一种基于时空HOG与级联SVM的行人检测算法

行人检测技术是计算机视觉和人工智能领域的核心问题,在现代智能监控中具有重要的应用前景,随着计算机视觉与模式识别技术的发展,基于监控视频的行人检测算法不断被提出。由于现有的行人检测算法受到光照、视角、尺度、姿势以及部分遮挡等因素的影响,使得行人检测仍然是一个开放性的问题。该文针对现有行人检测算法在处理复杂背景以及尺度变化等情况时存在检测精度不高的问题,提出了一种基于时空梯度方向直方图与级联支持向量机的行人检测算法。时空梯度方向直方图用于描述行人的外观特征和运动特征,通过对外观特征、运动特征进行融合,采用级联支持向量机算法对行人检测器进行训练,最终得到分类效果好的行人检测器,实现更好的检测性能。     

基于证据理论和多核函数融合的目标跟踪

针对目标长时间大面积被物体遮挡所导致的跟踪位置偏差或丢失,提出一种基于证据理论和多核函数融合的目标跟踪方法.首先,采用Mean-Shift方法分别计算边缘方向直方图模型和颜色直方图模型;其次,使用特征融合的方法将2种特征模型进行融合;再采用多核函数计算出多个相对应的目标位置估计;运用基于证据理论的方法对已获得的不同目标位置估计进行判断取舍和计算,计算出最理想的目标区域作为最终的目标位置.经过这样的处理和计算可以保证在遮挡的情况下能够实时准确地跟踪上原始目标.实验结果表明,所提算法在处理目标大面积遮挡、光照变化等问题时具有更好的性能和鲁棒性.     

基于Kalman滤波和边缘直方图的实时目标跟踪

为提高光照变化和背景混淆下的实时跟踪效果,提出了基于Kalman滤波和边缘直方图特征(edge orientation histogram, EOH)的实时目标跟踪方法.边缘方向直方图对光照变化不敏感,且对颜色变化依赖程度低,适合背景混淆和光照变化场合下跟踪.Kalman滤波用于预测目标位置和角度,通过预测调整边缘方向直方图的计算得以快速找到跟踪目标,提高边缘方向直方图的匹配能力.经过实际复杂背景和光照场景下与颜色直方图的多组对比测试,颜色直方图很快会失去跟踪目标, EOH能快速正确跟踪,说明EOH和Kalman滤波能在这种场景下快速正确跟踪目标.     

多尺度光照估计和层次化分类的衣着颜色识别

衣着颜色是行人最显著的表观特征,在视频监控场景中极易受到光照变化的影响.为此,笔者提出了一种基于多尺度光照估计和层次化分类的衣着颜色识别方法.首先,提出一种多尺度局部反射统计的光照估计模型,通过该模型实现对偏色图像的光照矫正;其次,为了精确地识别衣着颜色,设计基于融合多颜色空间特征的层次化分类器;最后,在校园监控场景采集4 998张行人衣着图像(晚上2 052张,白天2 946张)进行对比实验.实验结果表明,该方法能有效提高监控视频中衣着颜色识别准确率且至少提高12.5%.     

基于RGB-D多通道特征的行人检测

针对行人检测易受物体遮挡以及光照变化干扰的问题,提出一种融合颜色与深度信息的多通道特征行人检测方法.首先,颜色采用Chn Ftrs方法中的通道,深度在其基础上引入法向量方向通道,并用快速图像特征金字塔来加速颜色和深度的通道特征的计算.其次,通道特征作为级联Ada Boost的候选特征点集输入,分别训练得到颜色和深度分类器,按一定比例权重融合颜色和深度信息进行检测.实验表明,该方法提高了检测精度,对光照变化、物体遮挡具有较好的鲁棒性.     

基于颜色和边缘特征自适应融合的人脸跟踪算法

针对传统的基于颜色直方图跟踪算法不能精确跟踪的缺陷,提出了一种基于粒子滤波的自适应融合多特征的人脸跟踪算法.该方法首先在视频序列中提取人脸的肤色和边缘特征,并以加权颜色直方图和边缘直方图描述人脸特征;然后采用自适应融合方法计算粒子集权重.这种自适应融合方法,有效地增强了人脸跟踪的可靠性.实验结果表明,在视频人脸存在类肤色以及光照变化等复杂背景下,该方法改善了跟踪效果并且具有较强的鲁棒性.     

