该文的工作重点是从具有静止背景的视频序列中提取前景运动物体.在对比国内外关于对象分割算法性能的基础上,并结合静止背景的视频序列的特点,采用基于变化检测的分割方法来实现对象的提取.该过程包含变化检测、边缘提取和对象跟踪三个模块.该文对检测函数和检测过程均进行了改进,表现在多尺度检测概念的引入.对于传统需要存储N帧的变化检测来说,这种改进不仅简化了检测过程,使检测耗费的资源缩小,而且提高了变化检测的敏感度,能够检测到图像中的微小变化.实验证明该算法具有良好的鲁棒性.该文考虑到场景中可能出现多个运动物体,因而采用连通组员分析从检测结果中将多个目标分离,以便对它们进行单独编码和处理.对单个物体的二值模板进行条件膨胀,以消除模板内的矩形空洞和进行模板扩张,使其尽可能覆盖前景运动物体,并为随后采用的Snake模型创造良好初值.对象边缘的精确提取是通过应用Snake来实现的,该文采用改进的Metropolis抽样算法实现Snake解的寻优,得到对象的二值轮廓.该文采用基于距离变换的最短路径方法在相邻两个断点之间寻找距离权值最小的路径,使断点间的修补点尽量靠近对象的真实边缘.将首帧分割得到的对象轮廓模板作为初始值,实现后继帧对象的分割.该文采用基于豪斯道夫距离的跟踪器寻找对象轮廓模型在后继帧中的最佳匹配位置,然后采用Snake技术匹配该位置上的非刚体形变.这样既克服了Snake的"盲目"性,又利用了Snake能够跟踪非刚体形变优点.