基于对象循环与背景建模主物体检测方法研究.pdfVIP

POD：基于对象循环、背景和主要对象模型的进化细化发现中的主要对象

金昌秀高

大学大学丽大学

yjkoh@mcl.korea.ac.krwdjang@mcl.korea.ac.krchangsukim@korea.ac.kr

抽象的。在余分割[11,12,15,19,25,27,31],中，假设相

同的对象出现在多个图像中，则该对象在每个图像中

这项工作提出了一种用于序列的主要对象发现的像素级上被描绘。在对象分割中，对象与其背

（POD）算法，该算法能够发现主要对象，以及识别不景[9,10,16–18,22,30,34–36],分离，或者基于聚

包含该对象的噪声帧。首先，我们为每个帧生成对象建类[4,21,28]确定密集对象片段。然而，由于存在各种

议。然后，每个提案一分为二前景区域和背景区各样的，例如杂乱且多样化的背景、对象外观变

域，并从每个区域中提取特征。通过叠加前景和背景特化、中断对象和噪声帧等，初级对象发现（POD）仍

征，我们构建了对象循环模型、背景模型和主对象模然是一个具有性的问题。

型。我们开发了一种迭代方案，利用其他模型中的信息在这项工作中，我们提出了一种新颖的POD算法，该算法

不断改进每个模型。最后，使用进化的主要对象模型，可以在序列中发现相同的对象。所算法具有以下主

我们选择候选提案并通过有选择地合并提案来定位主要要优点：

对象的边界框。在具有性的数据集上的实验结果表•它可以在单个中有效地发现主要对象，而大

明，所POD算法可以准确且稳健地提取主要对多数传统的对象发现技术都假设有大量图像或。

象。

•即使主要对象出现突然或受到其他移动对象

的干扰，它也能强大的性能。这是因为所提出

的算法不依赖于信息。

•在发现主要对象时，它还会识别不包含该对象的噪声

1。简介

帧。

发现主要对象是计算机视觉中的一项基本任务，为此，我们首先为每个帧生成对象建议。然后，我们

因为在多个图像或中重复出现的对象传达了有关这将每个提案分为前景区域和背景区域，并从每个区域中

些信号的有用信息。例如，中跨帧的常见对象的分提取基于超像素的特征。通过叠加前景和背景特征，我

割有助于。此外，对象发现技术可用于从许多们构建了三个模型：对象循环模型、背景模型和主要对

图像中收集公共类别的对象以训练对象检测器。如果没象模型。我们通过利用其他模型来迭代更新每个模型。

有这些技术，收集工作将需要大量的人力。此外，在基在迭代过程中，我们还检测噪声帧。最后，我们使用主

于内容的图像检索系统中，对象发现技术可以识别不包要对象模型选择候选提案，并通过有选择地合并提案来

含目标对象的噪声帧，并将它们从系统中排除。发现主要对象。在大量数据集上的实验结果表明，所提