论文部分内容阅读
近年来,从视频中进行目标识别的应用非常广泛,例如公共场所的视频监控、智能交通中的车牌识别、军事武器的瞄准等。若要使用人工观察视频中某个物体的异常移动,会非常耗时耗力并且准确率并不高。因此基于目标识别的视频搜索技术具有很强的研究价值。本文设计实现了 一个基于目标识别的视频搜索系统,用户需提供视频及需要查找的目标图像库,若视频中存在该目标,则会最终输出对应的视频帧。首先使用改进的背景差分法从视频中找出场景变化的视频帧作为候选帧;然后提取候选帧及需要查找的目标图像库的sift特征点;最后提出优化的VP森林算法,将候选帧与需要查找的目标图像库进行特征匹配,输出匹配成功的帧。主要内容如下:(1)视频分帧,使用场景检测的方法从视频中提取出场景变化的帧作为候选帧。首先通过分析常用的场景检测方法,根据需要选取背景差分法进行场景检测。然后对背景差分法进行改进,使用欧氏距离算法代替差值法来判断当前视频帧与背景模板的相似性,在噪声点多的情况下,增加场景检测的准确率。最后场景检测前,增加对视频帧的预处理操作,减少噪声点及光照对检测准确率的影响。(2)提取候选帧及目标图像库的sift特征。由于sift特征的稳定性、独特性等优势,本文使用sift特征点进行图像特征匹配。首先提取出目标图像库的sift特征点备用,然后实时的提取候选帧的sift特征点以便后续的特征匹配操作。(3)将候选帧与目标图像库进行特征匹配。提出优化的VP森林算法,通过构建多棵VP-tree,减少VP-tree中近侧的子树的自相似性,大大提高了匹配的正确率。并且在构建VP-tree的过程中选取方差大的点作为优势点,降低随机选取到边缘点的概率。大量实验证明,优化的VP森林算法在不同的数据集大小,不同的数据维度,不同的距离函数等情况下进行特征匹配,得到的正确率都高于目前流行的随机KD森林算法。将改进的背景差分法及优化的VP森林算法应用到基于目标识别的视频搜索系统中,得到了很好的效果。