基于圖切的視頻運動目標檢測.pdf

1、視頻運動目標檢測是計算機視覺研究領(lǐng)域的熱門課題之一,它在技術(shù)上涉及視頻圖像處理、人工智能及模式識別等問題。在視頻監(jiān)控、交通管理、醫(yī)療診斷、圖像編碼及人機交互領(lǐng)域有著廣泛應用,因此具有重要的研究價值。
　　 本文針對視頻運動目標檢測的背景相減法易受光線變化的影響以及視頻運動目標優(yōu)化檢測方法的過度平滑問題,在基于馬爾科夫隨機場的最大后驗概率估計框架下,分別采用目標特征跟蹤和高階馬爾科夫隨機場,提出三種基于圖切的視頻運動目標檢測算法。

2、
　　 論文首先提出了基于感興趣區(qū)域的自適應圖切檢測算法。算法通過卡爾曼預測前景像素數(shù)和前景背景鄰接像素點數(shù),自適應更新節(jié)點流量;通過感興趣區(qū)域的提取,縮小圖切范圍,減少計算的節(jié)點數(shù)目,從而降低時間復雜度;同時,在感興趣區(qū)域內(nèi)對節(jié)點流量參數(shù)進行優(yōu)化,提高了運動目標的檢測精度。
　　 目前的優(yōu)化視頻運動目標檢測算法大多是基于低階馬爾科夫隨機場模型。本文研究了基于高階馬爾科夫隨機場的視頻運動目標檢測方法,并提出了兩種具體的檢

3、測算法。第一種是通過引入歐拉彈力模型修正目標邊界曲線,改善檢測目標的人眼視覺連續(xù)性,提高視頻運動目標的檢測精度;第二種是通過跟蹤視頻運動目標的面積、邊緣及形狀特征,建立面向視頻運動目標形狀特征的高階馬爾科夫隨機場模型,優(yōu)化圖模型的節(jié)點流量參數(shù),實現(xiàn)視頻運動目標的連續(xù)全局優(yōu)化檢測。
　　 基于感興趣區(qū)域的圖切檢測算法重點在于能夠自適應檢測,消除背景干擾,降低檢測時間?；诟唠A馬爾科夫隨機場檢測算法則是從多像素之間的高階能量關(guān)系進行