【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（論文） 國外文獻翻譯 11 圖 .8 遮擋和遮擋恢復(fù)的檢測 圖 .9 帶有遮擋 /遮擋恢復(fù)檢測的人體跟蹤 圖 .7 遮擋恢復(fù)的檢測和融合 圖 .8 說明了遮擋檢測算法的效果。 C. 遮擋檢測和遮擋恢復(fù)檢測 圖 .7 顯示了前一節(jié)所述的遮擋恢復(fù)檢測的效果。在游魚序列， 110 幀以前的目標(biāo)運動都非常遲緩。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)運動不是始終如一的，因此當(dāng)觀察到有意義的運動時跟蹤會放緩。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） 已被文獻報道。根據(jù) 0NkobjQ? 來更新目標(biāo)掩膜。因此，計算每一 北京理工大學(xué)本科生畢業(yè)設(shè)計（論文） 國外文獻翻譯 9 個塊在掩膜中的像素點數(shù)目，得到聚類的加權(quán)采樣 }. . . . . .,{) } ,) . . . . . . (,)(,{( 212211 MMM nnndydxdydxdydx 如 ),( ii dydx 代表帶宏的運動矢量， 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)為運動矢量不準(zhǔn)確而被移除，因此可能在聚類的時候?qū)е洛e誤。 估計未覆蓋區(qū)域平均運動向量的一致 性。 在分類的第二個階段 ，運動 被用來作為標(biāo)準(zhǔn) 。 為了估計這些區(qū)域，當(dāng)前幀 ( 0Nk? )會用第 k 幀來進行運動補償 。在此二元性的基礎(chǔ)上，執(zhí)行遮擋恢復(fù)檢測的算法可以被公式化，做些合適的修改就可以用來檢測遮擋。 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)確的運動補償?shù)膮^(qū)域歸因于非剛性結(jié)構(gòu)或光照變化。遮擋恢復(fù)算法的目的是用來檢測事實上屬于遮擋恢復(fù)的未覆蓋區(qū)域 。對于落后的運動，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)的具體方法來解決。在這， h 代表每個塊的運動向量。在這種情況下，依據(jù)較小的塊（如： 44）算得的運動向量會被用來尋找仿射模型 。 該仿射模型中的轉(zhuǎn)換要素反映了目標(biāo)的運動過程。該轉(zhuǎn)換移動參考幀中的點 (x,y,k+N0) ，到前一幀圖像中的 (x39。 k+N0）的目標(biāo)運動，并且在被預(yù)測的運動較快的輕快的情況下調(diào)低運動估計。 這個過程會一直持續(xù)到出現(xiàn)一個固定的大小為（ 8 8）像素的 塊。位于邊界的塊被標(biāo)記為不確定的塊，它們會在估計步驟的下一環(huán)節(jié)被處理。該算法以一 個大小為 1616 像素的塊開 始 并且估計反向運動 .I(x,y, k+N0)中的每個快與I(x,y,k)中的對應(yīng)的 塊相匹配。因此，運動估計比傳統(tǒng)的塊匹配技術(shù)要更加準(zhǔn)確。第四章節(jié)會分別給出手工初始化和自動初始化的跟蹤結(jié)果。如果將要被跟蹤的目標(biāo)類別是知道的，同樣可以采用自動初始化。如果獲取的掩膜誤差太大，手工進行初始化。 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)幀間進行運動回歸估計 是否高速運動 北京理工大學(xué)本科生畢業(yè)設(shè)計（論文） 國外文獻翻譯 4 出目標(biāo)區(qū)域信息。在以下章節(jié)中， 重新分割是指運用遵循以下提到的用戶交互的算法進行的 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（論文） 國外文獻翻譯 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，對與遮擋恢復(fù)的檢測并沒有做出最夠的重視。盡管運動提供了對于視覺圖像的有力的描述，但是孤立的基于運動的標(biāo)準(zhǔn)卻不能夠勝任目標(biāo)跟蹤。這些節(jié)點設(shè)置依據(jù)一種和 Delaunay 三角形類似的三角規(guī)律進行合并，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)被運用在提取視頻場景中的有意義的目標(biāo)。 關(guān)鍵字：自適應(yīng)運動估計， K均值聚類， 分割，視覺跟蹤。依據(jù)二元性原理，將遮擋恢復(fù)檢測算法修改使之發(fā)展成為遮擋檢測算法。一種能高效的控制幀間距的調(diào)制方案被用于運動估計。 北京理工大學(xué)本科生畢業(yè)設(shè)計（論文） 國外文獻翻譯 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 我們提出一個目標(biāo)跟蹤快速算法 用運動矢量數(shù)據(jù)來預(yù)測目標(biāo)物體輪廓。一種自適應(yīng)的基于模板的方法已經(jīng)被用于估計幀間的物體運動。 遮擋 和遮擋恢復(fù) 視為二元事件并對它們的關(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)。該視頻追蹤程序運用到了視頻壓縮，視頻檢索，交互視頻，場景組成等等。 然后采用經(jīng)典的工具，如小流域改造來對視頻序列進行分割。 基于網(wǎng)格的 方式 [ 1 ], [ 9 ],[ 15 ],[ 18 ]以斜率和運動信息為基礎(chǔ)定義了邊界上節(jié)點和目標(biāo)內(nèi)部的初始設(shè)置?；谶\動的聚類法（運用光流）已經(jīng)被用于產(chǎn)生連續(xù)運動的區(qū)域。迄今為止提出的遮擋檢測的方法多集中在解決因為遮擋物體而出現(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時間持續(xù)地預(yù)測目標(biāo)邊界。結(jié)論和進一步研究已包括在最后一節(jié)。所有的步驟 (圖 .1)，在下面幾個章節(jié)會有解釋。k+N0 )的運動均值 用戶自定義掩膜 (第 k=k0 幀 ) 計算并更新目標(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 在 (kamp。 1 ）用 4 個波段 多值分割法對初始幀進行分割 [ 6 ] 。所有運動合理的區(qū)域會被標(biāo)記為一個掩膜中的目標(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。一個完美的初始輪廓是對于一個跟蹤算法的最好的輸入值。改變目標(biāo)邊界的塊的大小，此法等價于基于網(wǎng)格的運動估計。一個種子運動塊任意取在目標(biāo)或者背景中。 運動估計已經(jīng)被運用在 Y,U,V 空間。搜搜索范圍同樣會被限定，以保證不會出現(xiàn)錯誤分類。一種調(diào)制方案被提出以計算幀間（ k amp。 仿射模型有下面的公式定義