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.     

基于低秩矩阵恢复的视频背景建模

针对传统背景建模存在的问题,文中基于低秩矩阵恢复原理,直接从视频序列中分离出前景物体和背景模型.已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解,而这些奇异值分解一般非常耗时且不够简洁,文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法,以得到更加有效的背景建模算法.基于实际视频序列实验,结果表明该改进算法具有更好的建模效果和较少的运算时间.     

一种用于运动目标检测的多模态非参数背景模型

提出了一种基于多样性采样原理的高斯核密度估计模型用于多模态背景描述.从包含运动物体的训练序列中,提取具有较高频度以及最大多样性的样本集用于背景建模.并根据新样本及邻域点在总样本集中取值的相关频度计算权值,避免了采用全部训练点产生的信息冗余和重复计算等缺点,使背景核估计的计算简单有效.对复杂场景下车辆监控系统进行实验,结果表明,该算法在提取运动物体中是有效的.     

基于局部区域建模的复杂场景运动目标检测

为了解决传统背景建模方法难以有效检测复杂场景中运动物体的难题,提出了一种在马尔科夫随机场框架下,基于区域建模的运动目标检测方法。该方法在学习像素前景和背景的概率模型时,融合了相邻局部区域的信息;因而比传统的单像素建模方法更加精确。在马尔科夫随机场框架下,运动目标检测问题转化为能量优化问题,可以得到比基于阈值分割前景更精确的结果。在复杂场景视频进行测试;并与传统的背景建模方法进行比较,实验结果表明本文算法更优。     

一种基于局部运动特征的视频检索方法

在基于运动内容的视频检索中 ,视频中的局部物体运动常是用户关心的重点。在利用全局运动模型参数对运动估计的基础上 ,提出了一种从一般视频序列中提取局部物体运动矢量的方法 ,并以局部运动矢量场的方向直方图作为检索特征 ,实现了一个基于局部运动信息的视频检索系统。实验表明 :基于局部运动信息的检索机制使该系统能够较好地检索到符合人们主观理解的运动视频内容     

一种基于中值滤波的运动补偿去隔行算法

提出了一种有效的基于中值滤波的运动补偿去隔行算法，该算法首先使用新三步搜索(NTSS)的方法对图像序列中的运动部分进行估计，然后通过一种中值滤波的方法改善去隔行处理的效果，这不仅提高了图像的画质，而且能有效地防止因运动估计失效在运动补偿时的影响。实验结果表明，该算法无论是从画面的视觉感受还是利用峰值信噪比进行客观衡量都具有良好的处理效果。     

一种时间序列优化的粒子滤波算法

针对预测对象在动态过程中发生结构性变化的时间序列,难以建立一个实时解析变化趋势的模型.本文提出基于时间序列自适应建模的粒子滤波算法(TS-PF).采用时间序列方法动态构建预测模型,并将粒子滤波算法中一系列加权粒子以该模型进行状态转移,运用粒子滤波重采样技术,使预测误差进一步减小,预测精度逼近最优估计.非线性预测系统仿真实验表明基于时间序列自适应建模的粒子滤波算法(TS-PF)比单纯采用时间序列动态建模算法(TS)精度更高,提高了动态目标跟踪的准确性.     

基于背景Codebook模型的前景检测算法

很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能。采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标检测方法比传统的目标检测算法具有更高的精确度和鲁棒性。     

加权自适应的去隔行算法

考虑到运动补偿技术中运动估计失效的情况，提出了一种有效的混合去隔行方法。将运动补偿技术与基于方向的时空滤波方向相结合， 地插值结果是运动补偿时间插值和基于方向的时空中值滤波方法和加权和。在运动矢量估计不准确的情况下，利用权值的自适应使基于方向的时间中值滤波占主导地位，有效保持图像中的运动边界，并减小运动补偿的插值误差。实验结果表明，该算法计算简便且容易实现，具有较好的视觉效果。     

实时背景下的遗撒物体检测研究

在视频智能监控系统中,遗撒物体的检测是一个重要的环节.首先通过建立混合高斯模型实时更新视频序列的背景图像,然后利用背景差分实现对运动目标的检测,最后将检测出的运动物体的重心、面积及轮廓作为参数,用来判断一段时间连续视频序列中参数的不变性,从而检测出遗撒物体.实验结果表明,该方法能准确的检测出遗撒物体,具有很强的可靠性和鲁棒性.     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

