实时运动对象分割和检索算法

提出一套实时视频对象分割检索算法,用运动矢量信息标注运动区域,利用背景检测算法检测对象区域。将检测出的对象区域和运动区域进行并操作运算,得到单帧图像的分割。利用改进的Hausdorff距离跟踪算法进行匹配跟踪和检索。实验表明了该算法的有效性。     

基于视频序列的车型识别算法设计

针对复杂背景下的目标车型识别问题,提出一种基于视频序列的检测识别算法。运用帧差序列图像进行背景建模与更新,采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除,提出车辆形状投影量的概念,将视频车辆二维形状信息降至一维,并设计二维输入模糊分类器,根据形状投影量和车高/车长比,完成车型的多种类精细识别。实验结果验证了该算法的有效性。     

基于安卓平台的限速交通标志的检测和识别

利用Android软硬件平台,设计并实现了一种融合颜色和形状特征的实时限速交通标志检测和识别系统。为了使检测和识别达到实时精确的标准,参考多种基于颜色和形状的检测算法以及分类算法,在检测阶段,选择在RGBN颜色空间进行分割后再结合本文提出的离心度的几何不变量进行形状筛选实现限速标志定位,在识别阶段,采用改进的动态阂值多模板匹配算法实现限速标志分类。实验表明,该检测和识别算法适用于移动平台,并且速度快,精度高。     

基于形状轮廓特征的金字塔匹配算法

形状检索在计算机视觉中一直是一个具有挑战性的问题，其中对形状特征直方图距离的测量是评价形状检索算法优劣的一个重要因素。针对轮廓特征的直方图距离测量，算法引进一种在图像分类领域中应用广泛的金字塔匹配算法。不同于其他传统的直方图度量算法，金字塔匹配算法将形状的轮廓分成若干块，给每一块分配相应的权重，然后分别统计块中的特征，再计算特征的加权和进行相似度的测量。通过在不同形状数据集下实验，该方法能够有效地进行形状匹配和检索，且能得到较好的形状匹配精度。     

快速极坐标形状描述子研究与应用

基于视频进行实时形状识别时,要求形状描述子既能准确地描述形状,又能快速地被提取出来。针对该问题,本文研究一种可用来进行形状识别的快速极坐标形状描述子(FPSD)。FPSD在每种角度频率上只采样一个值,相对Zernike矩(ZM)来说,提高了形状描述角向采样频率,并且简化了计算。使用车型识别视频进行验证性实验,结果表明,使用FPSD作分类特征时,车型间距离比使用ZM和Hu矩(HuM)时更大,更有利于准确地分类,而计算复杂度远低于ZM。     

对称不变形状上下文特征提取与匹配

形状上下文是一种广泛应用的图像形状特征提取与匹配算法,针对其特征不具有对 称不变性,无法对互相对称的相似图像建立匹配的问题,提出了一种具有对称不变性的改进形状 上下文特征提取与匹配算法。在形状边缘采样点上计算形状上下文中的角度关系描述时,令该点 的梯度方向为极坐标系的0°,并比较特征0 到π 与π 到2π 两个角度区间内其他边缘点的数量大 小,根据比较结果,调整极坐标系中角度增加的方向,从而使特征具备对称不变性。在迭代变形 与计算形状上下文时,仅在第一次迭代中使用改进的形状上下文特征,从而使匹配更加稳定。仿 真实验证明,该算法能够有效地在互相对称的相似图像间建立匹配,提高检索精度。     

改进离散曲线演化的形状匹配算法

为了在形状匹配的过程中提高形状特征对边界噪声和图像变形的鲁棒性,同时兼顾形状匹配算法的检索精度和运算效率,提出一种基于离散曲线演化的形状匹配算法.首先利用改进的离散曲线演化算法对形状轮廓进行特征提取,获得具有重要视觉部件的轮廓;然后计算该轮廓的形状上下文特征描述符;最后利用动态规划算法计算形状上下文特征描述符的相似度.通过在MPEG-7,Kimia以及Swedish Leaf形状数据库上的实验结果表明,该算法对变形目标具有良好的鲁棒性,且提高了运算效率和匹配精度.此外,改进的离散曲线演化算法可与不同形状描述子融合形成新的形状匹配算法.     

