基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

柔性姿态估计和时空特征结合的乒乓球动作视频片段关键帧提取

为了解决传统方法在场景复杂的情况下,因无法保证时间与空间上的连续性,导致乒乓球动作识别错误,影响关键帧提取性能的问题,将柔性姿态估计和时空特征结合在一起,研究乒乓球动作视频片段关键帧提取问题。依据稠密光流对乒乓球动作视频片段进行分段。对单帧图像人体柔性姿态进行估计,通过可分离线性滤波器时空特征点检测方法对乒乓球动作视频图像序列特征点的检测,将时空特征点当成中心建立时空立方体,提取时空立方体的像素建立时空特征。为了保证时间与空间上的连续性,引入时空特征边,得到有时空特征的柔性姿态估计结果。通过直方图相交法求出乒乓球动作视频片段中姿态相似度,计算全部姿态的Hog间差异度,构成差异度矩阵。在当前帧姿态差异度超过阈值的情况下认为当前帧为关键帧。实验结果表明,所提方法针对不同场景的保真率与压缩率一直高于0. 7,处于较高水平;主观评价结果好,可提取合理关键帧。可见所提方法对复杂场景的关键帧提取性能优,主观与客观评价结果好。     

基于特征光流的多运动目标检测跟踪算法与评价

光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的三维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。     

基于联合后置滤波器与分数阶光流模型相结合的运动分割算法

针对传统HS（Horn&Schnuck）光流估计算法存在奇异值、不能保留光流场边界不连续性、不能应对运动目标间相互遮挡等问题,提出一种联合后置滤波器的分数阶光流模型。在该模型中,应用分数阶微分处理HS模型中的平滑项以保留光流场的边界不连续性;通过分析结构张量特征值的数据特征来寻找光流场边缘点,利用联合流场散度与像素点投影差分的方法来检测遮挡区域;采用一种结合MF(Median Filter)中值滤波器、WMF(Weighted Median Filter)权值中值滤波器、BF(Bilateral Filter)双边滤波器的CPF(Combined Post Filter)联合后置滤波器,它能够通过检测是否存在遮挡、图像亮度不连续性、图像运动不连续性,自适应地调节光流场的扩散过程,从而获得更加准确的光流场。实验证明,该算法能在图像中存在光照变化、遮挡、多运动目标等复杂情况下精确地估计出光流场,且算法计算成本低,能满足实时性要求。     

基于虚拟现实的复杂场景非显著目标跟踪方法研究

为避免复杂场景中的干扰因素影响非显著目标跟踪准确度，提出基于虚拟现实的复杂场景非显著目标跟踪方法。通过中值滤波设置图像窗口大小，统计相邻像素点最大中值，定义复杂场景特征区间。基于虚拟现实技术转换跟踪平面三维信息，利用正交原理计算空间位置，对应区间目标坐标。设定模糊逻辑集合，采用最大隶属度量方法构建隶属度函数，在复杂场景内跟踪非显著目标，完成非显著目标跟踪。设定多组目标跟踪场景，分别在影响因素较少、光感条件变化强烈、快速运动过程中和遮挡干扰背景五组条件下，测试非显著目标跟踪效果。实验结果表明，所提方法在上述设定中均可以完成准确跟踪，定位得到目标物。     

采用局部阈值分割的刀具损伤视觉检测方法

针对目前刀具损伤检测系统难以从采集的机床刀具损伤图像中自动识别到刀具损伤位置并精准测量刀具损伤量的难题,提出了一种采用局部阈值分割的刀具损伤视觉检测方法。该方法对采集的刀具图像进行灰度化、滤波降噪、旋转定位校正后,将刀具图像均分为多个小像素块,对每个像素块进行图像分割,获取每个像素块的分割阈值,即局部阈值,以最大的局部阈值为基准,对刀具图像进行整体像素扫描,同时结合形态学操作,实现刀具损伤位置识别,并基于识别到的损伤信息精准测量刀具损伤几何特征。搭建了离线检测试验平台,验证所提方法的有效性。试验结果表明:所提方法能够解决目前难以从刀具损伤图像中自动识别到刀具损伤位置并精准测量刀具损伤量的难题,与现有的局部方差法、自适应阈值法等方法相比,刀具损伤几何特征测量的平均准确率至少提升19%以上,具有较大优势。     

基于特征提取的健美操分解动作图像自适应识别方法

为了解决传统方法容易受运动速率、光照情况、遮挡、复杂背景等的影响,导致识别结果鲁棒性较差的问题,通过特征提取方法研究了健美操分解动作图像自适应识别问题。通过时间能量金字塔把视频序列划分成若干段,得到结果中动作并非全为健美操动作,含大量干扰信息,通过背景消减法对进行健美操运动的人体目标进行提取,进行进一步处理,得到人体轮廓的二值图像序列,求出轮廓外界矩形宽度和高度之比,依据宽高比获取关键帧,通过拉普拉斯法求解相邻差异帧与间的光流,降低背景杂波产生的影响。针对关键帧提取特征向量,通过相似性检测对待识别健美操分解动作图像和提取特征进行匹配,设定相似性阈值,将相似性高于阈值的图像作为识别结果。结果表明：所提方法对单人健美操视频数据库的识别准确率高,仅存在一定程度的混淆;所提方法对含不同场景的复杂数据库的识别准确性和其它方法相比最高。可见所提方法受外界环境干扰小,可保证高识别精度。     

基于光流技术的运动目标检测和跟踪方法研究

光流技术作为一种重要的二维运动估计技术,在运动目标检测和跟踪中有着重要的作用.为了更好地将光流技术运用到实时的运动目标检测和跟踪系统中,针对微分光流信息量丰富但计算量大、特征光流计算量小但信息量不足的现状,提出了一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪.通过对图像序列取700个样本点的仿真实验表明,该方法帧间处理时间基本小于100ms,同时基本解决了信息量和计算量的矛盾.     

