DSP的运动目标图像跟踪算法与实现_工学基础.docx

《DSP的运动目标图像跟踪算法与实现_工学基础.docx》由会员分享，可在线阅读，更多相关《DSP的运动目标图像跟踪算法与实现_工学基础.docx（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 家里蹲大学研究生专用论文范文 Karthik Hariharakrishnan and Dan Schonfeld, Senior Member, IEEE摘要本文为正文！以下开始就是研究了。 我们提提出一个个目标跟跟踪快速速算法-用用运动矢矢量数据据来预测测目标物物体轮廓廓。除了了目标的的初始化化，在基基于区域域的方法法中通用用的分割割步骤是是可以避避免的。我们用用遮挡/遮挡恢恢复检测测来更新新目标轮轮廓,并并用块向向量预测测目标边边界从而而实现跟跟踪。一一种自适适应的基基于模板板的方法法已经被被用于估估计帧间间的物体体运动。一种能能高效的的控制帧帧间距的的调制方方案被用用于运动动估计。检

2、测遮遮挡恢复复的算法法分两步步进行。首先，从帧差差中估计计未遮挡挡区域。遮挡和遮遮挡恢复复 视为为二元事事件并对对它们的的关系做做出详细细解释。依据二二元性原原理，将将遮挡恢恢复检测测算法修修改使之之发展成成为遮挡挡检测算算法。该该跟踪算算法在计计算方式式上要优优于现存存的基于于区域的的目标跟跟踪方法法。实现现该该算算法的程程序采用用了MPPEG - 44的视频频压缩和和基于HH.2664标准准的内容容检索。初步的的仿真结结果展示示了该算算法的表表现。 关键键字：自自适应运运动估计计， KK-均值值聚类， 分割割，视觉觉跟踪。 序序言 视觉跟跟踪已经经成为计计算机视视觉领域域中被广广泛研究究的

3、一个个课题。面对新新兴多媒媒体标准准如MPPEG - 44的出台台，发展展一个能能让视频频跟踪高高效运行行的的系系统平台台已经越越来越重重要。该该视频追追踪程序序运用到到了视频频压缩，视频检检索，交交互视频频，场景景组成等等等。 多种技技术手段段已经被被运用在在提取视视频场景景中的有有意义的的目标。最常见见的方法法被归纳纳为几下下几类：基于区区域的跟跟踪、主主动轮廓廓跟踪和和基于网网格的追追踪。 对于第第一种方方法（基基于区域域跟踪） ，视视频对象象由用户户/物体体识别算算法来初初步确定定。 然然后采用用经典的的工具，如小流流域改造造来对视视频序列列进行分分割。连连续帧中中的分割割区域之之间的

4、通通信建立立并能够够跟踪后后续帧图图像中的的视频目目标 3 , 7 , 13 。 主动轮廓廓方法通通常不运运用全局局物体的的空间和和运动信信息，而而只是依依赖视频频目标的的边界附附近的信信息 2 , 5 , 11 , 122 , 116 。“蛇形浮浮动” 110 是一种种采用带带参量的的光滑曲曲线（运运动轮廓廓）来跟跟踪视频频目标边边界的方方法。 基于网网格的方方式 1 , 9 , 155 , 118 以斜率率和运动动信息为为基础定定义了边边界上节节点和目目标内部部的初始始设置。这些节节点设置置依据一一种和DDelaaunaay三角角形类似似的三角角规律进进行合并并，产生生符合要要求的网网格。

5、依依靠光流流估计对对节点信信息进行行采样，跟踪节节点设置置 88 。 一种基基于区域域跟踪的的变形（隶属于于基于运运动的跟跟踪），在 17 中有有所介绍绍 。基基于运动动的聚类类法（运运用光流流）已经经被用于于产生连连续运动动的区域域。尽管管运动提提供了对对于视觉觉图像的的有力的的描述，但是孤孤立的基基于运动动的标准准却不能能够胜任任目标跟跟踪。 跟踪算算法中最最主要的的问题之之一是部部分遮挡挡。对于于视频序序列中的的遮挡检检测已经经提出来来了一些些解决方方法 1 ,55, 144 。迄今今为止提提出的遮遮挡检测测的方法法多集中中在解决决因为遮遮挡物体体而出现现的目标标的部分分藏匿 1 ,5,