面向监控视频的行人检索系统设计与实现

为了提高面向监控视频的行人检索的准确率和鲁棒性,提出了一种基于HSV颜色直方图与ResNet50的两级检索算法.首先利用HSV颜色直方图对行人进行初筛,再采用ResNet50预训练模型对目标行人进行二级检索.在自制数据库上对不同模型进行行人检索实验,结合准确率、召回率、F-Measure和检索时间这4个指标进行评价,验证了该算法的有效性.最后基于该算法设计了一个检索特定目标行人监控视频的系统,为监控视频的快速检索提供了解决方案.     

基于特征融合的行人重识别算法

为解决实际行人重识别系统中识别率低、识别速度慢的问题,从创新和工程应用出发,提出了一种行人重识别算法。对行人图片进行预处理,采用色调、饱和度、亮度(hue,saturation,value,HSV)空间非线性量化的方法构建颜色命名空间,对人体分区域预识别来提高检测效率;对备选目标的整幅图像提取HSV和方向梯度直方图(histogram of oriented gradient,HOG)作为整体特征并在滑动窗口内提取颜色命名(color naming,CN)特征和2个尺度的尺度不变特征(scale invariant local pattern,SILTP),采用本文融合算法得到新的特征;在3个数据集上进行行人重识别,融合的特征在2种度量学习算法的Rank1平均提高了2.4%和3.3%。实验结果表明该算法能够提高重识别精度。     

视频摘要系统的技术研究与实现

本文针对未进行后期编辑的视频序列设计了一个视频摘要系统.以视频帧图像的累积直方图来提取图像特征,有效地解决了光照的改变使镜头内直方图差异较大以及直方图对物体/摄像机的运动的鲁棒性有限两大问题,并结合了滑动窗口算法,有效地实现对视频序列的镜头边界检测.另外,本文还提出了一种基于镜头和图像内容的关键帧提取算法,降低计算的复杂度,并且提取的关键帧能更全面准确地体现原视频的内容.     

基于颜色自相关和颜色空间分布熵的图像检索方法

颜色特征是图像重要的特征,颜色相关图则是一直以来基于图像内容检索中最常用的特征描述方式,但是目前基于颜色相关图的图像检索算法存在着计算复杂度高,检索精确度低的问题.为了弥补基于颜色相关图的图像检索算法所存在的不足之处,本文从颜色量化上对颜色直方图进行了修改并结合空间分布熵来描述颜色的空间关系.根据8中心色量化规范得出了64中心色量化最终将所有颜色划分为64类,用颜色直方图来描述此64类颜色.空间分布熵则反映了某种颜色的像素在图像空间中的平均分散程度.实验结果表明,将两者结合使用作为颜色特征矢量,不但减少了计算复杂度,而且还提高了检索精度和检索效率.     

一种自适应融合颜色和梯度方向特征的粒子滤波跟踪算法

针对传统的粒子滤波通常采用单一的特征信息,会导致跟踪精度低、鲁棒性差等问题,提出一种自适应融合颜色特征和梯度方向特征的粒子滤波跟踪算法.首先提取出能够描述目标的颜色和梯度方向特征,并分别采用空间核函数加权颜色直方图和梯度方向直方图对特征进行描述,然后在跟踪过程采用民主融合策略,根据两个特征在跟踪时的可靠性,自适应的调节各自权重,最后采用融合后特征来对目标进行建模和跟踪.实验结果表明,算法能够很好地处理目标尺度缩放、旋转、光照变化等复杂环境下的跟踪问题.     

视频监控场景下行人衣着颜色识别

近年来,由于视频监控在各地安防的广泛应用,行人的精细化识别显得尤为重要,其中行人的衣着颜色是最显著的外观特征,其识别的正确性直接影响视频检索中对特定行人的检索.论文提出了一个简单实用的行人衣着识别系统,可以有效地识别行人衣着颜色.首先,结合HOG(histogram of oriented gradient)算法和Grabcut算法自动地对监控图像中的行人进行精确分割;然后,在利用外观划分模型精确地分割出行人的上身和下身后对上下身分别分割成若干个小块;最后,使用KNN(k-nearest neighbor)分类方法判断每个块的颜色,通过所有块的颜色标签投票决定衣着颜色.最终,使用收集的监控视频图像数据集验证此方法的有效性和实用性.     

