2.5 维帧间运动估计方法

图象点深度变化对常用的基于仿射模型的帧间运动估计方法精度影响比较大。针对这种问题，引入了特征点深度相关参数，得到一种基于２．５维模型的帧间运动估计方法。在应用于视频图象序列稳定问题时，数值实验结果证明在图象中景深变化较大的情况下，这种新方法估计的参数比基于纯仿射模型的方法准确，同时还可以得到对图象点相对深度信息（磁撞时间）的粗略估计，而计算量增加很少。     

基于水平集方法的多运动目标分割

给出了一种对光照变化等实际环境中干扰不敏感的基于水平集和背景减的运动目标检测与分割方法。首先建立了当前帧图像与背景参考帧图像间的纹理差，并将其与灰度差相结合构成差图像；然后，分析了纹理特征，并采用适当措施减小由场景中杂乱运动产生的不利影响，从而实现运动目标的鲁棒检测；最后采用了基于区域的水平集方法，将多个信息有机地结合在一起，实现对多个刚体或非刚体运动目标的分割。实际采集序列图的仿真实验验证了该方法的有效性。     

运动物体变化检测算法研究

运动物体的变化检测,恢复和提取是运动检测中的三个重要环节,本文根据视频监控设备CCD器件成像特征以及帧间差运动变化检测方案,建立了一种利用灰度均值和方差作为判决门限的高斯运动变化检测模型,运动检测实验证明,利用该模型可以相对准确的检测出视频序列图像中的运动变化区域.     

基于纹理和小波变换的阴影检测去除算法

在基于视频处理的室外场景运动物体检测系统中,对运动物体的阴影进行检测与去除是一个关键环节。文中提出了一种基于纹理自相关和整数小波变换相结合的运动物体阴影检测与去除算法,算法中首先使用纹理自相关对运动物体的阴影进行预提取,再对阴影预提取结果进行统计判别,对判别为阴影误检的区域再进行基于整数小波变换的阴影再检测,最后将两次检测结果相结合实现对运动物体阴影的检测与去除。实验结果表明：文中的方法不仅能够准确地检测出与背景灰度差别比较大的运动物体的阴影,而且能够较好地检测出与背景灰度相近的运动物体的阴影,较好地克服了使用单一方法进行阴影检测与去除时常见的阴影误检问题,获得了很好的阴影检测与去除效果。     

头肩视频图像的运动物体自动提取

介绍、比较区域分割、运动分割和物体分割的概念及其在视频序列图像分割中的应用。分析说明各种运动状态下帧差图像与相应帧灰度图像的关系。提出了基于帧差图像边缘与灰度图像边缘之间强相关性的运动物体边界自动跟踪、提取算法。利用运动物体边界的闭包分割、提取运动物体。提出了多层次运动物体描述的思想。     

一种运动图像的检测与识别技术

提出了一套检测和识别视频序列图像中运动物体的算法．该方法在连续3帧视频图像中,分别在第1和第2帧之间、第2和第3帧之间作差分运算,根据未交化区域与运动交化区域服从不同的统计规律设计检测门限,对差分图像作运动变化检测和连通域的识别．将检测到的运动变化图像作去噪和空域分割后,再对得到的两幅差分图像作相与运算以确定运动图像的位置,最后再基于运动物体自身的灰度信患,恢复出完整的运动图像．该算法适于应用在实时视频监控场合,实验结果令人满意．     

运动目标检测的三帧差分和背景消减研究

本文介绍了一种基于视频监控系统的运动目标检测方法。这种方法综合利用三帧差分和背景消减来进行运动检测的方法。这种算法在帧差法的基础上,得到完整可靠的运动目标图像。在铁路视频监控系统中主要使用固定摄像机对一固定场景进行监控,因此,图像序列三帧差分方法在智能化铁路视频监控系统中是一种重要的运动目标检测方法。     

B超心脏序列图象左室短轴轮廓曲线的动态跟踪

介绍了一种动态跟踪心脏序列图象轮廓的新方法 .先人工找出第一帧图象的轮廓 ,再根据序列图象相邻帧之间反映心脏肌体的位置和灰度信息上的相关性、心脏左室短轴的运动趋势等基本特征制定基本策略 ,结合曲线拟合技术 ,用互相关法自动跟踪后面序列图象的轮廓     

基于分区灰度投影稳像的运动目标检测算法

针对视频监控系统中,复杂环境引起摄像机抖动,造成运动目标检测不准确的问题,提出了一种基于分区灰度投影稳像的运动目标检测算法.首先对每帧图像进行分区,利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析,进行抖动判断,并对抖动帧进行运动补偿.然后利用高斯混合背景建模算法进行运动目标提取.最后对目标提取结果进行形态学处理,以进一步提高目标提取的精度.实验结果表明,本文算法较好地消除了场景中运动目标对运动矢量计算的干扰,实现了在摄像机抖动视频场景中的运动目标的准确检测和提取,大大降低了抖动视频目标检测的虚警率.     

图像和惯性传感器相结合的摄像机定位和物体三维位置估计

为解决无人驾驶中车辆定位与周围场景中物体三维位置估计,采用卷积神经网络(CNN)检测图像中的物体,用扩展卡尔曼滤波(EKF)方法融合惯性传感器测量得到的加速度和角速度,同时估计摄像机位置和物理世界中物体三维位置.图像结合惯性传感器(IMU)信息,克服了单目摄像机估计得到的摄像机位置和物体三维位置的尺度不确定性;结合卷积神经网络检测物体提高特征点匹配准确度,实现对物体在三维世界中的位置通用的估计.在实验部分用Matlab分别模拟仿真场景和现实场景的数据库KITTI,有效估计摄像机运动和场景中物体三维位置估计.     

