吴骁伦，杨 敏

(南京邮电大学 自动化学院、人工智能学院，江苏 南京 210023)

0 引 言

运动分割[1]是计算机视觉中最重要的研究领域之一，在机器人技术的许多应用中是一项重要的预处理任务。它已被用作预处理步骤应用在智能交通系统，如视觉监控、动作识别、场景理解等。根据不同的运动模式认知和分离不同的运动物体(如移动的车辆或移动的人)，其中每个移动的物体被识别为一个连贯的实体。

描述这个问题的经典方法如下[2]:给定一组特征点，通过一系列图像跟踪，目标是根据它们所属的不同运动将这些轨迹聚类。假设场景中包含多个物体，它们在三维空间中独立地移动。传统的运动分割方法或多或少都会存在一些问题，比如处理高维数据时计算复杂，实时性差，抗噪声能力差，无法兼容相机运动等等。最近提出了许多运动分割方法，有些已经在一些流行的测试数据集上展示了出色的性能，例如Hopkins155数据集[3-4]。

运动分割方法可以分为基于两帧[5]和基于多帧[6]的方法。后者由于能够从视频序列的所有帧提取运动信息以进行精确的运动分割，所以现在大多算法都运用多帧的方法。一般大致将以前的基于多帧的运动分割方法分为两类:基于子空间的方法[7-9]和基于相似度矩阵[10-11]的方法。基于子空间的方法利用视频序列的所有特征点轨迹构造数据矩阵，对不同的运动进行聚类。另一方面，基于相似度的方法是基于特征点轨迹对构造的相似度矩阵来分割不同的运动。……