基于特征描述子的视频对象分级分割和跟踪算法

不同的视频应用对视频对象的分割和跟踪的速度和精确度具有不同的要求。提出了一种视频对象的分级分割和跟踪框架,基于视频对象特征描述子算法可以实时地分割和跟踪视频对象,基于区域特征描述子算法对分割的视频对象进一步细化,提高空域准确性。该框架可以满足各种视频应用。     

用于立体视频会议系统的立体对象分割与跟踪算法

基于对象的立体视频编码压缩技术能在立体视频会议系统中得到很好的应用,从立体视频信号中正确分割出立体视频对象是基于对象的立体视频编码压缩的一个前提条件,基于立体视频会议图像序列的时空特性和左右通道间的视差特性,提出了一种立体视频对象分割与跟踪算法,首先利用空域分割和运动检测相结合的方法,提取左通道中的运动物体;然后,提出一种左右通道间基于边缘轮廓的二级视差匹配算法,并根据已分割的左通道运动对象提取右通道的视频运动对象;最后利用对象边界轮廓的跟踪方法对后续图像中的运动对象进行快速跟踪,实验结果说明文中算法能够应用于立体视频会议图像序列的立体对象分割与跟踪。     

实时视觉目标跟踪与视频对象分割多任务框架

目的 针对视觉目标跟踪（video object tracking,VOT）和视频对象分割（video object segmentation,VOS）问题,研究人员提出了多个多任务处理框架,但是该类框架的精确度和鲁棒性较差。针对此问题,本文提出一个融合多尺度上下文信息和视频帧间信息的实时视觉目标跟踪与视频对象分割多任务的端到端框架。方法 文中提出的架构使用了由空洞深度可分离卷积组成的更加多尺度的空洞空间金字塔池化模块,以及具备帧间信息的帧间掩模传播模块,使得网络对多尺度目标对象分割能力更强,同时具备更好的鲁棒性。结果 本文方法在视觉目标跟踪VOT-2016和VOT-2018数据集上的期望平均重叠率（expected average overlap,EAO）分别达到了0.462和0.408,分别比SiamMask高了0.029和0.028,达到了最先进的结果,并且表现出更好的鲁棒性。在视频对象分割DAVIS（densely annotated video segmentation）-2016和DAVIS-2017数据集上也取得了有竞争力的结果。其中,在多目标对象分割DAVIS-2017数据集上,本文方法比SiamMask有更好的性能表现,区域相似度的杰卡德系数的平均值J_M和轮廓精确度的F度量的平均值F_M分别达到了56.0和59.0,并且区域和轮廓的衰变值J_D和F_D都比SiamMask中的低,分别为17.9和19.8。同时运行速度为45帧/s,达到了实时的运行速度。结论 文中提出的融合多尺度上下文信息和视频帧间信息的实时视觉目标跟踪与视频对象分割多任务的端到端框架,充分捕捉了多尺度上下文信息并且利用了视频帧间的信息,使得网络对多尺度目标对象分割能力更强的同时具备更好的鲁棒性。     

在MPEG视频上的语义视频对象分割改进算法

随着MPEG－4，MPEG－7等标准的提出，如何提取语义视频对象已成为当前视频压缩和检索领域共同的研究课题。特别是MPEG－7对视频对象的形状检索提出了具体要求。针对顾创等人的WaterShed算法不能很好处理现有MPEG－1视频数据的缺陷，提出改进算法，从而能够在MPEG视频流中提取到具有光滑轮廓的语义视频对象，算法主要有以下两点改进：提出将类成员数作为分类算法的参数；有压缩域和解码后的图像上先后进行两次分割。实验结果表明，改进算法在鲁棒性和分割结果精度上比原算法有较大的改进，其分割结果可用于轮廓检索和重要视频对象检索。     

