1、Graph-Cut based Object Segmentation

1，静态图片的目标提取，要用最好的算法或者要有一点改进

这个部分，我们使用的算法的参考文献和对应的程序见如下的文件夹：

    这个通过对静态图片的目标提取仿真后，应用到视频的目标提取，因为在实际中，视频是由多个帧图像构造的，本质上也是图像。

    这里使用的算法，本质上就是对当前帧的图像进行分割提取处理。

    这里，图像目标分割，我们主要采用的是一种基于改进的物体轮廓提取算法。

这里，我们使用的算法是一种改进的基于活动轮廓的目标提取算法。这里，我们主要使用一种基于概率密度函数来计算目标区域和背景区域不同来进行分割的。

通过目标提取，可以有效的获得图片中的目标，但是从提取的结果可知，其边缘有一些毛刺干扰，因此，我们在进行做跟踪的时候，需要进行实时的光滑处理。

    下面看第二部分的仿真。

优缺点说明：

优点：能够对比较细小的部分分割出轮廓，基本能够涵盖整个目标；

缺点：提取的部分有一定的毛刺，目标背景不能太复杂。

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

2、Tracking-based Video Cut-out

2，使用目标跟踪来提取视频中的目标，不必用光流法，用最好或最新的算法或者有改进

    这里，我们所需要的跟踪算法和一般的跟踪算法不同，因为一般的很多文献的跟踪算法都是产生一个大致的区域（多为矩形方框区域）来进行跟踪的，由于本课题需要最后替换背景，因此，必须完整的得到整个目标的轮廓进行跟踪。这里，首先对一个已经录制好的视频进行仿真处理，得到的结果如下所示：

算法会对该运动目标进行实时的轮廓跟踪，为背景的替换奠定了基础。

仿真效果如上所示。更换好背景的跟踪效果。

优点：可以实现背景替换和目标的跟踪；

缺点：由于进行轮廓的跟踪，比较复杂，算法仿真较慢，如果要做实时的情况，需要进一步简化算法，简化场景。另外就是对于背景太复杂的情况，就没法跟踪（多数跟踪算法都有这个问题，但影响不大，只是在轮廓跟踪的时候影响就比较大）

3、光滑处理Video Matting

3，对目标进行光滑处理的时候，能够通过调整阀值，来区分毛发和背景

    主要在上面两个步骤的基础上，进一步优化分割效果，从而使得分割后的结果根据完美。因为在实际轮廓提取的时候，会出现目标边缘曲线不光滑，而且对于一些比较“狭长”的目标，提取的轮廓往往会出现覆盖的问题，针对这些问题，我们将初始提取的轮廓进行进一步的光滑处理。

    从上面的仿真结果可知，如果没有加入光滑处理，其轮廓曲线比较粗糙，不是很光滑，而且部分边界存在残缺，没有完全“围住”目标的轮廓，此外，目标中间的有部分区域被误认为是背景区域而被错误的去除，所以，我们需要增加光滑处理算法使得得到的轮廓更加平滑。

    这里，我们采取的算法策略为根据文献中讲到的算法，进行边缘的光滑处理。通过仿真，得到的提取效果

关于最后实时跟踪这个部分，由于你强调了实时的跟踪，

联系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

邮箱：1224848052@qq.com

网站：http://www.mat7lab.com/

网站：http://www.hslogic.com/

微信扫一扫：

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

人工智能代做，深度学习代做，深度强化学习代做，zynq智能系统FPGA开发，

AI代做，卷积神经网络，Alexnet，GoogleNet，CNN，TensorFlow，

caffe，pointnet，PPO，Qlearning，FasterRCNN，MTCNN，

SPPNet，word2vec，SARASA算法，梯度策略等等