基于双帧图模型的视频物体分割

通过将空间及时序信息有效结合, 提出基于双帧图模型的单目视频物体分割算法。首先, 通过手工交互得到初始帧的分割, 并据此训练获取前景物体及背景的颜色模型。然后, 利用双帧图模型融合当前帧的颜色信息以及由颜色差得到的空间和时序约束。根据观测到的颜色差异与物体运动的线性关系, 提出运动自适应的时序约束因子, 它能够随视频中物体运动变化自适应地调节。最后, 通过二值图割法计算当前帧的分割结果并更新颜色模型。利用双帧图模型可循序地对视频中的下一帧进行分割。实验结果证实, 提出的自适应时序约束因子可以提高物体分割结果的准确性和时序一致性, 量化指标表明此算法在视频物体分割中可获得更优结果。     

基于时空视频块的背景建模

提出了一种基于时空视频块的背景建模方法,时空视频块同时包含空间表观信息和时间运动信息.一个给定的背景位置在所有可能光照条件下的时空视频块集中位于一个低维的背景子空间中,而运动前景的时空视频块散布在背景子空间外的整个高维视频块空间中,采用一种高效的在线子空间学习算法实时更新背景子空间的主成分,根据时空视频块到背景子空间的距离来区分背景时空视频块和前景时空视频块.实验结果显示,本文中提出的方法能够在光照剧烈变化、前景与背景对比度较低的情况下准确地检测出前景目标.     

融合颜色与运动信息的视频显著性滤波器

根据人眼视觉的特点,提出一种融合颜色及运动信息的视频显著性滤波器.该滤波器分三个步骤检测视频图像的显著性区域:首先利用超像素分割算法将视频图像划分为若干视觉近似一致的紧凑子块;其次以统一的多维高斯滤波形式计算四个测度,分别表征每个子块的颜色独立性、颜色空间分布、运动独立性以及运动空间分布;最后同样通过多维高斯滤波对四个测度进行融合以生成视觉显著性图,进而检测出视频中的显著性区域.实验结果表明:与其他现有的显著性检测方法相比,该滤波器能更准确地检测出视频中的显著性区域.     

基于时空熵分析的组合高斯背景建模方法

为提高视频监控系统中背景高斯模型的更新速度,提出了场景运动复杂度的概念和计算方法,并在此基础上提出了一种组合高斯背景建模方法:根据像素的时空模型分析场景运动的复杂性并计算出场景的熵值图,按照最大熵阈值将熵值图分割为稳定区域和动态区域,然后在不同的区域采用不同的高斯模型及相应的更新算法.利用该方法对384像素×288像素视频文件进行前景分割,结果表明,该方法能有效地分割运动目标,具有较快的更新速度.     

基于时空扩展局部线性嵌入的视频轨迹分析

视频轨迹为视频图像的自动化分析提供了新的工具.为此,提出了基于时空扩展局部线性嵌入的视频轨迹描绘算法.该算法首先将视频片段分割成连续的视频子序列,利用视频子序列的非平凡k近邻来捕获具有时空约束的相似视频序列模式;然后在每个视频子序列与其非平凡k近邻之间构造重构权;最后利用重构权计算视频子序列的低维嵌入向量,从而获得视频...     

面向密集人群的运动分类与跟踪算法

密集场景下的人群分析是当前智能监控技术研究的热点。人群分析首要解决的是对人群运动的模式分类与跟踪。通过对密集人群运动模式的深入研究,提出了一种新的群体分类和跟踪算法。算法通过计算个体之间的相关性,进行群体运动的分类;利用轨迹的一致性进行运动模式匹配,实现了视频序列的群体运动跟踪。实验表明,该算法能准确的进行密集人群运动模式分类,并取得良好的跟踪效果。     

一种运用显著性检测的行为识别方法

针对传统稠密轨迹行为识别法不能很好地区分行为区域和背景的问题,提出一种运用显著性检测的行为识别方法。考虑到视频显著性在较小的时空范围内变化不大,将视频在时域分割为多个短子视频,并将子视频在空域划分成小块,再以块为基础运用一种两阶段显著性检测方法获取每个子视频的行为区域。在检测的第一阶段,将低秩矩阵恢复算法应用于子视频的运动信息计算其初始显著性,并据此将其内所有块划分为候选前景集合和绝对背景集合;在第二阶段,为了将真正的行为区域从候选前景集合中分离出来,利用绝对背景集合中块的运动信息构建字典,通过加权稀疏表示算法计算候选前景集合中每个块的细化显著性,再通过阈值化获取二值显著图用以指示行为区域;最后,将显著图融入稠密跟踪过程以获取行为区域轨迹用于行为识别。基准数据集上的实验结果表明,该方法能够较好地检测视频中的行为区域,获得的识别率高于传统稠密轨迹法2.5%~4.5%。     

基于协方差描述子和LogitBoost的交通场景图像分割

针对传统方法直接采用图像特征参与图像分割时存在的特征冗余且分割准确率低的问题,提出了一种基于协方差描述子和LogitBoost的交通场景图像分割方法.采用运动结构特征、纹理和HOG特征描述交通场景,并利用协方差描述子进行特征融合以消除特征冗余;采用多类LogitBoost分类器进行图像分割,提高了交通场景分割的精度.在公共测试视频数据库CamVid中测试和评估了所提出的算法,结果表明了该方法的有效性.     

一种融合分层信息熵的MRF视频运动前景分割算法

针对视频图像中相邻像素的相关性对前景分割的影响问题,提出了一种以熵图像为纽带的分层马尔可夫随机场(MRF)视频运动前景分割算法.通过图像像素层和信息层构建自适应像素模型和动态光滑模型,增强了视频图像中邻域像素的空间一致性和时间连续性.然后在马尔可夫模型的框架下,采用多环置信度传播算法求解最大后验概率估计,提高视频运动前景分割的质量.实验结果表明该方法能够在不同的视频图像序列条件下完成对运动前景的有效分割.     