在MPEG视频上的语义视频对象分割改进算法

随着MPEG－4，MPEG－7等标准的提出，如何提取语义视频对象已成为当前视频压缩和检索领域共同的研究课题。特别是MPEG－7对视频对象的形状检索提出了具体要求。针对顾创等人的WaterShed算法不能很好处理现有MPEG－1视频数据的缺陷，提出改进算法，从而能够在MPEG视频流中提取到具有光滑轮廓的语义视频对象，算法主要有以下两点改进：提出将类成员数作为分类算法的参数；有压缩域和解码后的图像上先后进行两次分割。实验结果表明，改进算法在鲁棒性和分割结果精度上比原算法有较大的改进，其分割结果可用于轮廓检索和重要视频对象检索。     

基于多属性层次识别的车辆视频 检索系统设计研究

交通监控视频中车辆的有效检测和实时跟踪,是车辆行为分析和识别的前提,也是智能交通系统（ITS） 的核心内容和关键技术。本文在深入分析当前车辆属性识别方法以及车辆视频检索关键技术的基础上,结合交通监控 视频的自身特点,从应用的角度出发,设计一款融合车牌、车身颜色、车型等多个车辆外观属性进行层次识别的机动车辆 检索系统。该系统可为用户提供多种查询方式,从而实现交通监控视频中相关机动车辆的准确检索。     

车脸定位及识别方法研究

针对车牌无法识别的车辆,研究了一种车脸定位及识别方法。该方法分为两个阶段：首先,使用Adaboost算法进行车脸定位,并利用经验矩形方法进行定位改进;其次,在定位出来的车脸区域提取SIFT（scale-invariant feature transform）和SURF（speeded up robust feature）局部不变性特征,利用这两种不变性特征的叠加及位置约束改进匹配算法,与标准车型数据库中的车脸特征进行匹配,根据匹配结果进行车脸识别,从而得到车辆类型。实验结果表明,该方法的正确识别率达到83.6%。交通卡口抓拍到的车辆照片基本是正前照,无法获取车身侧面信息分析其车型。针对车牌无法识别的车辆,通过车脸定位、特征提取,并与标准车型库中车脸进行对比,进而识别车脸,该识别车脸的方法为识别车型提供了一种新途径。     

基于视频角点特征匹配的车速检测方法

针对传统特征匹配车速检测方法实时性较差的问题,提出一种改进的角点特征匹配车速检测方法。基于视频图像,采用混合高斯模型检测方法提取运动车辆目标,利用Harris算法检测车辆目标的角点特征,将运动估计和NCC匹配相结合,优化匹配区域搜索方法,对车辆目标角点进行角点粗匹配,再通过RANSAC算法进行角点精匹配和单视测量坐标转换以实现车速检测。实验结果表明,与传统方法相比,该方法的角点粗匹配速度提高400％,角点精匹配速度提高200％,车速准确性达到90％以上,能有效提高车速检测的实时性和准确性,满足实际车速检测的要求。     

一种基于几何特征的改进模板匹配算法

在线视觉棒材计数系统通过实时处理视频信息对运动对象进行计数,为了满足实时性行要求,本文提出一种基于几何特征的快速模板匹配算法,实验表明该算法能有效地识别出棒材目标,并显著提高了速度。     

一种基于几何特征的改进模板匹配算法

在线视觉棒材计数系统通过实时处理视频信息对运动对象进行计数，为了满足实时性行要求，本文提出一种基于几何特征的快速模板匹配算法，实验表明该算法能有效地识别出棒材目标，并显著提高了速度。     

基于公路监控视频的车辆检测和分类

在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.     

