結(jié)合跟蹤技術(shù)的視頻目標(biāo)分割方法研究.pdf

1、視頻目標(biāo)分割是計算機(jī)視覺的重要組成部分，其目的是從視頻序列中提取出感興趣的目標(biāo)，使信息處理更加高效，已廣泛應(yīng)用于智能交通、行為識別、視頻監(jiān)控、視頻壓縮等領(lǐng)域，逐漸成為研究熱點(diǎn)與難點(diǎn)。
　　鑒于非特定目標(biāo)（unknown objects）跟蹤技術(shù)的日趨成熟以及跟蹤領(lǐng)域?qū)δ繕?biāo)消失重現(xiàn)問題研究的不斷深入，本文通過將跟蹤算法與分割算法相結(jié)合以處理視頻目標(biāo)分割中目標(biāo)消失重現(xiàn)的問題。對于初始幀，使用 Grabcut算法進(jìn)行分割，其結(jié)果初始化分

2、割模型，交互框作為跟蹤算法的初始化輸入；對于后續(xù)幀，先對目標(biāo)進(jìn)行跟蹤，獲得跟蹤框后對目標(biāo)進(jìn)行分割，然后根據(jù)分割結(jié)果使用P-N學(xué)習(xí)算法對分割模型進(jìn)行更新。在本算法中，跟蹤算法的性能將很大程度影響最終的分割結(jié)果。本文的主要工作包括：
　　1）對視頻目標(biāo)跟蹤技術(shù)與分割技術(shù)進(jìn)行了綜述，并對 P-N學(xué)習(xí)算法、基于BRIEF（Binary Robust Independent Elementary Features）特征的隨機(jī)蕨叢（Rando

3、m fern）分類器以及 Tracking-Learning-Detection（TLD）算法進(jìn)行了研究。
　　2）為得到一種高實(shí)時性的跟蹤算法，對 TLD算法中的檢測器進(jìn)行了重新設(shè)計，提出了一種新的長時間跟蹤算法 TLLD（Tracking-Learning-Local-Detection）?？紤]到總是全屏檢測會使算法的實(shí)時性不佳，提出了一種自適應(yīng)生成檢測范圍的方法，通過約束檢測范圍以提高檢測效率；為緩解學(xué)習(xí)樣本減少造成的負(fù)面影