《融合顏色和形狀的基於水平集的目標輪廓跟蹤》是依託電子科技大學,由周雪擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：融合顏色和形狀的基於水平集的目標輪廓跟蹤
- 依託單位：電子科技大學
- 項目類別：青年科學基金項目
- 項目負責人：周雪
項目摘要,結題摘要,
項目摘要
目標跟蹤在目標的視覺分析與理解中占有重要地位，屬於視覺的中級處理部分。利用目標的跟蹤，可以方便地獲得目標的運動、姿態、行為參數等，為後續高層的理解和識別奠定了基礎。由於能夠方便獲取目標的形狀信息，並且可用於移動攝像機，因此基於水平集(level sets)的跟蹤方法被廣泛套用於目標輪廓的跟蹤。針對傳統方法易受噪音、部分遮擋、背景干擾等因素影響的缺點，在本項目申請中，我們擬研究一個分層的基於level sets的跟蹤框架。該框架通過引入馬爾科夫隨機場模型度量鄰域像素顏色間的關係；並分別採用線性、非線性及動態模型對形狀先驗進行建模。在跟蹤過程中，採用分層結構將顏色信息和形狀先驗有效地結合起來，提高跟蹤輪廓的準確度和平滑度。
結題摘要
目標跟蹤在目標的視覺分析與理解 中占有重要地位，屬於視覺的中級處理部分。魯棒的目標跟蹤，為後續高層的理解和識別奠定了基礎。特別是基於水平集(Level Sets)的主動輪廓跟蹤方法由於能夠方便獲取目標的形狀信息，因此被廣泛關注。本項目針對傳統方法易受噪音、部分遮擋、背景干擾等因素影響的缺點，提出了一個分層的基於Level Sets的跟蹤框架。該框架將表觀模型和形狀先驗有效地結合起來，提高了跟蹤輪廓的準確度和平滑度。該項目在執行過程中緊密圍繞核心目標，在輪廓初始化、表觀模型的建立、形狀先驗模型的建立以及輪廓的分級進化等方面進行了深入的研究。提出了基於光流檢測的輪廓初始化方法，基於馬爾科夫隨機場的產生式表觀模型以及基於Adaboost的判別式表觀模型。特別針對形狀先驗，考慮了不同場景下適用的模型：非周期運動的增量PCA建模方法，周期運動下的基於主導集聚類的動態形狀模型以及突然運動的檢測。此外，我們還結合超像素，並將其也融入到Level Sets的跟蹤框架下，提出了更為魯棒的超像素驅動的主動輪廓跟蹤方法。該項目嚴格按照預期進度執行完成，建立了一個分層的融合顏色和形狀信息基於Level Sets跟蹤的理論研究架構，在此框架下對不同角度下先驗建模和輪廓進化的方法提出新的觀點，搭建了基於Level Sets的目標跟蹤的實驗平台， 在國內外重要的學術刊物和國際學術會議上發表論文6篇 (包括在審雜誌文章一篇)，安排國際學術訪問和參加國際學術會議3人次，達到了預期的目標。