6、 14 。在这些些著作中中，对与与遮挡恢恢复的检检测并没没有做出出最够的的重视。 目标跟跟踪系统统的计算算量的复复杂与否否取决于于图形分分割、光光流或是是运动估估计操作作。因此此，实际际中的实实时系统统必须避避免这些些操作的的重复。本文提提出的算算法的主主要目的的就是在在不需要要用户交交互的情情况下长长时间持持续地预预测目标标边界。 第二章章节给出出了所提提算法的的细节信信息。 第三章章节论述述了该算算法在视视频序列列中用于于鉴别遮遮挡/遮遮挡恢复复。第四四节包含含实验结结果证明明了这一一方法的的有效性性。结论论和进一一步研究究已包括括在最后后一节。 基基本跟踪踪算法A.一般般方法 所提出出的

7、算法法可以被被归类为为基于区区域的跟跟踪算法法。遮挡挡和遮挡挡恢复技技术已经经被发展展成为能能够应用用在其它它的基于于区域的的技术上上以提高高跟踪精精度。整整体算法法在(图图.1)中进行行了概述述 。所所有的步步骤(图图.1)，在下下面几个个章节会会有解释释。在以以下章节节中， 重新分分割是指指运用遵遵循以下下提到的的用户交交互的算算法进行行的帧图图像分割割，以重重新初始始化目标标部分。计算帧间（ k&k+N0 )的运动均值用户自定义掩膜(第 k=k0帧)计算并更新目标掩膜 k=k+N0合并（移除）属于（不属于）目标的区域遮挡及遮挡恢复检测在(k&k+N0)帧间进行运动回归估计是否高速运动N0

8、=11是 否否 N0=3图. 11. 跟跟踪算法法.B.目标标掩膜的的初始化化 为了初初始化跟跟踪算法法，我们们采用基基于一种种联合算算子的分分割算法法。此联联合算子子给出目目标区域域信息。6提出的的分割方方法与固固定阈值值分割比比较有更更好的效效果。 下面给给出初始始化对象象的算法法。 11 ）用用4个波波段多值值分割法法对初始始帧进行行分割 6 。初步分分割图由由标注。 22 ）这这一步骤骤的目的的是找出出目标区区域。为为了找出出这些区区域，我我们计算算在分割割图中所所有区域域的运动动矢量。所有运运动合理理的区域域会被标标记为一一个掩膜膜中的目目标区域域。 33 ）前前一步可可能包含含属于

9、背背景的区区域。因因此，需需要自检检测操作作以去除除一些小小的区域域。开放放空间的的处理已已应用在在形态学学后期处处理。将将掩膜中中的孔填填充以成成为最终终掩膜。如果获获取的掩掩膜误差差太大，手工进进行初始始化。在游鱼序序列中按按照以上上步骤运运行的结结果在（图.22）中展展示 。以上提提到的方方法对与与静态的的摄像机机取景有有很好的的效果。目标也也可以在在图形界界面中的的手工初初始化。如果将将要被跟跟踪的目目标类别别是知道道的，同同样可以以采用自自动初始始化。例例如，肤肤色可以以用来初初始化一一个面部部跟踪。跟踪算算法的效效果取决决于初始始化后的的良好的的范围。一个完完美的初初始轮廓廓是对于

