一種跟蹤一系列ｎ維圖像（１０２）中的對象的方法，圖像（１０２）中的對象（１０６、１０８）出現(xiàn)在背景（１１０、１１２）中，所述方法包括：使用在圖像中對象的表觀的概率模型和背景的表觀的概率模型，并且使用圖像（１０２）中的具體像素是對象（１０６、１０８）的一部分還是背景（１１０、１１２）的一部分的估算，所述估算包括確定具體像素（ｘ）或像素群屬于對象或?qū)儆诒尘暗暮篁災(zāi)Ｐ透怕剩⑶宜龇椒ㄟM(jìn)一步包括：對這些對象／背景隸屬概率邊緣化，以產(chǎn)生對象的姿勢參數(shù)的函數(shù)，此處至少對象／背景隸屬被判斷為多余參數(shù)并且被邊緣化。
【技術(shù)實現(xiàn)步驟摘要】
【國外來華專利技術(shù)】圖像中對象的視覺跟蹤以及圖像分割本專利技術(shù)涉及捕獲的數(shù)字圖像中對象的視覺跟蹤以及圖像分割，以及這種跟蹤的用途，包括(但不限于)當(dāng)對象和/或攝像機移動時控制攝像機跟蹤對象。在一系列捕獲的2維圖像(例如，來自數(shù)字?jǐn)z像機的圖像或從模擬攝像機產(chǎn)生的數(shù)字化圖像)中跟蹤對象或目標(biāo)就其本身來說是已知的
此外，許多其它領(lǐng)域使用這種能力來根據(jù)給定的可獲得的東西來跟蹤移動的圖像。例如，在監(jiān)控攝像機的面部識別區(qū)域中，很多人簡單地假設(shè)能夠根據(jù)輸入到識別算法的相關(guān)圖像數(shù)據(jù)在幀與幀之間跟蹤人臉。但是，自動跟蹤圖像中在幀與幀之間移動的目標(biāo)不是那么容易的。一個已知的問題是在幀與幀之間確定每個圖像幀中的哪些像素是對象/目標(biāo)(有時被稱為前景)的一部分， 哪些是背景(即“非目標(biāo)”)。一些方法建立了分離每一幀中目標(biāo)與背景的邊界。然后一些方法使用該邊界來限定形狀并跟蹤形狀的中心。然而，對象/目標(biāo)中心可相對于獲取圖像的攝像機改變方向，和/或攝像機可相對于目標(biāo)移動。相對于攝像機，目標(biāo)可更加接近或進(jìn)一步遠(yuǎn)離，并且它可以改變姿勢或方向。 因此，捕獲的圖像中通過目標(biāo)邊界判定的目標(biāo)有時看起來有很大的差別。因此，對于目標(biāo)邊界形狀，不期望具有固定、單一、預(yù)測的形狀。有人曾嘗試使用具有從一個捕獲的幀到另一個捕獲的幀的隨時間演變的邊界的模型，以使目標(biāo)被如此識別且被跟蹤。快速且可靠的視覺跟蹤是計算機視覺中大量應(yīng)用的前提。雖然在過去二十年它已經(jīng)是強烈努力的課題，但是由于多種原因它仍然是個難題。特別地，當(dāng)以前跟蹤看不見的對象時，為其它跟蹤系統(tǒng)提供可靠性的許多限制-如關(guān)于形狀、表觀或運動的強大的先驗信息-是不可用的。相當(dāng)有希望在統(tǒng)一的框架內(nèi)執(zhí)行跟蹤和分割的一種技術(shù)是使用隱含的輪廓、或水平集(level set)來表示目標(biāo)的邊界。除了無縫地處理拓?fù)渥兓猓褂盟郊母櫩捎上喈?dāng)標(biāo)準(zhǔn)的概率公式表達(dá)，因此可借助貝葉斯方法的力量。一個技術(shù)難點是在圖像中尋找對象所在的位置。第二個技術(shù)難點是處理由對象和獲取圖像的攝像機的相對位置和方向的改變而引起的對象表觀形狀的改變。過去的解決方案包括在美國第6394557號專利(Leroi)和美國第6590999號專利 (Comaniciu)中所討論的內(nèi)容。還有參考文獻(xiàn)W](見參考文獻(xiàn)列表)。由此本專利的讀者可閱讀這三個文件。我們認(rèn)為這將有助于理解本專利技術(shù)。