基于关键点凝聚的时序鲁棒全局运动补偿
计算机视觉与模式识别
2016-03-15 v1
摘要
全局运动补偿（GMC）消除了相机运动的影响，并生成一段背景随时间推进看似静止的视频。多种视觉问题，如人体活动识别、背景重建与多目标跟踪，均可受益于GMC。现有GMC算法依赖于顺序处理连续帧，通过估计映射两帧的变换，并获得到全局运动补偿坐标的复合变换。顺序GMC遭受帧偏离精确全局坐标的时间漂移，原因或是误差累积，或是少数帧运动估计的偶发失败。我们提出一种时序鲁棒全局运动补偿（TRGMC）算法，其执行准确且稳定的GMC，即便面对复杂且长期的相机运动。TRGMC通过匹配每帧的局部关键点来密集连接帧对。这些帧的联合对齐被表述为一个新颖的基于关键点的凝聚问题，其中每帧的变换被迭代更新，使得匹配关键点的起点与终点的空间坐标相同。实验结果表明TRGMC在广泛场景中具有优越性能。
引用
@article{arxiv.1603.03968,
title = {Temporally Robust Global Motion Compensation by Keypoint-based Congealing},
author = {S. Morteza Safdarnejad and Yousef Atoum and Xiaoming Liu},
journal= {arXiv preprint arXiv:1603.03968},
year = {2016}
}
备注
14 Pages