图像视频中目标对象的提取技术研究.

争取申请专利或软件著作权
10 结合专业学习的计划
出国深造
保研
感谢各位专家！
1 项目背景和意义
目标对象的提取
1 项目背景和意义
目标对象合成到新的视频中
2 研究内容
(1) 研究图像目标对象的定位与提取
(2) 研究视频目标对象的定位与提取 (3) 研究算法在图片视频的合成、影视特效制作 等领域典型应用
课题来源：2012年浙江大学CAD&CG国家重点实 验室开放课题《面向多源视频检索的内容分析与 表示法
传统的显著性提取方法通常只利用图象 的底层特征，得到的结果往往与人的预 期有差别，因为人类会根据自己的理解 对底层特征提取的结果做加工，因此， 结合自顶而下的方法对目标的边缘等高 层特征进行学习分类，使算法能像人一 样进行思考。
6.1 团队介绍
C++，Matlab，C#，java 团队开发经验 ACM经历 良好的英文功底
图像视频中目标对象的提取技术研究
计105 胡思维 蒋纯志 王翔 周李奇翰 陈志华
计102 指导老师
目录
1 项目背景和意义 2 研究内容 3 课题重点与难点 4 研究方法与思路 5 创新点 6 团队介绍与研究基础 7 项目进度和安排 8 实施条件和资源 9 预期成果 10 结合专业学习的计划
1 项目背景和意义
6.2 团队研究基础
已实现RC显著性算法，初步提取目标。
6.2 团队研究基础
初步实现视频的动态目标跟踪
6.2 团队研究基础
在遮挡情况下利用运动预测跟踪被遮挡后丢失的目 标。
7 项目进度和安排
立项后第1月——第6月 完善详细的设计方案 和研究路线 实现图像的提取和分割
立项后第7月——第12月 实现视频目标的提取和 分割 立项后第13月——第18月 改进算法，优化成果 撰写论文并投稿 撰写结题报告，完成答辩
实现基于动 态显著性的 视频目标的 定位与分割
4.2 研究方法
将运动特征引入到动态显著性分析中，针对 显著性提取RC算法进行改进。
使用CAMSHIFT算法为基础跟踪目标，采用 运动预测和目标识别来解决遮挡问题。
4.2 研究方法
使用显著性提取目标，使用BP神经网 络完整目标，结合语义完成分割 利用识别将丢失（如遮挡、背景干扰 等）后的目标重新找回。
8 项目进展
实现图片目标的提取与分割
处理前
处理后
8 项目进展
实现视频目标对象的提取与分割
8 实施条件和资源
依托信息学院计算机技术研究所和多媒体实践 基地
HP图形工作站、联想服务器集群、索尼高精度相 机、IBM多核服务器…
拥有丰富的图像视频数据
9 预期成果
发表学术论文1篇 实现并优化图像视频目标提取算法 争取参加相关的大学生科技竞赛并争取获奖
3 课题重点与难点
重点： 图像静态特征抽取 视频动态特征抽取 运动目标检测和跟踪
技术难点：
在被遮挡情况下的目标对象跟踪和提取 复杂背景下运动目标的检测，跟踪与提取
4.1 研究思路
实现图像的 显著性目标 的检测与分 割 抽取动态特征， 计算动态显著性
抽取图像的颜 色、纹理等静 态特征
将图像视频目标 提取方法应用到 图片视频的合成 、影视特效制作
5 创新点
将颜色，纹理，朝向等信息引入到图像的显著 性分析之中
在RC方法中只考虑了LAB空间中的颜色信息，没有 加入纹理信息，因此准备加入纹理的程度和朝向信 息以便更加精确的提取显著性目标
5 创新点
将运动等信息引入到视频的显著性分 析之中
视频和图象的根本区别在于运动信息， 研究表明，人类更倾向于关注运动目标， 因此，获取准确的运动信息对于视频的 显著性提取尤为重要，准备引入准确的 运动信息来矫正静态图象显著性的错误。