復雜場景下視頻目標自動分割算法研究.pdf

1、隨著互聯網基礎設施的逐步升級以及移動終端的快速普及，人們可以越來越方便地拍攝和觀看視頻。視頻由于其本身所攜帶信息的豐富性和生動性，成為了人們生活中重要的信息傳播載體之一。不斷增長的海量視頻數據也帶來了如何識別、檢索和理解視頻內容的需求。如何降低視頻內容理解難度，提煉出視頻中的關鍵信息成為當前視頻處理領域的重要研究課題。由于視頻目標分割的研究目標是有效分割出具有顯著性特征的前景目標，所以它在視頻摘要、視頻檢索、動作分析和視頻語義理解等領域

2、擁有廣泛的應用。
　　當前的視頻目標分割算法大多屬于自底向上的方法，通過獲取并分析視頻中顏色和邊緣特征、運動信息等底層特征分割出具有顯著性特點的前景目標。傳統基于人工標注的算法已經不能滿足當前大規模視頻數據環境下的應用需求。同時，海量視頻中包含的場景和拍攝條件是復雜而多樣的，使得當前的自動化視頻目標分割算法并不能在一些復雜場景中仍保持較好的魯棒性。針對上述問題，本文提出了兩種適用于不同場景的視頻目標自動分割算法。主要研究工作和創新

3、點如下:
　　1.現有基于圖割的算法容易受到背景噪聲和像素點失配的干擾，在一些復雜場景下魯棒性不佳。本文提出了一種基于光流場和圖割的視頻目標自動分割算法，針對上述問題做了改進。在對前景目標分割前，該算法預先對視頻全局動作特征進行分析，獲得了前景目標的先驗知識，減少了背景噪聲對算法的干擾。針對像素點失配問題，該算法提出了動態位置模型優化機制，利用前景目標的位置模型增強了分割結果的時域連續性。實驗表明，該算法在鏡頭快速移動、前景目標運

4、動特征不規律等場景下能夠獲得更加準確和魯棒的分割結果。
　　2.在一些復雜場景下，現有基于候選目標的算法往往會出現分割結果部分缺失的問題，這一問題的根源在于候選目標過于碎片化以及候選目標間的時域映射關系不夠準確。本文提出了一種基于候選目標的改進算法。該算法對原生候選目標進行了時域擴展與合并，不僅改善了候選目標碎片化的問題，還提高了相鄰幀問候選目標的時域連續性。為了進一步增強模型時域映射關系的準確性，該算法引入了更多圖像特征用于度量