人工智能项目推介——26、一种基于超体素图割的视频显著物体分割方法

专利申请号:  

CN201410366737.5

专利类型:

发明

IPC 分类号:   

G06T7/00

应用领域:  

用于普通用户使用分割视频显著物体的方法。

现有技术缺点:  

现有视频序列中显著物体的分割主要可分为非自动分割和自动分割两大类。非自动分割：手动标注繁琐而耗时，故不适于数据量较大的实际应用。自动分割：1)不适合背景运动剧烈变化强的情况。2) 不太适合物体自身运动复杂的情况，如有物体自身内部会发生运动的情况。3)复杂度会比较高。视频物体分割还存在不可避免会面对背景运动和变化以及前景物体自身复杂运动和形变的不确定性及困难。

技术优势:

本发明用基于图像过分割——超像素利用颜色和光流的对比以及连贯性分别得到静态和动态显著图，超像素的使用降低了算法的复杂度，而不仅考虑特征对比也考虑分布的方法也降低了背景中一些与前景颜色相近的物体的干扰。类物体性的计算又进一步增加了分割的依据，提升了准确性。并且基于视频时空过分割——超体素为单位来使用“图割”方法也进一步降低了时空复杂度，加之“图割” 本身是线性的复杂度，这样的运用使得算法的计算成本降低，比较实用无需专业的昂贵的设备。与传统的非自动的视频物体分割方法的不同点在于，本发明无需专业人员的手动标注，同时能实现较高质量的视频序列中显著物体分割。

摘要:   

本发明公开了一种视频中显著物体的分割方法，包括：步骤 1，利用超像素计算视频序列中每一帧的静态显著

性得到静态显著图；

步骤 2，利用超像素计算视频序列中每前后两帧的光流计算每一帧的动态显著性得到动态显著图；

步骤 3，对静态显著图和动态显著性进行融合处理得到动静态显著图；

步骤 4，计算视频序列中每一帧的“类物体性”图；

步骤 5，计算视频序列的时空“过分割”，并将静态显著值、动态显著值和“类物体性”值分别映射到视频的时空“过分割”上；

步骤 6，建立关于显著性、“类物体性”以及持续性的分割能量函数，在时空“过分割”即超体素级别对每一视频帧采用迭代的“图割”来优化该能量函数对每一帧进行二元分割，得到显著的前景物体。

（以上资讯来源于网络，如有侵权，请联系管理员删除。）