基于先验动态形状约束的视频目标提取

准确的目标提取是机器视觉系统中的基础和关键步骤。然而诸如边界模糊、背景杂乱、目标被部分遮挡等复杂场景情况通常导致仅使用灰度信息的方法难以区分目标和背景。针对此问题,提出了一种针对单摄像机视频图像的目标提取新算法。首先在马尔可夫随机场的框架下将先验形状约束定义为从分割结果到先验形状之间轮廓变换的距离,并结合目标的检测似然度信息统一为势函数,再用图分割算法获取分割的全局最优解;同时为反映形变的时空相关性,进而提出基于先验知识的动态形状模型,用主成分分析将形状映射到低维度潜变量子空间,并对潜变量变化趋势建立自回归模型,再利用模型预测指导分割过程;最后模型参数和系统状态利用分割结果在线更新。试验表明,该算法能够适应噪声和目标外形变化,并能在目标被部分遮挡或难以从背景区分的情况下准确分割,鲁棒性较好,能够为机器视觉应用提供中级视觉的信息。