基于线段感知分组的实时显著闭合边界跟踪

本文提出一种从视频图像序列中跟踪显著闭合边界的新型实时方法。该方法作用于由直线检测产生的一组直线段。跟踪方案被连贯地集成到一个感知分组框架中，在该框架中，通过识别这些线段的一个子集并将它们顺序连接以形成具有最大显著性且与前一帧具有一定相似性的闭合边界，来解决视觉跟踪问题。具体而言，我们定义了一种结合分组代价和面积相似性约束的新跟踪准则。所提出的准则使所得边界跟踪对局部极小值更具鲁棒性。为实现实时跟踪性能，我们使用Delaunay Triangulation利用检测到的线段构建图模型，然后将跟踪问题转化为在该图中寻找最优环。这通过我们先前提出的称为“Bidirectional Shortest Path (BDSP)”的闭合边界候选搜索算法求解。所提方法的效率和鲁棒性在真实视频序列以及机械臂倒水实验中得到了验证。