题目：基于局部特征分类的视频前景对象检测与分割技术研究

视频前景对象的检测与分割是计算机视觉领域的一个重要研究方向，在人机交互、视频监控、视频信息检索、视频压缩编码、多媒体编辑等领域中都有着应用需求。真实世界采集的视频中背景变化的复杂性及前景对象数量和尺度的不确定性，都影响了视频前景对象的检测与分割的效果。图像的局部特征反映了二维图像空间的局部信息，而视频图像中局部特征变化又体现出视频场景随时间改变的信息，论文结合视频图像的局部特征变化，通过对局部特征分类，研究了视频的背景建模表示以及前景对象检测与分割问题，主要工作内容包括： 提出一种采用贝叶斯特征匹配对局部特征分类的方法。基于贝叶斯理论对视频图像局部特征进行匹配，根据匹配结果将局部特征分为前景局部特征和背景局部特征。对局部特征区域中的像素点计算梯度值和梯度方向，得到该局部区域的特征描述子。特征匹配时通过计算特征描述子的相似度得到似然概率，并采用局部特征的空间位置分布计算局部特征匹配的先验概率，经最大化后验概率计算得到最终匹配结果，并根据匹配结果对视频图像局部特征进行分类。该分类方法利用了视频图像中局部特征的相关性，能够从总体上对局部特征进行正确分类。 提出基于局部特征分类的自适应更新背景模型，在一定程度上解决了前景对象检测中场景变化时背景模型的更新问题。真实世界场景中自然光照、背景/前景对象运动等变化会影响对象检测结果，一般采用更新背景模型处理该问题。采用相同更新速率的方法忽略了视频场景中不同区域发生不同变化的情况，会导致背景模型更新错误。基于局部特征分类建立一种自适应更新背景模型。通过贝叶斯特征匹配将场景中的特征点分类，并根据分类结果采用不同速率更新背景模型，使其正确反映场景不同区域变化，提高检测结果的准确性。 提出一种基于全局码本的动态纹理背景中前景对象检测方法。自然环境中存在着在时间和空间上表现出重复模式的动态纹理物体和场景，会影响前景对象检测。基于动态纹理区域的时间和空间自相似性，引入全局码本对动态纹理背景进行建模。目前的基于码本方法对每个像素点建立一个独立码本，没有利用动态纹理的自相似性，增大了码本存储空间和匹配相邻特征的计算量。本文对所有像素点建立一个共同的全局码本，提取待检测图像特征并与全局码本进行时空邻域匹配，并结合局部特征分类，进行前景对象检测，提高了动态纹理区域中前景对象检测准确率。 提出一种基于局部特征分类与图割的视频中多对象分割方法。当视频中存在多个对象时，对象的尺度、颜色会存在差异，前景对象颜色的复杂程度增加。当用传统颜色模型计算颜色概率时，复杂的颜色与增多的图像噪声会导致得到的颜色概率准确性降低，从而产生更多分割错误。局部特征包含的信息量大于像素点，不易受噪声干扰，同时局部特征的精细程度高于全局图像特征。根据这个性质，本文引入局部特征分类信息，结合颜色、对比度、背景差等信息调节像素点的颜色概率，进行视频中多个对象的分割，提高了分割准确度。 DreamWorld是虚拟现实技术与系统国家重点实验室自主开发的实时三维建模系统，该系统通过多个摄像机对现实世界中的对象进行建模。在DreamWorld中对文本提出的方法进行了实现验证和分析，总结了全文工作，并讨论了课题今后的研究方向。