基于目標(biāo)軌跡重排的動態(tài)視頻摘要方法研究.pdf

1、視頻摘要是指將視頻中冗余的空白信息消除，生成長度遠(yuǎn)遠(yuǎn)小于原視頻且僅包含關(guān)鍵信息的摘要視頻供用戶進(jìn)行快速瀏覽。動態(tài)視頻摘要由于具備凝煉視頻中目標(biāo)動態(tài)信息的特性，在視頻偵查、嫌疑目標(biāo)搜尋具有廣闊的應(yīng)用前景，近年來成為了計(jì)算機(jī)視覺領(lǐng)域的一項(xiàng)研究熱點(diǎn)。由于需要實(shí)現(xiàn)時(shí)間上的壓縮與空間中目標(biāo)相對動態(tài)信息的保留，使得生成的摘要視頻在實(shí)現(xiàn)較高的壓縮率時(shí)，無法高質(zhì)量地避免目標(biāo)軌跡之間的碰撞，使得壓縮率與碰撞比的時(shí)空矛盾性成為了動態(tài)視頻摘要方法的核心難點(diǎn)。

2、本文主要從解決目標(biāo)軌跡重排中碰撞問題的思路出發(fā)，通過判斷策略、構(gòu)建圖模型、分段處理摘要框架、目標(biāo)篩選分類等手段，選擇合理的目標(biāo)時(shí)域位置來避免空間的碰撞，同時(shí)保證方法的速度與目標(biāo)篩選性能。
　　首先，本文針對傳統(tǒng)視頻摘要技術(shù)復(fù)雜度高、時(shí)序混亂以及碰撞嚴(yán)重等問題，提出了一種基于重排模型判斷策略的視頻摘要方法。利用決策制的判斷策略來限制目標(biāo)管重排的模型計(jì)算，定義了時(shí)序模型、密度模型以及碰撞模型來對傳統(tǒng)視頻摘要中的時(shí)序和遮擋等問題進(jìn)行處理

3、。實(shí)驗(yàn)表明，基于重排模型判斷策略的目標(biāo)管視頻摘要方法能夠有效地提升算法效率、時(shí)序穩(wěn)定度和減少碰撞的性能。
　　其次，為了解決現(xiàn)有視頻摘要方法中高壓縮率和低碰撞率之間的矛盾，本文提出了一種基于圖著色的視頻摘要生成方法。通過利用潛在碰撞圖來表示重排后目標(biāo)管之間的空間關(guān)系，將目標(biāo)管重排問題轉(zhuǎn)化成了圖著色問題。圖模型中節(jié)點(diǎn)表示了目標(biāo)管及潛在碰撞點(diǎn)，邊則表示目標(biāo)管的潛在碰撞關(guān)系。為了避免碰撞的發(fā)生，通過圖著色方法對潛在碰撞圖進(jìn)行著色，從而實(shí)

4、現(xiàn)目標(biāo)管在摘要視頻中的時(shí)間定位。更多地，為了令用戶在碰撞率和壓縮比之間進(jìn)行折衷選擇，設(shè)置了可供調(diào)節(jié)的著色間隔。實(shí)驗(yàn)結(jié)果證明，基于圖著色的視頻摘要方法在減少碰撞率的同時(shí)，可以生成更為緊湊的視頻摘要。
　　再次，本文在提出基于圖著色的視頻摘要方法的基礎(chǔ)上，對該方法在速度性能與時(shí)序混亂度上的問題進(jìn)行了改進(jìn)，提出了一種基于潛在碰撞圖的在線視頻摘要方法。利用優(yōu)化的潛在碰撞圖表示目標(biāo)管間碰撞關(guān)系，對節(jié)點(diǎn)直接添加碰撞約束獲得目標(biāo)管起始幀。為進(jìn)一

5、步提高運(yùn)算速度，采用分段式的在線目標(biāo)管重排算法框架，將目標(biāo)管重排的全局最優(yōu)化問題轉(zhuǎn)化成了分段式優(yōu)化問題。實(shí)驗(yàn)證明，基于潛在碰撞圖的視頻摘要方法不僅能夠在壓縮率、緊湊度以及碰撞度上取得較優(yōu)的性能，同時(shí)能保持良好的時(shí)序一致性以及實(shí)現(xiàn)接近實(shí)時(shí)地運(yùn)算速度。
　　最后，為了滿足用戶對不同目標(biāo)類型分別摘要的需求，解決視頻場景中目標(biāo)數(shù)量過多造成的擁擠現(xiàn)象，提出了一種結(jié)合人車分類的視頻摘要方法。該方法首先對視頻中提取的目標(biāo)管利用分類器進(jìn)行分類處理