10、于一个跟跟踪算法法的最好好的输入入值。第第四章节节会分别别给出手手工初始始化和自自动初始始化的跟跟踪结果果。 图.22 目目标初始始化：（a）分分割图 ，（b）分分割图中中运动合合理的区区域 图.33 对游鱼鱼图像序序列的种种子块估估计：（a）第第75帧帧 ，（b）第第78帧帧中的运运动种子子块（黑黑色-不确确定块，白色-目目标的运运动种子子快，灰灰色-背景景的运动动种子快快）C.运动动估计 运动估估计是目目标跟踪踪中的根根本要素素，因此此准确的的运动估估计是最最重要的的步骤之之一。本本文提出出的计算算块尺寸寸的方法法依据块块的位置置。改变变目标边边界的块块的大小小，此法法等价于于基于网网格的

11、运运动估计计。因此此，运动动估计比比传统的的块匹配配技术要要更加准准确。 1 ）块分类类：令视视频序列列的第kk帧为II（x,y,kk），并并且（xx,y）表示一一个像素素点。每每一帧都都会估计计种子运运动块。一个种种子运动动块任意意取在目目标或者者背景中中。该算算法以一一个大小小为166166像素的的块开始始并且估估计反向向运动.I(xx,y, k+N0)中的的每个快快与I(x,yy,k)中的的对应的的块相匹匹配。并并且。用用一个332332的窗窗进行遍遍历搜索索以计算算运动矢矢量。运运动估计计已经被被运用在在Y,UU,V空空间。位位于边界界的块被被标记为为不确定定的块，它们会会在估计计步骤

12、的的下一环环节被处处理。（图.）3显示示游鱼序序列中算算得的种种子快。 这些不不确定的的块会被被细分为为更小的的块（888）并并且新的的种子快快会被重重估计。搜搜索索范围同同样会被被限定，以保证证不会出出现错误误分类。 这个个过程会会一直持持续到出出现一个个固定的的大小为为（88）像像素的块块。D.调制制方案在很多视视频序列列中，连连续帧之之间的运运动是比比较少的的。在所所提出的的方法中中，跟踪踪是每三三帧执行行一次。一种调调制方案案被提出出以计算算帧间（k & k+N0）的目目标运动动，并且且在被预预测的运运动较快快的轻快快的情况况下调低低运动估估计。这这种调制制方案能能在视频频序列中中的运

13、动动较慢的的情况下下很好的的节约资资源。 基于运运动估计计算法中中的初始始化部分分（图.3）所所得出的的初始化化种子块块，我们们建立一一个运动动模型并并算出帧帧间的运运动均值值。 仿射模型型有下面面的公式式定义,i=11,2.66，在矩矩阵A中中是模型型参数。该转换换移动参参考帧中中的点(x,yy,k+N0) ，到前一一帧图像像中的(x,y,k)。最小二二乘算法法用来提提取运动动模型参参数。该仿射模模型中的的转换要要素反映映了目标标的运动动过程。如果上上述L22模较大大的平移移分量大大于阈值值（ ） ，相邻邻帧的运运动估计计是重复复的（NN0=1） 。如如果该算算法一次次在三帧帧图像上上应用，

14、能纠正正跟踪误误差（NN0=3） 。如如果目标标的尺寸寸比帧图图像的尺尺寸小，有可能能不存在在任何目目标种子子块。在在这种情情况下，依据较较小的块块（如：44）算算得的运运动向量量会被用用来寻找找仿射模模型。 E. 目目标掩膜膜的产生生前一帧中中与目标标相符的的部分用用表示，它的目目的是在在给出运运动向量量的条件件下产生生当前的的目标部部分用来来支持。让来描描述计算算出的运运动向量量，得到到区域（块）。此外让让表示XX由转化化得出的的值。在在这，hh代表每每个块的的运动向向量。当当前帧的的每个块块都进行行运动补补偿以找找出坐落落在中的的部分块块。这会会给我们们当前帧帧的目标标支持。目标掩掩膜需