视频桩考系统中基于阴影抑制的车辆跟踪

针对视频桩考中由于汽车的阴影随同汽车一同运动而被误检测的问题,提出一种物体分割方法,可以有效地抑制汽车的阴影。在RGB空间检测到运动部分后,将此运动部分分别在RGB空间利用边缘信息和HSV空间利用颜色信息检测阴影。通过两部分阴影信息相结合,在RGB空间将阴影部分剔除,从而得到正确的运动汽车部分。实验结果表明该方法能够有效地去除阴影的影响,得到正确的运动汽车部分,从而绘制合理的运动轨迹。     

基于空间感知与细化残差的视频运动目标分割

针对视频运动目标分割中目标快速移动、障碍物遮挡、相似干扰时存在剧烈位移或目标消失等问题,提出一种基于空间感知与细化残差的视频运动目标分割方法.首先,将标签图像输入小型神经网络获取视觉信息;其次,通过空间感知器对当前帧获得预测的目标热图,以获取空间位置信息;最后,利用空间信息和视觉信息,融合细化残差模块细致轮廓边缘,完成...     

一种视频对象分割新方法

本文提出了一种新的基于时空信息的多尺度视频对象分割算法。该算法首先通过对称帧差运算获得当前帧的运动对象;其次。使用基于高频小波系数及其统计特性的多尺度方法来进行空域分割。将空域分割结果与时域的对称帧差分割结果相融合,得到最终的运动对象。分割结果表明,该算法分离出的运动对象定位精度较高,且具有一定的实时性。     

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。     

视频序列中运动目标的自动提取

在利用Canny算法将空间边缘信息结合到基于变化的分割技术的基础上,提出在预处理阶段对视频序列的灰度图进行局部对比度增强处理,以增加前景物体与背景对比度的观点,解决了许多视频分割算法都存在的对比度较低带来分割困难的问题,并通过设计滤波器来滤除对比度增强之后引入的少量噪声;然后针对复杂背景的情况,利用随机信号的统计特性累计得到算法所需的背景,实现背景信息的自动获取;最后利用背景累积过程中分类讨论的观点,解决了物体停止运动时间较长时的分割丢失问题. 通过几个典型的MPEG-4测试序列进行实验,实验结果表明,该算法可以有效地将运动物体从视频序列中自动地分割出来.     

基于视频片段的视频检索

为提高视频检索的查询效率,提出一种基于视频片段的视频检索方法。该方法利用相邻帧之间的HIS(Hue,Saturation,Intensity)颜色信息特征将视频流分割成子片段,并采用高维索引结构Vector-Approximation Trie(VA-Trie)来组织视频子片段,然后,利用空间和纹理特征定义视频片段的相似度模型,在此基础上采用基于限定性滑动窗口的高效视频检索算法进行视频片段检索。研究结果表明:与其他检索方法相比,该方法能有效地提高视频检索的查全率和查询率,适合用于运动视频检索。     

警用视频分析的统一结构场模型研究

警用视频分析可以保障与辅助警务指挥,同时对安全防范起到协助作用,是辅助警务决策研究中的重要发展方向。研究视频二值分割的时序二阶关系,在时空场上分析超像素图切割推理方法;构建了目标检测时空场和语义标记场表达,在语义关联和空间约束下平滑连续参数的求解过程,用置信度传播方法推理类别标记;采用二值检测向量描述场景状态场,定义不同状态的跳转矩阵,根据计算出的目标位置和状态信息得到当前场景的似然估计,通过置信度传播预测场景状态信息并给出辅助决策。     

一种基于帧间差与图像分割的运动目标分割方法

视频图像中对运动目标进行分割是十分有意义的.传统的背景减除法和帧间差法在提取运动目标的时候各有自身难以克服的缺点.基于阈值、边缘、直方图的图像分割一般只适合于静态目标的分割.提出一种结合图像分割(Graph Cuts)和帧间差的新方法进行运动目标分割.帧间差法具有良好的稳健性,而Graph Cuts算法则弥补了帧间差无法获得完整运动信息的缺点.利用帧间差法得到不完整的运动信息对Graph Cuts进行分割约束可以准确、稳定地提取出运动目标.     

一种基于MPEG压缩域的运动对象分割算法

针对目前视频压缩域中运动对象分割准确率不高的问题 ,提出一种有效的压缩域运动对象的分割算法 .该算法先对运动矢量进行运动累加和中值滤波处理 ,然后利用离散余弦变换 (DCT)系数块之间的相关性对非零运动矢量区域进行校正 .由于在对运动矢量处理的同时加入了空间DCT块的相关性校正 ,因此分割准确率有了较大的提高 .实验统计结果表明 ,对几种不同视频场景中的运动对象进行分割 ,其分割率比现有的算法提高了约 15 % .     

复杂背景下实时运动手指与指尖提取

由于指势可作为理想人机交互模式,研究指势识别具有重要意义,其中手指分割是关键.该文根据场景中任何可察觉的目标运动,都会体现在场景图像序列的变化中及彩色图像中红、绿、蓝三分量光强度在阴影区域存在差异,提出基于长序列多帧差分融合RGB彩色信息,建立自适应背景建模方法,从复杂背景中提取运动目标.根据手指在视频图像中的空间位置关系,提出自适应矩形结构元素对运动目标区域开运算,实现水平分割,以提取手指区域并确定手指尖位置.通过对不同背景的运动手指与指尖分割与提取,证实文中所提方法的鲁棒性.     

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．