運動背景下的視頻對象跟蹤研究.pdf

1、視覺信息(圖像和視頻)是人類了解外部世界最重要的信息來源。隨著計算機技術、通信技術、多媒體技術和存儲技術的發(fā)展，人們可以方便地記錄、壓縮和傳輸大量的圖像和視頻數據。通過對圖像和視頻數據進行有效分析，人們能夠更加有效地了解和處理大量外部信息。目標跟蹤是指通過物體的邊緣、局部運動以及強度(對比度和亮度)的變化信息來對物體進行跟蹤。通過跟蹤建立運動物體的時域相關性，不僅可以有效提高運動估計的精確度，而且使得操作、控制對象成為可能。視頻對象跟蹤

2、是基于內容的視頻表示、處理以及視頻壓縮的重要組成部分。它存軍事視覺制導、視頻監(jiān)控、機器人視覺導航、醫(yī)療診斷以及氣象分析等方面都有廣泛的應用。 本論文圍繞視頻目標跟蹤進行了四個方面的研究，即快速塊匹配、快速全局運動估計、基于彩色和運動信息的視頻目標分割和基于對象網格模型的視頻目標跟蹤。 本論文取得的主要研究成果包括以下四個方面： 1.提出了一種基于多分辨率框架的快速塊匹配算法。塊匹配算法是H.263、MPEG1/2

3、/4中的基本運動估計算法，由于它在算法復雜度和計算速度上較好的統(tǒng)一，應用非常廣泛。為在保持高匹配準確度同時加快匹配速度，本文提出一種新快速運動估計算法HACDS。HACDS使用三層多分辨率結構適應快速運動，在最低分辨率層使用FS保證初始收斂精度，其它層采用ACDS加快匹配速度。實驗證明在保持很好的匹配效果同時極大地降低了搜索次數。此外，由圖像彩色信息和雙向運動估計提高了運動估計的精度和穩(wěn)健性。最后通過對場圖像采用基于HACDS中值補償算

4、法與其它補償算法的性能比較中，基于HACDS中值補償算法降低了隨機噪聲的影響，優(yōu)化了補償圖像的質量，被成功應用于視頻格式轉換技術中。 2.提出一種基于多分辨率框架稀疏采樣M估計全局估計算法。對于圖像中的前景點消除，通過混合三種方法在金字塔結構逐層進行。在金字塔結構的每層中，首先根據塊匹配差異值消除部分前景塊；其次利用Huber函數對誤差的敏感度不同的特性，對背景和前景運動物體的像素點快速分類，使得背景的仿射參數估計過程只對背景像

5、素點敏感，減少了前景運動物體對參數估計造成的誤差，提高參數估計的精度；最后消除孤立背景塊。在得到原始圖像層的初步全局運動參數后，通過背景塊的特征點集合，利用LMICA象素能量最小迭代法獲得最終的精確全局運動參數。三層多分辨率結構擴展了運動運動范圍，加快了運動估計收斂速度。此外，除頂層外的各層上利用預測查找表方式加快了運動估計的收斂速度。實驗表明，提出的算法計算量小，獲得的全局運動參數精確可靠。 3.提出一種基于網格運動場估計和彩

6、色信息均值移動聚類的視頻對象分割方法。二維稠密運動場通過基于內容的網格模型得到。對視頻圖像進行Gabor小波變換得到視頻圖像中網格的節(jié)點，可以有效消除噪聲和光照變化帶來的影響。在網格節(jié)點的生成過程中引入Gabor小波能量概率決策法和加權動態(tài)聚類法，使網格節(jié)點的分布盡可能在邊界和角點等結構特征明顯的位景，保證了網格節(jié)點的合理分布。在空間區(qū)域分割方面，對彩色空間聚類獲得圖像的準確區(qū)域信息，通過準牛頓法加速均值移動聚類速度，然后利用區(qū)域一致性

7、檢測進行區(qū)域融合。實驗表明，通過空間區(qū)域分割和稠密運動場可以獲得準確的運動視頻對象分割結果，為運動對象跟蹤或視頻內容分析提供了非常好的基礎。 4.提出一種基于對象網格的視頻對象跟蹤方法。構建跟蹤使用的視頻對象模型，包括對象網格模型、權值區(qū)域關系圖等。提出了一種網格節(jié)點跟蹤方法實現(xiàn)節(jié)點的穩(wěn)健跟蹤，通過網格節(jié)點的跟蹤實現(xiàn)了視頻對象的跟蹤。在節(jié)點跟蹤過程中，為了消除仿射模型參數在計算時的相互干擾，采用平移模型作初始匹配，利用仿射模型的

8、變形參數校驗特征窗口相似度，并進行節(jié)點的局部調整。仿射運動模型參數采用Newton-Raphson梯度下降法計算，并利用Gabor小波梯度算子克服梯度下降法對噪聲的敏感，提高了運動矢量估計的精確度。針對幾種網格節(jié)點跟蹤失敗的情況，通過構建的視頻對象跟蹤模型并結合均值移動彩色聚類、Ncut為權值的區(qū)域關系圖給出了相應的解決方法。靜止背景和運動背景視頻中的視頻對象的跟蹤和補償實驗表明，提出的跟蹤算法可以實現(xiàn)視頻對象的穩(wěn)健準確跟蹤。