基于CRF的视频目标分割算法与应用研究

发布时间：2017-03-23 05:17

  本文关键词：基于CRF的视频目标分割算法与应用研究，由笔耕文化传播整理发布。

【摘要】：随着我国信息化程度的不断提高，人们获取信息的方式从传统的文本形式逐步向视频、图像、语音等多媒体形式转变。新的信息获取方式给人们带来极大便利的同时，也给人们带来了大量的冗余信息。视频目标分割的主要目的就是从大量的冗余信息中准确高效的获取人们感兴趣的部分。作为计算机视觉的重要组成部分，视频目标分割在视频监控、智能交通、人机交互、搜索引擎等领域得到了广泛的应用，俨然成为了计算机领域的研究热点与难点。 本文采用循序渐进的方式对视频目标分割算法进行研究，首先从像素级别上实现对视频目标的分割，，然后考虑像素间的空域邻域关系对视频目标进行分割，最后实现多信息融合的视频目标分割，通过与其他算法进行对比实验，得出实验结果。具体工作主要包括以下几点： (1)对现有的视频目标分割算法进行分析与总结，得出现有的视频目标分割算法主要面临的技术难点，接着对它们进行适当分类，针对每一类别的目标分割算法提出可以改进的措施。 (2)从像素点级别上对视频目标分割算法进行研究。在像素点级别上主要是采用基于混合高斯模型对视频背景进行建模来实现对视频目标的分割。然后采用平均背景模型和混合高斯模型对同一视频序列进行对比实验。 (3)针对像素级别上视频目标分割算法的误分类现象严重的缺点，对算法进行改进。在考虑单个像素的局部特征外，还考虑空域邻域关系，提出基于条件随机场模型的目标分割算法。它除了对每个像素的纹理、颜色、位置、运动特性等特征建模，构建局部能量函数外，还考虑了8邻域范围内各个像素之间的相互作用，构建空域邻域能量函数。采用SAMME多类分类器对已标签的图像进行训练，获得模型的各个参数。最后对只包含局部能量函数的CRF模型和包含局部能量函数与空域邻域能量函数的CRF模型进行对比实验。 (4)上述的基于CRF模型的目标分割算法仅适用于单幅图片中，对于其在视频序列中的应用，则需要对能量函数进行改进，加入一个约束因子来表征视频序列中相邻两帧或几帧图片中对应像素之间的影响，构建时域邻域能量函数。然后将基于CRF模型的视频目标分割算法跟基于混合高斯模型的视频目标分割进行对比实验。 实验结果表明：基于混合高斯模型的视频目标分割算法复杂度低，实时性好，但由于它属于像素点级别上的目标分割，实验结果中误分类的现象较严重且前景目标中也会出现虫洞现象；基于CRF模型的视频目标分割算法可以很好的弥补这一缺点，而且该算法可以实现复杂环境下的多类目标分割，在处理多视角以及严重遮蔽的情形下，也能对目标进行很好的分割。
【关键词】：视频目标分割 混合高斯模型 条件随机场 能量函数 SAMME分类器
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 研究背景与意义10
• 1.2 视频目标分割概述10-15
• 1.2.1 视频目标分割的应用10-13
• 1.2.2 视频目标分割算法的分类13-14
• 1.2.3 视频目标分割算法的研究现状14-15
• 1.3 本文的研究内容与结构安排15
• 1.4 本章小结15-16
• 第2章 基于混合高斯模型的视频目标分割算法16-27
• 2.1 传统的视频目标分割算法16-19
• 2.1.1 光流法16-17
• 2.1.2 帧间差分法17-18
• 2.1.3 背景差分法18-19
• 2.2 基于背景模型的视频运动目标分割19-24
• 2.2.1 单高斯分布背景模型19-21
• 2.2.2 多高斯分布背景模型21-24
• 2.3 实验结果与分析24-26
• 2.4 本章小结26-27
• 第3章 用于目标分割的条件随机场模型27-39
• 3.1 条件随机场概述27-35
• 3.1.1 产生式模型和判别式模型27-28
• 3.1.2 概率图模型28-30
• 3.1.3 隐马尔可夫模型30-32
• 3.1.4 最大熵模型32-33
• 3.1.5 条件随机场33-35
• 3.2 基于二维条件随机场的目标分割35-38
• 3.2.1 二维条件随机场模型构建36-37
• 3.2.2 能量函数37
• 3.2.3 模型推断37-38
• 3.3 本章小结38-39
• 第4章 CRF 目标分割算法能量函数的构建39-55
• 4.1 局部能量函数的构建39-50
• 4.1.1 特征提取39-47
• 4.1.2 adaboost 分类器47-49
• 4.1.3 多类 logistic 回归分析49-50
• 4.2 空域邻域能量函数的构建50-51
• 4.3 实验结果与分析51-53
• 4.3.1 MSRC-21 类数据库51-52
• 4.3.2 实验结果与分析52-53
• 4.4 本章小结53-55
• 第5章 视频序列中 CRF 目标分割算法55-66
• 5.1 能量函数的改进55-56
• 5.2 聚类分析56-58
• 5.2.1 聚类算法分类56-57
• 5.2.2 层次聚类算法57-58
• 5.3 最近邻域匹配算法58-60
• 5.3.1 初始化过程58-59
• 5.3.2 传播过程59
• 5.3.3 随机搜索过程59-60
• 5.4 实验结果与分析60-65
• 5.4.1 视频序列中 CRF 目标分割实验60-62
• 5.4.2 与其他算法的对比实验62-65
• 5.5 本章小结65-66
• 第6章 总结与展望66-68
• 6.1 已完成的内容及存在的问题66-67
• 6.2 发展前景及展望67-68
• 参考文献68-71
• 致谢71-72
• 附录72

【参考文献】

中国期刊全文数据库 前7条

1 张玉超;;基于高斯模型的运动目标检测技术研究[J];电脑与电信;2012年11期

2 黄岗;;马尔可夫及隐马尔可夫模型的应用[J];电子设计工程;2013年17期

3 郑河荣;褚一平;潘翔;;参数自适应的条件随机场视频分割方法[J];计算机科学;2010年05期

4 叶林;陈岳林;林景亮;;基于HOG的行人快速检测[J];计算机工程;2010年22期

5 吴鑫;张文广;刘帅;;HOG算法在机器人3D视觉技术中的应用[J];农业科技与装备;2013年01期

6 吴士林;耿佳佳;朱枫;于泳;;基于区域的多类目标识别与分割算法研究[J];中国图象图形学报;2011年09期

7 唐钊;;条件随机场模型在中文人名识别中的研究与实现[J];现代计算机(专业版);2012年21期

中国博士学位论文全文数据库 前4条

1 韩建平;视频运动对象分割及其应用研究[D];浙江大学;2009年

2 王贵宝;感知信息熵测度及其在可靠性工程中的应用研究[D];电子科技大学;2009年

3 张贤国;基于背景模型的监控视频编码研究[D];北京大学;2013年

4 黄志勇;内容敏感的视频缩放与稳定技术研究[D];武汉大学;2012年

  本文关键词：基于CRF的视频目标分割算法与应用研究，由笔耕文化传播整理发布。

本文编号：263011