[发明专利]一种视频运动目标分割的方法

说明书

技术领域

本发明涉及视频技术领域，具体涉及计算机视频内容分析、检测技术领域，特别是将连续图像序列中运动目标的图像自动从背景中分割出来的方法。

背景技术

视频运动目标分割的方法是指通过数学模型及算法，利用计算机将连续图像序列中运动目标的图像自动从背景中分割出来的方法。这种方法可用于视频智能分析、视频编码、人机交互等多种应用领域。

视频运动目标分割的方法主要有以下几种：

1、假设背景分割的方法：通过假设背景完全静止不动，最简单的背景建模算法通过两帧间，甚至多帧间差的计算来判别运动目标和背景。两帧或多帧间图像差值小的为背景，大的为前景。这种方法具有简单直观的优点，理想条件下实验效果也较好。但事实上，由于监控场景中经常存在复杂的背景情况，很多场景根本无法得到理想的纯背景图像。再加上相机成像过程中产生的噪声，以及自动增益控制和白平衡导致的图像灰度值的全局变化，这种视频运动目标分割的方法往往效果很差，难以实用。

因此，目前的主流运动目标分割的方法主要采用以下两种方法：

2、颜色特征分割的方法：利用颜色特征的方法主要考虑背景图像和前景图像像素值的统计分布，通过建立多个高斯模型来描述这种分布，进而使用一定的判决准则对当前像素属于背景像素或运动目标像素进行判断，也即前景分割。在将背景和前景进行分割后，按照一定的规则对背景图像像素值的统计分布参数进行更新，通常对前景的分布进行较为慢速的更新，对背景的分布进行常规速度的更新。1998年计算机视觉与模式识别会议上的文章”Adaptivebackground mixture models for real-time tracking”中所介绍的方法即是这种方法的典型代表。这种方法十分有效地客服了假设背景的方法对噪声的敏感，并且可以将一些主观上并不重视的运动，如花草的晃动等表述入背景。与此同时，这类方法不需要预先使用一个理想的背景模型，因此而比较实用。但由于很多情况下使用高斯分布来描述非运动目标像素灰度的分布并不准确，因此对这种方法对光照变化、阴影等情况都可能出现错误分割。

3、梯度特征分割的方法：利用梯度特征的分割方法在建模思想上和上述利用颜色特征的建模方法类似，只是将颜色特征改为了梯度特征。梯度信息受相机的自动增益控制以及局部光照变化的影响较小，因此比颜色特征分割的方法更为稳定，但对图像中的平坦区域(如瓷砖质地面，墙面)以及噪声较大的区域都容易出现误判。

发明内容

本发明所要解决的技术问题是：为克服上述方法的缺陷，提供一种视频运动目标分割的方法，该方法可提高视频运动目标分割的准确度。

本发明解决上述技术问题所采用的技术方案是：

一种视频运动目标分割方法，其步骤是：

(1)建立背景图像分区域信息的步骤；它包括将背景图像划分为长边缘区域、纹理区域、平坦区域并存储的步骤；

(2)输入视频图像帧的步骤；

(3)根据背景图像分区域信息对当前图像帧进行分区域的步骤；

(4)判断当前图像帧和背景信息是否匹配的步骤，它包括：

判断当前图像帧中的长边缘区域和背景图像中的长边缘区域是否匹配的步骤；

判断当前图像帧中的纹理区域和背景图像中的纹理区域是否匹配的步骤；

判断当前图像帧中的平坦区域和背景图像中的平坦区域是否匹配的步骤；

(5)将步骤(4)判断为否的区域图像输出的步骤。

上述方案的步骤(4)中，

判断当前图像帧中的长边缘区域和背景图像中的长边缘区域是否匹配的步骤采用Haar滤波分割的方法。

上述方案的步骤(4)中，

判断当前图像帧中的纹理区域和背景图像中的纹理区域是否匹配的步骤采用梯度特征分割的方法。

上述方案的步骤(4)中，

判断当前图像帧中的平坦区域和背景图像中的平坦区域是否匹配的步骤采用颜色特征分割的方法。

上述方案的步骤(1)包括：

(1.1)在背景图像划分为长边缘区域的步骤。

(1.2)在长边缘区域以外的区域划分纹理区域和平坦区域的步骤。

上述方案中，步骤(1.1)具体为：

(1.1.1)对背景图像进行长边缘检测的步骤；

(1.1.2)对检测出的边缘进行破碎边缘的重连和边缘图像的矢量化；

(1.1.3)计算每条边缘的长度，将边缘长度大于阈值的边缘按设定值放大，获得长边缘区域；

(1.1.4)标记为长边缘区域并存储。

上述方案中，视频运动目标分割方法还包括：