15、要要进行合合适的修修改以便便照顾遮遮挡和遮遮挡恢复复。遮挡挡和遮挡挡恢复用用下一章章节的具具体方法法来解决决。III. 遮挡挡和遮挡挡恢复用来处理理遮挡/遮挡恢恢复的最最长用的的方法在在于找出出全局运运动向量量中的运运动补偿偿帧11。该该补偿帧帧是初始始帧与阈阈值（）的差值值，给出出当前帧帧的离群群像素。如果前前向运动动估计为为）并且且第k帧帧以第帧帧重建，离群像像素与第第帧中将将被覆盖盖的区域域相符。对于落落后的运运动，第第帧使用用第k帧重构构.。这这种情况况下检测测到的离离群像素素对应第第帧中出出现的新新的（未未覆盖）区域。理想的的情况下下，新的的区域应应该对应应遮挡恢恢复而覆覆盖区域域对

16、应遮遮挡。但但在许多多情况下下，其中中的一些些为覆盖盖区域并并不对应应遮挡恢恢复，一一下会做做出解释释。遮挡挡恢复算算法的目目的是用用来检测测事实上上属于遮遮挡恢复复的未覆覆盖区域域 。以以下段落落解释了了用于遮遮挡恢复复的算法法。二元元性原理理可以被被应用于于构建遮遮挡检测测算法。不能被准准确地运运动补偿偿的区域域被表示示成覆盖盖或为覆覆盖区域域。在很很多情况况下，现现存的不不能被准准确的运运动补偿偿的区域域归因于于非刚性性结构或或光照变变化。在在这些情情况下，覆盖和和为覆盖盖区域并并不符合合遮挡和和遮挡恢恢复。很明显需需要进一一步的分分类来找找出实际际中的未未覆盖区区域中的的遮挡恢恢复部分

17、分。要达达到这个个目标可可使用基基于运动动的标准准。 A. 二元原理理 遮挡和和恢复被被看作是是双重的的事件。为检测测遮挡遮挡挡恢复 (遮挡挡) ，当前帧帧用下一一帧来进进行欲动动补偿以以企鹅的的未被覆覆盖（被被覆盖）的区域域。在案案件遮挡挡恢复 (遮挡挡) ， 具有有目标运运动特性性的的未未遮挡（遮挡）区域中中与目标标相似（但彼此此不同）。 这这种检测测遮挡恢恢复 (遮挡)的算法法能找出出这种运运动相似似性 。在此二二元性的的基础上上，执行行遮挡恢恢复检测测的算法法可以被被公式化化，做些些合适的的修改就就可以用用来检测测遮挡。B. 遮遮挡恢复复检测1 ）未未覆盖区区域：为了执执行遮挡挡恢复检

18、检测步骤骤，未来几几帧图像像中的未未遮挡区区域需要要被预测测出来。目标轮轮廓已经经用运动动矢量预预测，所所用公式式为。新的区区域可能能出现在在当前帧帧中 ()。为了估估计这些些区域，当前帧帧()会会用第kk帧来进进行运动动补偿。一些预预处理操操作被应应用于掩掩膜来去去除噪音音。2 ）区区域分类类：如前前所述，未遮挡挡区域不不符合实实际中的的遮挡恢恢复s 。我们们用色彩彩为标准准来预测测未遮挡挡的区域域。在分类类的第二二个阶段段，运动动被用来来作为标标准。 以下是是实际中中的属于于目标的的未遮挡挡区域。 属于目目标的未未覆盖区区域应该该具有和和目标相相似的特特性。 与未覆覆盖区域域的其它它目标相

19、相比较，检查运运动的一一致性。 估计计未覆盖盖区域平平均运动动向量的的一致性性。然后后做相似似的测试试将未覆覆盖区域域分成实实际遮挡挡恢复和和误报两两类。 图.4 提取目目标（工工人） 图.5 提取目目标（车车内男子子）运动矢量量聚类：删除所所涵盖的的区域，形成一一个新的的掩膜。中的运运动矢量量用如下下所述的的K-均均值算法法4群集。这些区区域中的的被覆盖盖部分应应为运动动矢量不不准确而而被移除除，因此此可能在在聚类的的时候导导致错误误。采用了基基于块的的办法进进行来运运动估计计，每一一个块只只有一个个矢量。这些块块矢量会会被聚类类。聚类类仅仅需需要依据据掩膜中中的像素素来执行行。因此此，计算

