復(fù)雜場景下視頻目標(biāo)自動分割算法研究.pdf

1、隨著互聯(lián)網(wǎng)基礎(chǔ)設(shè)施的逐步升級以及移動終端的快速普及，人們可以越來越方便地拍攝和觀看視頻。視頻由于其本身所攜帶信息的豐富性和生動性，成為了人們生活中重要的信息傳播載體之一。不斷增長的海量視頻數(shù)據(jù)也帶來了如何識別、檢索和理解視頻內(nèi)容的需求。如何降低視頻內(nèi)容理解難度，提煉出視頻中的關(guān)鍵信息成為當(dāng)前視頻處理領(lǐng)域的重要研究課題。由于視頻目標(biāo)分割的研究目標(biāo)是有效分割出具有顯著性特征的前景目標(biāo)，所以它在視頻摘要、視頻檢索、動作分析和視頻語義理解等領(lǐng)域

2、擁有廣泛的應(yīng)用。
　　當(dāng)前的視頻目標(biāo)分割算法大多屬于自底向上的方法，通過獲取并分析視頻中顏色和邊緣特征、運動信息等底層特征分割出具有顯著性特點的前景目標(biāo)。傳統(tǒng)基于人工標(biāo)注的算法已經(jīng)不能滿足當(dāng)前大規(guī)模視頻數(shù)據(jù)環(huán)境下的應(yīng)用需求。同時，海量視頻中包含的場景和拍攝條件是復(fù)雜而多樣的，使得當(dāng)前的自動化視頻目標(biāo)分割算法并不能在一些復(fù)雜場景中仍保持較好的魯棒性。針對上述問題，本文提出了兩種適用于不同場景的視頻目標(biāo)自動分割算法。主要研究工作和創(chuàng)新

3、點如下:
　　1.現(xiàn)有基于圖割的算法容易受到背景噪聲和像素點失配的干擾，在一些復(fù)雜場景下魯棒性不佳。本文提出了一種基于光流場和圖割的視頻目標(biāo)自動分割算法，針對上述問題做了改進。在對前景目標(biāo)分割前，該算法預(yù)先對視頻全局動作特征進行分析，獲得了前景目標(biāo)的先驗知識，減少了背景噪聲對算法的干擾。針對像素點失配問題，該算法提出了動態(tài)位置模型優(yōu)化機制，利用前景目標(biāo)的位置模型增強了分割結(jié)果的時域連續(xù)性。實驗表明，該算法在鏡頭快速移動、前景目標(biāo)運

4、動特征不規(guī)律等場景下能夠獲得更加準(zhǔn)確和魯棒的分割結(jié)果。
　　2.在一些復(fù)雜場景下，現(xiàn)有基于候選目標(biāo)的算法往往會出現(xiàn)分割結(jié)果部分缺失的問題，這一問題的根源在于候選目標(biāo)過于碎片化以及候選目標(biāo)間的時域映射關(guān)系不夠準(zhǔn)確。本文提出了一種基于候選目標(biāo)的改進算法。該算法對原生候選目標(biāo)進行了時域擴展與合并，不僅改善了候選目標(biāo)碎片化的問題，還提高了相鄰幀問候選目標(biāo)的時域連續(xù)性。為了進一步增強模型時域映射關(guān)系的準(zhǔn)確性，該算法引入了更多圖像特征用于度量