視覺目標(biāo)檢測和跟蹤中的若干關(guān)鍵技術(shù)研究.pdf

1、面對海量的視頻數(shù)據(jù)，人們致力于利用各種技術(shù)來自動分析和理解其中包含的視覺目標(biāo)的行為，并應(yīng)用于與我們息息相關(guān)的日常生活中。這些應(yīng)用的成功，離不開視覺目標(biāo)的檢測和跟蹤。它們是計算機(jī)視覺領(lǐng)域兩個非常重要的基礎(chǔ)任務(wù)，一直以來都屬于熱點(diǎn)研究內(nèi)容。本文針對視覺目標(biāo)檢測和跟蹤中的一些關(guān)鍵性技術(shù)展開研究。具體的，本論文主要進(jìn)行了以下幾個方面的研究：
　　第一，本文研究了類別目標(biāo)的檢測，提出一種基于縮略圖、采用深層神經(jīng)網(wǎng)絡(luò)的類別目標(biāo)檢測方法?，F(xiàn)有的

2、類別目標(biāo)檢測方法都利用了目標(biāo)在精細(xì)尺度上的局部特征，而經(jīng)驗表明，人眼視覺基于目標(biāo)的縮略圖就可以識別目標(biāo)，這個過程并不依賴于精細(xì)尺度上的局部特征，而是利用了粗略尺度（縮略圖）上整體的高階相關(guān)特性。本文采用深層神經(jīng)網(wǎng)絡(luò)從類別目標(biāo)的縮略圖中學(xué)習(xí)其高階相關(guān)特性，并應(yīng)用到類別目標(biāo)檢測中。該方法使用受限玻爾茲曼機(jī)自動的從類別目標(biāo)的縮略圖中學(xué)習(xí)多個層級的特征，使得類別目標(biāo)的檢測不依賴于人為精心設(shè)計的特征。實(shí)驗結(jié)果表明，該方法在檢測準(zhǔn)確率方面達(dá)到了目前

3、最先進(jìn)技術(shù)的水平。而在效率方面，該方法不需要顯式的特征提取，速度快，適合于實(shí)時檢測和用硬件實(shí)現(xiàn)。
　　第二，本文研究了如何利用顏色信息來改進(jìn)視覺目標(biāo)的光流跟蹤，提出了一種基于四元數(shù)的光流跟蹤方法。在經(jīng)典的光流跟蹤中，光流估計算法和特征點(diǎn)提取都只考慮了亮度信息，而現(xiàn)今彩色視頻已成主流，顏色信息有助于提高光流跟蹤的準(zhǔn)確性和魯棒性。為了利用顏色信息，本文在光流估計算法方面，將顏色的四元數(shù)表示引入光流等式中，以整體信號的形式處理顏色，提出

4、了四元數(shù)光流估計算法。在特征點(diǎn)提取方面，設(shè)計了一種衡量顏色變化程度的度量，提出了四元數(shù)顏色角點(diǎn)提取算法，以捕捉顏色的顯著性。在光流跟蹤中結(jié)合了顏色角點(diǎn)和亮度角點(diǎn)，并使用了四元數(shù)光流估計算法。實(shí)驗表明，四元數(shù)光流估計算法提高了估計準(zhǔn)確率，特別是在顏色變化較強(qiáng)烈的區(qū)域；四元數(shù)顏色角點(diǎn)對亮度變化不敏感，只捕捉顏色變化的顯著性；基于四元數(shù)的視覺目標(biāo)光流跟蹤方法比其他方法更魯棒。
　　第三，本文研究了復(fù)雜場景下視覺目標(biāo)的事件檢測，提出了一種

5、有效且高效的檢測框架。在基于視頻的應(yīng)用中，人們關(guān)注的一般不會是場景中的所有目標(biāo)，而是發(fā)生了某種感興趣事件的目標(biāo)。事件檢測，是對視覺目標(biāo)在語義層次上的檢測，因此也是本文的研究內(nèi)容之一。復(fù)雜場景下，目標(biāo)眾多，背景雜亂，光照不均，運(yùn)動伴隨陰影，目標(biāo)尺寸變化幅度大，這些特點(diǎn)給事件檢測帶來了很大的挑戰(zhàn)。本文的框架綜合了多種技術(shù)以完成事件檢測的任務(wù)。特別的，在運(yùn)動前景提取中消除了陰影的影響，在跟蹤中考慮了目標(biāo)尺寸的大幅度變化。在效率方面，結(jié)合兩種目