【正文】 以同理得出因此在這里省略。 4 顯示了提取包含在眾多干擾項(xiàng)中的視頻目標(biāo)。放緩跟蹤處理能夠長(zhǎng)時(shí)間準(zhǔn)確地跟蹤目標(biāo)。塊匹配算法依賴對(duì)平移模式，而且通常是不適合非剛性物體。 圖 .9 顯示了遮擋 /遮擋恢復(fù)的相關(guān)算法對(duì)于向前運(yùn)動(dòng)和向后運(yùn)動(dòng)的輸出。所有算法在 MATLAB 上實(shí)現(xiàn) 。在圖 .12 和圖 .13 中，顯示的是對(duì)手的視頻序列的跟蹤結(jié)果。這種辦法可以運(yùn)用并行處理器，因此適合于實(shí)時(shí)處理。依靠仿射模型和處理的改進(jìn)可以糾正預(yù)測(cè)偏差。 Vanderhye, PrairieComm, Teledyne Systems, Touchtunes Music, Xcelera, and 24/7 Media. His current research interests are in multimedia munication works, multimedia pression, storage, and retrieval, signal, image, and video processing, image analysis and puter vision, and pattern recognition and medical imaging. Dr. Schonfeld served as an Associate Editor for the IEEE TRANSACTIONS ON IMAGE PROCESSING and the IEEE TRANSACTIONS ON SIGNAL PROCESSING. He was a member of the anizing mittees of the IEEE International Conference on Image Processing and the IEEE Workshop on Nonlinear Signal and Image Processing. He was the plenary speaker at the INPT/ASME International 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 17 Conference on Communications, Signals, and Systems. 。這種做法，也正被考慮用以將來(lái)的研究。遮擋和遮擋恢復(fù)被看做是對(duì)立的問(wèn)題。我們其實(shí)只想跟蹤畫畫的手。我們也有一個(gè) C 編寫的程序，它根據(jù)所跟蹤目標(biāo)的尺寸大小每秒處理 410 幀。 對(duì)于這個(gè)例子目標(biāo)跟蹤優(yōu)于基于區(qū)域的方法。這在一定程度上處理非剛性目標(biāo)。 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。與基于區(qū)域的方法相比較的情況如圖 .5。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。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。 估計(jì)未覆蓋區(qū)域平均運(yùn)動(dòng)向量的一致 性。 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 。 遮擋和恢復(fù)被看作是雙重的事件。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 。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。 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。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。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。如果獲取的掩膜誤差太大，手工進(jìn)行初始化。初步分割圖由 0S 標(biāo)注。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。 第二章節(jié)給出了 所提算法的細(xì)節(jié)信息。盡管運(yùn)動(dòng)提供了對(duì)于視覺圖像的有力的描述，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。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 ] 。 關(guān)鍵字：自適應(yīng)運(yùn)動(dòng)估計(jì)， K均值聚類， 分割，視覺跟蹤。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)。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)。初步的仿真結(jié)果展示了該算法的表現(xiàn)。 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?；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。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。所有的步驟 (圖 .1)，在下面幾個(gè)章節(jié)會(huì)有解釋。 1 ）用 4 個(gè)波段 多值分割法對(duì)初始幀進(jìn)行分割 [ 6 ] 。將掩膜中的孔填充以成為最終掩膜。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。一個(gè)種子運(yùn)動(dòng)塊任意取在目標(biāo)或者背景中。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。 仿射模型有下面的公式定義 ia ,i=1,2...6，在矩陣 A 中是模型參數(shù)。如果目標(biāo)的尺寸比幀圖像的尺寸小，有可能不存在任何目標(biāo)種子塊。目標(biāo)掩膜需要進(jìn)行合適的修改以便照顧遮擋和遮擋恢復(fù)。但在許多情況下，其中的一些為覆蓋區(qū)域并不對(duì)應(yīng)遮擋恢復(fù)，一下會(huì)做出解釋。要達(dá)到這個(gè)目標(biāo)可使用基于運(yùn)動(dòng)的標(biāo)準(zhǔn)。 新的區(qū)域可能出現(xiàn)在當(dāng)前幀中 ( 0Nk? )。 ?與未覆蓋區(qū)域的其它目標(biāo)相比較，檢查運(yùn)動(dòng)的一致性 。聚類僅僅需要依據(jù)掩膜 0_Nk objnewP? 中的像素來(lái)執(zhí)行。 IV. 仿真 跟蹤已經(jīng) 對(duì)一些常見的 MPEG 測(cè)試序列與實(shí)時(shí)視頻序列 做 過(guò)測(cè)試。該方法生 成的目標(biāo)掩膜與基于分割的方法一樣基本準(zhǔn)確，同時(shí)它只耗費(fèi)較少的計(jì)算資源。如圖所示，工人序列的眾多對(duì)象中有高速運(yùn)動(dòng)。然而，當(dāng)跟蹤非剛性物體時(shí)，遮擋 /遮擋恢復(fù)檢測(cè)算法包含 /拋棄靠近目標(biāo)邊界的像素。 圖 .10和圖 .11 顯示的算法應(yīng)用的結(jié)果用于比較。因此，純粹的時(shí)間并不能表明很大的意義。自動(dòng)初始化中，我們也用了一個(gè)膚色模型結(jié)合第二節(jié)所提到的算法。目標(biāo)是要發(fā)展一種算法用以提取物視頻對(duì)象，其精度接近于基于區(qū)域的方法，并且能夠高效地運(yùn)算。這種做法類似于以卡爾曼濾波為基礎(chǔ)的辦法