視覺目標檢測和跟蹤中的若干關鍵技術(shù)研究.pdf

1、面對海量的視頻數(shù)據(jù)，人們致力于利用各種技術(shù)來自動分析和理解其中包含的視覺目標的行為，并應用于與我們息息相關的日常生活中。這些應用的成功，離不開視覺目標的檢測和跟蹤。它們是計算機視覺領域兩個非常重要的基礎任務，一直以來都屬于熱點研究內(nèi)容。本文針對視覺目標檢測和跟蹤中的一些關鍵性技術(shù)展開研究。具體的，本論文主要進行了以下幾個方面的研究：
　　第一，本文研究了類別目標的檢測，提出一種基于縮略圖、采用深層神經(jīng)網(wǎng)絡的類別目標檢測方法。現(xiàn)有的

2、類別目標檢測方法都利用了目標在精細尺度上的局部特征，而經(jīng)驗表明，人眼視覺基于目標的縮略圖就可以識別目標，這個過程并不依賴于精細尺度上的局部特征，而是利用了粗略尺度（縮略圖）上整體的高階相關特性。本文采用深層神經(jīng)網(wǎng)絡從類別目標的縮略圖中學習其高階相關特性，并應用到類別目標檢測中。該方法使用受限玻爾茲曼機自動的從類別目標的縮略圖中學習多個層級的特征，使得類別目標的檢測不依賴于人為精心設計的特征。實驗結(jié)果表明，該方法在檢測準確率方面達到了目前

3、最先進技術(shù)的水平。而在效率方面，該方法不需要顯式的特征提取，速度快，適合于實時檢測和用硬件實現(xiàn)。
　　第二，本文研究了如何利用顏色信息來改進視覺目標的光流跟蹤，提出了一種基于四元數(shù)的光流跟蹤方法。在經(jīng)典的光流跟蹤中，光流估計算法和特征點提取都只考慮了亮度信息，而現(xiàn)今彩色視頻已成主流，顏色信息有助于提高光流跟蹤的準確性和魯棒性。為了利用顏色信息，本文在光流估計算法方面，將顏色的四元數(shù)表示引入光流等式中，以整體信號的形式處理顏色，提出

4、了四元數(shù)光流估計算法。在特征點提取方面，設計了一種衡量顏色變化程度的度量，提出了四元數(shù)顏色角點提取算法，以捕捉顏色的顯著性。在光流跟蹤中結(jié)合了顏色角點和亮度角點，并使用了四元數(shù)光流估計算法。實驗表明，四元數(shù)光流估計算法提高了估計準確率，特別是在顏色變化較強烈的區(qū)域；四元數(shù)顏色角點對亮度變化不敏感，只捕捉顏色變化的顯著性；基于四元數(shù)的視覺目標光流跟蹤方法比其他方法更魯棒。
　　第三，本文研究了復雜場景下視覺目標的事件檢測，提出了一種

5、有效且高效的檢測框架。在基于視頻的應用中，人們關注的一般不會是場景中的所有目標，而是發(fā)生了某種感興趣事件的目標。事件檢測，是對視覺目標在語義層次上的檢測，因此也是本文的研究內(nèi)容之一。復雜場景下，目標眾多，背景雜亂，光照不均，運動伴隨陰影，目標尺寸變化幅度大，這些特點給事件檢測帶來了很大的挑戰(zhàn)。本文的框架綜合了多種技術(shù)以完成事件檢測的任務。特別的，在運動前景提取中消除了陰影的影響，在跟蹤中考慮了目標尺寸的大幅度變化。在效率方面，結(jié)合兩種目