自动分割及跟踪视频运动对象的一种实现方法

随着MPEG-4压缩标准的制定,分割及跟踪视频运动对象的研究显得极其重要。在MPEG-4视频编码标准中,为了实现基于视频内容的交互功能,其视频序列的每一帧由视频对象面（VOP）来表示。为了生成视频对象面,需要对视频序列中的运动对象进行有效的分割;并跟踪运动对象随时间的变化,为此提出并实现了一种用于分割及跟踪视频运动对象的时空联合方法。该方法首先采用连续帧间差的4次统计量假设检验,确定运动对象的位置,自动地分离出运动区域与背景区域;在运动区域内,采用数学形态学的分水线算法来精确地提取运动对象的轮廓;最后,将提取到的运动对象作为模板,对后续的视频序列,用Hausdorff距离度量,来跟踪并提取后续帧中运动对象。实验结果表明,该方法能有效地分割和跟踪视频运动对象,且能有效减少计算复杂度,其调整参数也较少。     

以统计变化检测为基础的实时分割视频对象新方法

为了克服利用变化检测分割视频对象过程中的噪声、复杂运动、暴露背景的影响，提出了一种基于统计变化检测的实时分割视频对象新方法。在该方法中，由于统计变化检测技术是利用t分布来有效消除噪声的影响，而不需要估计噪声的方差，而且可利用间隔为k的两帧图像代替连续两帧来进行变化检测，因此可以很好地处理关节运动和慢运动；另外，对两个连续的统计变化检测结果取交集还可以消除暴露背景的影响，并能消除大部分的残留噪声，且几乎不增加计算量，因此统计变化检测可作为视频对象分割的基础，试验结果表明，该方法不仅解决了传统的变化检测过程中的噪声、复杂运动以及暴露背景影响，而且能够自动实时地分割视频对象，以满足MPEG-4等基于对象的视频应用。     

星载光电仪器捕获跟踪视频处理系统设计

介绍了基于卫星平台的捕获跟踪视频处理系统的原理及硬件设计，提出了一种基于自适应阀值的跟踪算法——波门跟踪法，实现了对复杂背景下变化运动目标的自动跟踪，达到了预期的要求。     

基于Snake模型的视频对象分割和跟踪算法

视频对象的分割是基于内容的视频处理中重要的组成部分。提出并实现了一种半自动视频对象分割和跟踪算法。算法主要基于Williams活动轮廓模型，通过求取轮廓点的局部能量最小值对轮廓线进行更新。轮廓扩张技术用来追踪变形的轮廓边缘。通过对轮廓中心点运动的统计，预测对象的运动方向和大小。实验仿真结果表明，这种改进的Snake算法能够收缩到图像的凹陷部分，而且能较好地跟踪视频对象的运动。     

一种语义视频对象分割改进算法

随着MPEG－4、MPEG－7等标准的提出，如何提取语义视频对象已成为当前视频压缩和检索领域共同的研究课题。针对Watershed方法不能很好处理MPEG－1视频数据和人机交互困难的缺陷，该文提出了改进算法，它可以在MPEG－1视频数据上分割出光滑轮廓的语义视频对象。     

一种面向运动的视频对象分割算法

在MPEG-4编码系统框架中,为支持基于内容的编码性能。视频自动、半自动分割成为关键技术之一。文中提出了一种利用以一组帧为参考帧将视频序列自动分割成静止背景和运动对象的算法。这种方法考虑了全局的运动,并且提出一种新的运动区域检测算法。算法主要思想是先对帧进行运动区域的简化,通过简化后的帧与原帧的帧差获取运动区域。将以一组帧为参考所检测出的运动区域合成一个二进制掩模,对这一掩模进行运动分析和形态滤波,从而获得最终的运动对象,实验结果表明,利用本文所提出的方法能够较精确地分割出运动的视频对象。     

一种有效的体育视频目标跟踪算法

论文研究了面向体育视频的运动目标跟踪技术,提出了一种最优化的混合跟踪方法。首先,采用粒子滤波算法来预测运动目标的初略位置,通过比较预测位置上的目标同目标模型之间的相似度,当相似度小于一定的阀值时,认为目标运动模型发生了根本变化,需要启用新的运动模型;当相似度大于一定的阀值时则认为目标运动模型没有发生大的变化,不需要启用新的运动模型,通过这种方式找到目标的最优化运动模型。最后将最优化的运动模型用于基于核的均值转移算法中,从而获得运动目标的精确位置。     

