• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Moving foreground object detection via robust SIFT trajectories
【24h】

Moving foreground object detection via robust SIFT trajectories

机译：通过可靠的SIFT轨迹检测运动前景物体

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we present an automatic foreground object detection method for videos captured by freely moving cameras. While we focus on extracting a single foreground object of interest throughout a video sequence, our approach does not require any training data nor the interaction by the users. Based on the SIFT correspondence across video frames, we construct robust SIFT trajectories in terms of the calculated foreground feature point probability. Our foreground feature point probability is able to determine candidate foreground feature points in each frame, without the need of user interaction such as parameter or threshold tuning. Furthermore, we propose a probabilistic consensus foreground object template (CFOT), which is directly applied to the input video for moving object detection via template matching. Our CFOT can be used to detect the foreground object in videos captured by a fast moving camera, even if the contrast between the foreground and background regions is low. Moreover, our proposed method can be generalized to foreground object detection in dynamic backgrounds, and is robust to viewpoint changes across video frames. The contribution of this paper is trifold: (1) we provide a robust decision process to detect the foreground object of interest in videos with contrast and viewpoint variations; (2) our proposed method builds longer SIFT trajectories, and this is shown to be robust and effective for object detection tasks; and (3) the construction of our CFOT is not sensitive to the initial estimation of the foreground region of interest, while its use can achieve excellent foreground object detection results on real-world video data.
机译：在本文中，我们提出了一种用于自动移动摄像机捕获的视频的自动前景对象检测方法。尽管我们专注于在整个视频序列中提取单个感兴趣的前景对象，但我们的方法不需要任何训练数据，也不需要用户进行交互。基于跨视频帧的SIFT对应关系，我们根据计算出的前景特征点概率来构造鲁棒的SIFT轨迹。我们的前景特征点概率能够确定每个帧中的候选前景特征点，而无需诸如参数或阈值调整之类的用户交互。此外，我们提出了一种概率共识前景对象模板（CFOT），该模板可直接应用于输入视频，以通过模板匹配进行运动对象检测。即使前景区域和背景区域之间的对比度较低，我们的CFOT仍可用于检测快速移动摄像机拍摄的视频中的前景对象。此外，我们提出的方法可以推广到动态背景中的前景物体检测，并且对于跨视频帧的视点变化具有鲁棒性。本文的贡献是三方面的：（1）我们提供了一个鲁棒的决策过程，以检测具有对比度和视点变化的视频中的感兴趣的前景对象； （2）我们提出的方法建立了更长的SIFT轨迹，这对于目标检测任务是可靠且有效的； （3）我们的CFOT的构造对感兴趣的前景区域的初始估计不敏感，而它的使用可以在现实世界的视频数据上获得出色的前景对象检测结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号