视频序列中基于特征匹配的目标跟踪方法

视频序列中运动目标的跟踪是智能视频监控领域中的一项重要问题,目标跟踪就是建立视频序列的不同帧中目标的对应关系。针对现有方法目标特征信息考虑不足的缺陷,提出一种基于特征匹配的目标跟踪方法。实验结果表明,所提方法在实时性的前提下,可以实现运动目标的准确跟踪。     

基于运动估计的2D转3D视频深度滤波

根据视频中距离越近运动尺度越大的原理,物体的运动包含了提取2D视频深度的最有效信息.然而自然视频中,物体运动存在加速度,物体在同样深度情况下,运动时大时小,结果将导致通过运动估计提取的深度存在不连续性.根据物体运动连续性的特点,同一物体在不同帧中的深度变化也存在连续性.提出一种基于运动估计的2D转3D深度滤波算法.该算法中,以高斯滤波为基础,并采用相似度作为权重,自适应地修改高斯滤波器的参数,实现了自适应的高斯滤波.实验结果表明,采用该算法有效地减小了运动估计误差,平滑了深度序列,提高了深度序列的准确性和合理性.     

基于多特征融合和小波去噪的镜头渐变检测方法

镜头检测在视频检索中起着关键的作用。镜头渐变检测已有许多成熟的方法,如何识别镜头渐变是视频分割中的重点。将视频的多帧差序列视为一维信号,提出了一种基于多特征融合和小波去噪的二次帧差滑动窗口镜头边界检测算法,该方法能同时检测出镜头的切变和渐变,实验表明该方法在一定程度上克服了由于摄像机不规则运动、光影变化、画面中物体快速运动等造成的影响,通过对不同视频片段的测试和比较,表明该算法能较好地实现镜头的突变和渐变检测。     

视频序列中基于特征匹配的目标跟踪方法

视频序列中运动目标的跟踪是智能视频监控领域中的一项重要问题,目标跟踪就是建立视频序列的不同帧中目标的对应关系.针对现有方法目标特征信息考虑不足的缺陷,提出一种基于特征匹配的目标跟踪方法.实验结果表明,所提方法在实时性的前提下,可以实现运动目标的准确跟踪.     

基于多特征融合和小波去噪的镜头渐变检测方法

镜头检测在视频检索中起着关键的作用.镜头渐变检测已有许多成熟的方法,如何识别镜头渐变是视频分割中的重点.将视频的多帧差序列视为一维信号,提出了一种基于多特征融合和小波去噪的二次帧差滑动窗口镜头边界检测算法,该方法能同时检测出镜头的切变和渐变,实验表明该方法在一定程度上克服了由于摄像机不规则运动、光影变化、画面中物体快速运动等造成的影响,通过对不同视频片段的测试和比较,表明该算法能较好地实现镜头的突变和渐变检测.     

一种基于GLCM的运动目标检测新方法

基于GMM(Gaussian Mixture Model,混合高斯模型)的物体识别基础上,利用GLCM(Gray-level co-occurrence matrix,灰度共生矩阵)及基于GLCM提取的纹理特征来解决当前运动目标检测所存在的问题,如动态场景的变化,光照突变及天气变化等。GLCM在局部区域的往复运动具有相对不变性,因此利用这个特点对基于GMM检测的前景进行再判断以解决动态场景的问题,将检测窗口中当前帧和前两帧的GLCM特征值进行比较,如果其GLCM特征值的差值小于给定的阈值,那么可以判断当前区域为背景,反之则为前景。图像的纹理特征具有抗光照突变性,经过分析其中的4个特征值并阈值化最终得到更加纯净的前景和更加准确的检测结果。通过CPU/GPU(Central Process Unit/Graphic Processing Unit)协同并行计算大大加速了运动目标检测过程。实验证明这种新的检测算法在检测精度和处理速度上比其他算法有明显改善。     

一种基于背景的视频运动对象分割算法

就如何从视频序列中分割出具有语义意义的运动对象，本文提出了一种自动的基于背景的运动对象分割算法，利用颜色、形状和灰度等特征对第一帧图像进行初步分割，然后根据帧间运动信息构造背景图像，最后以背景图像和帧差图像作为参考图像，对同一场景中的所有视频帧进行快速可靠的分割．     

数字视频监控系统中运动检测算法及应用

运动检测是图像处理和分析系统的关键技术,本文详细阐述了数字视频监控系统中运动物体检测算法中的帧差法,该算法主要基于视频帧图像的变化分析;以及运动方向判断算法中基于视频块的匹配算法,并介绍了基于这两个算法的一个系统的实现.     

一种大视场中运动对象分割方法

传统的基于变化区域检测的运动对象分割方法只对摄像机固定的情况是适宜的，提出一种经过简单的摄像机运动估计和场景配准，利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法，实验证明此方法能得到较满意的分割效果。     

基于混合式绘制技术的分布式虚拟环境系统

给出了一个基于分布式计算技术的虚拟环境原型系统.系统根据当前摄像机的运动趋势,首先利用预测技术实时地确定下帧图象摄像机的方位,然后分布式地采用基于几何的快速绘制算法来生成预测图象,最后采用图象warping算法来实时生成前后预测图象间的画面过渡.由于引入了几何信息,因而本系统允许用户对虚拟景物进行直接交互操作,从而克服了传统基于图象的图形绘制技术只能处理静态场景的缺陷.实验结果表明,本系统对场景复杂性的依赖程度低,能在中等计算能力的工作站上实现复杂场景的实时交互.