● 摘要
视频目标分割是计算机视觉领域的一个研究热点，它是视频监控、索引检索和人机交互等众多应用系统的基础，一个高效准确的视频目标分割算法可以大大降低后继应用的处理难度。视频目标分割算法可分为自动视频目标分割算法和交互式视频目标分割算法，其中自动视频目标分割算法的应用比较广泛，本文提出的视频目标分割算法都属于自动视频目标分割算法。自动视频目标分割算法按对视频序列的处理层次可以分为低层次的基于像素级别的分割算法和高层次的基于对象级别的分割算法。本文对自动视频目标分割的两个层次的算法展开了深入的研究，并在此基础上分别提出了基于时空关系条件随机场的分割算法和融合目标特征的分割算法。 首先，本文对低层次像素级别视频目标分割算法进行了研究，通过改进条件随机场模型和利用视频序列的帧内和帧间的信息相关性，提出了一种基于时空关系的条件随机场模型的视频目标分割算法。该算法根据高斯混合分布对背景进行建模，并利用视频序列的时空邻域关系定义相应的特征函数，同时构造了基于时空关系的条件随机场模型，利用这个模型对视频像素点进行约束建模，可以推断求出全局最优解从而实现视频前景和背景的分割。该算法可以有效地改进在像素级别上分割视频目标所带来的“虫洞”和噪声问题。 接下来，本文对高层次的基于对象级别的视频目标分割算法进行了研究，提出了融合目标特征的视频目标分割算法。该算法的主要思想是预先提取给定目标的SIFT特征和轮廓特征，存储为目标物体的先验知识，然后通过改进的基于滑动窗口的SIFT特征匹配算法对目标进行匹配，再将匹配出的目标物体进行轮廓仿射变换得到原始分割结果，最后通过基于时空关系的条件随机场模型进行时空关系约束，从而取得具有全局最优解的分割。该算法能有效地改进交通视频中的活动阴影分割问题和多个目标相互遮挡及残缺不全的分割问题。 最后，本文通过应用上述两种分割算法，设计并实现了视频目标分割原型系统，该系统使用高速公路和普通道路的交通视频数据进行测试，使得论文提出的算法在系统中得到了可视化展现，并通过和其它算法的分割效果进行横向对比，证明了提出算法在准确性上的优越性，该系统为视频的高层次研究奠定了基础。