人体运动检测的光流与肤色融合方法

针对复杂背景环境中光流法难以检测出完整的人体目标区域的问题,提出了一种融合光流和肤色信息的人体运动检测方法.对视频序列进行光流分析,确定目标的运动区域;同时基于马氏距离检测出肤色区域;并对光流和肤色信息进行数据融合,分割出人体运动区域.实验结果表明,该方法能够有效地检测出完整的人体目标.     

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.     

结合光流法与最近邻算法的运动目标检测

运动目标检测具有广泛的理论和现实意义,光流法是检测运动目标的重要方法之一。但是用于运动目标检测的光流算法却有着计算量大、处理复杂的问题。一种聚类分析算法和改进的LK光流法相结合检测方案可以很好地解决此类问题。对基于改进的LK光流法的运动目标检测算法进行了分析和仿真,再加以聚类分析使得检测出的运动目标更加准确。首先对图像序列进行采样与预处理,并利用LK光流法计算得出相邻帧图像的光流场,然后再利用最近邻聚类算法对得到的光流场进行处理,进而检测出图像中的运动目标,最后使用Matlab软件进行算法程序验证。通过实验可知,基于金字塔LK光流法与最近邻算法的运动目标检测方案可以更加有效地检测出运动物体。     

基于视频的人体运动肢体检测

要实现对视频中人体动作的捕捉和分析首先要提取出人体的运动肢体,当视频中背景和人体姿态比较复杂时,帧差法、光流法等传统的运动目标提取方法并不能准确检测出人体运动肢体的轮廓.在帧差法基础上,提出了动态区域边缘点保留法来获取运动区域的边缘点集,并根据人体先验知识总结出一种边缘点整合的算法,用于对运动区域的边缘点集进一步处理,得到了人体运动肢体较为完整的轮廓.实验证明,该方法可以较好地解决背景干扰和人体及服饰的非刚性问题,比较准确地检测出人体运动肢体的轮廓.     

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。     

几种人体运动检测算法的比较研究

为了提高计算机视觉运动人体检测的效果，采用了OGHMs（Orthogonal Gaussian-Hermite Moments）法应用于人体运动检测中，在实现过程中对OGHMs加以简化，对运动图像进行Gaussian平滑处理，并在模块运算后期引入腐蚀运算从而得到更精确的检测效果。分析了时间差分法、背景减除法、光流法等常用的几种运动人体检测算法。通过对现有的实验结果分析比较表明，增加腐蚀作用后的OGHMs法不仅具备常用算法各自具有的一些优点，而且抗干扰能力强，同时还较好解决了计算量大的问题，不需要进行背景重建和更新等步骤,并且检测出的运动信息较多，能较完整、较精确地检测出运动人体。     

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.     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

运动模糊图像的光流场分析

由于运动模糊图像含有运行信息，提出了采用光流场分析的方法对其运动结构进行分析。整个过程分为两部分。首先，根据恢复图像恢复理论估计出点扩展函数，并对盲运动模糊图像进行恢复。然后，根据运行模糊图像的运动信息得出运动位移，然后进行光流场分析。     

一种视频对象提取与跟踪的新方法

针对视频对象的分割问题，提出了一种新的视频对象提取与跟踪方法．首先采用分水岭分割和区域合并的方法进行初始分割，再通过光流场估计和全局运动估计计算全局运动的残余误差，在分割的每个区域上利用残余误差数据进行假设检验以确定运动区域，组合所有的运动区域即可提取完整的视频对象．然后使用双向投影的方法在后续帧中快速准确地跟踪视频对象，前向投影用来定位视频对象和简化分割计算，后向投影则用来确定每个分割的区域是否属于跟踪的视频对象．对MPEG-4测试序列的实验结果表明，本方法具有良好的分割性能．     

