視頻對象分割與跟蹤方法研究.pdf

1、從視頻序列中提取前景目標是計算機視覺領(lǐng)域的一項關(guān)鍵技術(shù)，也一直是計算機視覺領(lǐng)域中的一個熱門研究課題。視頻對象分割得到的結(jié)果可以用于諸多基于對象的視頻應用，例如基于對象的視頻編碼、基于內(nèi)容的視頻檢索、智能視頻監(jiān)控、基于視頻的人機交互等等。因此，視頻對象分割技術(shù)具有重要的研究意義及應用價值。
　　 視頻對象分割和圖像分割都是計算機視覺領(lǐng)域的難點問題。視頻對象分割的挑戰(zhàn)主要在于：視頻數(shù)據(jù)包含了豐富的時空信息，由于現(xiàn)實場景的復雜性和多樣

2、性，很難用一個統(tǒng)一的模型來對視頻對象進行建模；視頻對象是一種高層語義概念，很難通過計算低層次視覺特征得到高層次語義對象分割，僅利用目前的技術(shù)還很難跨越語義鴻溝。早期的視頻對象分割方法通常是從局部像素時域進行分析，沒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沒有考慮場景中的光照、陰影帶來的影響。另外，這些視頻對象精確分割方法的計算復雜

3、度都比較高，很難達到實時應用的目的。
　　 本文主要針對融合時空信息進行分割的關(guān)鍵技術(shù)進行研究，結(jié)合全局運動檢測、背景建模、陰影檢測、和馬爾科夫隨機場分割技術(shù)，提出了有效的視頻對象分割框架。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拍攝的視頻中的前景對象，得到平滑準確的對象輪廓，并且可以消除物體投射的陰影。論文的主要工作有：
　　 (1)提出了一種全局運動檢測方法。為了使本文的方法能用于PTZ攝像機，實時檢測攝

4、像機運動，本文提出了邊緣變化率的概念進行全局運動檢測，方法計算簡單而且精度很高。
　　 (2)提出了使用初始前景區(qū)域減小計算量的方法，首先使用高斯混合模型來對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)域進行，本文提出的加速算法可以極大的減小分割的計算量。
　　 (3)提出了利用“四分圖”并結(jié)合最大化后驗概率-馬爾科夫隨機場進行視頻對象分割的框架。首先