我們不認(rèn)為這三個文件是十分需要的。根據(jù)第一方面，本專利技術(shù)包括跟蹤一系列η維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括使用在圖像中對象的表觀和背景的表觀的概率模型，并且使用圖像中的具體像素是對象的一部分或還是背景的一部分的估算，所述估算包括確定具體像素屬于對象或?qū)儆诒尘暗暮篁災(zāi)Ｐ透怕剩⑶宜龇椒ㄟM(jìn)一步包括在這些對象/背景隸屬概率上邊緣化以產(chǎn)生對象的姿勢參數(shù)的函數(shù)，此處至少對象/背景隸屬被判斷為多余參數(shù)并且被邊緣化。已經(jīng)發(fā)現(xiàn)這種方法提供更可靠的能力來跟蹤對象。與其它方法相比，被求解的目標(biāo)函數(shù)具有較少的虛假局部極小/極大值，并且這導(dǎo)致更少的、跟蹤器系統(tǒng)丟失對象的情7況。根據(jù)第二方面，本專利技術(shù)包括分割一系列η維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括使用在圖像中對象的表觀和背景的表觀的概率模型，并且使用圖像中的具體像素是對象的一部分還是背景的一部分的估算，所述估算包括確定具體像素屬于對象或?qū)儆诒尘暗暮篁災(zāi)Ｐ透怕剩⑶宜龇椒ㄟM(jìn)一步包括在這些對象/背景隸屬概率上邊緣化，以產(chǎn)生對象的形狀的函數(shù)，此處至少對象/背景隸屬被判斷為多余的參數(shù)并且被邊緣化。本專利技術(shù)的概念可用于分割圖像以及跟蹤。由于改進(jìn)的目標(biāo)函數(shù)，所以分割方法是更好的，因此與很多已知方法相比它犯更少的錯誤。根據(jù)第三方面，本專利技術(shù)包括跟蹤和分割一系列η維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括使用在圖像中對象的表觀和背景的表觀的概率模型， 并且使用圖像中的具體像素是對象的一部分還是背景的一部分的估算，所述估算包括確定具體像素屬于對象或?qū)儆诒尘暗暮篁災(zāi)Ｐ透怕剩⑶宜龇椒ㄟM(jìn)一步包括在這些對象/ 背景隸屬概率上邊緣化，以產(chǎn)生對象的形狀和姿勢參數(shù)的函數(shù)，此處至少對象/背景隸屬被判斷為多余的參數(shù)并且被邊緣化。本專利技術(shù)的概念可用于同時跟蹤和分割圖像。這是優(yōu)選的解決方案，因為跟蹤解決 (account for)圖像之間的剛性/投影運動，而分割解決任何殘余的形狀變形。目標(biāo)函數(shù)改進(jìn)的質(zhì)量意味著結(jié)果是產(chǎn)生能夠跟蹤以前在現(xiàn)有技術(shù)條件下看不見的目標(biāo)的魯棒性、實時足艮S宗胃會充。在許多實施方式中，多個對象或一個對象的表觀的模型、和/或背景的表觀的模型將或者可以隨時間演變。在本專利技術(shù)的一些實施方式中，我們使用了圖像中特定像素是對象的一部分還是背景的一部分的像素方面(pixel-wise)的估算。在其它實施方式中，我們沒有這樣做。像素方面的估算是單獨估算圖像中的每個像素。可以設(shè)想非像素方面的后驗估算(只是像素后驗估算對每個像素進(jìn)行估算，但不一定單獨估算每個像素)。例如，可以對像素對、或像素群進(jìn)行估算，而不是單獨獨立地估算每個像素。也應(yīng)該理解的是，在許多實施例中，為了產(chǎn)生對象的形狀和姿勢參數(shù)的函數(shù)而在對象/背景隸屬概率上的邊緣化具有從對象坐標(biāo)系變換到圖像坐標(biāo)系的“姿勢”，如對象的圖像位置、或位置旋轉(zhuǎn)和縮放。