《用於視頻目標分割的基於稀疏表示的hCRF模型研究》是依託杭州電子科技大學，由何志偉擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：用於視頻目標分割的基於稀疏表示的hCRF模型研究
- 項目類別：青年科學基金項目
- 項目負責人：何志偉
- 依託單位：杭州電子科技大學
項目摘要,結題摘要,
項目摘要
視頻目標分割是視頻監控、視頻跟蹤等眾多視頻分析領域中的關鍵步驟之一，其難點在於需要保持視頻目標在時間域上的平滑性。本項目利用多尺度幾何分析方法對視頻圖像進行稀疏表示，並構建出合適的隱條件隨機場模型對稀疏數據進行建模，以更好地描述視頻數據在時空鄰域中所包含的潛在結構；通過對模型的有監督訓練與學習，最終完成對視頻目標的精確分割。主要研究內容包括：視頻圖像稀疏表示理論與方法，基於視頻圖像稀疏表示的隱條件隨機場模型的構建與參數學習方法，稀疏表示的完備性對模型精確性的影響，以及在攝像頭運動條件下模型的推廣套用。項目中所提出的方法具有很好的自適應性與魯棒性，可以滿足實際套用的要求。本項目的開展對視頻目標的檢測、分割和跟蹤提供了一種新的視角和思路。
結題摘要
視頻目標分割是計算機視覺中的一個熱點問題，其目的是分割出視頻圖像序列每一幀內的感興趣目標。本項目緊緊圍繞視頻目標的精確分割為目標，在理論和套用等多方面展開了廣泛深入的研究。主要研究成果包括： （1）進一步深入研究了傳統基於背景減法的視頻目標分割算法，重點研究了高斯混合模型、均值漂移算法、融合背景碼本與顏色模型的背景更新算法，以及它們在視頻目標分割中的套用。 （2）提出了一種基於動態紋理的人群多方向運動分割算法，初步套用於人群流量估計。 （3）研究了基於Contourlet變換的視頻目標稀疏表達方法，並在此基礎上探討了其在視頻目標跟蹤中的套用。 （4）研究了基於HCRF的視頻目標分割方法，重點研究了模型構建中視頻圖像特徵的提取、CRF模型中能量函式的構建、用於視頻目標分割的能量函式改進方法以及模型推斷方法等。 （5）研究了基於稀疏表達下HCRF模型的視頻目標分割算法，並與已有視頻目標分割算法進行了對比。 在標準測試集、自拍視頻及網路下載視頻中的視頻目標分割實驗結果表明：本項目所提出的基於稀疏表達下HCRF模型的視頻目標分割算法可以較好地完成視頻目標的分割， 分割後的目標不會出現“蟲洞”現象，且誤分類較少。 本項目研究完全達到預期目標。
