动态场景视频中的运动目标分割方法研究

论文摘要

随着计算机技术的迅速发展,基于视频的运动分析已成为计算机视觉领域中的一个研究热点。作为运动物体视觉分析中的核心技术和底层问题,将视频中的运动对象从动态场景中分割出来有着十分重要的意义,它是后续各种高级处理,如运动对象跟踪、物体分类及行为识别、事件检测等高层次的视频处理和应用理解的基础。论文介绍了视频对象分割技术在多媒体标准、视频监控、体育运动分析等领域的应用和研究状况,讨论了其在当今高速发展的信息时代的重要意义和应用价值,综述了国内外视频分割技术的发展现状,从空域帧内分割、全局运动估计、时空联合分割等几方面讨论了视频分割方法。并针对跳水运动视频的特点,对如何从动态场景中提取运动对象的问题开展研究。在此基础上,将视频对象提取方法应用于跳水和体操运动视频。论文针对视频图像的运动估计问题开展研究,提出了一种无回溯搜索的快速块匹配算法。算法基于快速模式匹配KMP算法思想,将图像中的块匹配转化为一个一维的串模式匹配。利用子块的自匹配特性,计算出子块中每一个像素的next值,当模式中第j个像素与主块中的像素“失配”时,从子块的next数组中找到第r个像素来继续进行比较,不需要回溯到开始匹配的位置,由此提高了搜索匹配块的效率。根据跳水运动视频中的运动员着装比较单一、肤色裸露的特点,将视频帧图像用图的形式表示出来可以划分为较少的连通分量,继而提出了一种基于局部图不规则块匹配视频分割方法。该方法首先将图像以图的数据结构表示,采用假设检验的方法来合并相邻区域的图像块。在分割得到第一帧前景区域之后,根据帧间运动的连续性,运用不规则块匹配方法找到当前帧中的前景区域,匹配准则借鉴了聚类分析中变量相关性的相关系数方法,取得了较好的匹配效果。实验结果表明,本文的方法能快速、准确地从跳水、体操运动视频中分割出视频前景运动对象。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题来源
• 1.2 研究背景与意义
• 1.3 研究内容
• 1.4 本文研究工作
• 1.5 本文组织结构
• 第二章 当前国内外视频分割方法研究现状
• 2.1 引言
• 2.2 基于空域特征的视频对象分割方法
• 2.2.1 基于边缘检测的分割方法
• 2.2.2 基于区域的分割方法
• 2.2.3 人工智能的分割方法
• 2.3 基于时域特征的视频对象分割方法
• 2.3.1 光流法
• 2.3.2 变化检测法
• 2.4 时空联合的视频对象分割方法
• 2.5 存在的问题
• 2.6 本文方法
• 第三章 全局运动估计
• 3.1 引言
• 3.2 摄像机全局运动参数模型
• 3.2.1 摄像机的运动
• 3.2.2 常用的摄像机运动参数模型
• 3.3 块匹配运动估计原理及相关技术
• 3.3.1 完全搜索算法
• 3.3.2 三步搜索算法
• 3.3.3 六边形搜索算法
• 3.4 基于无回溯搜索方法的块匹配算法
• 3.4.1 算法描述
• 3.4.2 子块next值计算方法
• 3.4.3 NBT算法进行全局运动估计的具体步骤
• 3.4.4 算法复杂度和实验结果
• 3.5 小结
• 第四章 时空联合的视频对象分割方法
• 4.1 引言
• 4.2 经典的Graph-cuts分割方法
• 4.2.1 Normalized Cut
• 4.2.2 Local variation
• 4.3 基于局部图不规则块匹配视频分割方法
• 4.3.1 算法流程
• 4.3.2 全局运动估计与ROI的确定
• 4.3.3 空域帧内分割
• 4.3.4 不规则块匹配
• 4.3.5 后处理
• 4.4 小结
• 第五章 实验结果
• 5.1 实验结果
• 5.2 小结
• 第六章 结论与展望
• 6.1 全文总结
• 6.2 工作展望
• 参考文献
• 致谢
• 作者攻读硕士学位期间的主要研究成果
• 附录 A:本文插图索引
• 附录 B:本文附表索引