本文關(guān)鍵詞：基于最大化子模和RRWM的視頻協(xié)同分割

  更多相關(guān)文章： 稠密軌跡 子模函數(shù) 圖匹配 共顯著性 馬爾科夫隨機(jī)場(chǎng)

【摘要】：成對(duì)視頻共同運(yùn)動(dòng)模式的協(xié)同分割指的是同時(shí)檢測(cè)出兩個(gè)相關(guān)視頻中共有的行為模式,是計(jì)算機(jī)視覺(jué)研究的一個(gè)熱點(diǎn).本文提出了一種新的成對(duì)視頻協(xié)同分割方法.首先,利用稠密軌跡方法對(duì)視頻運(yùn)動(dòng)部分進(jìn)行檢測(cè),并對(duì)運(yùn)動(dòng)軌跡進(jìn)行特征表示;然后,引入子模優(yōu)化方法對(duì)單視頻內(nèi)的運(yùn)動(dòng)軌跡進(jìn)行聚類分析;接著采用基于重加權(quán)隨機(jī)游走的圖匹配方法對(duì)成對(duì)視頻運(yùn)動(dòng)軌跡進(jìn)行匹配,該方法對(duì)出格點(diǎn)、變形和噪聲都具有很強(qiáng)的魯棒性;同時(shí)根據(jù)圖匹配結(jié)果實(shí)現(xiàn)運(yùn)動(dòng)軌跡的共顯著性度量;最后,將所有軌跡分類成共同運(yùn)動(dòng)軌跡和異常運(yùn)動(dòng)軌跡的問(wèn)題轉(zhuǎn)化為基于圖割的馬爾科夫隨機(jī)場(chǎng)的二值化標(biāo)簽問(wèn)題.通過(guò)典型運(yùn)動(dòng)視頻數(shù)據(jù)集的比較實(shí)驗(yàn),其結(jié)果驗(yàn)證了本文方法的有效性.
【作者單位】： 安徽大學(xué)電子信息工程學(xué)院;安徽大學(xué)訓(xùn)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 稠密軌跡 子模函數(shù) 圖匹配 共顯著性 馬爾科夫隨機(jī)場(chǎng)
【基金】：國(guó)家自然科學(xué)基金(61172127,61401001),高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金(20113401110006),安徽省自然科學(xué)基金(1508085MF120)資助Supported by National Natural Science Foundation of China(61172127,61401001),Specialized Research Fund for the Doctoral Program of Higher Education of China(20113401110006),and Anhui Provincial Natural Science Foundation(1508085MF120)
【分類號(hào)】：TP391.41
【正文快照】： ~~基于最大化子模和RRWM的視頻協(xié)同分割@蘇亮亮$安徽大學(xué)電子信息工程學(xué)院!合肥230601$安徽大學(xué)訓(xùn)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室!合肥230039 @唐俊$安徽大學(xué)電子信息工程學(xué)院!合肥230601$安徽大學(xué)訓(xùn)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室!合肥230039 @梁棟$安徽大學(xué)電子信息，

本文編號(hào)：675958