畢設-基于dsp的運動目標圖像跟蹤算法研究與實現-外文文獻翻譯-fast_object_tracking_using_adaptive_block-文庫吧資料
2024-11-22 19:45本頁面
【正文】 中的遮擋恢復部分。在很多情況下，現存的不能被準確的運動補償的區(qū)域歸因于非剛性結構或光照變化。二元性原理可以被應用于構建遮擋 檢測算法。遮擋恢復算法的目的是用來檢測事實上屬于遮擋恢復的未覆蓋區(qū)域 。理想的情況下，新的區(qū)域應該對應遮擋恢復而覆蓋區(qū)域對應遮擋。對于落后的運動，第 0Nk? 幀使用第 k 幀重構 .。該補償幀是初始幀與閾值（ ? ）的差值，給出當前幀的離群像素。遮擋和遮擋恢復用下一章節(jié)的具體方法來解決。這會給我們當前幀 0NkobjP? 的目標支持 。在這， h 代表每個塊的運動向量。讓 0NkiMV? 來描述計算出的運動向量，得到區(qū)域（塊） ),( 00 NkyxIR Nki ??? 。在這種情況下，依據較小的塊（如： 44）算得的運動向量會被用來尋找仿射模型 。如果該算法一次在三幀圖像上應用，能糾正跟蹤誤差（ N0=3） 。 該仿射模型中的轉換要素反映了目標的運動過程。,k)。該轉換移動參考幀中的點 (x,y,k+N0) ，到前一幀圖像中的 (x39。 基于運動估計算法中的初始化部分（圖 .3）所得出的初始化種子塊，我們建立一個運動模型并算出幀間的運動均值。 k+N0）的目標運動，并且在被預測的運動較快的輕快的情況下調低運動估計。在所提出的方法中，跟蹤是每三幀執(zhí)行一次。 這個過程會一直持續(xù)到出現一個固定的大小為（ 8 8）像素的 塊。 這些不確定的塊會被細分為更小的塊（ 8 8）并且新的種子快會被重估計 。位于邊界的塊被標記為不確定的塊，它們會在估計步驟的下一環(huán)節(jié)被處理。用一個 3232 的窗進行遍歷搜索以計算運動矢量。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)中的對應的 塊相匹配。每一幀都會估計種子運動塊。因此，運動估計比傳統(tǒng)的塊匹配技術要更加準確。本文提出的計算塊尺寸的方法依據塊的位置。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果。跟蹤算法的效果取決于初始化后的良好的范圍。如果將要被跟蹤的目標類別是知道的，同樣可以采用自動初始化。以上提到的方法對與靜態(tài)的攝像機取景有很好的效果。如果獲取的掩膜誤差太大，手工進行初始化。開放空間的處理已應用在形態(tài)學后期處理。 3 ）前一步可能包含屬于背景的區(qū)域。為了找出這些區(qū)域，我們計算在分割圖中所有區(qū)域的運動矢量。初步分割圖由 0S 標注。 下面給出初始化對象的算法。k+N0)幀間進行運動回歸估計 是否高速運動 北京理工大學本科生畢業(yè)設計（論文） 國外文獻翻譯 4 出目標區(qū)域信息。此聯合算子給計算幀間（ kamp。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，以重新初始化目標部分。整體算法在 (圖 .1)中進行了概述 。 北京理工大學本科生畢業(yè)設計（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。第四節(jié)包含實驗結果證明了這一方法的有效性。 第二章節(jié)給出了 所提算法的細節(jié)信息。因此，實際中的實時系統(tǒng)必須避免這些操作的重復。在這些著作中，對與遮擋恢復的檢測并沒有做出最夠的重視。對于視頻序列中的遮擋檢測已經提出來了一些解決方法 [ 1 ],[5],[ 14 ] 。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準卻不能夠勝任目標跟蹤。 一種基于區(qū)域跟蹤的變形（隸屬于基于運動的跟蹤），在 [ 17 ]中有所介紹 。這些節(jié)點設置依據一種和 Delaunay 三角形類似的三角規(guī)律進行合并，產生符合要求的網格?！吧咝胃印?[ 10 ]是一種采用帶參量的光滑曲線（運動輪廓）來跟蹤視頻目標邊界的方法。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 [ 3 ],[ 7 ],[ 13 ] 。 對于第一種方法（基于區(qū)域跟蹤） ，視頻對象由用戶 /物體識別算法來初步確定。 多種技術手段已經被運用在提取視頻場景中的有意義的目標。面對新興多媒體標準如 MPEG 4 的出臺，發(fā)展一個能讓視頻跟蹤高效運行的的系統(tǒng)平臺已經越來越重要。 關鍵字：自適應運動估計， K均值聚類， 分割，視覺跟蹤。實現該該算法的程序采用了 MPEG 4的視頻壓縮和基于 標準的內容檢索。依據二元性原理，將遮擋恢復檢測算法修改使之發(fā)展成為遮擋檢測算法。首先，從幀差中估計未遮擋區(qū)域。一種能高效的控制幀間距的調制方案被用于運動估計。我們用遮擋 /遮擋恢復檢測來 更新目標輪廓 ,并用塊向量 預測目標邊界從而實現跟蹤。 北京理工大學本科生畢業(yè)設計（論文） 國外文獻翻譯 1 基于自適應模板匹配的快速目標跟蹤 Karthik Hariharakrishnan and Dan Schonfeld, Senior Member, IEEE 摘要 我們提出一個目標跟蹤快速算法 用運動矢量數據來預測目標物體輪廓。除了目標的初始化，在基于區(qū)域的方法中通用的分割步驟是可以避免的。一種自適應的基于模板的方法已經被用于估計幀間的物體運動。檢測遮擋恢復的算法分兩步進行。 遮擋 和遮擋恢復 視為二元事件并對它們的關系做出詳細解釋。該跟蹤算法在計算方式上要優(yōu)于現存的基于區(qū)域的目標跟蹤方法。初步的仿真結果展示了該算法的表現。 北京理工大學本科生畢業(yè)設計（論文） 國外文獻翻譯 2 Ⅰ 序言 視覺跟蹤已經成為計算機視覺領域中被廣泛研究的一個課題。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。最常見的方法被歸納為幾下幾類：基于區(qū)域的跟蹤、主動輪廓跟蹤和基于網 格的追蹤。 然后采用經典的工具，如小流域改造來對視頻序列進行分割。 主動輪廓方法通常不運用全局物體的空間和運動信息，而只是依賴視頻目標的邊界附近的信息 [ 2 ],[ 5 ],[ 11 ],[ 12 ],[ 16 ] 。 基于網格的 方式 [ 1 ], [ 9 ],[ 15 ],[ 18 ]以斜率和運動信息為基礎定義了邊界上節(jié)點和目標內部的初始設置。依靠光流估計對節(jié)點信息進行采樣，跟蹤節(jié)點設置 [ 8 ] 。基于運動的聚類法（運用光流）已經被用于產生連續(xù)運動的區(qū)域。 跟蹤算 法中最主要的問題之一是部分遮擋。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的目標的部分藏匿 [ 1 ],[5], [
環(huán)評公示相關推薦
鄂ICP備17016276號-1