基于視頻的目標精細輪廓跟蹤算法的研究與實現(xiàn).pdf

1、目標跟蹤是計算機視覺領域最基本的任務之一，基于目標跟蹤的計算機視覺應用非常多，例如智能監(jiān)控、行為識別、增強現(xiàn)實等等。本論文提出了一種利用稀疏低秩約束來度量超像素相似性進而對目標的輪廓進行跟蹤的方法，以下是本論文的主要研究內(nèi)容。
　?。?）研究了一種基于稀疏低秩約束的超像素相似性度量方法。根據(jù)視頻中前后視頻幀之間連續(xù)性以及同一視頻幀中多個超像素的連續(xù)性建立線性表示的模型，即當前視頻幀中的一個超像素可以用前一視頻幀中的多個超像素的線性

2、組合來表示，并且線性表示的系數(shù)應該有稀疏低秩的約束。使用線性表示的系數(shù)就可以很好的度量前后視頻幀中兩個超像素的相似性。
　　（2）基于超像素的相似性提出了一種目標輪廓跟蹤算法?；诔袼氐南嗨菩杂嬎泔@著性特征目標概率圖，同時聯(lián)合基于 YUV顏色空間分布的表觀特征目標概率圖，使用這兩種目標概率構造條件隨機場模型對跟蹤的目標進行分割，實現(xiàn)目標的輪廓跟蹤，并分析了本論文的輪廓跟蹤算法對目標遮擋和尺度變化的良好處理能力。
　?。?）

3、討論了基于深度卷積神經(jīng)網(wǎng)絡提取的特征用在本跟蹤算法中的效果。使用VGG-16網(wǎng)絡提取視頻幀的特征，由于低層的特征具有更好的空間分辨能力，高層的特征具有更好的語義分辨能力，所以將VGG-16網(wǎng)絡的第一個大卷積層輸出的特征圖作為本輪廓跟蹤算法的特征，得到了比人工設計的特征更好的跟蹤效果。
　　（4）將單目標輪廓跟蹤模型拓展到多目標的輪廓跟蹤。由于模型本身能夠自然的從單目標輪廓跟蹤進一步轉(zhuǎn)變?yōu)槎嗄繕溯喞?，所以相對于單目標跟蹤，多目?/p>