魯棒模型擬合中的指導(dǎo)性采樣及其在運(yùn)動(dòng)分割中的應(yīng)用.pdf

1、魯棒模型擬合是計(jì)算機(jī)視覺(jué)領(lǐng)域的一項(xiàng)重要研究任務(wù)，它已被廣泛地應(yīng)用于運(yùn)動(dòng)分割、圖像拼接、三維重建、圖像配準(zhǔn)等領(lǐng)域。由于輸入數(shù)據(jù)不可避免地會(huì)包含噪聲、離群點(diǎn)（即錯(cuò)誤的數(shù)據(jù)點(diǎn)）和偽離群點(diǎn)（在多結(jié)構(gòu)數(shù)據(jù)中，一個(gè)結(jié)構(gòu)的內(nèi)點(diǎn)對(duì)于其它結(jié)構(gòu)來(lái)說(shuō)通常是偽離群點(diǎn)），使得魯棒模型擬合任務(wù)極具挑戰(zhàn)性。采樣到一組干凈數(shù)據(jù)子集對(duì)于大多數(shù)模型擬合方法的成功起著至關(guān)重要的作用。對(duì)于包含高比例離群點(diǎn)的多結(jié)構(gòu)數(shù)據(jù)，尤其是針對(duì)高維模型，傳統(tǒng)的采樣方法要采樣到一個(gè)干凈數(shù)據(jù)子集

2、極其耗時(shí)。為了更高效地采樣到干凈數(shù)據(jù)子集，本文提出了三種指導(dǎo)性采樣方法:
　　(1)提出一種基于殘差排序和局部約束的指導(dǎo)性采樣方法。該方法主要通過(guò)在采樣過(guò)程中使用局部約束，來(lái)提高采樣到干凈數(shù)據(jù)子集的概率，同時(shí)降低采樣過(guò)程的計(jì)算時(shí)間。實(shí)驗(yàn)結(jié)果表明，在相同的運(yùn)行時(shí)間內(nèi)，該方法采樣到的干凈數(shù)據(jù)子集總數(shù)是傳統(tǒng)的基于殘差排序的指導(dǎo)性采樣方法所采樣到的干凈數(shù)據(jù)子集總數(shù)的兩倍以上。
　　(2)提出一種面向?qū)O幾何估計(jì)的高效采樣方法。對(duì)于如

3、何針對(duì)高維模型高效地采樣更多干凈數(shù)據(jù)子集的問(wèn)題，本文利用極線約束來(lái)指導(dǎo)采樣過(guò)程。該方法使用馬爾可夫鏈蒙特卡洛過(guò)程，有效地結(jié)合兩個(gè)指導(dǎo)性采樣策略:全局采樣和局部采樣。全局采樣通過(guò)結(jié)合空間采樣概率和關(guān)鍵點(diǎn)匹配分?jǐn)?shù)來(lái)快速地獲取有效模型假設(shè)。局部采樣則通過(guò)結(jié)合聯(lián)合特征分布概率和關(guān)鍵點(diǎn)匹配分?jǐn)?shù)來(lái)獲取更準(zhǔn)確的模型假設(shè)。在局部采樣中，該采樣方法先使用一種新的擬合方法來(lái)實(shí)時(shí)選取一組當(dāng)前最佳候選模型假設(shè)集，然后計(jì)算輸入數(shù)據(jù)與最佳候選模型假設(shè)集之間的聯(lián)合特

4、征分布概率。實(shí)驗(yàn)結(jié)果表明，在相同的時(shí)間內(nèi)，該方法較當(dāng)前若干先進(jìn)的采樣方法可采樣到更多的干凈數(shù)據(jù)子集。在生成同樣準(zhǔn)確的模型假設(shè)方面，該方法比當(dāng)前若干先進(jìn)的指導(dǎo)性采樣方法快三倍以上。
　　(3)提出一種面向多結(jié)構(gòu)模型擬合的通用采樣方法。(2)中提出的采樣方法使用了極線約束，導(dǎo)致它只能用于對(duì)極幾何估計(jì)的采樣?；?2)中的工作，本文提出一種通用的采樣方法，用于高效地指導(dǎo)多種高維幾何模型估計(jì)的采樣。該方法也包含兩個(gè)指導(dǎo)性采樣策略:全局采樣

5、和局部采樣。全局采樣使用現(xiàn)有的多結(jié)構(gòu)采樣策略;局部采樣則使用當(dāng)前所檢測(cè)到的模型實(shí)例的內(nèi)點(diǎn)來(lái)指導(dǎo)采樣過(guò)程。該方法還引入冷卻進(jìn)度表來(lái)有效地平衡全局和局部采樣。實(shí)驗(yàn)結(jié)果表明，在給定的相同時(shí)間內(nèi)，該方法比當(dāng)前一些先進(jìn)的采樣方法可采樣到的干凈數(shù)據(jù)子集更多。在生成同樣準(zhǔn)確的模型假設(shè)方面，該方法比當(dāng)前一些先進(jìn)的采樣方法快三倍以上。
　　另外，運(yùn)動(dòng)分割是魯棒模型擬合的一項(xiàng)重要的應(yīng)用，已被廣泛運(yùn)用于多項(xiàng)計(jì)算機(jī)視覺(jué)任務(wù)（比如視頻監(jiān)控和目標(biāo)跟蹤）的預(yù)處

6、理過(guò)程。但是視頻中經(jīng)常包含多個(gè)運(yùn)動(dòng)體（即多個(gè)結(jié)構(gòu)），導(dǎo)致輸入數(shù)據(jù)中包含了高比例的離群點(diǎn)。在這種情況下，使用傳統(tǒng)的采樣方法來(lái)采樣干凈數(shù)據(jù)子集相當(dāng)耗時(shí)。而對(duì)于包含目標(biāo)遮擋的視頻而言，如何高效地集成視頻中的多幀運(yùn)動(dòng)信息來(lái)指導(dǎo)運(yùn)動(dòng)分割是非常困難的。因此，筆者把前面提出的采樣方法用于運(yùn)動(dòng)分割，并結(jié)合現(xiàn)有的魯棒模型擬合技術(shù)，提出一種基于稀疏約束的高效運(yùn)動(dòng)分割方法。該方法先將不同運(yùn)動(dòng)體的特征點(diǎn)跡進(jìn)行稀疏表示，然后使用譜聚類來(lái)準(zhǔn)確地分割各運(yùn)動(dòng)體。實(shí)驗(yàn)結(jié)