基于SITF特征提取的加速匹配方法

SIFT算法是目前应用最广泛的特征点提取匹配算法,该算法具有尺度不变性,旋转不变性和一定的光照不变性.但SIFT算法复杂度较高,而且图像匹配时间较慢,在较大形变和光照变化下易出现匹配不准确.针对上述问题,提出极值分类匹配算法,将特征点分为极大特征点和极小特征点两类,进行分类匹配,并利用扩散过程来代替欧式距离计算特征点之间的距离.该文方法不仅降低了时间复杂度,提高匹配速度,而且对图像形变和光照变化更具鲁棒性.     

基于颜色自相似度特征的实时行人检测

行人检测在智能监控和辅助驾驶等方面有广泛的应用。当前行人检测中主流特征是梯度方向直方图(HOG),但其计算耗时导致检测速度慢。该文提出了一种新的颜色自相似度特征(CSSF),在颜色通道上计算两个选定的矩形块的比值衡量自相似性。首先,CSSF在描述行人的结构信息的同时避免了耗时的方向梯度计算,具有速度快的优点。其次,CSSF是标量特征,能高效快速与AdaBoost级联分类器结合学习行人检测器。再次,CSSF具有尺度不变性,能快速地进行多尺度检测。针对CSSF含有的海量特征,该文提出增量AdaBoost算法有效学习CSSF特征。实验结果表明:基于CSSF的行人检测器检测精度优于传统的HOG检测器,速度提高了7倍,在640×480大小的图像上达到实时效果。     

基于颜色图直方图的监督颜色恒常性算法

在颜色物体识别等应用中，获取不随光照变化的颜色恒常性特征是问题的关键。监督颜色恒常性方法，即通过在环境中放置校正用的颜色片来计算并消除光照的影响，由于其简单方便而得到了广泛的应用。在本文中，基于对直方图光照不变量的分析，提出了一种新的监督颜色恒常性算法。该算法与传统算法相比较，不需要知道颜色片的反射率和成象系统的通道响应，从而大大简化了实现的要求。文中给出了算法的基本思想，并对实验结果进行了分析。     

基于多特征概率分布的均值漂移行人跟踪算法

在目标尺寸和颜色发生变化时,传统均值漂移法因目标模型单一和核窗口大小方向固定而导致目标丢失.为此,文中提出一种基于多特征概率分布的均值漂移行人跟踪算法,首先利用目标的颜色、轮廓和运动特征构建目标模型,得到颜色、边缘和运动直方图分布;然后将颜色和边缘的直方图反向投影生成二维概率密度分布,利用运动信息修正颜色和边缘概率分布;并根据各特征所占权重,运用自适应融合法得到目标特征关联概率分布;最后利用关联概率密度的零阶矩值调整下一帧跟踪窗口尺寸,结合均值漂移跟踪框架,实现常态下目标跟踪.实验结果表明,该算法提取的目标特征具有较强的准确性,能实现复杂交通场景下的行人跟踪.     

基于改进的粒子滤波的红外视频行人跟踪

提出了一种基于改进的粒子滤波的红外视频行人跟踪算法,实现了在传统粒子滤波算法的框架下,使用有向梯度直方图(histograms of oriented gradients,HOG)来描述跟踪目标的特征.算法在粒子权值和相似度计算中使用HOG,替代现有的颜色空间欧式距离测度,克服了红外视频中颜色信息缺失的困难.试验表明,与传统的粒子滤波算法相比,本文算法更能准确有效地跟踪复杂场景中的行人,提高了跟踪的鲁棒性.     

行人重识别研究综述

行人重识别是指实现不重叠的不同摄像头下同一行人图像的匹配技术,在加强社会管理、预防犯罪行为发生以及实现事件重构等方面具有重要应用价值.由于行人重识别主要依靠人体外表视觉表示特征和人工设计特征,且受光照、图像分辨率、行人姿态及拍摄视角度等因素的影响较大,因此,行人重识别面临巨大挑战.本文对现有行人表示特征学习技术及度量技术进行了综述分析,指出存在的问题及可能的解决思路.本文的论述有利于该领域研究人员对现状的把握及提出新的研究思路.     

基于基元自相关图的图像检索

提出一种新颖的颜色特征描述子,它能够在基元的基础上表达颜色信息的空间相关性.首先将彩色图像量化为64种颜色,并且对图像进行基元分析,最后利用统计信息来描述图像特征.实验结果表明,基元自相关图的性能优越于颜色直方图和颜色自相关图;基元自相关图的计算复杂度和特征维数均明显地小于颜色自相关图.