1、Graph-Cut based Object Segmentation

1，靜態(tài)圖片的目標提取，要用最好的算法或者要有一點改進

這個部分，我們使用的算法的參考文獻和對應的程序見如下的文件夾：

    這個通過對靜態(tài)圖片的目標提取仿真后，應用到視頻的目標提取，因為在實際中，視頻是由多個幀圖像構(gòu)造的，本質(zhì)上也是圖像。

    這里使用的算法，本質(zhì)上就是對當前幀的圖像進行分割提取處理。

    這里，圖像目標分割，我們主要采用的是一種基于改進的物體輪廓提取算法。

這里，我們使用的算法是一種改進的基于活動輪廓的目標提取算法。這里，我們主要使用一種基于概率密度函數(shù)來計算目標區(qū)域和背景區(qū)域不同來進行分割的。

通過目標提取，可以有效的獲得圖片中的目標，但是從提取的結(jié)果可知，其邊緣有一些毛刺干擾，因此，我們在進行做跟蹤的時候，需要進行實時的光滑處理。

    下面看第二部分的仿真。

優(yōu)缺點說明：

優(yōu)點：能夠?qū)Ρ容^細小的部分分割出輪廓，基本能夠涵蓋整個目標；

缺點：提取的部分有一定的毛刺，目標背景不能太復雜。

--------------------------------------------------------------------------------------------------------

2、Tracking-based Video Cut-out

2，使用目標跟蹤來提取視頻中的目標，不必用光流法，用最好或最新的算法或者有改進

    這里，我們所需要的跟蹤算法和一般的跟蹤算法不同，因為一般的很多文獻的跟蹤算法都是產(chǎn)生一個大致的區(qū)域（多為矩形方框區(qū)域）來進行跟蹤的，由于本課題需要最后替換背景，因此，必須完整的得到整個目標的輪廓進行跟蹤。這里，首先對一個已經(jīng)錄制好的視頻進行仿真處理，得到的結(jié)果如下所示：

算法會對該運動目標進行實時的輪廓跟蹤，為背景的替換奠定了基礎。

仿真效果如上所示。更換好背景的跟蹤效果。

優(yōu)點：可以實現(xiàn)背景替換和目標的跟蹤；

缺點：由于進行輪廓的跟蹤，比較復雜，算法仿真較慢，如果要做實時的情況，需要進一步簡化算法，簡化場景。另外就是對于背景太復雜的情況，就沒法跟蹤（多數(shù)跟蹤算法都有這個問題，但影響不大，只是在輪廓跟蹤的時候影響就比較大）

3、光滑處理Video Matting

3，對目標進行光滑處理的時候，能夠通過調(diào)整閥值，來區(qū)分毛發(fā)和背景

    主要在上面兩個步驟的基礎上，進一步優(yōu)化分割效果，從而使得分割后的結(jié)果根據(jù)完美。因為在實際輪廓提取的時候，會出現(xiàn)目標邊緣曲線不光滑，而且對于一些比較“狹長”的目標，提取的輪廓往往會出現(xiàn)覆蓋的問題，針對這些問題，我們將初始提取的輪廓進行進一步的光滑處理。

    從上面的仿真結(jié)果可知，如果沒有加入光滑處理，其輪廓曲線比較粗糙，不是很光滑，而且部分邊界存在殘缺，沒有完全“圍住”目標的輪廓，此外，目標中間的有部分區(qū)域被誤認為是背景區(qū)域而被錯誤的去除，所以，我們需要增加光滑處理算法使得得到的輪廓更加平滑。

    這里，我們采取的算法策略為根據(jù)文獻中講到的算法，進行邊緣的光滑處理。通過仿真，得到的提取效果

關于最后實時跟蹤這個部分，由于你強調(diào)了實時的跟蹤，

聯(lián)系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網(wǎng)站：http://www.mat7lab.com/

網(wǎng)站：http://www.hslogic.com/

微信掃一掃：

--------------------------------------------------------------------------------------

人工智能代做，深度學習代做，深度強化學習代做，zynq智能系統(tǒng)FPGA開發(fā)，

AI代做，卷積神經(jīng)網(wǎng)絡，Alexnet，GoogleNet，CNN，TensorFlow，

caffe，pointnet，PPO，Qlearning，F(xiàn)asterRCNN，MTCNN，

SPPNet，word2vec，SARASA算法，梯度策略等等