可变背景视频中基于时空分析的对象检测与跟踪
计算机视觉与模式识别
2017-05-09 v1
摘要
在本文中，我们提出了一种用于可变背景（即由运动相机捕获且无任何附加传感器的视频）中对象检测与跟踪的新方法。在运动相机捕获的视频中，背景和前景在图像序列的每一帧中都在变化。因此对于这类视频，用传统背景建模方法对单一背景建模是不可行的，从而在可变背景中检测实际运动对象是一项具有挑战性的任务。为了检测实际运动对象，本文通过对图像序列使用三维Gabor滤波器进行时空分析，在每帧中生成时空blob。然后，作为同一对象组成部分的各个blob通过最小生成树合并，以在可变背景中形成运动对象。计算对象的高度、宽度和四-bin灰度直方图作为其特征，并利用这些特征在每帧中跟踪对象，从而生成对象在视频序列中的轨迹。本文中，跟踪期间的数据关联问题通过线性分配问题求解，遮挡通过应用卡尔曼滤波器处理。与大多数现有跟踪算法相比，我们方法的主要优势在于无需第一帧初始化或样本数据训练即可执行。该算法的性能已在基准视频上测试，并取得了非常满意的结果。该算法的性能相对于一些基准算法也具有可比性且更优。
引用
@article{arxiv.1705.02949,
title = {Object Detection by Spatio-Temporal Analysis and Tracking of the Detected Objects in a Video with Variable Background},
author = {Kumar S. Ray and Vijayan K. Asari and Soma Chakraborty},
journal= {arXiv preprint arXiv:1705.02949},
year = {2017}
}