基于统计模型视频序列对象跟踪方法的研究

《基于统计模型视频序列对象跟踪方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文基于统计模型的视频序列对象跟踪方法研究摘要近年来随着视频信号的获取压缩传输和存储等方面技术的迅速发展引发了基于内容的视频分析研究热潮其中视频对象跟踪技术由于其在视频处理视频压缩以及计算机视觉等领域广阔应用前景而受到学术界的重视已经发展成为一个非常具有挑战性的研究方向并积累了一定的理论和应用成果本文主要从统计建模的角度对数字视频序列中用户选定对象的跟踪算法进行研究这些方法主要涉及混合高斯分布隐Markov随机场非参数密度估计等统计模型应用这些模型可以充分分析和挖掘视频数据中蕴含的大量信息实现对象及背景的特征

2、提取在此基础上结合视频处理中其它热点方法和技术如Snake模型Mean-Shift算法IFGT算法等本文提出并实现了三种视频对象跟踪算法主要创新点如下1)在视频对象跟踪中时间序列中的背景和前景关系常常是一个被忽视的特征为此本文从时域统计的角度出发提出一种基于背景建模和区域变形的跟踪算法这种算法首先利用自适应混合高斯模型进行背景建模以模型更新得到的前景/背景二值分割掩膜作为区域变形理论中的区域特征将跟踪问题抽象为一个水平集LevelSet偏微分方程的数值求解问题并利用窄带方法实现了快速计算测试和实验表明该算法有很好的抗图像噪声性能

3、2)由于视频对象跟踪可以看成是图像分割的一种拓展为此本文把图像分割算法中的隐Markov随机场模型引入视频对象跟踪中提出基于HMMF模型的跟踪器该方法的创新性在于将区域跟踪问题转化为一个随机标记场问题并且运用贝叶斯估计抽象为一个II上海交通大学硕士学位论文后验概率最大化问题该方法不需要假定运动模型也不需要计算任何密度运动场跟踪区域的形状也不局限于一个特定的类型也不一定要求与背景有强烈的对比唯一的最基本的假设是对象的视觉外形特征由一定的概率分布函数产生这个分布函数通过核函数在特征空域联合空间得到相比经典的MRF模型HMMF模型的利

4、用使得最优标记场的估计更快更精确同时本算法采用改进的快速高斯变换来估计基于高斯核的分布函数较之一般的核密度估计算法在计算复杂度上大为降低实验结果表明本算法具有较高的精确性和实现效率3在HMMF跟踪器的基础上本文提出了一种广义的通过局部分割实现在序列中跟踪非刚性物体的框架在该框架内本文提出了特征-空间-测量向量联合空间的概念利用非参数密度估计的方法建立了相应的FSM分布模型在该空间中可以跟踪以几乎任何形式运动的对象并且跟踪对局部遮挡具有鲁棒性对变形和尺度变化具有很好的自适应性提出FSM的驱动力之一仍然是HMMF模型该模型可以使离散

5、问题连续化针对采用高斯核函数进行估计的FSM分布本文采用Mean-Shift理论和IFGT快速算法来进行优化计算实验表明该算法具有很高的效率在一定条件下实现了实时跟踪的目标关键词对象跟踪统计模型区域变形背景建模隐Markov随机场非参数密度估计III上海交通大学硕士学位论文VIDEOOBJECTTRACKINGAPPROACHESBASEDONSTATISTICALMODELSABSTRACTInrecentyears,withsignificantdevelopmentofthetechnologyinthefieldofvi

6、deocapture,compression,transmissionandstorage,content-basedvideoanalysishasbecomeahottopicinfieldofcomputervision.Amongdifferentareasofcontent-basedanalysis,videoobjecttrackingisanimportantresearchorientationthatfullofgreatchallenges.TheapplicationprospectsofvideoObj

7、ecttrackinginvideoprocessing,videocompressionandcomputervisionissowidethatithasreceivedenoughattentionintheacademicsocietyandmanytheoriesandapproacheshavebeenpresentedintheliteratures.Thispaperconcentratesonthedevelopmentoftechniquesfortrackingauserselectedobjectthro

8、ughdigitalimagesequences.Westudythetrackingproblemfromthestandpointofstatisticalmodelconstruction.Ourmethodsmainlyconcerntothemodel