項目地址:http://vis-www.cs.umass.edu/motionSegmentation/
方法
如果相機相對背景的運動只有平移(沒有旋轉),背景光流的有很強的約束,由相機平移、圖像座標和焦距決定的像素運動方向和場景深度無關。
對於平移旋轉混合的情況,從原始光流中減去估計的旋轉成分,得到一個平移成分的估計。
用於運動分割的概率模型
給定幀的運動分割,共有個運動目標,光流,分割幀需要幾個先驗:
- 對於每個特定的運動模型,每個像素屬於該模型的先驗概率
- 對於前一幀的個運動目標,他們在相鄰幀之間的3D運動方向的估計
- 對於每一個像素位置,在每個以向量大小爲爲條件的運動模型的先驗下,該像素位置的一個運動方向角的概率
- 一個新運動的先驗概率和角可能性分佈
有這些先驗和概率,使用貝葉斯原理去得到每個像素位置中每個運動的後驗概率:
第二個等號時因爲的概率和無關(不理解)
Bruss and Horn's 運動估計
1983年的工作……沒心思去看,大概的意思是估計相機相對背景的運動方向。
把Bruss and Horn 方法用於通過背景先驗選擇的像素:
光流可以被分解爲,是在運動模型推導的方向上的分量,則是與正交的分量,Bruss and Horn方法就是尋找一個運動模型使得的和最小,只有平移的優化如下:
對於只有平移的情況,Bruss and Horn方法給出了這優化問題的一個近似形式的解。
文章使用了自己的方法估計旋轉和平移,使用的是一個嵌套的優化:
給定觀測光流的的旋轉成分,由於旋轉成分和場景幾何無關,可以從觀測光流中減去旋轉成分:
初始化:分割第一幀
初始化的目標有
- 估計背景平移和旋轉參數
- 找到符合背景運動的像素點集合
- 爲額外的運動模型分配不一致的連續像素組,即剩下的像素點的分割
Bruss and Horn 方法並非用於處理有多個不同運動的場景,並且太大或者高速移動的前景目標會導致一個很差的運動估計。如下圖所示
使用改進版本的RANSAC處理上述問題,魯棒地估計背景運動。如下圖所示
文章中使用了10個隨機的SLIC超像素去估計相機運動。
通過修改RANSAC算法使得算法選擇從圖像角落選擇3/10的超像素,因爲由於對相機旋轉的錯誤估計,圖像角落傾向於錯誤結果。