20、算每一个个块在掩掩膜中的的像素点点数目，得到聚聚类的加加权采样样如代表带带宏的运运动矢量量，是指指处于中中的宏块块所包含含的像素素， MM则是指指在全部部或部分分在中的的宏块数数目。其其中运用用了一种种用来选选择自适适应集群群的聚类类算法。B）相似似性测试试：以下下的相似似性测试试是针对对所有未未覆盖区区域：令令代表未未覆盖区区域中的的前向运运动矢量量，代表表目标的的运动集集群的中中心。每每次计算算 只只有在(当 )的情况况下，区区域被认认为是包包含在中中的遮挡挡恢复 。根据据来更新新目标掩掩膜。不不符合上上述条件件额未覆覆盖区域域是虚警警。遮挡挡检测算算法可以以同理得得出因此此在这里里省略。

21、IV. 仿真跟踪已经经对一些些常见的的MPEEG测试试序列与与实时视视频序列列做过测试试。所提提出的方方法（即即目标跟跟踪可以以被认为为是许多多基于跟跟踪技术术的区域域的集合合）已被被文献报报道。该该方法主主要依据据运动矢矢量来预预测目标标轮廓，这也意意味这现现如今需需要一种种针对视视频压缩缩数据的的的跟踪踪算法。计算一一帧所需需的时间间已经与与其他两两个基于于区域的的的跟踪踪办法进进行了比比较。依据该该算法编编写的程程序并没没有全部部得到优优化，改改进后应应能获取取更佳的的效果。A. 视频序列列在序列（工人）中，目目标运动动不是始始终如一一的，因因此当观观察到有有意义的的运动时时跟踪会会放缓

22、。 图。 4显示示了提取取包含在在众多干干扰项中中的视频频目标。该方法法生成的的目标掩掩膜与基基于分割割的方法法一样基基本准确确，同时时它只耗耗费较少少的计算算资源。与基于于区域的的方法相相比较的的情况如如图.55。B. 检检测调制制方案 图.66 工工人序列列和游鱼鱼序列的的跳帧数数目该调制方方案为在在II-D中描描述过的的在目标标运动相相对较慢慢时跳帧帧。对于于跳帧的的目标轮轮廓可以以内插。图.66显示了了工人序序列和游游鱼序列列中的跳跳帧和。在游鱼鱼序列，1100帧以前前的目标标运动都都非常迟迟缓。该该调制方方案侦测测到高速速运动，并放缓缓运动估估计。放放缓跟踪踪处理能能够长时时间准确确

23、地跟踪踪目标。如图所所示，工工人序列列的众多多对象中中有高速速运动。C. 遮遮挡检测测和遮挡挡恢复检检测 图.7显显示了前前一节所所述的遮遮挡恢复复检测的的效果。再次出出现的鱼鱼尾与鱼鱼的躯干干部分颜颜色不相相似，所所以基于于颜色相相似的区区域融合合的算法法会失效效。而应应用我们们的方法法遮挡恢恢复部分分被检测测出来并并与相符符的目标标融合。该算法法同样被被用在实实时视频频。 图图.8 遮遮挡和遮遮挡恢复复的检测测图.9 带带有遮挡挡/遮挡挡恢复检检测的人人体跟踪踪 图.77 遮挡挡恢复的的检测和和融合图.8 说明了了遮挡检检测算法法的效果果。另一一人阻挡挡了被跟跟踪目标标的一部部分然后后走开

