基于視覺認(rèn)知理論的視頻目標(biāo)檢測(cè)及分割研究.pdf

1、復(fù)雜場(chǎng)景中的運(yùn)動(dòng)目標(biāo)檢測(cè)及目標(biāo)分割是計(jì)算機(jī)視覺領(lǐng)域中的難點(diǎn)問題，在智能監(jiān)控、智能機(jī)器人、基于目標(biāo)的圖像和視頻分析領(lǐng)域都具有重要的應(yīng)用價(jià)值。但是對(duì)計(jì)算機(jī)來說頗為困難的目標(biāo)檢測(cè)及分割任務(wù)，對(duì)人類大腦卻是相當(dāng)容易的，這正是因?yàn)槿祟愐曈X系統(tǒng)具有卓越的視覺認(rèn)知能力，能完成檢測(cè)、跟蹤、識(shí)別目標(biāo)等一系列視覺任務(wù)。因此學(xué)習(xí)和借鑒人類視覺系統(tǒng)的生物認(rèn)知機(jī)制來研究視頻分析問題受到學(xué)界越來越多的關(guān)注。本文主要研究內(nèi)容有:符合人眼視覺關(guān)注的復(fù)雜動(dòng)態(tài)場(chǎng)景中的時(shí)空

2、顯著性計(jì)算模型、魯棒的運(yùn)動(dòng)目標(biāo)檢測(cè)及視頻目標(biāo)分割算法等。本文的主要工作和創(chuàng)新點(diǎn)包括：
　　第一，提出了一種生物啟發(fā)的復(fù)雜戶外場(chǎng)景中的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。神經(jīng)科學(xué)家們研究發(fā)現(xiàn)人類大腦的內(nèi)側(cè)上顳區(qū)(MST)可以感知視覺運(yùn)動(dòng)信息，且來自視覺感知的運(yùn)動(dòng)場(chǎng)在MST區(qū)域能被分解成若干獨(dú)立成分。受此啟發(fā)，提出將光流的獨(dú)立成分分析(ICA)與主成分分析(PCA)結(jié)合起來，用來檢測(cè)復(fù)雜的戶外場(chǎng)景中的運(yùn)動(dòng)目標(biāo)。首先，利用ICA可以從信號(hào)中分離出統(tǒng)計(jì)獨(dú)立

3、的源信號(hào)的特點(diǎn)，對(duì)光流場(chǎng)應(yīng)用ICA，將連續(xù)幀的前景光流和背景光流大致分開?？紤]到前景光流中依然存在由于復(fù)雜場(chǎng)景引起的噪聲，再對(duì)前景光流場(chǎng)進(jìn)行主成分分析，使得對(duì)應(yīng)于運(yùn)動(dòng)目標(biāo)的主要光流能被有效增強(qiáng)、背景中的噪聲相對(duì)地被抑制，使得最后運(yùn)動(dòng)目標(biāo)可以被較好地檢測(cè)出來。與常用的運(yùn)動(dòng)目標(biāo)檢測(cè)方法的實(shí)驗(yàn)結(jié)果相比，該生物啟發(fā)的方法可以較好去除背景噪聲，從復(fù)雜場(chǎng)景中有效地檢測(cè)出運(yùn)動(dòng)目標(biāo)。
　　第二，提出了一種基于大腦認(rèn)知啟發(fā)的視覺關(guān)注模型。首先模仿大

4、腦對(duì)運(yùn)動(dòng)信息的認(rèn)知機(jī)制，用魯棒的獨(dú)立成分分析算法將顯著的前景光流檢測(cè)出來，其次受到人類視覺關(guān)注總是集中在前景目標(biāo)上的啟發(fā)，通過Meanshift算法將方向、強(qiáng)度相似的前景光流矢量聚類，再通過本文提出的相對(duì)顯著運(yùn)動(dòng)區(qū)域選擇策略產(chǎn)生前景目標(biāo)區(qū)域，計(jì)算前景目標(biāo)區(qū)域的光流強(qiáng)度繼而生成時(shí)域的顯著圖。同時(shí)，采用基于圖的視覺顯著性模型來計(jì)算空間的顯著性。最后，時(shí)空顯著性被標(biāo)準(zhǔn)化后進(jìn)行線性融合生成時(shí)空顯著圖。實(shí)驗(yàn)和結(jié)果分析說明該認(rèn)知啟發(fā)的模型在真實(shí)的人

5、類視覺關(guān)注點(diǎn)位置處可以得到較好的顯著區(qū)域定位。
　　第三，提出了一種基于時(shí)空顯著性的視頻目標(biāo)分割算法。首先，通過快速光流算法計(jì)算連續(xù)幀之間的運(yùn)動(dòng)信息，接著通過判斷當(dāng)前幀是否存在全局運(yùn)動(dòng)來相應(yīng)調(diào)整初步的光流結(jié)果，產(chǎn)生較為準(zhǔn)確的運(yùn)動(dòng)顯著性。然后將時(shí)域顯著性和基于區(qū)域?qū)Ρ鹊膱D像顯著性檢測(cè)結(jié)果進(jìn)行加權(quán)融合，從而突出時(shí)間上和空間上顯著的前景目標(biāo)。最后通過馬爾可夫隨機(jī)場(chǎng)進(jìn)行前景-背景標(biāo)記，從而自動(dòng)地分割出靜止的和運(yùn)動(dòng)的視頻目標(biāo)。通過在多種復(fù)雜