一种改进的卡尔曼目标实时检测与跟踪算法

对象跟踪已在视频监视、流量管理、视频索引、机器学习、人工智能等领域广泛使用,为快速、实时和准确对视频运动目标进行检测与跟踪,本文提出了卡尔曼滤波算法与粒子滤波器相结合的优化算法.该算法是在卡尔曼滤波算法框架下结合粒子滤波器,嵌入具有更高精度的运动目标跟踪方法用于估计和预测运动物体的位置,提升运动目标的检测与跟踪精度,并...     

视频对象自动分割算法

提出了一种基于小波变换和运动边缘检测的自动视频对象分割方法。该方法对相邻帧分别进行二维小波变换，在小波域进行变化检测和Canny边缘提取，返回空间域后得到鲁棒的相邻帧差分边缘模板。结合当前帧边缘、背景边缘和前一帧的运动边缘，检测出当前帧对象的运动边缘，从而实现对视频对象的提取。通过实验验证，该算法对目标的整体运动和局部形变都有较强的适应性。此外，算法还具有快速、简便、准确性高的特点。     

基于改进活动轮廓的视频对象自动分割及跟踪算法

为了能够从视频序列图像中准确地提取出运动视频对象,提出了一种基于改进活动轮廓的视频对象自动分割及跟踪方法。该方法首先采用连续帧间差的4次统计量假设检验来确定视频对象的运动区域,并使用形态滤波消除残余噪声和空洞;然后根据3帧序列图像得到的前后运动区域的相与运算来有效地解决运动视频对象前后帧的遮挡问题,以获得视频对象模板,当提取出视频对象模板的边缘轮廓后,再用梯度向量流场作为外力的改进活动轮廓算法来获得视频对象的精确轮廓;最后以此视频对象的轮廓为基础进行运动补偿,以得到下一帧图像的初始曲线,再使用改进的活动轮廓算法对下一帧图像进行分割,即可实现视频对象的跟踪。该方法不仅能够消除差分图像中的显露背景,得到运动视频对象精确的轮廓,并且可进行多目标的分割与跟踪。     

一种视频目标轮廓跟踪的新算法

对双前沿活动轮廓模型进行了改进，提出一种鲁棒的视频目标轮廓跟踪新方法。通过限制支撑区域的大小，提高了演化速度。拟气球力的引入，既解决了因支撑区域限制导致的均匀区域内演化停滞的问题，又使参数调整更加容易，跟踪更加灵活。能较好地跟踪运动速度变化较大和形变较严重的目标，处理速度较快、并能自动适应目标拓扑的变化，适用于动态背景的视频。实验结果证明了该算法的高效性和鲁棒性。     

一种基于Kalman滤波的视频对象跟踪方法

为了更加准确地预测对象的位置和运动，利用刚体运动模型导出最佳Kalman系数，通过Kalman反馈滤波器对Moscheni等人提出的视频对象分割与跟踪算法进行改进，提出了一种将离散Kalman滤波技术用于视频序列的对象跟踪方法。这种方法可用于有关场景描述的各种应用领域中，如在机器视觉的研究中，对动态场景进行分析与理解；在基于对象的视频编码中（如MPEG-4），对视频对象进行分割后，分别进行编码，从而改善编码的可分级性及编码效率。实验结果表明，采用这种方法可以有效地改善时间-空间分割和目标跟踪，有助于更好地理解动态场景，并表现出良好的鲁棒性。     

ASSET-2: Real-Time Motion Segmentation and Object Tracking

This paper describes how image sequences taken by a moving video camera may be processed to detect and track moving objects against a moving background in real-time. The motion segmentation and shape tracking system is known as a scene segmenter establishing tracking, version 2 (ASSET-2). Motion is found by tracking image features, and segmentation is based on first-order (i.e. six-parameter) flow fields. Shape tracking is performed using two-dimensional radial map representations. The system runs in real-time, and is accurate and reliable. It requires no camera calibration and no knowledge of the camera's motion.