基于车前灯的夜间车辆视频检测研究

针对夜间车辆视频检测和车流量统计的难题，提出了一种改进的基于视频图像处理提取车前灯的算法。通过分析夜间车辆视频的特点，利用梯度滤波法消除地面反射光对车灯的干扰，实现图像增强，并将分水岭分割算法和直方图双峰法相结合提取车前灯的信息。利用车灯配对匹配原则设计了一种新的匹配算法和跟踪算法实现车灯的配对与跟踪，最终准确地实现了车辆检测和车流量的统计功能。     

基于长短期记忆的车辆行为动态识别网络

高级辅助驾驶装置采用机器视觉技术实时处理摄录的行车前方车辆视频，动态识别并预估其姿态和行为。针对该类识别算法精度低、延迟大的问题，提出一种基于长短期记忆（LSTM）的车辆行为动态识别深度学习算法。首先，提取车辆行为视频中的关键帧；其次，引入双卷积网络并行对关键帧的特征信息进行分析，再利用LSTM网络对提取出的特性信息进行序列建模；最后，通过输出的预测得分判断出车辆行为类别。实验结果表明，所提算法识别准确率可达95.6%，对于单个视频的识别时间只要1.72 s；基于自建数据集，改进的双卷积算法相比普通卷积网络在准确率上提高8.02%，与传统车辆行为识别算法相比准确率提高6.36%。     

无人机侦察视频超分辨率重建方法

目的 无人机摄像资料的分辨率直接影响目标识别与信息获取,所以摄像分辨率的提高具有重大意义。为了改善无人机侦察视频质量,针对目前无人机摄像、照相数据的特点,提出一种无人机侦察视频超分辨率重建方法。方法 首先提出基于AGAST-Difference与Fast Retina Keypoint (FREAK)的特征匹配算法对视频目标帧与相邻帧之间配准,然后提出匹配区域搜索方法找到目标帧与航片的对应关系,利用航片对视频帧进行高频补偿,最后采用凸集投影方法对补偿后视频帧进行迭代优化。结果 基于AGAST-Difference与FREAK的特征匹配算法在尺度、旋转、视点等变化及运行速度上存在很大优势,匹配区域搜索方法使无人机视频的高频补偿连续性更好,凸集投影迭代优化提高了重建的边缘保持能力,与一种简单有效的视频序列超分辨率复原算法相比,本文算法重建质量提高约4 dB,运行速度提高约5倍。结论 提出了一种针对无人机的视频超分辨率重建方法,分析了无人机视频超分辨率问题的核心所在,并且提出基于AGAST-Difference与FREAK的特征匹配算法与匹配区域搜索方法来解决图像配准与高频补偿问题。实验结果表明,本文算法强化了重建图像的一致性与保真度,特别是对图像边缘细节部分等效果极为明显,且处理速度更快。     

基于领域本体的新闻视频检索

新闻视频作为视频数据中有代表性的一种媒体,受到人们的广泛关注,对新闻视频的检索要求也越来越高.传统的新闻视频检索大多是非语义层面的,采用的是基于关键词的检索方法，难于获得令人满意的查准率和查全率．本文提出一种基于领域本体的新闻视频检索框架，定义了新闻视频检索中的新闻视频对象，使用语义表达能力强的领域本体来指导视频语义对象的标注，并针对“一词多义”问题提出了“概念域-概念”两阶段概念消歧算法；针对自然语言检索问题，使用领域本体进行查询优化和查询扩展，并提出了查询语句自动生成方法．实验表明，基于领域本体的新闻视频检索方法可以有效的提高检索性能．     

基于改进Chamfer匹配的台标识别

已有电视台台标的识别技术多基于视频流处理,实时性较差,且对半透明台标识别效果不佳。为此,提出一种基于改进Chamfer匹配的台标识别方法。利用Canny算子提取台标边缘颜色及梯度方向,采用RANSAC算法对台标边缘进行优化,通过距离变换计算边缘梯度方向的距离图,并基于距离最短准则对其识别。实验结果表明,该方法能实现台标的单帧识别,克服半透明台标的识别难题,平均识别率达97.7%,平均识别时间为801 ms。