近些年來(lái),隨著智能設(shè)備的普及和發(fā)展,使用便攜式相機(jī)拍攝各種視頻已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠�。這些拍攝的視頻除了記錄日常生活,也有一些被用于執(zhí)行一些復(fù)雜任務(wù),如目標(biāo)跟蹤、物體識(shí)別等。但是由于條件或者使用場(chǎng)景的限制,這些相機(jī)往往缺乏配套的穩(wěn)像設(shè)備,因而造成拍攝的視頻中常伴隨劇烈的抖動(dòng)。這種抖動(dòng)不僅會(huì)造成視頻質(zhì)量的下降和觀看者的不適,也會(huì)影響基于這些視頻執(zhí)行其他后續(xù)任務(wù),因此對(duì)抖動(dòng)視頻進(jìn)行去抖具有十分重要的意義。同時(shí)這也是目前一個(gè)非常熱門的研究方向。目前,針對(duì)一般場(chǎng)景的視頻去抖問(wèn)題已經(jīng)有了一些較好的解決方法,但是這些現(xiàn)有算法在處理包含復(fù)雜場(chǎng)景的視頻時(shí)常常會(huì)出現(xiàn)去抖性能的下降甚至失效的情況。這些復(fù)雜場(chǎng)景包括大前景運(yùn)動(dòng)物體、強(qiáng)視差和多動(dòng)態(tài)前景遮擋造成的不連續(xù)景深變化等。本文針對(duì)上述挑戰(zhàn)進(jìn)行了深入的研究分析,并分別提出了具有針對(duì)性的算法。這些算法通過(guò)建立包含時(shí)間約束項(xiàng)和空間約束項(xiàng)的優(yōu)化函數(shù)（即時(shí)空優(yōu)化函數(shù)）進(jìn)行視頻穩(wěn)定視角下的位置估計(jì)。歸納起來(lái),本文的主要工作和研究成果有如下三點(diǎn):1)提出了一種結(jié)合前景背景特征軌跡的視頻去抖算法。本算法主要解決包含大前景和強(qiáng)視差場(chǎng)景視頻的去抖問(wèn)題。最典型... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：106 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖２．１生成對(duì)抗網(wǎng)絡(luò)示意圖

的視頻去抖相比，交通視頻去抖具有以下幾個(gè)難點(diǎn)：??？由于攝像頭是安裝在移動(dòng)的車輛上的，因此其會(huì)遭受比手持相機(jī)拍攝的視??頻更強(qiáng)的抖動(dòng)和更高的抖動(dòng)頻率［２＼９４１。??？交通視頻中往往存在若干大前景物體，例如移動(dòng)的汽車等。這些前景在視??頻幀中占比很大，因此此類視頻無(wú)法直接使用僅基于背景軌跡進(jìn)行抖動(dòng)估??計(jì)和平滑的方法進(jìn)行有效的穩(wěn)定［２５］。??？在交通視頻中，視差是一種常見(jiàn)現(xiàn)象并會(huì)產(chǎn)生明顯的景深變化，這對(duì)于一??般傳統(tǒng)方法具有較大的挑戰(zhàn)性２５１。??現(xiàn)有的絕大部分視頻去抖算法都需要首先區(qū)分前景區(qū)域和背景區(qū)域，然后利??用背景區(qū)域進(jìn)行相機(jī)運(yùn)動(dòng)估計(jì)和平滑。典型的現(xiàn)有方法［１７￣２５?４１］的流程如圖３．１所??

