【文章內(nèi)容簡(jiǎn)介】 。聚類僅僅需要依據(jù)掩膜 0_Nk objnewP? 中的像素來(lái)執(zhí)行。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。其中運(yùn)用了一種用來(lái)選擇自適應(yīng)集群的聚類算法。 B）相似性測(cè)試：以下的相似性測(cè)試是針對(duì)所有未覆蓋區(qū)域：令 iobjMV代表未 覆蓋區(qū)域 thj 中的前向運(yùn)動(dòng)矢量， iobjMV代表目標(biāo) thi 的運(yùn)動(dòng)集群的中心。每次計(jì)算 iobjjtcgiobj MVMVd ?? 只有在disoccobjd ??min,(當(dāng) )min(min. iobjobj dd ? )的情況下，區(qū)域 thj 被認(rèn)為是包含在0NkobjP? 中的遮擋恢復(fù) 。根據(jù) 0NkobjQ? 來(lái)更新目標(biāo)掩膜。不符合上述條件額未覆蓋區(qū)域是虛警。遮擋檢測(cè)算法可以同理得出因此在這里省略。 IV. 仿真 跟蹤已經(jīng) 對(duì)一些常見(jiàn)的 MPEG 測(cè)試序列與實(shí)時(shí)視頻序列 做 過(guò)測(cè)試。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。 該方法主要依據(jù)運(yùn)動(dòng)矢量來(lái)預(yù)測(cè)目標(biāo)輪廓，這也意味這現(xiàn)如今需要一種針對(duì)視頻壓縮數(shù)據(jù)的的跟蹤算法 。 計(jì)算一幀所需的時(shí)間 已經(jīng)與其他兩個(gè) 基于區(qū)域的 的跟蹤辦法 進(jìn)行了比較 。 依據(jù)該算法編寫(xiě)的程序 并沒(méi)有 全部 得到優(yōu)化 ，改進(jìn)后應(yīng)能獲取更佳的效果 。 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。 圖。 4 顯示了提取包含在眾多干擾項(xiàng)中的視頻目標(biāo)。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。與基于區(qū)域的方法相比較的情況如圖 .5。 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 10 B. 檢測(cè)調(diào)制方案 圖 .6 工人序列和游魚(yú)序列的跳幀數(shù)目 該調(diào)制方案為在 IID 中描述過(guò)的在目標(biāo)運(yùn)動(dòng)相對(duì)較慢時(shí)跳幀。對(duì)于跳幀的目標(biāo)輪廓可以內(nèi)插。圖 .6 顯示了工人序列和游魚(yú)序列中的跳幀和。在游魚(yú)序列， 110 幀以前的目標(biāo)運(yùn)動(dòng)都非常遲緩。該調(diào)制方案?jìng)蓽y(cè)到高速運(yùn)動(dòng)，并放緩運(yùn)動(dòng)估計(jì)。放緩跟蹤處理能夠長(zhǎng)時(shí)間準(zhǔn)確地跟蹤目標(biāo)。如圖所示，工人序列的眾多對(duì)象中有高速運(yùn)動(dòng)。 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。再次出現(xiàn)的魚(yú)尾與魚(yú)的軀干部分顏色不相似，所以基于顏色相似的區(qū)域融合的算法會(huì)失效。而應(yīng)用我們的方法遮擋恢復(fù)部分被檢測(cè)出來(lái)并與相符的目標(biāo)融合。該算法同樣被用在實(shí)時(shí)視頻。 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。另一人阻擋了被跟蹤目 標(biāo)的一部分然后走開(kāi)。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。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。這在一定程度上處理非剛性目標(biāo)。 D. 算法比較 圖 10 跟蹤經(jīng)方格處理過(guò)的目標(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 12 圖 .11 依據(jù)特征區(qū)域跟蹤目標(biāo) 圖 .12 手動(dòng)初始化跟蹤目標(biāo) 圖 .13 自動(dòng)初始化跟蹤目標(biāo)（雙手都被跟蹤） 以下序列顯示了本文提出的算法與基于雙區(qū)域的方法相比較得出的目標(biāo)提取效果。給出了一張不同的方法的計(jì)算時(shí)間表。比較下面兩種方法。 1 ）用格分類運(yùn)算提取目標(biāo) [ 6 ] ,[ 7 ] 。 2 ）基于區(qū)域的的數(shù)學(xué)形態(tài)學(xué)視頻編碼 [ 12 ] ,[ 13 ] 。 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。 圖 .10和圖 .11 顯示的算法應(yīng)用的結(jié)果用于比較。 對(duì)于這個(gè)例子目標(biāo)跟蹤優(yōu)于基于區(qū)域的方法。避免向前運(yùn)動(dòng)加快了算法，但提取的質(zhì)量受到影 響。為了成功的跟蹤手，采用遵循遮擋 /遮擋恢復(fù)分類的自適應(yīng) K均 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 13 值聚類是必要的。在目標(biāo)跟蹤的像素準(zhǔn)確度要求不十分嚴(yán)格的情況下，跟蹤算法主要是被設(shè)計(jì)應(yīng)用在基于對(duì)象的視頻編碼。因此與基于區(qū)域的方法比較，被跟蹤目標(biāo)的邊界不是很準(zhǔn)確。 下表（表一）列出了所涉及的各種算法的運(yùn)算時(shí)間。所有算法在 MATLAB 上實(shí)現(xiàn) 。因此，純粹的時(shí)間并不能表明很大的意義。我們也有一個(gè) C 編寫(xiě)的程序，它根據(jù)所跟蹤目標(biāo)的尺寸大小每秒處理 410 幀。如果提出前向運(yùn)動(dòng)只保留后向運(yùn)動(dòng)，速度可以達(dá)到兩倍。我們正在進(jìn)一步研究這個(gè)問(wèn)題。 E. 自動(dòng) /手動(dòng)初始化的結(jié)果 在隨后的視頻序列（圖 12 和 13 ） ，我們比較自動(dòng)和手動(dòng)初始化得出的追蹤結(jié)果。自動(dòng)初始化能在背景穩(wěn)定的情況下正常工作。如果背景是變化的就必須應(yīng)用一種更加精確的初始化方式。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。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。我們其實(shí)只想跟蹤畫(huà)畫(huà)的手。自動(dòng)初始化讓我們對(duì)兩只手同時(shí)跟蹤。在這種情況下，因?yàn)槲覀冇幸粋€(gè)強(qiáng)大的膚色模型，所以初始化差不多完美的。但在其它很多視頻中，利用第二節(jié)中所提到的瑣碎的初始化算法效果并 不好。 V. 討論 在這篇文章中，我們提出了一個(gè)簡(jiǎn)單的跟蹤算法，避免了除開(kāi)初始幀中的目標(biāo)部分的圖像分割。用塊運(yùn)動(dòng)矢量進(jìn)行目標(biāo)跟蹤很少被應(yīng)用。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。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。遮擋和遮擋恢復(fù)被看做是對(duì)立的問(wèn)題。提出一個(gè)高效的用以檢測(cè)遮擋的算