毕设-基于dsp的运动目标图像跟踪算法研究与实现-外文文献翻译-fast_object_tracking_using_adaptive_block

毕设-基于dsp的运动目标图像跟踪算法研究与实现-外文文献翻译-fast_object_tracking_using_adaptive_block内容摘要：

聚类仅仅需要依据掩膜 0_Nk objnewP 中的像素来执行。 因此，计算每一 北京理工大学本科生毕业设计（论文） 国外文献翻译 9 个块在掩膜中的像素点数目，得到聚类的加权采样 }. . . . . .,{) } ,) . . . . . . (,)(,{( 212211 MMM nnndydxdydxdydx 如 ),( ii dydx 代表带宏的运动矢量， in 是指处于0_Nk objnewP中的宏块所包含的像素， M则是指在全部或部分在0_Nk objnewP中的宏块数目。 其中运用了一种用来选择自适应集群的聚类算法。 B）相似性测试：以下的相似性测试是针对所有未覆盖区域：令 iobjMV代表未 覆盖区域 thj 中的前向运动矢量， iobjMV代表目标 thi 的运动集群的中心。 每次计算 iobjjtcgiobj MVMVd  只有在disoccobjd min,(当 )min(min. iobjobj dd  )的情况下，区域 thj 被认为是包含在0NkobjP 中的遮挡恢复。 根据 0NkobjQ 来更新目标掩膜。 不符合上述条件额未覆盖区域是虚警。 遮挡检测算法可以同理得出因此在这里省略。 IV. 仿真 跟踪已经 对一些常见的 MPEG 测试序列与实时视频序列 做 过测试。 所提出的方法 （即目标跟踪可以被认为是许多基于跟踪技术的区域的集合） 已被文献报道。 该方法主要依据运动矢量来预测目标轮廓，这也意味这现如今需要一种针对视频压缩数据的的跟踪算法。 计算一帧所需的时间 已经与其他两个 基于区域的 的跟踪办法 进行了比较。 依据该算法编写的程序 并没有 全部 得到优化 ，改进后应能获取更佳的效果。 A. 视频序列 在序列（工人）中，目标运动不是始终如一的，因此当观察到有意义的运动时跟踪会放缓。 图。 4 显示了提取包含在众多干扰项中的视频目标。 该方法生 成的目标掩膜与基于分割的方法一样基本准确，同时它只耗费较少的计算资源。 与基于区域的方法相比较的情况如图 .5。 北京理工大学本科生毕业设计（论文） 国外文献翻译 10 B. 检测调制方案 图 .6 工人序列和游鱼序列的跳帧数目 该调制方案为在 IID 中描述过的在目标运动相对较慢时跳帧。 对于跳帧的目标轮廓可以内插。 图 .6 显示了工人序列和游鱼序列中的跳帧和。 在游鱼序列， 110 帧以前的目标运动都非常迟缓。 该调制方案侦测到高速运动，并放缓运动估计。 放缓跟踪处理能够长时间准确地跟踪目标。 如图所示，工人序列的众多对象中有高速运动。 C. 遮挡检测和遮挡恢复检测 图 .7 显示了前一节所述的遮挡恢复检测的效果。 再次出现的鱼尾与鱼的躯干部分颜色不相似，所以基于颜色相似的区域融合的算法会失效。 而应用我们的方法遮挡恢复部分被检测出来并与相符的目标融合。 该算法同样被用在实时视频。 北京理工大学本科生毕业设计（论文） 国外文献翻译 11 图 .8 遮挡和遮挡恢复的检测 图 .9 带有遮挡 /遮挡恢复检测的人体跟踪 图 .7 遮挡恢复的检测和融合 图 .8 说明了遮挡检测算法的效果。 另一人阻挡了被跟踪目 标的一部分然后走开。 块匹配算法依赖对平移模式，而且通常是不适合非刚性物体。 然而，当跟踪非刚性物体时，遮挡 /遮挡恢复检测算法包含 /抛弃靠近目标边界的像素。 这在一定程度上处理非刚性目标。 D. 算法比较 图 10 跟踪经方格处理过的目标 北京理工大学本科生毕业设计（论文） 国外文献翻译 12 图 .11 依据特征区域跟踪目标 图 .12 手动初始化跟踪目标 图 .13 自动初始化跟踪目标（双手都被跟踪） 以下序列显示了本文提出的算法与基于双区域的方法相比较得出的目标提取效果。 给出了一张不同的方法的计算时间表。 比较下面两种方法。 1 ）用格分类运算提取目标 [ 6 ] ,[ 7 ]。 2 ）基于区域的的数学形态学视频编码 [ 12 ] ,[ 13 ]。 图 .9 显示了遮挡 /遮挡恢复的相关算法对于向前运动和向后运动的输出。 图 .10和图 .11 显示的算法应用的结果用于比较。 对于这个例子目标跟踪优于基于区域的方法。 避免向前运动加快了算法，但提取的质量受到影 响。 为了成功的跟踪手，采用遵循遮挡 /遮挡恢复分类的自适应 K均 北京理工大学本科生毕业设计（论文） 国外文献翻译 13 值聚类是必要的。 在目标跟踪的像素准确度要求不十分严格的情况下，跟踪算法主要是被设计应用在基于对象的视频编码。 因此与基于区域的方法比较，被跟踪目标的边界不是很准确。 下表（表一）列出了所涉及的各种算法的运算时间。 所有算法在 MATLAB 上实现。 因此，纯粹的时间并不能表明很大的意义。 我们也有一个 C 编写的程序，它根据所跟踪目标的尺寸大小每秒处理 410 帧。 如果提出前向运动只保留后向运动，速度可以达到两倍。 我们正在进一步研究这个问题。 E. 自动 /手动初始化的结果 在随后的视频序列（图 12 和 13 ） ，我们比较自动和手动初始化得出的追踪结果。 自动初始化能在背景稳定的情况下正常工作。 如果背景是变化的就必须应用一种更加精确的初始化方式。 在图 .12 和图 .13 中，显示的是对手的视频序列的跟踪结果。 自动初始化中，我们也用了一个肤色模型结合第二节所提到的算法。 我们其实只想跟踪画画的手。 自动初始化让我们对两只手同时跟踪。 在这种情况下，因为我们有一个强大的肤色模型，所以初始化差不多完美的。 但在其它很多视频中，利用第二节中所提到的琐碎的初始化算法效果并 不好。 V. 讨论 在这篇文章中，我们提出了一个简单的跟踪算法，避免了除开初始帧中的目标部分的图像分割。 用块运动矢量进行目标跟踪很少被应用。 这种办法可以运用并行处理器，因此适合于实时处理。 目标是要发展一种算法用以提取物视频对象，其精度接近于基于区域的方法，并且能够高效地运算。 遮挡和遮挡恢复被看做是对立的问题。 提出一个高效的用以检测遮挡的算。