基于視頻的目標(biāo)精細(xì)輪廓跟蹤算法的研究與實(shí)現(xiàn).pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域最基本的任務(wù)之一，基于目標(biāo)跟蹤的計(jì)算機(jī)視覺應(yīng)用非常多，例如智能監(jiān)控、行為識別、增強(qiáng)現(xiàn)實(shí)等等。本論文提出了一種利用稀疏低秩約束來度量超像素相似性進(jìn)而對目標(biāo)的輪廓進(jìn)行跟蹤的方法，以下是本論文的主要研究內(nèi)容。
　?。?）研究了一種基于稀疏低秩約束的超像素相似性度量方法。根據(jù)視頻中前后視頻幀之間連續(xù)性以及同一視頻幀中多個(gè)超像素的連續(xù)性建立線性表示的模型，即當(dāng)前視頻幀中的一個(gè)超像素可以用前一視頻幀中的多個(gè)超像素的線性

2、組合來表示，并且線性表示的系數(shù)應(yīng)該有稀疏低秩的約束。使用線性表示的系數(shù)就可以很好的度量前后視頻幀中兩個(gè)超像素的相似性。
　?。?）基于超像素的相似性提出了一種目標(biāo)輪廓跟蹤算法?；诔袼氐南嗨菩杂?jì)算顯著性特征目標(biāo)概率圖，同時(shí)聯(lián)合基于 YUV顏色空間分布的表觀特征目標(biāo)概率圖，使用這兩種目標(biāo)概率構(gòu)造條件隨機(jī)場模型對跟蹤的目標(biāo)進(jìn)行分割，實(shí)現(xiàn)目標(biāo)的輪廓跟蹤，并分析了本論文的輪廓跟蹤算法對目標(biāo)遮擋和尺度變化的良好處理能力。
　?。?）

3、討論了基于深度卷積神經(jīng)網(wǎng)絡(luò)提取的特征用在本跟蹤算法中的效果。使用VGG-16網(wǎng)絡(luò)提取視頻幀的特征，由于低層的特征具有更好的空間分辨能力，高層的特征具有更好的語義分辨能力，所以將VGG-16網(wǎng)絡(luò)的第一個(gè)大卷積層輸出的特征圖作為本輪廓跟蹤算法的特征，得到了比人工設(shè)計(jì)的特征更好的跟蹤效果。
　?。?）將單目標(biāo)輪廓跟蹤模型拓展到多目標(biāo)的輪廓跟蹤。由于模型本身能夠自然的從單目標(biāo)輪廓跟蹤進(jìn)一步轉(zhuǎn)變?yōu)槎嗄繕?biāo)輪廓跟蹤，所以相對于單目標(biāo)跟蹤，多目標(biāo)