SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换(SIFT)算法的精度和稳定性都不够,而加速鲁棒特性(SURF)算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFT算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

一种基于角点特征的数字稳像算法研究

针对复杂背景情况，提出一种基于角点特征的车载视频图像序列数字稳像算法．采用改进的Harris算子提取特征点，根据三级匹配策略实现对应点的匹配；建立参考图像与当前图像的映射关系，采用最小二乘解得到图像帧间的全局运动参数；最后利用Kalman滤波平滑运动参数，实现帧间的实时运动补偿，达到稳像目的．实验结果表明该方法去除了高频抖动，较好的保留了摄像机的主动运动，稳像后的视频具有良好的视觉效果．     

基于分块Harris特征的航拍视频拼接方法

针对现有航拍视频拼接算法处理速度慢、准确性不高等问题,提出一种基于分块Harris特征的航拍视频拼接方法,改进了传统基于SIFT特征提取算法的不足,缩短了匹配时间,提高了匹配准确性。首先采用分块Harris角点提取的方法均匀提取图像中的角点,然后采用金字塔光流算法进行角点匹配,最后通过改进的RANSAC方法求出仿射变换参数。实验表明,该方法能够实时对航拍视频进行拼接,具有更高的准确性。     

基于分块Harris特征的航拍视频拼接方法

针对现有航拍视频拼接算法处理速度慢、准确性不高等问题, 提出一种基于分块Harris特征的航拍视频拼接方法, 改进了传统基于SIFT特征提取算法的不足, 缩短了匹配时间, 提高了匹配准确性。首先采用分块Harris角点提取的方法均匀提取图像中的角点, 然后采用金字塔光流算法进行角点匹配, 最后通过改进的RANSAC方法求出仿射变换参数。实验表明, 该方法能够实时对航拍视频进行拼接, 具有更高的准确性。     

基于凸包的棋盘格角点自动识别与定位方法

 采用Harris方法提取角点,应用对称算子剔除棋盘格外圈角点与伪角点,基于灰度梯度方法精确提取棋盘格亚像素角点。在此基础上,提出了基于凸包的棋盘格角点分层识别与自动定位方法,实现了棋盘格角点物像坐标的自动匹配,从而可实现摄像机自动精确标定。实验结果表明,该方法具有较高的精度与可靠性,适合于摄像机在线自标定。     

基于多分辨率光流和多尺度角点的运动车辆跟踪

针对稀疏光流LK(Lucas-Kanade)算法不能稳定跟踪快速移动目标的局限性,提出了基于小波金字塔的多分辨率光流跟踪算法.算法基于多分辨率思想对原始稀疏光流进行了改进,从而实现了准确跟踪快速移动目标.在特征提取方面,提出了多尺度Harris角点检测方法,较好地解决了传统Harris方法的漏检和角点分布不均匀的缺陷,适合复杂交通场景中运动车辆特征提取.实验表明,当运动车辆旋转、移动以及摄像机变焦时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆目标的实时稳定跟踪.     

CUDA并行计算下基于扩展SURF的多摄像机视频融合方法

在多摄像机视频融合过程中,需要对多个摄像机获取的视频中的每一帧图像进行大量诸如特征提取、图像配准、图像融合等高复杂度的计算,占用大量的运算时间,这对视频融合的实时性要求是一个很大的挑战.基于CUDA(Compute Unified Device Architecture)并行计算框架,提出了一种快速、可靠的多摄像头视频融合方法,该方法首先利用基于局部环形扩展及颜色描述子的SURF(speeded up robust features)特征提取方法提取图像特征点;其次采用基于分块相似性度量的k-d树(k-维树)多图像自动特征匹配算法进行图像与特征点的匹配;然后使用RANSAC(Random Sample Consensus)算法计算变换矩阵;最后使用多频率融合算法进行多摄像机视频融合,得到流畅的大视场视频.整个多视频融合过程使用CUDA进行并行加速,并在多个不同场景与摄像机数量下的实验验证了本文算法的实时性与有效性.     

基于SIFT特征点的目标跟踪算法

提出一种结合背景建模方法和基于SIFT特征点匹配方法的目标跟踪算法,该算法首先使用背景建模方法获得目标区域,然后对目标区域进行SIFT特征点提取,再利用特征点匹配方法实现视频目标跟踪,为了减小误配点,采用RANSAC方法来消除误配点。最后对算法进行了实验,实验结果表明,该算法可有效跟踪运动目标。     

航拍视频中基于特征匹配的全局运动估计

根据航拍视频成像特点,得到相邻帧之间全局运动的六参数近似变换模型,任意帧之间的变换模型通过"帧到帧"的方式递归获得。采用角点特征匹配方法提取出有效的匹配点,实验结果表明该方法简单可靠。     

电子稳像技术研究与实现简

针对电子稳像技术在现实中的应用,提出了一种基于角点检测与块匹配的电子稳像改进算法.接着根据块匹配方法找到相应的特征块,并从中找到对应的角点对,运用6参数摄像机运动模型求解运动参数,完成运动估计.采用基于FPGA+DSP通用架构的图像处理硬件平台,用CCS编写程序,将改进的稳像算法移植到TMS320C6416DSP中,达到实时实现视频稳像的目的.算法仿真结果与试验表明,改进的算法具有稳像精度高、速度快等特点,同时经过电子稳像系统处理后的视频图像更加清晰稳定且实时性好.?更多还原     