基于光流块统计特征的视频异常行为检测算法

提出了一种基于光流块统计特征的视频异常行为检测算法.该算法首先对训练集视频序列的光流场进行分块及预处理,而后提取光流块的统计特征,所提取的块统计特征同时包括了光流块的幅度信息和相位信息,通过训练集得到的光流块统计特征训练出对应的正常行为的高斯混合模型(GMM).测试集通过同样的方式提取光流块统计特征,通过计算所提取统计特征以多大的概率属于GMM判定所检测光流块的异常程度.实验结果表明,该算法能够在一定程度上解决运动物体一致性和部分遮挡问题,并提高了异常行为检测的准确率.     

一种新型快速运动目标检测算法

为了克服光流法计算量大和亮度不连续性引起的运动估计误差,提出一种基于改进帧差法和改进光流法相结合的快速运动目标检测算法.通过改进帧差法,精确获取运动目标区域.利用改进的光流法,在光亮度不连续的情况下,准确地提取运动目标区域特征点的光流,并对光流矢量采用阈值标注,进而检测出运动目标.实验结果表明:该目标检测算法鲁棒性强,计算量小.     

针对空中监控平台的异常行为检测方法

空中监控平台拍摄的视频具有背景移动、视距较远等特点,结合其特点提出适用于空中监控平台的人群异常行为检测方法。首先通过估计图像的深度信息,适当修正特征点的光流矢量,以减小透视现象导致的对特征点运动速度的估算误差;然后对特征点的光流矢量聚类,并结合背景运动一致性规律检测出前景特征点。通过双高斯混合模型检测异常特征点,用最大期望(EM)算法求取模型参数。最后采用一种时间队列机制检验误判;并通过简化的凝聚层次聚类算法对异常特征点的空间坐标进行聚类,去除孤立的异常特征点并标记出异常群体。多个场景下的实验结果验证了方法的有效性。     

基于速度特征矢量提取运动目标的图像分割方法

研究基于速度特征矢量提取运动目标的图像分割方法,根据目标图像像素移动的一致性,在序列图像中利用块匹配法进行帧间图像配准,得到目标图像块的速度估计,将具有相同速度矢量的目标图像块聚类,即可分割出运动目标。仿真实验结果表明,该方法能有效地对复杂背景下的运动目标图像进行分割,并具有较好的抗噪能力。     

面向自适应计算的局部四面体网格重划分

为有效满足h自适应的网格重划分要求, 提出通过前沿推进法和Delaunay算法对四面体网格进行局部重划分. 首先, 在重划分过程中, 采用由线到面、 由面到体的顺序保证整体网格的协调性; 其次, 通过局部尺寸函数保证网格尺寸平滑过渡; 最后, 用投影法使网格满足几何保形. 仿真实验结果表明, 该算法适用于包含多部件的复杂计算机辅助设计(CAD)模型, 在h自适应加密过程中网格更贴近真实几何形态, 且重划分后可保证网格单元的质量.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪； 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于视频的航站楼旅客人体特征辨识

为更好地实现航站楼智能监控,在分别分析航站楼不同功能区监控视频图像特征及特征提取效果之后,选择人头纹理特征和路径特征作为在各分区普遍适用且识别与跟踪效果良好的一组识别特征。在混合高斯背景模型前景检测算法基础上,引入基于YCbCr颜色空间阴影去除法实现阴影去除,提高前景检测精度;并基于此,分别利用基于GLCM的算法与光流法实现人头纹理特征与路径特征的提取,提高航站楼人员识别率。     

适用于遮挡的网格跟踪算法

引入遮挡网络模型的概念，提出了一种适用于遮挡的网格跟踪算法，遮挡区域检测和网格节点运动估计是跟踪算法的关键。改进的遮挡检测方法可以更加准确检测遮挡区域，能有效地提高遮挡及其相邻区域运动估计的准确度；采用了基于特征窗口匹配的网格节点运动估计方法，有效地避免了块匹配法产生的块效应。实验证明，本文算法可以有效进行运动跟踪，具有较了的视觉效果。     

Motion estimation based on the energy flow

By taking pixels of image sequences as moving gas molecules, a novel concept, image temperature, is proposed to describe the natural property of the image motion. The idea comes from the revelation of the Maxwell-Boltzmann Distribution Law in gas dynamic theories. Furthermore, another concept of energy flow corresponding to the optical flow is developed, and the method of the energy flow equation (EFE) is established to estimate image motion. The experiment indicates a better performance of the proposed EFE scheme with significantly reduced false motion estimates when compared to the traditional optical flow equation (OFE).     

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。     

基于深度学习的交通标志检测方法研究

提出了一种基于Faster R-CNN深度学习框架的交通标志检测方法,使用VGG16卷积神经网络自动提取交通标志图像特征,并将卷积特征图传入区域建议网络(RPN)中进行前景目标筛选及回归目标边框,将建议区域框映射到特征图上,经过RoI池化层后输出固定大小的建议框,利用分类网络对建议区域进行具体的类别判断,并精确回归目标的边框。并将算法在德国交通标志数据集GTSDB进行了实验验证,实验结果表明了所提出算法的有效性,该方法对不同光照、遮挡、标志模糊等具有鲁棒性。