据权利要求I所述的方法，其特征在于所述步骤(3)的通过运动补偿分别获得当前帧K-2帧、K-I帧、K+1帧及K+2帧的重建帧K-2’、K-1’、K+1’、K+2’，其具体内容如下 对于当前帧K-2帧、K-I帧、K+1帧及K+2帧中的每一个点根据上述获取的摄像机模型，计算其分别在参考帧K中的对应位置并对其进行赋值，从而实现对于K-2帧、K-I帧、K+1帧及K+2帧的全局运动补偿，使补偿后的重建帧K-2’、K-1’、K+1’、K+2’与参考帧K的背景对齐，从而实现下述结合边缘信息、自适应最大方差阈值的基于六边形网格整像素运动估计及五帧背景对齐的动背景下视频分割方法。
5.根据权利要求I所述的方法，其特征在于所述步骤(4)的采用Sobel算子提取边缘信息，并分别与参考帧K边缘进行差分，采用最大方差阈值进行二值化，其具体步骤如下 (i)Sobel算子提取边缘信息，并与参考帧K边缘进行差分 边缘检测算子种类很多，基于Sobel算子对于边缘定位效果不错并且对于噪声具有鲁棒性的特点考虑，选择Sobel边缘检测算子对于重建帧K-2’、K-1’、K+1’、K+2’及参考帧K帧进行边缘特征提取。
Sobel算子可以用模板卷积来实现
6.根据权利要求I所述的方法，其特征在于所述步骤(5)的对连续五帧前两帧和后两帧得到的帧差二值化结果分别进行与运算，并经过或运算及滤波等后处理 对上述二值化结果OtusBuf I、OtusBuf2、OtusBuf3、OtusBuf4进行与运算，与运算的结果如下
全文摘要
本发明公开了一种基于六边形网格整像素运动估计及五帧背景对齐的动背景下视频对象提取方法，包括如下步骤首先将K-2帧、K-1帧、参考帧K、K+1帧与K+2帧分成8×8宏块，根据宏块判断准则对宏块进行筛选；对筛选后的宏块采用六边形网格整像素运动估计方法进行块匹配，分别得到上述四帧相对于参考帧的运动矢量场，并通过最小二乘法计算全局运动参数；对第K-2帧、K-1帧、K+1帧与K+2帧分别进行运动补偿，使该四帧与参考帧背景对齐，并得到四帧的重建帧；对重建帧K-2'、K-1'、K+1'、K+2'及参考帧分别采用Sobel算子提取边缘信息，计算相对于参考帧边缘的帧差，最大方差阈值二值化；分别对连续五帧前两帧和后两帧得到的帧差进行与运算；最后进行或运算并做后处理，实现动背景下视频对象的快速有效分割。
文档编号G06T7/20GK102970527SQ201210398169
公开日2013年3月13日 申请日期2012年10月18日 优先权日2012年10月18日
发明者祝世平, 郭智超 申请人:北京航空航天大学