改进的Vibe运动目标检测算法

针对传统Vibe运动目标检测算法提取的目标存在Ghost区域、并且在目标有阴影时检测出的前景区域存在阴影的问题,本文提出了一种结合快速初始化背景建模和阴影去除的Vibe运动目标检测算法.首先采用改进的帧差背景建模方法快速初始化背景模型;然后利用Vibe算法找出当前帧内所有可能目标的前景区域;最后引入HSV模型去除前景目标区域中存在的阴影.实验结果表明,本算法可以有效消除Ghost区域,并且很好地去除前景目标区域里存在的阴影.     

基于Vibe和时空上下文的运动手势跟踪算法

针对时空上下文算法易发生漂移以及在目标跟踪丢失后不能重新找回目标的问题,提出了一种融合Vibe前景检测和时空上下文的运动手势跟踪算法。首先使用时空上下文算法对手势预估计并进行干扰检测,当检测到干扰发生时,使用Vibe算法对时空上下文算法的预估计结果进行校准,并更新目标模型。该方法的优势在于,采用无参数模型的Vibe算法校准手势跟踪全过程。实验采用重叠度成功率和中心偏差作为评价体系,实验结果表明,改进算法比原算法跟踪成功率提高60%。该方法增强了运动手势跟踪效果,提高了时空上下文算法的鲁棒性。     

基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法．该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标．融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测．在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性．同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性．实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果．     

结合直方图反投影的多特征运动阴影检测算法

针对视频监控中运动阴影影响目标检测跟踪准确性的问题,提出一种结合直方图反投影的多特征运动阴影检测算法。首先利用背景减除法,得到前景区域并进行初步筛选;然后在背景区域建立亮度、颜色、梯度特征的联合直方图,以反投影的方式投影到前景区域得到运动阴影概率图;最后结合空间一致性和滞后阈值,对概率图进行分割得到运动阴影区域。与典型算法进行对比的实验结果表明,本文算法能够有效区分阴影与目标,适用于实时的运动目标检测与跟踪。     

基于摄像机运动控制的实时对象检测与跟踪算法

提出了一种基于摄像机运动控制的实时运动对象检测与跟踪算法.该算法首先采用非参数核密度估计方法在复杂的动态背景条件下检测运动对象区域;然后由CamShift算法计算跟踪目标的位置,并采用Kalman滤波预测对象的运动信息来控制摄像机的运动,能够准确地跟踪对象并有效解决了背景中的部分遮挡问题.在SonyRZ25网络摄像机上完成了对象的实时检测与跟踪,对多个室内和室外场景的实验验证了所提出方法的实用性和有效性.     

一种同步人脸运动跟踪与表情识别算法

针对单视频动态变化背景下的人脸表情识别问题,提出了一种同步人脸运动跟踪和表情识别算法,并在此基础上构建了一个实时系统.该系统达到了如下目标:首先在粒子滤波框架下结合在线外观模型和柱状几何模型进行人脸三维运动跟踪;接着基于生理知识来提取人脸表情的静态信息;然后基于流形学习来提取人脸表情的动态信息;最后在人脸运动跟踪过程中,结合人脸表情静态信息和动态信息来进行表情识别.实验结果表明,该系统在大姿态和丰富表情下具有较好的综合优势.     

基于Kinect深度技术的障碍物在线快速检测算法

针对在未知环境中移动机器人自主导航面临的障碍物实时检测问题,提出了一种基于Kinect深度技术的障碍物在线快速检测算法。在深度摄像机标定基础上,分析了摄像机运动造成视频流中的场景变化,重点研究了室内动态背景下的Kinect深度图像特征和障碍物在线快速检测。建立室内动态背景模型,采用背景减除法和连通体分析提取障碍物并归类,实现了对Kinect视频序列图像的在线快速检测。以轮式移动机器人为实验平台,验证了所提出算法的实时性、准确性和鲁棒性。     

基于混合高斯模型和六帧差分的目标检测算法

鉴于传统混合高斯模型在光照突变、噪声干扰时鲁棒性不高,易造成检测错误等问题,提出了一种改进的视频运动目标检测算法。该算法将混合高斯模型与六帧差分算法相结合,构建了一种高效的运动目标轮廓模型,并嵌入背景替换法和动态阈值分割法提高算法的稳健性,通过连通性检测和形态学处理,得到完整的运动前景像素。不同场景的视频检测结果表明,改进算法有效克服了光照突变、噪声干扰、空洞及双影现象,与同类算法相比,具有更高的准确度和鲁棒性。     