24、。块匹配配算法依依赖对平平移模式式，而且且通常是是不适合合非刚性性物体。然而，当跟踪踪非刚性性物体时时，遮挡挡/遮挡挡恢复检检测算法法包含/抛弃靠靠近目标标边界的的像素。这在一一定程度度上处理理非刚性性目标。 D. 算算法比较较 图 10 跟踪经经方格处处理过的的目标 图.11 依据据特征区区域跟踪踪目标 图图.122 手手动初始始化跟踪踪目标 图.113 自动初初始化跟跟踪目标标（双手手都被跟跟踪）以下序列列显示了了本文提提出的算算法与基基于双区区域的方方法相比比较得出出的目标标提取效效果。给给出了一一张不同同的方法法的计算算时间表表。比较较下面两两种方法法。 1 ）用用格分类类运算提提取目

25、标标 66 , 7 。 2 ）基基于区域域的的数数学形态态学视频频编码 122 , 13 。 图.9显显示了遮遮挡/遮遮挡恢复复的相关关算法对对于向前前运动和和向后运运动的输输出。 图.110和图图.111显示的的算法应应用的结结果用于于比较。 对于这这个例子子目标跟跟踪优于于基于区区域的方方法。避避免向前前运动加加快了算算法，但但提取的的质量受受到影响响。为了了成功的的跟踪手手，采用用遵循遮遮挡/遮遮挡恢复复分类的的自适应应K-均均值聚类类是必要要的。在在目标跟跟踪的像像素准确确度要求求不十分分严格的的情况下下，跟踪踪算法主主要是被被设计应应用在基基于对象象的视频频编码。因此与与基于区区域的

26、方方法比较较，被跟跟踪目标标的边界界不是很很准确。 下表（表表一）列列出了所所涉及的的各种算算法的运运算时间间。所有有算法在在MATTLABB上实现现 。因因此，纯纯粹的时时间并不不能表明明很大的的意义。我们也也有一个个C编写写的程序序，它根根据所跟跟踪目标标的尺寸寸大小每每秒处理理4-110帧。如果提提出前向向运动只只保留后后向运动动，速度度可以达达到两倍倍。我们们正在进进一步研研究这个个问题。 E. 自自动/手手动初始始化的结结果 在随后后的视频频序列（图122和133 ） ，我们们比较自自动和手手动初始始化得出出的追踪踪结果。自动初初始化能能在背景景稳定的的情况下下正常工工作。如如果背景

27、景是变化化的就必必须应用用一种更更加精确确的初始始化方式式。在图图.122和图.13中中，显示示的是对对手的视视频序列列的跟踪踪结果。自动初初始化中中，我们们也用了了一个肤肤色模型型结合第第二节所所提到的的算法。我们其其实只想想跟踪画画画的手手。自动动初始化化让我们们对两只只手同时时跟踪。在这种种情况下下，因为为我们有有一个强强大的肤肤色模型型，所以以初始化化差不多多完美的的。但在在其它很很多视频频中，利利用第二二节中所所提到的的琐碎的的初始化化算法效效果并不不好。 V. 讨讨论 在这篇篇文章中中，我们们提出了了一个简简单的跟跟踪算法法，避免免了除开开初始帧帧中的目目标部分分的图像像分割。用块

28、运运动矢量量进行目目标跟踪踪很少被被应用。这种办办法可以以运用并并行处理理器，因因此适合合于实时时处理。目标是是要发展展一种算算法用以以提取物物视频对对象，其其精度接接近于基基于区域域的方法法，并且且能够高高效地运运算。遮遮挡和遮遮挡恢复复被看做做是对立立的问题题。提出出一个高高效的用用以检测测遮挡的的算法并并运用二二元性原原理将之之修改，发展成成为一个个检测遮遮挡修复复的算法法。因为为目标掩掩膜被修修改以照照顾遮挡挡和遮挡挡恢复 ，目标标可以准准确地被被跟踪一一个较长长的时间间，而不不需要重重新初始始化/重重新分割割。跟踪踪算法可可以用前前向的方方式被拓拓展成为为能够跟跟踪多个个目标。但是这

