视频目标分割是视频监视与视频目标跟踪、视频目标识别以及视频编辑的基础.本文提出了一种基于隐条件随机场(Hidden conditional random fields,HCRF)的自适应视频分割算法,利用HCRF模型对视频序列中的时空邻域关系建模.使用在线学习的...视频目标分割是视频监视与视频目标跟踪、视频目标识别以及视频编辑的基础.本文提出了一种基于隐条件随机场(Hidden conditional random fields,HCRF)的自适应视频分割算法,利用HCRF模型对视频序列中的时空邻域关系建模.使用在线学习的方式对相应的参数进行调整,实现对时空邻域约束关系的权重调整,提高视频目标分割细节上的效果.大量的数据测试表明,与高斯混合模型(Gaussian mixture model,GMM)和联合时空的马尔可夫随机场(Markov random fields,MRF)等算法相比,该算法的分割错误率分别降低了23%和19%.展开更多
文摘视频目标分割是视频监视与视频目标跟踪、视频目标识别以及视频编辑的基础.本文提出了一种基于隐条件随机场(Hidden conditional random fields,HCRF)的自适应视频分割算法,利用HCRF模型对视频序列中的时空邻域关系建模.使用在线学习的方式对相应的参数进行调整,实现对时空邻域约束关系的权重调整,提高视频目标分割细节上的效果.大量的数据测试表明,与高斯混合模型(Gaussian mixture model,GMM)和联合时空的马尔可夫随机场(Markov random fields,MRF)等算法相比,该算法的分割错误率分别降低了23%和19%.
