視頻對(duì)象分割與跟蹤方法研究.pdf

1、從視頻序列中提取前景目標(biāo)是計(jì)算機(jī)視覺(jué)領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)，也一直是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)熱門研究課題。視頻對(duì)象分割得到的結(jié)果可以用于諸多基于對(duì)象的視頻應(yīng)用，例如基于對(duì)象的視頻編碼、基于內(nèi)容的視頻檢索、智能視頻監(jiān)控、基于視頻的人機(jī)交互等等。因此，視頻對(duì)象分割技術(shù)具有重要的研究意義及應(yīng)用價(jià)值。
　　 視頻對(duì)象分割和圖像分割都是計(jì)算機(jī)視覺(jué)領(lǐng)域的難點(diǎn)問(wèn)題。視頻對(duì)象分割的挑戰(zhàn)主要在于：視頻數(shù)據(jù)包含了豐富的時(shí)空信息，由于現(xiàn)實(shí)場(chǎng)景的復(fù)雜性和多樣

2、性，很難用一個(gè)統(tǒng)一的模型來(lái)對(duì)視頻對(duì)象進(jìn)行建模；視頻對(duì)象是一種高層語(yǔ)義概念，很難通過(guò)計(jì)算低層次視覺(jué)特征得到高層次語(yǔ)義對(duì)象分割，僅利用目前的技術(shù)還很難跨越語(yǔ)義鴻溝。早期的視頻對(duì)象分割方法通常是從局部像素時(shí)域進(jìn)行分析，沒(méi)有充分地考慮圖像的空間相關(guān)性，因此很難得到滿意的分割結(jié)果。雖然近期的一些工作融合了空域信息進(jìn)行分割，得到了比較精確的分割結(jié)果，但是大部分文章在分割時(shí)沒(méi)有考慮場(chǎng)景中的光照、陰影帶來(lái)的影響。另外，這些視頻對(duì)象精確分割方法的計(jì)算復(fù)雜

3、度都比較高，很難達(dá)到實(shí)時(shí)應(yīng)用的目的。
　　 本文主要針對(duì)融合時(shí)空信息進(jìn)行分割的關(guān)鍵技術(shù)進(jìn)行研究，結(jié)合全局運(yùn)動(dòng)檢測(cè)、背景建模、陰影檢測(cè)、和馬爾科夫隨機(jī)場(chǎng)分割技術(shù)，提出了有效的視頻對(duì)象分割框架。在此框架基礎(chǔ)上構(gòu)建的分割系統(tǒng)能夠高效的提取單目攝像機(jī)拍攝的視頻中的前景對(duì)象，得到平滑準(zhǔn)確的對(duì)象輪廓，并且可以消除物體投射的陰影。論文的主要工作有：
　　 (1)提出了一種全局運(yùn)動(dòng)檢測(cè)方法。為了使本文的方法能用于PTZ攝像機(jī)，實(shí)時(shí)檢測(cè)攝

4、像機(jī)運(yùn)動(dòng)，本文提出了邊緣變化率的概念進(jìn)行全局運(yùn)動(dòng)檢測(cè)，方法計(jì)算簡(jiǎn)單而且精度很高。
　　 (2)提出了使用初始前景區(qū)域減小計(jì)算量的方法，首先使用高斯混合模型來(lái)對(duì)背景建立模型并獲得初始前景區(qū)域，然后采用連通區(qū)域分析和分層聚類方法得到一系列前景區(qū)域，分割算法僅僅在這些初始前景區(qū)域進(jìn)行，本文提出的加速算法可以極大的減小分割的計(jì)算量。
　　 (3)提出了利用“四分圖”并結(jié)合最大化后驗(yàn)概率-馬爾科夫隨機(jī)場(chǎng)進(jìn)行視頻對(duì)象分割的框架。首先