29、这种算法法对实际际中很小小的目标标的跟踪踪效果不不理想，正在进进一步研研究和改改进。这这种方法法可以结结合蛇形形浮动来来跟踪目目标轮廓廓。依靠靠仿射模模型和处处理的改改进可以以纠正预预测偏差差。这种种做法类类似于以以卡尔曼曼滤波为为基础的的办法。这种做做法，也也正被考考虑用以以将来的的研究。运动估估计依靠靠显著不不同特性性的和而而不考虑虑高斯噪噪声会使使运动向向量有偏偏差从而而导致跟跟踪效果果的降低低。这一一方面仍仍需进一一步研究究。REFEERENNCESS1 Y. Alttunbbasaak aand A. M. Tekkalpp, “遮挡-adaaptiive, coonteent-ba

30、ssedmeshh deesiggn aand forrwarrd ttracckinng,” IEEEE Traans. Immagee Prroceess., vvol. 6,no. 9, pp. 1227012880, Sepp. 119977.2 A. A. Amiini, T. E.Weyymouuth, annd RR. CC. JJainn, “Usiing dynnamiic pproggrammminngfor sollvinng vvariiatiionaal pprobblemms iin vvisiion,” IIEEEE Trranss. PPattternnAnal

31、l. MMachh. IInteell., vvol. 122, nno. 9, pp. 85558867, Seep. 19990.3 M. J. Blaack andd A. Jeepsoon, “Eiigenntraackiing: roobusst mmatcchinng aand traackiingof aartiicullateed oobjeectss ussingg a vieew-bbaseed rreprreseentaatioon,” Innt. J. Commputt.Vis., vvol. 266, nno. 1, pp. 633844, 119988.4 B. E

32、veerittt, Cluusteer AAnallysiis, 3rdd edd. LLonddon, U.K.: Hooddeer, 19993.5 Y. Fu, T. Errdemm, aand A. M. Tekkalpp, “Traackiing vissiblle bbounndarry oof oobjeectssusinng 遮遮挡 aadapptivve mmotiion snaake,” IIEEEE Trranss. IImagge PProccesss.,vol. 9, noo. 112, pp. 2005120660, Decc. 220000.6 D. Gattic

33、aa-Peerezz, CC. GGu, andd M. T. Suun, “Seemannticc viideoo obbjecct eextrracttionnusinng ffourr-baand wattersshedd annd pparttitiion lattticce ooperratoors,” IIEEEETranns. Cirrcuiits Sysst. Viddeo Tecchnool., vool. 11, ppp. 66036188, MMay 20001.7 , “Mulltivviewwexttenssivee paartiitioon ooperratoors

34、 forr seemannticc viideoo obbjecctextrracttionn,” IEEEE TTranns. Cirrcuiits Sysst. Viddeo Tecchnool., vool. 11, noo. 77, ppp.7888011, JJul. 20001.8 B. K. P. Horrn aand B. G. Schhuncck, “Deeterrminningg oppticcal floow,” Arrtiff. IInteell.,vol. 177, ppp. 18552003, 19881.9 C.-L. Huaang andd C.-Y. Hssu

35、, “A neww mootioon ccomppenssatiion metthodd foorimagge ssequuencce ccodiing usiing hieerarrchiicall grrid intterppolaatioon,” IEEEETranns. Cirrcuiits Sysst. Viddeo Tecchnool., vool. 4, p. 42551, Febb. 119944.10 M. Kaass, A. Wiitkiin, andd D. Teerzoopouuloss, “Snaakess: aactiive conntouurmodeels,” I

36、Int. J. Coompuut. Viss., voll. 11, ppp. 32113331, 19887.11 N. Peeterrfreeundd, “Thee veeloccityy snnakee,” Prooc. IEEEE NNonrrigiid AArtiicullateedMotiion, ppp. 770779, 19997.12 P. Saalemmbieer aand M. Parrdass, “Hieerarrchiicall moorphholoogiccal seggmenntattionnfor imaage seqquennce coddingg,” IEE

