[发明专利]一种基于GPU的各向异性视频过分割方法

权利要求书

1.一种基于GPU的各向异性视频过分割方法，其特征在于包括以下步骤：

1)加载视频到显存中，计算视频的光流场；

2)给定种子点的初始位置，根据光流场计算种子点的各向异性矩阵，加载信息到显存中；

所述给定种子点的初始位置，根据光流场计算种子点的各向异性矩阵的具体方法为：

种子点的各向异性矩阵M_i必须是半正定矩阵，满足PSD约束；首先求得一个对称矩阵再判断其是否满足PSD约束；由于矩阵是对称的，包含6个未知量，将其表达为一个向量：然后构建超定方程来求解这6个未知量：

其中，A是18×6的矩阵，b是18维的向量[b₁，b₂，...，b₁₈]；求解处对称矩阵的未知量；假设一个种子点s_i落在第t帧，那么其在t+1帧中有9个邻居点，在t-1帧中也有9个邻居点；为了构建各向异性的矩阵，约束邻居点的运动量为期望值b；针对这18个邻居点的约束，得到上式；通过使用Eigen库来求解超定方程组，计算得到对称矩阵

当像素与周围的邻居具有相似的颜色和相似的运动时，光流法无法准确地检测其运动幅度，若种子点落在该像素，其矩阵可能不满足PSD约束；对于不满足PSD约束的矩阵，计算一个最接近的PSD矩阵来进行修正；

所述对于不满足PSD约束的矩阵，采用以下方法进行修正：

①基于局部一致性，考虑计算出邻居像素的PSD矩阵，这类邻居与该种子点的运动方向一致，然后以均值矩阵作为该种子点矩阵的候选；

②当种子点的邻居也无法帮助解决矩阵的PSD性质时，计算矩阵的最接近PSD矩阵：

首先将对称阵奇异值分解，将对角矩阵D中的负值替换成0，得到对角矩阵D₊，然后计算得到nearest PSD矩阵作为当前种子点矩阵的替代；

当得到满足PSD约束的所有种子点的矩阵之后，将其参数加载到显存中，以备后续处理使用；

3)根据泛洪并行框架，每个像素都以一系列的步长查询周围的种子点信息，并更新距离自己最近的种子点，所有像素点都记录最近种子点，得到视频分割结果；

所述泛洪并行框架使用OpenGL技术，绘制所有像素点，需要用到GLSL语言来编写shader文件，定义像素点在绘制过程中需要执行的操作；在shader里，查询每个像素p的一定步长l的邻居信息，如果某个邻居保存了种子点s，那么计算p和s的各向异性距离；如果s是目前与p距离最近的种子点，则将s保存在p的信息结构中；上述步骤重复若干次，p查询到其周边的所有像素保存的信息，能够找到距离其最近的种子点，就得到了视频的分割结果；

4)将种子点的位置更新到当前簇的中心，然后重新计算种子点在新位置的各向异性矩阵；

5)重复步骤3)和4)，直到分割结果趋于稳定或达到指定的迭代次数。

2.如权利要求1所述一种基于GPU的各向异性视频过分割方法，其特征在于在步骤1)中，所述加载视频到显存中，计算视频的光流场的具体方法为：加载视频到显存中，利用OpenCV库提供的方法，来计算视频的光流场，包括前向光流场和后向光流场的信息。

3.如权利要求1所述一种基于GPU的各向异性视频过分割方法，其特征在于在步骤4)中，所述重新计算种子点在新位置的各向异性矩阵是对步骤3)得到的分割结果进行下一轮的优化；首先要计算当前簇的中心，即位置的平均值，然后将种子点移动到中心位置，根据步骤2)，重新计算种子点在新位置处的各向异性矩阵。

4.如权利要求1所述一种基于GPU的各向异性视频过分割方法，其特征在于在步骤5)中，所述重复步骤3)和4)是为了得到新一轮的视频分割，这个迭代过程是用来优化目标函数，使得视频的分割准确率进一步提高，该迭代次数手动指定，当分割结果趋于稳定再停止。