基于双背景模型的改进Vibe运动目标检测算法

针对传统视觉背景提取法(Visual background extractor,Vibe)不能抑制鬼影和去除阴影干扰的问题,提出一种改进算法.缓存视频前K帧图像,利用随机抽样和改进均值法构建两个背景模型,分别用于前景检测和阴影去除;前景检测环节扩大样本的抽取范围,提高模型可靠度,抑制鬼影;替换虚假样本完成前景检测模型的更新;对所得感兴趣前景区域,结合灰度和LBP纹理特征信息消除阴影.实验结果表明,改进算法能有效抑制鬼影,消除阴影干扰,检测结果更加精确.     

基于雷达知识库的知识辅助恒虚警检测算法

在非均匀杂波背景下,传统的恒虚警检测算法,比如CA鄄CFAR,所选择的参考单元与待检测单元往往无法满足独立同分布的条件,导致背景杂波功率水平的估计值存在偏差,使得检测性能降低。针对上述问题,文中提出了一种基于雷达知识库的知识辅助恒虚警检测算法。首先,利用雷达环境知识来构建动态的雷达知识库;然后,利用雷达知识库中的先验信息来辅助参考单元的选择,提高背景杂波功率水平的估计准确性,从而降低非均匀背景带来的影响;最后,利用线性调频连续波雷达采集的实测数据对该算法性能进行了验证。结果表明:在非均匀杂波环境下,基于雷达知识库的知识辅助恒虚警检测算法比传统算法有更好的检测性能。     

Extraction technique of region of interest from stereoscopic video

A feature fusion approach is presented to extract the region of interest (ROI) from the stereoscopic video. [0]Based on human vision system (HVS), the depth feature, the color feature and the motion feature are chosen as vision features. [0]The algorithm is shown as follows. Firstly, color saliency is calculated on superpixel scale. Color space distribution of the superpixel and the color difference between the superpixel and background pixel are used to describe color saliency and color salient region is detected. Then, the classic visual background extractor (Vibe) algorithm is improved from the update interval and update region of background model. The update interval is adjusted according to the image content. The update region is determined through non-obvious movement region and background point detection. So the motion region of stereoscopic video is extracted using improved Vibe algorithm. The depth salient region is detected by selecting the region with the highest gray value. Finally, three regions are fused into final ROI. Experiment results show that the proposed method can extract ROI from stereoscopic video effectively. In order to further verify the proposed method, stereoscopic video coding application is also carried out on the joint model (JM) encoder with different bit allocation in ROI and the background region.     

运动人体轮廓检测算法的分析与改进

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的关键步骤。为了克服不均匀光照、前景运动缓慢、背景中存在摇摆的树叶等因素对检测带来的影响,提出了一种背景减除法与帧间差分相结合的运动目标检测方法。该方法首先通过基于帧差法的背景模型建立方法建立背景图像,再结合背景减除与带有权值的帧间差分检测运动目标,降低目标物体对速度和环境干扰的敏感性。最后通过形态学梯度运算操作消除外界噪声的影响。实验结果表明,本文提出的算法计算简单,对环境适应能力较强,是一种有效的运动人体检测方法。     

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀）

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。     

面向虚拟视点图像绘制的深度图编码算法

针对不同区域对绘制虚拟视点图像质量产生不同的影响,以及深度估计不准确导致时域抖动效应影响压缩效率的问题,提出了一种面向虚拟视点图像绘制的深度图压缩算法。通过彩色图像帧差、深度图边缘提取等相关处理过程,提取深度图的静态区域、边缘区域以及动态区域。对深度图边缘区域使用了较低的量化系数,以提高深度图边缘区域编码质量;根据深度图各个区域的编码模式特点,仅对部分编码模式而不是所有模式进行率失真优化搜索,以提高深度图的编码速度;对于深度图P帧的静态区域,合理地采用了SKIP模式,以消除由于深度估计算法的局限性导致时域抖动效应对深度图压缩的影响。实验结果表明,与传统的H.264编码方案相比,本文方案在传输码流大小基本不变的前提下提高了最终虚拟视点图像边缘区域的绘制质量,其余区域主观质量相近,而深度图编码时间则节省了约77～87%。     