基于特征点光流和卡尔曼滤波的运动车辆跟踪

提出一种基于特征点光流的运动目标跟踪方法，将卡尔曼滤波跟踪技术和多边形跟踪策略应用于智能交通系统的运动车辆实时跟踪，使跟踪变得简单和稳定，计算机仿真结果表明，采用所提出的方法，能够以较高精度实现运动目标跟踪的目标模型选择、目标特征点选取、特征点光流计算、特征点光流聚类和目标识别，且计算量小、易于实现。     

基于运动估计优化的HS光流算法研究

HS(HornSchunck)光流算法检测运动物体信息的计算量较大,不能检测到平滑区域的光流信息,并且在复杂环境下容易受到噪声影响.本文提出了一种基于运动估计的优化HS光流算法.该算法通过检测图像中的HARRIS角点,结合基于宏块的运动估计算法确定感兴趣区域,并将此感兴趣区域作为HS计算的初始运动向量,以得到光流信息.最后进行滤波去除背景噪声.试验结果表明,该算法不仅提高了计算速度,避免了背景噪声的干扰,提高了HS的鲁棒性,也解决了HS算法对平滑部分光流信息的无法检测问题.     

H.263中预先判别全零系数的新方法

用Ｈ．２６３标准对低码率图象编码时,由于预测较准确,经过帧间预测后得到的运动补偿数据通常很小,对这种数据块再进行离散余弦变换和量化后往往成为全零块．为减少编码器的运算量,提出了一种预先判断全零系数块的新方法,它以运动估计所得各块的最小绝对误差和为判断准则,不需要附加别的运算．将本方法应用于Ｈ．２６３中,对ＭｉｓｓＡｍｅｒｉｃａｎ和Ｃｌａｉｒｅ图象序列进行实验,发现有４０％以上的块可以在做离散余弦变换和量化前被判别为全零系数块．该方法较大幅度地减少编码器的运算量,对于Ｈ．２６３软件实时实现非常有意义．这种方法可以随量化级的变化自适应地调整全零块的判断阈值．另外,因为该方法采用的判据为全零块的充分条件,所以它不会因为误判而影响解码后的图象质量．     

高速H.264/AVC整像素运动估计结构设计

H.264的编码性能比以往的标准有了显著提高,代价是成倍地增加了运动估计的计算量。为了满足H.264运动估计巨大计算量的要求,本文提出了一种H.264高速的整像素运动估计结构设计,把SAD计算阵列的处理单元中的一部分计算步骤提取出来作为独立单元,被多路并行计算阵列所共享,改进后的计算阵列使用的逻辑单元数为134.6×103,减少了31%;分解SAD处理单元中的绝对值和加法的逻辑运算步骤来减小流水粒度,可以使SAD计算阵列的工作频率达到166MHz。     

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。     

一种结构向量与分数阶相结合的光流模型

运动目标检测是图像处理中的最基本任务,变分光流法是常用的运动目标检测技术。因模型固有的缺陷,传统变分光流模型不能应对场景中的光照变化、不能保留运动不连续性,从而局限了变分光流模型的应用范围,影响了光流估计的计算精度。提出一种局部结构不变约束与分数阶平滑约束相结合的光流模型,该模型应用局部结构张量函数代替传统亮度约束方程中的亮度函数,应用分数阶导数代替传统平滑约束方程中的整数阶梯度。因结构张量是一个不随光照变化的物理量,且包含了图像中的一些结构信息,而分数阶平滑约束能保留边缘不连续性,因而使得本文模型能在各种光照环境下获得清晰的运动目标轮廓。实验证明本文所提模型对光照变化鲁棒,且能保留光流场边缘不连续性,较其他相关模型,能获得更高准确率的光流场。     

低阶不变矩人耳识别方法

介绍了不变矩原理及特点,由于高阶矩对噪声敏感,提出一种低阶不变矩分子区域人耳识别方法.对分子区域的人耳图像,提取各个区的低阶不变矩首尾相连组成一组特征矢量,作为耳识别模型.在北京科技大学建立的图像库遍历实验后,结果表明,低阶矩识别效果好于高阶矩,分区好于整体.划分32区低阶不变矩达到100%的识别率.