三维视频对象建模及跟踪方法的研究

摘要

近年来，随着三维视频摄像机以及三维显示器的低成本化，从三维电影、三维电视和自制的三维视频中取得可用的三维视频数据越来越方便。由于这些可用的三维视频数据大部分是在无约束环境下拍摄得到的，所以没有三维视频系统中一些标定的参数信息。因此，开发充分利用三维视频的立体信息，而不采用广泛的相机标定参数信息的跟踪算法是必需的。本学位论文通过研究及分析各类感知因素对三维视频中对象的影响，建立符合人眼视觉特性的对象模型，并探索其在三维视频跟踪领域中的应用。本文具体主要研究内容如下：
　　首先，本文介绍了当前2D视频跟踪方法、研究思路，着重研究及分析各类图像内容特性、三维视频特征和稀疏表示方法，为建立三维视频对象检测模型打下基础。本文主要介绍了反映2D图像中对象的紧凑程度的图像内容特性以及反映立体感知的深度特征。
　　其次，提出了一种基于图模型构建方法的图像显著性检测方法。该方法首先提取了图像的颜色、纹理和紧密度特征，然后将图像分解成一个个超像素来构建一个图模型，最后通过计算每个节点的随机漫步概率来得到每个节点的显著值。并在此基础上，提出了一种基于超像素分割方法的三维视频跟踪方法。该方法首先提取了一种基于颜色深度联合直方图特征描述子，接着建立了一种基于超像素和特征的目标背景可信度模型，来区分目标区域和背景区域，然后用超像素的可信度值来计算每个超像素的显著值，最后用图像中显著密度最大的区域作为目标最可能出现的位置。
　　最后，提出了一种基于差分稀疏表示方法的三维视频跟踪方法。该方法首先从目标和围绕目标的背景区域中训练出一个字典，字典中的每个基原子都是从目标区域得到的向量化的局部图像块。然后，基于所训练的字典得到稀疏系数直方图，进而得到对象的外观模型。然后将跟踪方法嵌入到贝叶斯推理框架中，并将观测似然性改为相似系数，来衡量目标模型与候选目标之间的相似性，实现对目标对象的跟踪。

目录

声明

引言

1绪论

1.1研究背景及意义

1.2国内外研究现状

1.3主要工作及创新之处

1.4论文结构安排

2三维视频对象建模及跟踪方法研究基础

2.1图像内容特性研究

2.2 3D感知特征挖掘

2.3稀疏编码(Sparse coding)

2.4本章小结

3基于图论的显著性检测算法

3.1特征提取

3.2显著模型的构建

3.3实验结果与分析

3.4本章小节

4基于超像素分割的三维视频跟踪算法

4.1三维视频特征提取

4.2目标-背景可信度模型训练

4.3显著对象检测及跟踪

4.4实验结果及分析

4.5本章小结

5基于稀疏表示的三维视频跟踪方法

5.1字典学习

5.2稀疏系数直方图

5.3目标跟踪方法与模板更新

5.4实验结果与分析

5.5本章小结

6总结与展望

6.1本文工作总结

6.2下一步研究方向

参考文献

在 学 研 究 成 果

致谢