一种融合MeanShift聚类分析和卷积神经网络的Vibe++背景分割方法

针对传统Vibe+算法存在噪点和拖影分割错误率较高的问题,提出了一种改进的Vibe+运动目标分割算法(Vibe++)。首先,通过对视频帧采用传统Vibe+算法处理获取二值图像,基于区域生长算法对结果图中各连通域标记,依据边界面积块差异获取面积筛选阈值,将低于阈值的连通区域视为噪点并删除;然后,引入5种不同核函数优化传统MeanShift聚类算法,并与卷积神经网络(CNN)进行顺序组合;最后,采用组合模型对已消除噪点图像中的拖影区、非拖影区和拖影边缘区分类,计算拖影区中每个像素点的坐标,定位拖影区并快速删除,获取分割结果。所提算法用于公开数据集的实验结果表明,其可取得98%以上的分割准确率,具有较好的应用效果和较高的实用价值。     

基于视觉对比机制的红外弱小目标检测方法

为解决复杂背景下红外弱小目标检测精度低的问题,本文提出一种基于视觉对比机制的红外弱小目标检测方法,算法主要模拟了人眼对目标对比度敏感这一机制。首先利用8向梯度方程提取红外图像的梯度显著图并二值化处理;根据小目标的尺寸大小特征对梯度显著图进行优化处理,剔除孤立的噪声点和尺寸较大的背景梯度显著区域;利用视觉对比机制对优化后的显著图进行局部对比度计算,通过阈值处理剔除虚警目标,完成红外弱小目标检测。仿真实验表明,该算法在低信噪比情况下对红外弱小目标的检测率较高,且虚警率低,单帧检测时间较小。     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。     

曲率-HOG目标检测算法研究

HOG特征描述子充分利用梯度方向与幅值分布信息,在行人、车辆等特定目标检测定位中得到广泛应用,针对如何在HOG特征中融合梯度信息和曲率信息,本文提出基于HOG的梯度曲率相结合的目标检测算法并将其应用于目标检测问题中。算法首先计算图像的曲率信息和梯度信息,利用梯度的幅值和方向作为约束条件,统计曲率的分布直方图;然后将曲率直方图特征与HOG特征相连接,构成新的更具有区分性的特征描述子,最后将这一特征描述子用于检测实验。在ETZH形状数据库和INRIA马匹数据库上的实验结果表明,本文算法能够更好地检测目标并获得较高的精度。      

基于姿态估计的驾驶员手部动作检测研究

为有效检查驾驶员在行驶过程中的不当行为,本文研究结合人体姿态估计信息的检测算法,通过对检测目标的约束,建立起一套具有多阶段的手部动作检测方法。该方法包含三个模块。第一,人体姿态估计模块,选取人体姿态估计网络关节的高斯热图层,通过输出的人体姿态高斯热图信息,达到对检测目标的空间信息的获取;第二,手部检测模块,基于CNN的检测网络,在网络输入层融合人体姿态高斯热图后,达到对手部的检测率提高的效果;第三,手部动作分类模块,通过接受手部检测模块的输出,消除对检测结果产生干扰的背景,将分类网络的特征提取约束在手部局部位置,提高手部动作分类的准确率,将手部区域输入至分类网络得到驾驶员手部动作,从而判断驾驶员是否存在抽烟、接听电话等不当行为,实现驾驶员的行为检测。为了验证本文提出的多阶段的手部动作检测方法,已在自制数据集上进行了相应实验。      

动态背景下融合运动线索和颜色信息的视频目标分割算法

针对现有动态背景下目标分割算法存在的局限性,提出了一种融合运动线索和颜色信息的视频序列目标分割算法。首先,设计了一种新的运动轨迹分类方法,利用背景运动的低秩特性,结合累积确认的策略,可以获得准确的运动轨迹分类结果;然后,通过过分割算法获取视频序列的超像素集合,并计算超像素之间颜色信息的相似度;最后,以超像素为节点建立马尔可夫随机场模型,将运动轨迹分类信息以及超像素之间颜色信息统一建模在马尔可夫随机场的能量函数中,并通过能量函数最小化获得每个超像素的最优分类。在多组公开发布的视频序列中进行测试与对比,结果表明,本文方法可以准确分割出动态背景下的运动目标,并且较传统方法具有更高的分割准确率。