【正文】 [ 7 ] 。這在一定程度上處理非剛性目標(biāo)。 北京理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 國(guó)外文獻(xiàn)翻譯 11 圖 .8 遮擋和遮擋恢復(fù)的檢測(cè) 圖 .9 帶有遮擋 /遮擋恢復(fù)檢測(cè)的人體跟蹤 圖 .7 遮擋恢復(fù)的檢測(cè)和融合 圖 .8 說(shuō)明了遮擋檢測(cè)算法的效果。 C. 遮擋檢測(cè)和遮擋恢復(fù)檢測(cè) 圖 .7 顯示了前一節(jié)所述的遮擋恢復(fù)檢測(cè)的效果。在游魚序列， 110 幀以前的目標(biāo)運(yùn)動(dòng)都非常遲緩。與基于區(qū)域的方法相比較的情況如圖 .5。 A. 視頻序列 在序列（工人）中，目標(biāo)運(yùn)動(dòng)不是始終如一的，因此當(dāng)觀察到有意義的運(yùn)動(dòng)時(shí)跟蹤會(huì)放緩。所提出的方法 （即目標(biāo)跟蹤可以被認(rèn)為是許多基于跟蹤技術(shù)的區(qū)域的集合） 已被文獻(xiàn)報(bào)道。根據(jù) 0NkobjQ? 來(lái)更新目標(biāo)掩膜。因此，計(jì)算每一 北京理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 國(guó)外文獻(xiàn)翻譯 9 個(gè)塊在掩膜中的像素點(diǎn)數(shù)目，得到聚類的加權(quán)采樣 }. . . . . .,{) } ,) . . . . . . (,)(,{( 212211 MMM nnndydxdydxdydx 如 ),( ii dydx 代表帶宏的運(yùn)動(dòng)矢量， in 是指處于0_Nk objnewP?中的宏塊所包含的像素， M則是指在全部或部分在0_Nk objnewP?中的宏塊數(shù)目。這些區(qū)域中的被覆蓋部分應(yīng)為運(yùn)動(dòng)矢量不準(zhǔn)確而被移除，因此可能在聚類的時(shí)候?qū)е洛e(cuò)誤。 估計(jì)未覆蓋區(qū)域平均運(yùn)動(dòng)向量的一致 性。 在分類的第二個(gè)階段 ，運(yùn)動(dòng) 被用來(lái)作為標(biāo)準(zhǔn) 。 為了估計(jì)這些區(qū)域，當(dāng)前幀 ( 0Nk? )會(huì)用第 k 幀來(lái)進(jìn)行運(yùn)動(dòng)補(bǔ)償 。在此二元性的基礎(chǔ)上，執(zhí)行遮擋恢復(fù)檢測(cè)的算法可以被公式化，做些合適的修改就可以用來(lái)檢測(cè)遮擋。 遮擋和恢復(fù)被看作是雙重的事件。在很多情況下，現(xiàn)存的不能被準(zhǔn)確的運(yùn)動(dòng)補(bǔ)償?shù)膮^(qū)域歸因于非剛性結(jié)構(gòu)或光照變化。遮擋恢復(fù)算法的目的是用來(lái)檢測(cè)事實(shí)上屬于遮擋恢復(fù)的未覆蓋區(qū)域 。對(duì)于落后的運(yùn)動(dòng)，第 0Nk? 幀使用第 k 幀重構(gòu) .。遮擋和遮擋恢復(fù)用下一章節(jié)的具體方法來(lái)解決。在這， h 代表每個(gè)塊的運(yùn)動(dòng)向量。在這種情況下，依據(jù)較小的塊（如： 44）算得的運(yùn)動(dòng)向量會(huì)被用來(lái)尋找仿射模型 。 該仿射模型中的轉(zhuǎn)換要素反映了目標(biāo)的運(yùn)動(dòng)過(guò)程。該轉(zhuǎn)換移動(dòng)參考幀中的點(diǎn) (x,y,k+N0) ，到前一幀圖像中的 (x39。 k+N0）的目標(biāo)運(yùn)動(dòng)，并且在被預(yù)測(cè)的運(yùn)動(dòng)較快的輕快的情況下調(diào)低運(yùn)動(dòng)估計(jì)。 這個(gè)過(guò)程會(huì)一直持續(xù)到出現(xiàn)一個(gè)固定的大小為（ 8 8）像素的 塊。位于邊界的塊被標(biāo)記為不確定的塊，它們會(huì)在估計(jì)步驟的下一環(huán)節(jié)被處理。該算法以一 個(gè)大小為 1616 像素的塊開 始 并且估計(jì)反向運(yùn)動(dòng) .I(x,y, k+N0)中的每個(gè)快與I(x,y,k)中的對(duì)應(yīng)的 塊相匹配。因此，運(yùn)動(dòng)估計(jì)比傳統(tǒng)的塊匹配技術(shù)要更加準(zhǔn)確。第四章節(jié)會(huì)分別給出手工初始化和自動(dòng)初始化的跟蹤結(jié)果。如果將要被跟蹤的目標(biāo)類別是知道的，同樣可以采用自動(dòng)初始化。如果獲取的掩膜誤差太大，手工進(jìn)行初始化。 3 ）前一步可能包含屬于背景的區(qū)域。初步分割圖由 0S 標(biāo)注。