?第３章結(jié)合前景背景特征軌跡的視頻去抖算法???Ｐ?＾?ｆｆ，?＾?Ｐ??￣￣■?〇－?????〇—?￣〇＿＿＿．????＂，??Ｐ??．．．?ｔ－２?ｔ－１?ｔ?ｔ＋１?ｔ＋２?．．．??圖３．３抖動(dòng)特征軌跡Ｐ與其對(duì)應(yīng)的穩(wěn)定特征軌跡Ｐ之間的變換矩陣。??１．相似的相機(jī)抖動(dòng)：在第ｆ幀中，所有的特征軌跡包含相似的相機(jī)抖動(dòng)Ｊ，。??２．相似的同源運(yùn)動(dòng)：當(dāng)兩條特征軌跡戶，和￥來(lái)自于同一物體，即同一前景物??體或背景時(shí)，它們包含的主動(dòng)運(yùn)動(dòng)（即和｛義，，｝，）相似。??３．軌跡平滑性：對(duì)于給定的特征軌跡尸；，其穩(wěn)定視角下的軌跡月應(yīng)該具有緩??慢平滑的幀間運(yùn)動(dòng)，即不同幀間的巧，＋１?－?應(yīng)該變化緩慢。??因此ｆ在第？幀的穩(wěn)定視角可以通過(guò)求解以下優(yōu)化問(wèn)題得到：??？?ｍｉｎ?〇（｛＾．，｝），?（３．７）??｛＾＞ｉ，）＾，友ｅ｛，＿？，…，，，…，，十Ｗ?｝??其中??〇｛｛Ｐｕｋ｝）?＝?〇ｌ＋〇２?＋?〇，?＋?〇Ａ，?（３．８）??＝?Ｅ?月廠？Ｈ巧廠？）丨丨２，??ｋｅＣ２ｔ?ｉｊｅｓ??％?＝?Ｚ?Ｉ＞，，Ｍ丨丨（月廠月，卜１）－（匕－＾－１）丨｜２，??ｋＧＱｔ?ｉｊＥ＾Ｓ??巴３?＝?ｓ?ｉｘ』（ｎ）－（ｎ）＂２，??ｍ＾ｎＥＱｊ?ｉＧＳ??ａ?＝?Ｚ５＞（心－？）丨丨２，??ｋｓ￡２ｊ?ｉ＾Ｓ??其中■０，是在第／幀的濾波窗口，５■表示在第ｒ幀中連續(xù)的特征軌跡的集合。（＾Ｍ，??爲(wèi)＃，＜，？，｜＾是權(quán)重參數(shù)。＇＾通常被設(shè)置為砧＝｛〖－？，一，〖，？，７?＋?？｝。因此在??第ｒ幀，我們需要通過(guò)設(shè)置《幀的延遲得到｛」Ｐ；ｖ＋１，．“，ｉ＾＋Ｊ。在第／幀，我

【參考文獻(xiàn)】：
期刊論文
[1]Robust camera pose estimation by viewpoint classification using deep learning[J]. Yoshikatsu Nakajima,Hideo Saito.  Computational Visual Media. 2017(02)
[2]基于SIFT特征匹配的實(shí)時(shí)魯棒視頻去抖動(dòng)系統(tǒng)[J]. 於俊,汪增福.  系統(tǒng)工程與電子技術(shù). 2014(02)
[3]電子穩(wěn)像技術(shù)綜述[J]. 王志民,徐曉剛.  中國(guó)圖象圖形學(xué)報(bào). 2010(03)
[4]移動(dòng)機(jī)器人視頻穩(wěn)定方法的研究[J]. 高彤,李瑞峰,孫立寧.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2007(09)

博士論文
[1]復(fù)雜運(yùn)動(dòng)場(chǎng)景的交通視頻消抖算法研究[D]. 鄧思斌.中國(guó)科學(xué)技術(shù)大學(xué) 2017
[2]復(fù)雜交通場(chǎng)景中運(yùn)動(dòng)目標(biāo)智能監(jiān)控[D]. 嚴(yán)金豐.中國(guó)科學(xué)技術(shù)大學(xué) 2014

碩士論文
[1]手機(jī)高清視頻實(shí)時(shí)穩(wěn)像算法研究與實(shí)現(xiàn)[D]. 魏雪巍.北方工業(yè)大學(xué) 2018



本文編號(hào)：3301611