37、EE TTranns. Imaage Proocesss., vool. 3, no. 5,pp. 63996551, Sepp. 119944.13 P. Saalemmbieer, L. Torrress, FF. MMeyeer, andd C. Guu, “Reggionn-baasedd viideoocodiing usiing matthemmatiicall moorphholoogy,” PProcc. IIEEEE, vvol. 833, nno. 6,pp. 84338557, Junn. 119955.14 D. Scchonnfelld aand D. Lellesc

38、cu, “VOORTEEX: viddeo rettrieevall annd ttracckinngfromm coomprresssed mulltimmediia ddataabasses mulltipple objjectt trrackkingg frromMPEGG-2 bittstrreamm,” J. Viss. CCommmun. Immagee Reepreesennt. (Sppeciial Isssueon MMulttimeediaa Daatabbasee Maanaggemeent), vvol. 111, ppp. 15441882, 20000.15 A.

39、M. Teekallp, P. Vann Beeek, C. Tookluu, aand B. Gunnsell, “Twoo-diimennsioonallmeshh-baasedd viisuaal oobjeect reppressenttatiion forr innterracttivee syynthhetiic. Natturaaldigiitall viideoo,” Prooc. IEEEE, voll. 886, no. 5, ppp. 11029910051, Juun. 19998.16 D. Teerzoopouuloss annd RR. SSzelliskki,

40、“Trrackkingg wiith Kallmann snnakees,” inn AcctivveVisiion, A. Bllakee annd AA. YYuillle, Edds. Cammbriidgee, MAA: MMIT Preess,19922, ppp. 3220.17 J. Y. A. Waang andd E. H. Addelsson, “RReprreseentiing movvingg immagees wwithhlayeers,” IIEEEE Trranss. IImagge PProccesss., voll. 33, nno. 5, pp. 62256

41、638, Seep.19944.18 Y.Wanng aand O. Leee, “Acttivee meeshAA feeatuure seeekinng aand traackiing imaagesequuencce rreprreseentaatioon sscheeme,” IIEEEE Trranss. IImagge PProccesss., voll. 33,pp. 61006224, Sepp. 119944.Kartthikk Haarihharaakriishnnan wass boorn in TammilNNaduu, Inndiaa, iin 119799. HHe

42、 rreceeiveedthhe BB.E. deegreee iin eelecctrooniccs aand insstruumenntattionn frrom thee Biirlaa Innstiitutteoff Teechnnoloogy andd Scciennce, Piilanni, Inddia, annd tthe M.SS. ddegrree in eleectrricaalannd ccompputeer eengiineeerinng ffromm thhe UUnivverssityy off Illlinnoiss att Chhicaago in 20003

43、.IIn JJulyy 20004, hee jooineed tthe DSPP annd MMulttimeediaa Grroupp off Mootorrolaa, IIndiia.HHis currrennt rreseearcch iinteeressts aree inn muultiimeddia commpreessiion andd reetriievaal aandssignnal, immagee, aand viddeo proocesssinng.Dan Schhonffeldd (SSM005) wass boorn inWWesttcheesteer, PA,

44、inn 19964. Hee reeceiivedd thheB.S. deggreee inn ellecttriccal enggineeeriing andd coompuuterr scciennce froom tthe Uniiverrsittyoff Caaliffornnia, Beerkeeleyy, aand thee M.S. andd Phh.D. deegreees in eleectrricaal aand commputtereengiineeerinng ffromm thhe JJohnnsHoopkiinsUUnivverssityy, Baaltiimorre, MD, in 19886,119888, aand 19990, resspecctivvelyy.Inn Auugusst 119900, hhe jjoinned thee Deeparrtmeent of Eleectrricaal EEngiineeerinng aandCCompputeer SScieencee, UUnivverssityy off Illlinnoiss, Chhicaago, whheree hee iss cuurreentlly a