基于OSVOS的单目标和多目标视频前景提取算法研究

发布时间：2021-03-10 05:48

　　OSVOS算法是一种常用的视频单目标前景提取算法。该算法简化了深度学习样本标签数量,在视频单目标分割上取得了较好的分割效果,但其在目标提取过程需要提供真实掩码标签,真实掩码标签的获取效率低,因此该算法不能直接应用于实时性要求较高的系统。此外,在光照变化、遮挡、相似目标干扰等复杂场景下,OSVOS算法存在目标分割不完整、轮廓定位不精准等问题。本文以OSVOS算法为基础,结合交互式目标选择算法实现单目标前景的实时提取;然后,在视频前景分割网络中加入并行的轮廓提取分支网络,实现单目标前景的精确提取;最后,通过结合实例语义信息和目标重识别实现多目标前景实时、精确提取。本文主要研究工作包括:1、基于OSVOS的单目标视频前景提取。首先,针对OSVOS算法在进行视频目标分割中需要额外提供真实掩模标签的问题,设计了一种简单交互式视频目标提取算法（Inter-OSVOS算法）。将交互式分割结果作为标签输入到分割网络,在保留OSVOS算法性能的情况下实现视频特定目标的快速提取。其次,针对Inter-OSVOS算法目标定位不足的问题,提出改进的Inter-BS-OSVOS算法。在分割网络中增加互补的轮廓分... 

【文章来源】： 李蝶 云南大学

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

Osvos算法结果展示

频某帧（一般选取第一帧）；用户点击目标和背景，然后算法通过欧几里得距离获??取用户交互对，深度交互式目标选择网络根据用户交互对进行学习，生成选定目??标的二值掩码图像，该过程如图３．２第一行；第二步，视频前景分割。首先，输入??视频和单帧掩码图像到视频分割网络，分割网络通过对掩码图像上的目标进行学??习并将目标特征传递到其他帧，进而分割出所有视频序列中的感兴趣目标。为了??进一步获取目标的颜色和纹理信息，本文通过将分割出的视频序列二值图像结合??原视频序列进行像素值填充，最终得到含有像素值信息的前景提取结果，该过程??如图３．２第二行所示。??３．?３．?１目标标签的定乂??机器学习的主要工作足提収出有）｜ｊ的特征，然后根据己有的实例，构造从特??２１??

与原图大小相同的欧几里得距离图，欧几里得图结合原图的ＲＧＢ通道形成用户交??互对，用户交互对输入到ＦＣＮ网络中进行训练和微调，微调结果再经过ＧｒａｐｈＣｕｔ??算法进一步优化，生成分割目标掩码。交互式目标掩码获取过程如图３．３所示。??２２??


本文编号：3074157