一种基于背景重建和视差图的立体视频对象分割算法

提出了一种基于背景重建和视差图的立体视频分割算法,利用背景、视差和边缘等信息进行运动对象分割。该算法首先采用基于块的背景重建方法获取视频序列的背景信息,再利用背景相减法获得运动对象的初步分割结果,然后利用立体匹配获得的视差图对初步分割结果进行修正,最后利用边缘信息和后处理操作获得最终的立体视频运动对象。实验表明,该算法能够有效地从运动背景中将视频运动对象完整地提取出来。     

一种固定背景下运动视频对象的自动分割方法

提出了一种固定背景运动视频对象的自动分割方法．该方法通过互帧差四次矩检测运动对象，利用背景减除对点分类，最后用彩色分水线算法得到运动对象实验证明该方法能够对固定背景下运动视频对象进行实时自动分割．     

基于帧差法和边缘检测法的视频分割算法

针对目前常用的视频分割方法易受到噪声、亮度突变的影响,很难提取出完整的运动目标这一问题,提出一种基于帧差法和边缘检测法相结合的视频分割算法.该算法首先对连续三帧图像进行差分得到运动区域,然后对当前帧进行Kirsch边缘检测得到边缘图像,综合二者的检测结果得到更为精准的运动对象边缘.采用边缘连接算法完成对断裂边缘的连接,最后通过区域填充得到运动目标掩模图像,从而分割出完整的运动目标.实验表明,该算法可以实时有效地将运动物体从视频序列中自动地分割出来.     

基于运动背景的自适应视频对象分割算法

为解决运动背景中视频对象的准确提取,提出一种基于全局运动的自适应视频对象分割算法。基于特征点计算帧间运动,利用最小二乘法计算摄像机仿射参数进行运动补偿,通过二值开闭重建滤波器进行预处理消除噪声;采用改进的分水岭算法将图像标记成不同的灰度区域,以自适应的光流法对分割的对象信息进行评判,从运动背景中分割出前景对象。实验表明,该算法能准确地从运动背景中分割出视频对象,显著地减少了动态前景对象的分割误差,提高了分割质量,可应用于运动目标检测与跟踪。     

应用于无人机视频影像密集匹配的特征描述方法

为了降低无人机视频影像密集匹配的消耗时间, 提高处理效率, 提出快速的特征描述和特征匹配方法。该方法首先利用Harris算子检测角点, 然后通过特征描述符simplified-DASIY(S-DASIY)对检测角点进行特征描述, 生成该点的25维特征描述符。根据相应的匹配准则对影像对特征点进行匹配, 得到影像对的匹配点。实验表明, 该方法能够显著减少特征点的生成和匹配时间。     

基于PCNN的高斯混合模型运动检测改进方法

针对同定摄像机的视频监控系统,提出了一种改进的基于混合高斯模型的运动目标检测方法.改进方法引入PCNN算法,针对模型匹配问题,提出自适应局部阈值算法并结合区域增长思想,利用PCNN的迭代计算,逐步检测出运动目标.实验表明,改进的方法与传统方法相比具有更好的运动目标检测能力,在运动目标和背景的灰度值差别比较小的情况下,能改善其运动目标检测的效果.     

基于MPEG—2视频流的目标跟踪快速算法

提出了一种新的目标跟踪算法 .对于输入的一组由静止摄像机捕获的 MPEG- 2视频流 ,该算法不需对其进行解码即可对场景中的运动物体直接进行目标跟踪 .MPEG- 2码流中的直流 ( DC)系数和运动矢量在目标跟踪算法中作为运动物体的特征被直接使用 .实验表明 ,该算法针对MPEG- 2视频流进行的目标跟踪具有实时性 ,也排除了复杂背景中的局部变化对跟踪结果产生的影响 .     

一种改进Camshift算法及其ARM实现

基于视频序列的运动目标跟踪在安防、军事等领域用途广泛。针对传统Camshift算法易受颜色相近物体的干扰,丢失目标的情况,提出了一种改进的Camshift算法。该算法检测SIFT特征点并进行FREAK特征匹配,通过判断每一帧跟踪结果的跟踪精度修正跟踪矩形框,从而改善跟踪精度。为便于工程应用,在Linux系统上进行了算法移植,实现了基于ARM的运动目标跟踪系统。实验结果证实改进算法对部分遮挡、颜色相近干扰等情况具有稳定性,能够实现对运动目标的准确跟踪。     

基于运动估计的置信度传播立体视频匹配算法

基于置信度传播(BP:Belief Propagation)的立体匹配算法与局部算法相比,视差准确度高,但需要耗费大量的计算时间。为此,提出一个基于运动估计的置信度传播立体视频匹配算法。该算法首先通过传统的BP算法获得I帧的匹配视差图,并保存每个像素获得最佳视差值的传递信息;然后,通过参考I帧的运动估计信息,得到重新排列的I帧视差值的传递信息,将其作为P帧置信度传播算法的初值进行迭代运算,从而大大减少了P帧置信度传播算法的迭代次数。实验结果表明,该算法能大大提高置信度传播立体视频的匹配效率。     

视频帧内运动目标复制-粘贴篡改检测算法

摘要： 提出了一种基于Lucas_Kanade(LK)光流及运动目标预检机制的视频帧内运动目标复制 粘贴篡改检测算法.该算法分为运动目标检测与跟踪、运动序列筛选和空间域匹配3个阶段.运动目标检测与跟踪利用背景建模算法和卡尔曼滤波器进行检测和跟踪;运动序列的筛选采用LK方法得到各运动序列的光流值,并计算其相关性来选择可能存在篡改的视频帧序列;空间域匹配利用尺度不变特征变换算法对上一阶段得到的对应运动序列逐帧进行匹配,过滤正常的视频序列.实验结果表明,本文算法能有效检测同源视频中针对运动目标的多帧复制 粘贴篡改.