在以上實施例中，跟蹤和分割過程是通過最小化或最大化這個函數(shù)以找出最佳姿勢和形狀參數(shù)而完成的。優(yōu)選地，所述方法(上述方法中的任意一個)在進(jìn)行等式(3)的估算后進(jìn)行等式 ⑷的估算，其中等式(3)是權(quán)利要求1.一種跟蹤一系列η維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括使用在所述圖像中所述對象的表觀的概率模型和所述背景的表觀的概率模型；以及 使用所述圖像中的具體像素是對象的一部分還是所述背景的一部分的估算，所述估算包括確定具體像素或像素群屬于對象或?qū)儆谒霰尘暗暮篁災(zāi)Ｐ透怕剩龇椒ㄟM(jìn)一步包括在這些對象/背景隸屬概率上邊緣化，以產(chǎn)生所述對象的姿勢參數(shù)的函數(shù)，此處，至少所述對象/背景隸屬被判斷為多余參數(shù)并且被邊緣化。2.一種分割一系列η維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括使用在所述圖像中所述對象的表觀的概率模型和所述背景的表觀的概率模型；以及使用所述圖像中的具體像素是對象的一部分還是所述背景的一部分的估算，所述估算包括確定具體像素或像素群屬于對象或?qū)儆谒霰尘暗暮篁災(zāi)Ｐ透怕剩龇椒ㄟM(jìn)一步包括在這些對象/背景隸屬概率上邊緣化，以產(chǎn)生所述對象的形狀的函數(shù)，此處，至少所述對象/背景隸屬被判斷為多余參數(shù)并且被邊緣化。3.—種跟蹤和分割一系列η維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括使用在所述圖像中所述對象的表觀的概率模型和所述背景的表觀的概率模型；以及使用所述圖像中的具體像素是對象的一部分還是所述背景的一部分的估算，所述估算包括確定具體像素或像素群屬于對象或?qū)儆谒霰尘暗暮篁災(zāi)Ｐ透怕剩龇椒ㄟM(jìn)一步包括在這些對象/背景隸屬概率上邊緣化，以產(chǎn)生所述對象的形狀和姿勢參數(shù)的函數(shù)，此處，至少所述對象/背景隸屬被判斷為多余參數(shù)并且被邊緣化。4.如權(quán)利要求1、或權(quán)利要求2、或權(quán)利要求3所述的方法，其中，在進(jìn)行等式(3)的估算后進(jìn)行等式的估算，其中等式⑶是5.如權(quán)利要求1至4中任一項本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點】
１．一種跟蹤一系列ｎ維圖像中的對象的方法，圖像中的對象出現(xiàn)在背景中，所述方法包括：使用在所述圖像中所述對象的表觀的概率模型和所述背景的表觀的概率模型；以及使用所述圖像中的具體像素是對象的一部分還是所述背景的一部分的估算，所述估算包括確定具體像素或像素群屬于對象或?qū)儆谒霰尘暗暮篁災(zāi)Ｐ透怕剩龇椒ㄟM(jìn)一步包括：在這些對象／背景隸屬概率上邊緣化，以產(chǎn)生所述對象的姿勢參數(shù)的函數(shù)，此處，至少所述對象／背景隸屬被判斷為多余參數(shù)并且被邊緣化。
【技術(shù)特征摘要】
【國外來華專利技術(shù)】...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：查爾斯·科林·比拜，
申請(專利權(quán))人：埃西斯創(chuàng)新有限公司，
類型：發(fā)明
國別省市：GB
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。