基于动态目标的非线性视频概要技术研究

摘要

视频作为信息传递的媒介蕴含大量信息，也正是其信息量巨大，使得对视频进行浏览、分析和检索相当的不便耗费大量的人力。在这种背景下，视频概要技术应运而生。视频概要对原始视频内容进行智能分析和处理，根据使用者的需求，剔除冗余信息，生成一个时间尽可能短、不减少关键信息且满足使用人员观看查阅需求的视频。
　　本文围绕动态目标的非线性视频概要系统的实现进行研究，对整个视频概要生成系统的多个技术环节进行了较完整的讨论，其中涉及的主要技术环节包括三个部分:背景建模提取前景目标、动态目标的多目标跟踪和动态目标轨迹重组生成概要视频。对于背景建模，本文提出一个改进的背景建模方法，引入描述背景复杂度的变量，有效减少了动态背景对动态前景的影响。对于动态目标的多目标跟踪，本文基于TLD算法框架，提出一种在线学习的多目标跟踪方法。对于概要视频生成，本文将动态目标组合优化的问题转变为能量函数最小化的问题，讨论了多种能量函数最小化的方法，并将粒子群算法做一定改进应用到视频概要能量函数的最小化问题中。
　　本文对非线性视频概要系统的多个技术环节进行了实验分析，检测了本文改进算法的有效性。实验结果体现了本文设计的视频概要系统良好的系统性能。

目录

声明

摘要

第一章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．3 论文组织结构

第二章 视频概要总体流程设计

第三章 背景建模

3．1 引言

3．2 常用的背景建模方法

3．2．1 帧差法

3．2．2 混合高斯模型

3．2．3 VIBE算法

3．3 背景建模方法改进

3．4 实验分析

3．5 本章小结

第四章 多目标跟踪

4．1 引言

4．2 目标跟踪技术相关研究

4．2．1 光流法

4．2．2 MeanShift算法

4．2．3 卡尔曼滤波

4．2．4 TLD算法

4．3 本文跟踪方法设计

4．3．1 跟踪方法总体方案

4．3．2 目标检测模块

4．3．3 目标跟踪模块

4．3．4 目标学习模块

4．4 实验分析

4．4．1 单目标跟踪实验

4．4．2 多目标跟踪实验

4．5 本章小结

第五章 概要视频合成

5．1 引言

5．2 概要视频

5．3 能量函数

5．4 能量函数最小化

5．4．1 穷举法

5．4．2 模拟退火算法

5．4．3 本文引入的优化方法

5．5 实验分析

5．5．1 三种方法时间效率对比

5．5．2 概要视频合成效果

5．6 本章小结

第六章 总结与展望

6．1 全文总结

6．2 未来工作展望

致谢

参考文献