基于深度图序列和时空占用模式的人类行为识别研究

针对人类行为识别问题,提出一种基于深度图序列和时空占用模式的行为识别方法。首先,使用深度图序列将空间和时间轴分为多个部分,从而定义一个4D网格;然后,将网格中的每个单元与占用值相关联,利用高维特征向量的所有单元占用值组成时空占用模式。最后,利用基于正交级别学习的主成分分析降维获得低维特征向量,并完成最终的行为识别。在公共3D行为数据集MSR上的实验结果表明,提出的离线识别方法比现有方法所获得的识别准确度较高。     

基于语义约束与Graph Cuts的稠密三维场景重建

本文提出一种新颖、有效的稠密三维场景重建算法.在城市建筑场景的重建中,为了快速恢复稠密、准确的深度信息,本文算法首先在视图中对建筑区域进行了语义分割以降低非重建区域(如天空、地面等)的干扰,在提高整体重建速度的同时也增强了采用平面模型对其进行重建的可靠性;然后,在通过基于DAISY特征的空间点扩散方法获取的初始深度图的基础上,针对传统算法难以重建的弱纹理、倾斜表面等区域,本文算法依据场景分段平滑的假设,在超像素级MRF能量优化框架中对其相应的空间平面进行了推断.由于能量函数融合了初始深度图的约束、空间平面先验及空间平面间的几何关系等信息,而且候选平面集通过平面拟合和已知平面约束下的多方向平面扫描两种方法构造,使得相应的两阶段迭代Graph Cuts对能量函数的求解更快速和精确.在标准数据集和真实数据上的实验表明,本文算法能有效克服光照变化、透视畸变、弱纹理区域等因素的影响,快速恢复建筑区域完整的深度图.     

一种融合运动和立体的视差与运动估计算法

本文提出融合运动和立体的视差与运动估计算法。算法首先通过计算瞬时ＦＯＥ，实现对每个像素处位移的ＭＡＰ估计，计算关联置信度测量，然后利用位移估计从两图像序列之一计算相对深度图并导出能用于匹配两立体对图像序列的视差先验概率分布，使立体对的两图像序列匹配，确定３－Ｄ景物深度。算法可独立估计每个像素处的视差，不需关联的平滑假设。     

用多基线立体视觉系统恢复稠密深度图像

为有效地减少错误匹配,提高匹配精度并恢复稠密深度图像。利用多基线立体视觉恢复景物深度数据的冗余性,使用简单条纹模式投影光源标记景物,很好地解决了弱纹理区域或无纹理区域的对应性问题。通过对图像进行避部规范化处理,在外极线、唯一性和连续性约束条件下,使用应用域知识和统计模型,建立准确的匹配关系,实现三维景物高精度恢复。所恢复景物的高精度稠密深度图像,在１．５～３．５ｍ的距离范围内,深度值偏差小于２ｍｍ     

基于FSCD-CNN的深度图像快速帧内预测模式选择算法

针对3D-HEVC的多视点视频加深度图的编码格式和四叉树编码结构所带来的编码复杂度问题,提出了一种深度图像快速帧内预测模式选择算法。首先,从深度视频序列中以最优的深度图最大编码单元（largest coding unit,LCU）划分深度为标签获取训练集;其次,构建了适用于LCU的Cu深度快速选择卷积神经网络（fast selecting Cu’s depth-convolutionalneural network,FSCD-CNN）;最后,对深度图LCU进行划分深度预测,跳过部分编码模式决策,实现最佳LCU划分。实验结果表明,与相关文献对比,所提算法在保持了编码性能的同时平均减少了15%的编码时间,实验验证了其有效性和可靠性。     

基于三维卷积的人手姿态估计高分辨率网络

在体素化输入的三维卷积基础上,通过引入高分辨率保持模块,提出了一种基于三维卷积的高分辨率保持网络.该网络以体素化的深度图为输入,进行三维卷积.不同于先前大多数从低分辨率特征中恢复高分辨率特征的方法,构建的网络引入不同分辨率子网络并行的结构,在处理低分辨率特征图的同时保持高分辨率特征图,从高分辨率子网络卷积得出每个关节点在3D体素中的分布概率,最终计算出每个关节点的三维空间坐标.实验表明:该算法相较于先前的基于沙漏模型的三维卷积网络能更准确地进行关节点估计.     

一种基于图像深度的单幅图像雾效模拟方法

为了通过在现实生活中拍摄的单幅图片生成不同能见度下的雾效模拟场景,提出一种基于图片深度的雾效模拟方法:通过单幅图片的散焦信息恢复深度图,把深度图转化成透射率,将最大能见度与大气散射系数相关联,通过大气散射模型模拟不同能见度下的雾效虚拟场景.利用此方法分别测试近景图和远景图,进行不同能见度下的雾效场景模拟.仿真结果表明,此方法简单有效,可行性高,仿真效果逼真.     

一种基于WMF-ACA的深度图像修复算法

针对RGBD相机由于硬件条件的限制,所获取的深度图像往往存在空洞与噪声的问题,提出一种彩色图像引导的深度图像空洞填补方法.对深度图像边缘区域采用基于局部直方图的加权模式滤波器(WMF)进行处理,在有效保留深度图边缘与细节的前提下,消除图像噪声.对深度图像非边缘区域采用一种异步元胞自动机(ACA)模型算法,根据邻域和迭代规则对深度图空洞进行填补,快速、准确地完成任务.在立体匹配数据集Middlebury上测试所提算法实现性能,实验结果表明:该算法的结构相似性(SSIM)与峰值信噪比(PSNR)更高,能够准确地填补深度图空洞,同时保持深度图边缘清晰.     

基于反馈的立体匹配算法

针对因传统的置信度传播( BP:Belief Propagation)算法生成的深度图并非十分精确而导致深度图的绘制及立体重现存在的失真问题,提出一种基于反馈的立体匹配算法,使生成的深度图进一步优化.该算法首先通过BP算法生成深度图,然后由左视点图像与深度数据绘制右视点图像,将绘制出的右视点图像与真实右视点图像进行比较...