[发明专利]基于光流法和超像素分割的运动目标提取方法

说明书

技术领域

本发明属于图像处理领域，特别是涉及一种基于超像素分割和Horn—Schunck光流法的运动目标提取，可用于目标跟踪和目标检测。

背景技术

运动目标提取是指单幅图像或序列图像中将运动的目标与背景分割开来，从图像中识别和解译有意义的物体实体而提取不同的图像特征的操作。根据摄像头是否静止，运动检测分为静态背景和动态背景两种，大多数视频监控系统是摄像头固定的，因此静态背景下运动目标检测受到广泛关注。常用的运动目标提取方法有背景减去法、帧间差分法和光流法三种。背景减去法：将含有运动目标的前景图像和事先通过背景模型得到的背景图像相减得到运动目标。这种方法虽然简单易行，但是受外界因素影响太大，另外阈值的选择也很关键，因此需要和其他方法配合使用才能得到较满意的结果。帧间差分法：该方法通过连续两帧或者三帧图像的像素差确定运动区域。该方法能够快速有效的从背景中检测出目标，对动态目标具有较强的适应性，但一般不能完全提取出所有相关的特征像素点，在运动实体内易产生空洞现象。

光流法：基于光流法的运动目标提取采用运动目标随时间变化的光流特性，用来描述相邻帧之间某像素点的运动，通过计算运动物体在帧间的运动向量来得到运动区域的大小。该方法能在背景剧烈变化，甚至摄像机移动的情况下分离出运动物体，但是，大多数的光流方法计算复杂，且抗噪性能差。在诸多的运动分析方法中,光流计算具有明显的优点:(1)光流计算可以基本正确地检测到亚像素的移动距离,精度较高;(2)光流计算适合检测相对复杂的运动,如旋转、缩放等。光流方法可分为基于差分的方法、基于频域的方法和基于相关性的方法等。其中,HS方法和LK(Lucas-Kanade)方法是两种经典的基于差分的光流计算方法。HS方法由于采用了一阶不变灰度梯度,最小均方差迭代的最终收敛点会产生偏移,从而导致光流计算结果不准确。

光流法检测运动物体的基本原理是：给图像中的每一个像素点赋予一个速度矢量，这就形成了一个图像运动场，在运动的一个特定时刻，图像上的点与三维物体上的点一一对应，这种对应关系可由投影关系得到，根据各个像素点的速度矢量特征，可以对图像进行动态分析。如果图像中没有运动物体，则光流矢量在整个图像区域是连续变化的。当图像中有运动物体时，目标和图像背景存在相对运动，运动物体所形成的速度矢量必然和邻域背景速度矢量不同，从而检测出运动物体及位置。采用光流法进行运动物体检测的问题主要在于大多数光流法计算耗时，实时性和实用性都较差。但是光流法的优点在于光流不仅携带了运动物体的运动信息，而且还携带了有关景物三维结构的丰富信息，它能够在不知道场景的任何信息的情况下，检测出运动对象。

对于视频监控系统来说，所用的图像基本都是摄像机静止状态下摄取得，所以对有实时性和准确性要求的系统来说，纯粹使用光流法来检测目标不太实际。更多的是利用光流计算方法与其它方法相结合来实现对目标检测和运动估计。

图像分割是计算机视觉与数字图像处理中最基本的问题之一，它是对图像进一步分析、识别、跟踪和理解的基础。图像分割将图像中的像素按照不同的视觉特征或者语义分割成不同的子集。具体的讲，图像分割是为图像中的每个像素指定一个标号的过程，其目的是使具有相似视觉特征或相同语义的像素具有相同的标号。同时，研究图像分割具有十分重要的意义，它可广泛应用于半自动图像检索，视频会议，2D转3D技术，目标提取与跟踪及医学图像分析等众多领域。

简单线性迭代聚类（SLIC）是一种由k均值聚类方法改变而来的超像素产生方法。SLIC的超像素分割方法和其他的超像素方法相比，具有以下优点：能够保持好的边缘信息，节省时间，节约内存，明显的提高分割效果，容易使用，参数易调节，易于扩展到超体元的产生。

仅仅使用光流法只能知道运动目标的大概位置，并不能精确的提取出运动目标，本发明结合超像素的图像分割方法更加精确地提取出运动目标。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种运动目标提取方法，以保持图像数据一致性，获得清晰的目标边缘，提高提取目标结果的精度。

实现本发明的技术方案包括如下步骤：

步骤1，取视频序列中的一帧视频图像O，将其预分割成超像素集合S；

步骤2，取视频序列中与图像O相邻且在图像O之后的一帧图像O1，根据这两帧视频图像得到O中每个位置像素的水平运动速度矩阵u和垂直运动速度矩阵v；

步骤3，根据水平运动速度矩阵u和垂直运动速度矩阵v得到每一个像素点的速度幅度矩阵