Segmentação semiautomática de objetos em vídeo usando vsnakes

A segmentação e rastreamento de objetos em vídeo são essenciais para o processamento de vídeo baseado em conteúdo. Este artigo apresenta uma estrutura para uma abordagem semiautomática a esse problema. Um objeto de vídeo semântico é inicializado com assistência humana em um quadro chave. O objeto de vídeo é, então, rastreado e segmentado automaticamente nos quadros seguintes. Um novo modelo de contorno ativo, VSnakes, é introduzido como um método de segmentação nesta estrutura. A energia do contorno ativo é definida de forma a refletir a diferença de energia entre dois contornos, em vez da energia de um único contorno. A decomposição em wavelet de múltiplas resoluções é aplicada na geração da energia da borda do quadro da imagem. O relaxamento do contorno é utilizado para lidar com a deformação do objeto quadro a quadro, e o algoritmo de Viterbi é utilizado para atualizar o caminho do contorno durante o relaxamento do contorno. Comparado ao algoritmo original de snakes, a segmentação semiautomática de objetos em vídeo com o algoritmo VSnakes resultou em melhor desempenho em termos de distorção da forma do objeto de vídeo (1,4% contra 2,9% em um experimento), o que sugere que pode ser uma ferramenta útil em muitas aplicações de vídeo baseadas em conteúdo, por exemplo, geração de objetos de vídeo MPEG-4 e imagem médica.