基于隐条件随机场的自适应视频分割算法.pdfVIP

第33卷 第12朗 自 动 化 学 报 Vo1．33．No．12 2007年 12月 ACTA AUT0MATICA SINICA December，2007 基于隐条件随机场的自适应视频分割算法 褚一平 张引 叶修梓 。 张三元 摘 要 视频日标分割是视频监视与视频目标跟踪、视频目标识别以及视频编辑的基础．奉文提出J，一种基于隐条件随机场 fHidden conditional random fields，HCRF)的自适应视频分割算法，利用HCRF模型对视频序列中的时空邻域关系建模． 使用存线学习的方式对相应的参数进行调整，实现对时空邻域约束关系的权重调整，提高视频目标分割细节上的效果．大量 的数据测试表 ，与高斯混合模型(Gaussian mixture model，GMM)和联合时空的马尔可夫随机场(Markov random fields， MRF1等算法相比，该算法的分割错误率分别降低J，23％和19％． 关键词 视频分割，隐条件随机场，存线学习 中图分类号 TP391 Adaptive Video Segmentation Algorithm Using Hidden Conditional Random Fields CHU Yi—Ping ， ZHANG Yin YE Xiu—Zi ’。 ZHANG San—Yuan Abstract Video object segmentation is important for video surveillance and video object tracking，video object recog- nition and video editing．An adaptive video segmentation algorithm based on hidden conditional random fields(HCRFs) is proposed，which models spatio—temporal constraints of video sequence．In order to improve the segmentation quality， the weights of spatio-temporal constraints are adaptively updated by on—line learning of HCRFs．The experimental results have demonstrated that the error ratio of our algorithm is reduced by 23％and 19％，respectively，compared with Gaussian mixture model(GMM)and spatio-temporal Markov random fields(MRF)． Key words Video segmentation，hidden conditional random fields，on—line learning 1 引言 标分割方法[2]，它通过累积的方法把像素值变化比 较小的点归类为背景，通过视频序列的当前帧与背 视频目标分割是计算机视觉中的一个热点问 景相减获得前景目标．背景累积相减法的优点是原 题 在视频监视与视频目标跟踪、视频目标识别 理简单、实现方便，而且算法的运行很快，但是它无 以及视频编辑中，视频目标分割算法的优劣直接关 法很好地处理光线变化快、有树叶杂草晃动等复杂 系到这些后继处理的质量．由于应用环境的复杂多