k+N0)幀間進(jìn)行運(yùn)動(dòng)回歸估計(jì) 是否高速運(yùn)動(dòng) 北京理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 國(guó)外文獻(xiàn)翻譯 4 出目標(biāo)區(qū)域信息。在以下章節(jié)中， 重新分割是指運(yùn)用遵循以下提到的用戶交互的算法進(jìn)行的 幀圖像分割，以重新初始化目標(biāo)部分。 北京理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 國(guó)外文獻(xiàn)翻譯 3 Ⅱ 基本跟蹤算法 所提出的算法可以被歸類為基于區(qū)域的跟蹤算法。 第二章節(jié)給出了 所提算法的細(xì)節(jié)信息。在這些著作中，對(duì)與遮擋恢復(fù)的檢測(cè)并沒(méi)有做出最夠的重視。盡管運(yùn)動(dòng)提供了對(duì)于視覺(jué)圖像的有力的描述，但是孤立的基于運(yùn)動(dòng)的標(biāo)準(zhǔn)卻不能夠勝任目標(biāo)跟蹤。這些節(jié)點(diǎn)設(shè)置依據(jù)一種和 Delaunay 三角形類似的三角規(guī)律進(jìn)行合并，產(chǎn)生符合要求的網(wǎng)格。連續(xù)幀中的分割區(qū)域之間的通信建立并能夠跟蹤后續(xù)幀圖像中的視頻目標(biāo) [ 3 ],[ 7 ],[ 13 ] 。 多種技術(shù)手段已經(jīng)被運(yùn)用在提取視頻場(chǎng)景中的有意義的目標(biāo)。 關(guān)鍵字：自適應(yīng)運(yùn)動(dòng)估計(jì)， K均值聚類， 分割，視覺(jué)跟蹤。依據(jù)二元性原理，將遮擋恢復(fù)檢測(cè)算法修改使之發(fā)展成為遮擋檢測(cè)算法。一種能高效的控制幀間距的調(diào)制方案被用于運(yùn)動(dòng)估計(jì)。 北京理工大學(xué)本科生畢業(yè)設(shè)計(jì)（論文） 國(guó)外文獻(xiàn)翻譯 1 基于自適應(yīng)模板匹配的快速目標(biāo)跟蹤 Karthik Hariharakrishnan and Dan Schonfeld, Senior Member, IEEE 摘要 我們提出一個(gè)目標(biāo)跟蹤快速算法 用運(yùn)動(dòng)矢量數(shù)據(jù)來(lái)預(yù)測(cè)目標(biāo)物體輪廓。一種自適應(yīng)的基于模板的方法已經(jīng)被用于估計(jì)幀間的物體運(yùn)動(dòng)。 遮擋 和遮擋恢復(fù) 視為二元事件并對(duì)它們的關(guān)系做出詳細(xì)解釋。初步的仿真結(jié)果展示了該算法的表現(xiàn)。該視頻追蹤程序運(yùn)用到了視頻壓縮，視頻檢索，交互視頻，場(chǎng)景組成等等。 然后采用經(jīng)典的工具，如小流域改造來(lái)對(duì)視頻序列進(jìn)行分割。 基于網(wǎng)格的 方式 [ 1 ], [ 9 ],[ 15 ],[ 18 ]以斜率和運(yùn)動(dòng)信息為基礎(chǔ)定義了邊界上節(jié)點(diǎn)和目標(biāo)內(nèi)部的初始設(shè)置?；谶\(yùn)動(dòng)的聚類法（運(yùn)用光流）已經(jīng)被用于產(chǎn)生連續(xù)運(yùn)動(dòng)的區(qū)域。迄今為止提出的遮擋檢測(cè)的方法多集中在解決因?yàn)檎趽跷矬w而出現(xiàn)的目標(biāo)的部分藏匿 [ 1 ],[5], [ 14 ] 。本文提出的算法的主要目的就是在不需要用戶交互的情況下長(zhǎng)時(shí)間持續(xù)地預(yù)測(cè)目標(biāo)邊界。結(jié)論和進(jìn)一步研究已包括在最后一節(jié)。所有的步驟 (圖 .1)，在下面幾個(gè)章節(jié)會(huì)有解釋。k+N0 )的運(yùn)動(dòng)均值 用戶自定義掩膜 (第 k=k0 幀 ) 計(jì)算并更新目標(biāo)掩膜 k=k+N0 合并（移除）屬于（不屬于）目標(biāo)的區(qū)域 遮擋及遮擋恢復(fù)檢測(cè) 在 (kamp。 1 ）用 4 個(gè)波段 多值分割法對(duì)初始幀進(jìn)行分割 [ 6 ] 。所有運(yùn)動(dòng)合理的區(qū)域會(huì)被標(biāo)記為一個(gè)掩膜中的目標(biāo)區(qū)域。將掩膜中的孔填充以成為最終掩膜。目標(biāo)也可以在圖形界面中的手工初始化。一個(gè)完美的初始輪廓是對(duì)于一個(gè)跟蹤算法的最好的輸入值。改變目標(biāo)邊界的塊的大小，此法等價(jià)于基于網(wǎng)格的運(yùn)動(dòng)估計(jì)。一個(gè)種子運(yùn)動(dòng)塊任意取在目標(biāo)或者背景中。 運(yùn)動(dòng)估計(jì)已經(jīng)被運(yùn)用在 Y,U,V 空間。搜搜索范圍同樣會(huì)被限定，以保證不會(huì)出現(xiàn)錯(cuò)誤分類。一種調(diào)制方案被提出以計(jì)算幀間（ k amp。 仿射模型有下面的公式定義