基于視覺認知理論的視頻目標檢測及分割研究.pdf

1、復雜場景中的運動目標檢測及目標分割是計算機視覺領域中的難點問題，在智能監(jiān)控、智能機器人、基于目標的圖像和視頻分析領域都具有重要的應用價值。但是對計算機來說頗為困難的目標檢測及分割任務，對人類大腦卻是相當容易的，這正是因為人類視覺系統(tǒng)具有卓越的視覺認知能力，能完成檢測、跟蹤、識別目標等一系列視覺任務。因此學習和借鑒人類視覺系統(tǒng)的生物認知機制來研究視頻分析問題受到學界越來越多的關注。本文主要研究內(nèi)容有:符合人眼視覺關注的復雜動態(tài)場景中的時空

2、顯著性計算模型、魯棒的運動目標檢測及視頻目標分割算法等。本文的主要工作和創(chuàng)新點包括：
　　第一，提出了一種生物啟發(fā)的復雜戶外場景中的運動目標檢測方法。神經(jīng)科學家們研究發(fā)現(xiàn)人類大腦的內(nèi)側(cè)上顳區(qū)(MST)可以感知視覺運動信息，且來自視覺感知的運動場在MST區(qū)域能被分解成若干獨立成分。受此啟發(fā)，提出將光流的獨立成分分析(ICA)與主成分分析(PCA)結(jié)合起來，用來檢測復雜的戶外場景中的運動目標。首先，利用ICA可以從信號中分離出統(tǒng)計獨立

3、的源信號的特點，對光流場應用ICA，將連續(xù)幀的前景光流和背景光流大致分開?？紤]到前景光流中依然存在由于復雜場景引起的噪聲，再對前景光流場進行主成分分析，使得對應于運動目標的主要光流能被有效增強、背景中的噪聲相對地被抑制，使得最后運動目標可以被較好地檢測出來。與常用的運動目標檢測方法的實驗結(jié)果相比，該生物啟發(fā)的方法可以較好去除背景噪聲，從復雜場景中有效地檢測出運動目標。
　　第二，提出了一種基于大腦認知啟發(fā)的視覺關注模型。首先模仿大

4、腦對運動信息的認知機制，用魯棒的獨立成分分析算法將顯著的前景光流檢測出來，其次受到人類視覺關注總是集中在前景目標上的啟發(fā)，通過Meanshift算法將方向、強度相似的前景光流矢量聚類，再通過本文提出的相對顯著運動區(qū)域選擇策略產(chǎn)生前景目標區(qū)域，計算前景目標區(qū)域的光流強度繼而生成時域的顯著圖。同時，采用基于圖的視覺顯著性模型來計算空間的顯著性。最后，時空顯著性被標準化后進行線性融合生成時空顯著圖。實驗和結(jié)果分析說明該認知啟發(fā)的模型在真實的人

5、類視覺關注點位置處可以得到較好的顯著區(qū)域定位。
　　第三，提出了一種基于時空顯著性的視頻目標分割算法。首先，通過快速光流算法計算連續(xù)幀之間的運動信息，接著通過判斷當前幀是否存在全局運動來相應調(diào)整初步的光流結(jié)果，產(chǎn)生較為準確的運動顯著性。然后將時域顯著性和基于區(qū)域?qū)Ρ鹊膱D像顯著性檢測結(jié)果進行加權融合，從而突出時間上和空間上顯著的前景目標。最后通過馬爾可夫隨機場進行前景-背景標記，從而自動地分割出靜止的和運動的視頻目標。通過在多種復雜