基于CRF的視頻目標(biāo)分割算法與應(yīng)用研究.pdf

1、隨著我國(guó)信息化程度的不斷提高,人們獲取信息的方式從傳統(tǒng)的文本形式逐步向視頻、圖像、語(yǔ)音等多媒體形式轉(zhuǎn)變。新的信息獲取方式給人們帶來(lái)極大便利的同時(shí),也給人們帶來(lái)了大量的冗余信息。視頻目標(biāo)分割的主要目的就是從大量的冗余信息中準(zhǔn)確高效的獲取人們感興趣的部分。作為計(jì)算機(jī)視覺(jué)的重要組成部分,視頻目標(biāo)分割在視頻監(jiān)控、智能交通、人機(jī)交互、搜索引擎等領(lǐng)域得到了廣泛的應(yīng)用,儼然成為了計(jì)算機(jī)領(lǐng)域的研究熱點(diǎn)與難點(diǎn)。
　　本文采用循序漸進(jìn)的方式對(duì)視頻目標(biāo)

2、分割算法進(jìn)行研究,首先從像素級(jí)別上實(shí)現(xiàn)對(duì)視頻目標(biāo)的分割,然后考慮像素間的空域鄰域關(guān)系對(duì)視頻目標(biāo)進(jìn)行分割,最后實(shí)現(xiàn)多信息融合的視頻目標(biāo)分割,通過(guò)與其他算法進(jìn)行對(duì)比實(shí)驗(yàn),得出實(shí)驗(yàn)結(jié)果。具體工作主要包括以下幾點(diǎn):
　　(1)對(duì)現(xiàn)有的視頻目標(biāo)分割算法進(jìn)行分析與總結(jié),得出現(xiàn)有的視頻目標(biāo)分割算法主要面臨的技術(shù)難點(diǎn),接著對(duì)它們進(jìn)行適當(dāng)分類(lèi),針對(duì)每一類(lèi)別的目標(biāo)分割算法提出可以改進(jìn)的措施。
　　(2)從像素點(diǎn)級(jí)別上對(duì)視頻目標(biāo)分割算法進(jìn)行研究。

3、在像素點(diǎn)級(jí)別上主要是采用基于混合高斯模型對(duì)視頻背景進(jìn)行建模來(lái)實(shí)現(xiàn)對(duì)視頻目標(biāo)的分割。然后采用平均背景模型和混合高斯模型對(duì)同一視頻序列進(jìn)行對(duì)比實(shí)驗(yàn)。
　　(3)針對(duì)像素級(jí)別上視頻目標(biāo)分割算法的誤分類(lèi)現(xiàn)象嚴(yán)重的缺點(diǎn),對(duì)算法進(jìn)行改進(jìn)。在考慮單個(gè)像素的局部特征外,還考慮空域鄰域關(guān)系,提出基于條件隨機(jī)場(chǎng)模型的目標(biāo)分割算法。它除了對(duì)每個(gè)像素的紋理、顏色、位置、運(yùn)動(dòng)特性等特征建模,構(gòu)建局部能量函數(shù)外,還考慮了8鄰域范圍內(nèi)各個(gè)像素之間的相互作用,構(gòu)

4、建空域鄰域能量函數(shù)。采用SAMME多類(lèi)分類(lèi)器對(duì)已標(biāo)簽的圖像進(jìn)行訓(xùn)練,獲得模型的各個(gè)參數(shù)。最后對(duì)只包含局部能量函數(shù)的CRF模型和包含局部能量函數(shù)與空域鄰域能量函數(shù)的CRF模型進(jìn)行對(duì)比實(shí)驗(yàn)。
　　(4)上述的基于CRF模型的目標(biāo)分割算法僅適用于單幅圖片中,對(duì)于其在視頻序列中的應(yīng)用,則需要對(duì)能量函數(shù)進(jìn)行改進(jìn),加入一個(gè)約束因子來(lái)表征視頻序列中相鄰兩幀或幾幀圖片中對(duì)應(yīng)像素之間的影響,構(gòu)建時(shí)域鄰域能量函數(shù)。然后將基于CRF模型的視頻目標(biāo)分割算