基于压缩感知的监控视频运动对象提取算法.pdfVIP

基于压缩感知的监控视频运动对象提取算法.pdf

  1. 1、本文档共2页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于压缩感知的监控视频运动对象提取算法.pdf

Industry focus 智慧城市 产业聚焦 基于压缩感知的监控视频运动对象提取算法 周启亚 / 湖南铁路科技职业技术学院 摘 要:从监控视频场景中提取出运动对象,对于后续场景理解、语义分析、智能处理有着重要的意义。提取运动对象 有检测、跟踪等多种手段,本文提出一种基于压缩感知的监控视频运动对象提取算法,将视频数据分解为稀疏和低秩 分量,实验表明算法的有效性。 关键词:压缩感知;运动对象;提取 动对象的提取可以通过检测、跟踪等方法来 基本的跟踪器可以把一对基本的观察模型和运动模型 运实现,是计算机视觉领域具有挑战性的研究 构建为一个马尔可夫链模型,用来产生估计最大后验概率 任务之一,由于场景中对象的外形和运动特 的状态抽样。多个基本的跟踪器交换信息可以实现这些模 点经常发生突变,使得实现鲁棒的跟踪算法极其困难。影 型彼此间信息融合,例如使用交互式马尔可夫链蒙特卡洛 响跟踪的主要因素有遮挡、对象姿态、亮度及运动状态的 来实现多个跟踪模型间的并行与交互。本文提出一种基于 变化等,要能同时处理所有的这些变化,跟踪方法通常需 压缩感知的监控视频运动对象提取算法。 要具备复杂的观察、运动模型及有效的跟踪模型。 1 问题构造 外观模型用于评价候选状态是否是真实目标状态的可能 与图像显著性检测不同,视频中的运动区域更吸引人 性并选择最佳候选状态作为当前帧的跟踪结果,其对于实现 的注意力,视频显著性区域不是每一单独帧中具有较大对 正确的跟踪十分重要,根据所使用的外观模型,通常可将跟 比度的区域。由于相邻帧的相关性,视频中的运动区域能 踪算法分为产生式和辨别式两种。产生式跟踪算法先通过建 通过低秩和稀疏分解从背景中分离出来。前景运动对象, 立模型来表达目标对象,如用特征空间、线性子空间仿射形 例如汽车、行人通常占图像像素的一小部分,因此可视 变,自适应低维子空间等表示方法,再使用该模型搜索具有最 为稀疏误差。记视频沿X-T和Y-T 的时片为矩阵S ,很自然 小重构误差的图像区域;辨别式跟踪算法把跟踪问题视为二 地,低秩分量对应为背景,稀疏分量对应前景运动对象。 值分类任务,寻找从背景中分离目标对象的边界,稀疏贝叶斯 2 分解 学习、在线多实例学习等方法被用来处理跟踪过程中出现的 沿X-T和Y-T 的时片S分解如下: 遮挡、严重形变等复杂情况,从而实现对象的可靠跟踪。 min ‖B ‖*+ λ‖F ‖,s.t.S=B+F 1 运动模型用于预测目标随着时间最有可能的运动, 接着,运动矩阵,即abs (F )(从前面的X-T和Y-T 的 为跟踪器提供多个候选状态,典型的运动模型有粒子滤波 时片S分解得到)被集成为ScubeXT (ScubeYT ),再使用norm 或卡尔曼滤波。粒子滤波基于蒙特卡洛方法(Monte Carlo (ScubeXT.*ScubeYT )形成初始显著图Scube ,.*代表元素级点积 methods ),它是利用粒子集来表示概率,可以用在任何 操作,norm (*)代表归一化操作。T 的大小为视频长度或 形式的状态空间模型上。其核心思想是通过从后验概率中 取其中一部分。 抽取的随机状态粒子来表达其分布,是一种顺序重要性采 3 优化 样法(Sequential Importance Sampling )。 考虑到属于同一运动对象的像素具有局部相关性,为 图1 OneLeaveShopReenter2front序列 图2 walk序列

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档