图像视频中目标对象的提取技术研究.pptVIP

计 105 胡思维 蒋纯志 王翔 计 102 周李奇翰 指导老师 陈志华 图像视频中目标对象的提取技术研究 目录 1 项目背景和意义 2 研究内容 3 课题重点与难点 4 研究方法与思路 5 创新点 6 团队介绍与研究基础 7 项目进度和安排 8 实施条件和资源 9 预期成果 10 结合专业学习的计划 1 项目背景和意义 目标对象的提取 1 项目背景和意义 1 项目背景和意义 目标对象合成到新的视频中 2 研究内容 ? (1) 研究图像目标对象的定位与提取 ? (2) 研究视频目标对象的定位与提取 ? (3) 研究算法在图片视频的合成、影视特效制作 等领域典型应用 ? 课题来源： 2012 年浙江大学 CADCG 国家重点实 验室开放课题《面向多源视频检索的内容分析与 表示》（编号： A1213 ） 3 课题重点与难点 重点 ： ? 图像静态特征抽取 ? 视频动态特征抽取 ? 运动目标检测和跟踪 技术难点 ： ? 在被遮挡情况下的目标对象跟踪和提取 ? 复杂背景下运动目标的检测，跟踪与提取 抽取图像的颜 色、纹理等静 态特征 抽取动态特征， 计算动态显著性 实现基于动 态显著性的 视频目标的 定位与分割 实现图像的 显著性目标 的检测与分 割 将图像视频目标 提取方法应用到 图片视频的合成 、影视特效制作 4.1 研究思路 4.2 研究方法 ? 将运动特征引入到动态显著性分析中，针对 显著性提取 RC 算法进行改进。 ? 使用 CAMSHIFT 算法为基础跟踪目标，采用 运动预测和目标识别来解决遮挡问题。 4.2 研究方法 ? 使用显著性提取目标，使用 BP 神经网 络完整目标，结合语义完成分割 ? 利用识别将丢失（如遮挡、背景干扰 等）后的目标重新找回。 5 创新点 ? 将颜色，纹理，朝向等信息引入到图像的显著 性分析之中 ? 在 RC 方法中只考虑了 LAB 空间中的颜色信息，没有 加入纹理信息，因此准备加入纹理的程度和朝向信 息以便更加精确的提取显著性目标 5 创新点 ? 将运动等信息引入到视频的显著性分 析之中 ? 视频和图象的根本区别在于运动信息， 研究表明，人类更倾向于关注运动目标， 因此，获取准确的运动信息对于视频的 显著性提取尤为重要，准备引入准确的 运动信息来矫正静态图象显著性的错误。 5 创新点 ? 结合自底向上和自顶向下的分析方法 ? 传统的显著性提取方法通常只利用图象 的底层特征，得到的结果往往与人的预 期有差别，因为人类会根据自己的理解 对底层特征提取的结果做加工，因此， 结合自顶而下的方法对目标的边缘等高 层特征进行学习分类，使算法能像人一 样进行思考。 6.1 团队介绍 ? C++ ， Matlab ， C# ， java ? 团队开发经验 ? ACM 经历 ? 良好的英文功底 6.2 团队研究基础 ? 已实现 RC 显著 性 算法， 初步提取目标 。 6.2 团队研究基础 ? 初步实现 视频的 动态目标跟踪 ? 在遮挡情况下利用 运动预测 跟踪被遮挡后丢失的目 标。 6.2 团队研究基础 7 项目进度和安排 立项后第 1 月 —— 第 6 月 ? 完善详细的设计方案 和研究路线 ? 实现图像的提取和分割 立项后第 7 月 —— 第 12 月 ? 实现视频目标的提取和 分割 立项后第 13 月 —— 第 18 月 ? 改进算法，优化成果 ? 撰写论文并投稿 ? 撰写结题报告，完成答辩 8 项目进展 ? 实现图片目标的提取与分割 处理前 处理后