买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜华南农业大学申请的专利基于吸收马尔科夫链和骨架映射网络的视频分割方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114708285B 。

龙图腾网通过国家知识产权局官网在2024-09-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210331189.7，技术领域涉及：G06T7/12；该发明授权基于吸收马尔科夫链和骨架映射网络的视频分割方法及装置是由梁云;郑晋图;张宇晴;翁诗彤;肖磊;林毅申设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本基于吸收马尔科夫链和骨架映射网络的视频分割方法及装置在说明书摘要公布了：本发明公开了基于吸收马尔科夫链和骨架映射网络的视频分割方法及装置，方法包括下述步骤：提取目标的感兴趣区域并对该区域进行超像素分割；根据当前帧、第一帧、上一帧的超像素建立吸收马尔科夫链，初步判断当前帧超像素的标签；提出长期、短期时空线索，优化超像素标签；根据超像素标签，获取表达目标形态的前景骨架和表达干扰物体信息的背景估计；构造骨架映射网络，将前景骨架、背景骨架和当前帧图像，作为骨架映射网络的输入，输出目标的最终分割结果。本发明可以较好地分割出复杂场景下目标的边缘轮廓，应对视频分割中的剧烈形变，相似背景等挑战，且不需要长时间训练神经网络，对计算机硬件的需求较低。

本发明授权基于吸收马尔科夫链和骨架映射网络的视频分割方法及装置在权利要求书中公布了：1.基于吸收马尔科夫链和骨架映射网络的视频分割方法，其特征在于，包括下述步骤：基于孪生网络的目标跟踪算法，获取当前帧的目标跟踪结果，并将目标跟踪结果向外扩展，计算出每帧中目标的感兴趣区域，将感兴趣区域进行超像素分割成若干超像素；根据第一帧和当前帧的超像素，以及当前帧前一帧和当前帧的超像素，分别构建两条吸收马尔科夫链，计算出当前帧每个超像素的两个吸收时间，并对吸收时间加权，根据加权后的吸收时间确定超像素的初始前景标签和背景标签；构建短期时空线索和长期时空线索对超像素标签进行优化；所述短期时空线索用于描述目标短时间内外观变化，基于视频序列中当前帧的前几帧的分割结果，校正当前帧中被误分割为前景的孤立背景超像素；所述长期时空线索用于描述目标长久稳定外观特征，构造从第一帧到当前帧的长期外观模型，若当前帧中有多个区域被同时分割为目标，则比较这多个区域与长期外观模型的相似度，选择最相似的区域作为分割结果；基于当前帧超像素的前景标签和超像素间的邻接关系，绘制目标的前景骨架；基于与目标外观相似的干扰物，绘制目标的背景骨架；基于残差网络和编码解码框架构造骨架映射网络，用语义分割和视频分割的通用数据集训练骨架映射网络，并将前景骨架、背景骨架、当前帧的图像信息输入骨架映射网络，输出当前帧的视频分割结果；所述计算出当前帧每个超像素的两个吸收时间，并对吸收时间加权，根据加权后的吸收时间确定超像素的初始前景标签和背景标签，具体包括下述步骤：将构造的吸收马尔科夫链记做G，G包括多个顶点和多个边；顶点的构造规则为：将感兴趣区域内的每个超像素都表示一个顶点，根据吸收马尔科夫链的构造原理，将所有顶点分类为吸收态顶点和瞬态顶点；边的构造规则为：将G中所有边分成帧内边和帧间边两类；所有在同一帧中一跳和两跳内相邻的超像素，均以帧内边相连，一跳相邻的超像素即某超像素的所有邻居超像素，两跳相邻的超像素即某超像素的所有邻居的邻居超像素；通过光流法寻找两帧中特征相似、位置相近的对应超像素，并用帧间边连接，边的权重为两个超像素的相似性；当前帧和第一帧建立吸收马尔科夫链时，根据顶点的构造规则，第一帧感兴趣区域内的背景超像素被标记为吸收态顶点，第一帧感兴趣区域内的前景超像素和当前帧感兴趣区域内所有超像素被标记为瞬态顶点；根据边的构造规则，构造当前帧与第一帧中两帧内部的帧内边，和连接当前帧与第一帧的帧间边，并根据超像素间的相似性，计算边的权重；最后根据吸收马尔科夫链的吸收原则，得到第一条吸收马尔科夫链当前帧感兴趣区域内所有超像素的吸收时间H1；当前帧和前一帧建立吸收马尔科夫链时，根据顶点的构造规则，当前帧的前一帧感兴趣区域内的背景超像素被标记为吸收态顶点，当前帧的前一帧感兴趣区域内的前景超像素和当前帧感兴趣区域内所有超像素被标记为瞬态顶点；根据边的构造规则，分别构造当前帧与前一帧中两帧内部的帧内边，并构造连接当前帧与前一帧的帧间边，根据超像素间的相似性，计算边的权重；最后根据吸收马尔科夫链的吸收原则，得到第二条吸收马尔科夫链当前帧感兴趣区域内所有超像素的吸收时间H2；根据H1和H2得到当前帧感兴趣区域内所有超像素的吸收时间H，H由H1和H2线性组合得出；基于当前帧感兴趣区域内所有超像素的吸收时间H，计算平均吸收时间超像素吸收时间大于的，标记为前景，吸收时间小于的，标记为背景；基于短期时空线索对超像素标签优化具体为：通过存储你器存储当前帧前t帧的视频分割结果，分割结果用0-1矩阵表示，0代表背景像素，1代表前景像素；基于前t帧的分割结果，统计在当前帧中标签为前景，而在当前帧的前t帧中标签均为背景的像素；将矩阵中所有值为1的像素点表示为集合S，并把S中所有像素对应的超像素用集合SuperS表示，集合SuperS中，所有超像素的标签均为前景，当SuperS中某一超像素的所有一跳、两跳内相邻的超像素标签均为背景时，则认为该超像素标签划分错误，将该超像素标签更正为背景；基于长期时空线索对超像素标签优化具体为：利用当前帧感兴趣区域内超像素的前景标签，构造无向图；将当前帧中所有前景超像素作为无向图的顶点，用边连接两跳内相邻的前景超像素，所述无向图中连通区域的个数即为当前帧分割出候选区域的个数；基于长期时空线索，利用从第一帧到当前帧的前一帧中目标的累计表观特征构造目标的表观模型Fk-1；对当前帧分割出的所有候选区域，构造表观模型n为当前帧候选区域的个数，通过比较与Fk-1的相似性，选取与Fk-1相似度最高的候选区域，该候选区域内的超像素标签仍保持为前景，其余候选区域的超像素标签更正为背景；将当前帧与Fk-1相似度最高的区域的表观特征记做Fk'，更新当前帧的目标的表观模型，更新后当前帧目标的表观模型记做Fk，Fk用于在下一帧中基于长期时空线索的标签优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。