一种基于目标定位的背景建模与视觉跟踪方法

提出一种基于目标定位的背景建模方法,通过对视频序列中运动目标的位置进行预估,将前景点与背景点初步分离,进而构建背景模型,有效避免了传统时间平均法构造背景时产生的前景目标与背景混合的现象.实验结果表明,该方法无需预先存储背景图像即可实现场景中运动目标的提取与跟踪,弥补了传统背景差法需要事先提供背景帧以及对背景变化缺乏适应性的缺陷.     

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.     

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.     

基于自适应混合高斯模型的运动目标检测

研究视频监控系统中序列图像的运动目标检测问题。传统的目标检测方法无法克服背景图像变化、场景光线突变等问题。采用混合高斯分布对背景进行建模,并根据输入的当前帧图像的像素信息进行背景模型更新,能够准确地检测出运动目标。通过相关仿真实验,验证该方法具有一定的可靠性。     

基于复模糊逻辑系统的运动目标检测方法

为了提高复杂场景下背景建模的准确率、抗干扰能力、效率,提出了基于复模糊逻辑系统的运动目标检测方法.使用复TSK模糊逻辑系统作为背景模型的估计,并结合粒子群优化算法和核最小均方算法来学习该复模糊逻辑系统;将前景像素看作背景像素的例外像素,提出了去除前景像素的方法,然后再去学习复模糊逻辑系统;最后根据估计的背景模型和前景图像的比较判断出前景像素.为了验证文中方法,选择了校园、高速公路和河边3个场景下的视频序列进行了测试,并与其他3个经典的方法进行对比.结果表明:文中方法在光照变化、摄像机晃动、变化背景等情况下都有较高的检测结果,其相近性测量值比其他3个方法高出0.1,且检测速度为22 f·s-1,也能满足实时性要求.     

时间中值滤波对图象序列的增强

本文采用时间中值滤波对图象序列进行增强处理。对细节和帧间移位量不同的具有高斯分布噪声的图象序列分别作了试验。其中具有运动补偿的时间中值滤波增强效果良好。同时,还将该试验结果与空间域二维中值滤波取得的结果作了比较,用以阐明图象序列增强的特点。     

基于关键点滤波的深度图提取

基于单帧视频2D/3D转换,深度估计是关键。提出一种在伴有相机移动情况下,基于运动的深度估计新方法,采用关键点滤波获取每帧视频像素级的运动矢量。由于相机的移动会引起伪运动矢量,从而导致深度信息模糊,为解决这一问题,采用鲁棒的RANSAC算法估计相机移动模型。首先,通过无相机移动的运动矢量来估计初始深度图。然后,利用基于同类点的后置滤波修正运动物体边缘像素的深度信息。实验结果表明,在有相机移动情况下,该方法对深度图的估计可以取得较好效果。     

基于小波变换的块匹配运动估计方法

将小波变换引入低码率视频图像序列的运动估计研究中，提出了基于小波变换的块匹配搜索方法．该方法的特点是可根据运动物体的大小和运动程度，用可变宏块进行运动估计，统一了匹配块和匹配点的搜索，发展了一种改进的三步搜索算法．实验结果表明，该算法比三步法有更高的精度，更适应低码率和多细节视频图像传输中的运动估计．     

复杂场景下自适应视频前景提取算法

针对目前基于背景建模的前景提取算法在复杂场景中误检率高以及鬼影融入背景模型慢等问题,提出一种复杂场景下自适应视频前景提取算法。在前景检测阶段,利用背景模型中样本之间最小欧式距离的均值衡量背景动态波动程度,自适应调整像素点的半径阈值,从而抑制在光线变化,树叶晃动等场景中产生的拖影和噪声点;在更新背景模型阶段,根据物体的运动速度自适应选择一次更新背景模型中样本个数,加快因首帧存在运动目标和物体运动状态变更而产生的鬼影融入背景模型。实验表明,相比其他代表性算法,改进算法在加快鬼影融入背景模型和抑制背景动态干扰方面均有较好的表现,且提升了准确率、召回率,降低了假正率。