基于光流的运动分析理论及应用

运动目标的检测是计算机视觉领域中最活跃的研究主题之一,运动目标的正确检测与分割影响着运动目标能否正确跟踪和分类;光流法是运动图像分析的重要方法,它能够检测出独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况;文中首先引入光流的基本概念,然后介绍基于光流方程的两种常用的图像分析方法--梯度法、块匹配法;接着结合光流法在红外图像序列的运动目标检测、活动轮廓模型以及医学图像处理方面的应用,对这两种光流法的优缺点进行分析;最后对光流法在未来其他领域如电子制造业和芯片检测行业的应用提出展望.     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪。该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,将角点检测结果融入到LK光流法中,并对检测到的角点进行运动光流特征提取,最后通过卡尔曼滤波对出现的行人进行预测跟踪,采用匈牙利最优匹配算法实现对运动目标的持续匹配以及对运动目标的跟踪。仿真结果表明,本文提出的方法能够对视频中出现的运动目标进行检测跟踪,具有较好的识别效果,且检测效率得到提高。      

基于帧间差分和光流法的红外图像运动检测

在红外图像运动目标检测的研究中,针对IR探测器在不同的工作状态下所获取的复杂红外图像序列,为了从中有效地检测出中的运动目标,提出了一种用帧间差分和Lucas Kanade光流法的运动检测组合算法。在分析IR探测器工作状态的基础上,建立了IR探测器与目标的相对运动关系。对IR探测器在静止和运动时分别采用帧间差分法和Lucas Kanade光流法进行运动检测。对实地拍摄的红外图像序列进行仿真分析,实验结果表明通过对IR探测器工作状态的分析,智能地转换运动检测算法,可实现对目标的准确有效地检测。     

联合特征在行人检测中的应用

提出一种基于动态和静态联合特征的行人检测方法,用于运动背景下的行人检测。运动背景的检测难度在于背景与目标的分离,该方法采用一种改进的Nagel二阶梯度光流算法生成图像的光流场,从中提取行人运动特征(MBH)和IMH(internal motion histograms),增强特征重复性以提高鉴别能力。实验中使用Libsvm训练线性SVM(support vector machine)分类器,使用Mean Shift算法优化分类结果。实验在1 093组图像上获得98%的识别率,证明该方法可以在运动背景下的图像序列上获得较出色的检测效果。     

基于改进光流法的旋转运动背景下对地运动目标实时检测

针对战机对地侦查视频图像中地面旋转运动背景下运动目标检测高虚警、低实时性的问题,提出了一种基于改进光流法的旋转运动背景下对地运动目标实时检测算法。首先提取图像的特征点,在特征点处计算光流运动矢量,并通过光流矢量场估算背景运动矢量。根据战机飞行高度自适应计算目标像素尺寸,网格化分块待检测图像;然后将各个特征点光流矢量与背景运动矢量相比较,获得备选目标特征点。最后统计分块备选目标特征点密度,判断目标位置区域。对2组实验视频中央360像素×432像素区域进行目标检测实验,结果表明该算法能够准确地检测出地面运动目标,虚警率低。平均每帧检测耗时分别为29.460 ms和31.505 ms,满足战机对地运动目标检测的实时性。     

基于混合滤波的运动小目标检测

针对对空红外图像中的小目标检测问题,提出了一种基于混合滤波的运动小目标检测方法。首先采用滑窗法对图像进行空域能量累积,增强目标信号强度;随后采用三种空域滤波器分别两两加权组合对图像进行滤波与二值化处理,合并处理结果并提取感兴趣区域。最后在时域上根据目标运动特性通过轨迹确定目标位置。该检测方法与传统的滤波检测相比,充分利用了各滤波器的优点以及目标的运动特性,通过对真实的对空场景图像进行目标检测实验,结果表明即使在低信噪比情况下也能快速准确的检测运动红外小目标。     

一种结合光流法与三帧差分法的运动目标检测算法

运动目标的检测是计算机视觉研究的重要内容之一,光流法是其中的一种重要方法.由于计算光流的算法复杂,限制了它的使用.本文提出一种结合光流法与三帧差分法的运动目标检测算法,该算法简化了光流的计算,选择图像中具有代表性的Harris角点,只对这些像素点计算光流信息,有效地减少了复杂度,由于检测得到的运动目标区域不够完整,引入了三帧差分法作为简化光流法的补充.经过实验,该方法使光流法达到了实时性要求,取得了好的效果,优于单独运用两种方法中的任何一种取得的效果.     

复杂环境下的快速逆行检测跟踪算法

提出了一种基于光流法的复杂环境逆行检测方法。计算每一帧视频图像中运动区域的光流矢量,并用于判断图像中是否存在逆行,这就是逆行的速报;扩充速报区域,并连续计算和跟踪新区域的光流矢量,用于进一步确认该事件是否为真正的逆行事件,这就是逆行的精报。为验证该算法的有效性,与传统的光流法检测逆行的效果进行了对比实验,结果表明其在逆行的检测时间和检测准确率上均比传统光流法表现更优。     

面向航拍图像多运动目标的实时检测与识别

为了实现无人机(UAV)航拍图像中多运动目标的实时检测与识别,将静止目标和运动目标分别定义为背景和前景,利用图像稳化技术将航拍图像序列中的每帧与相邻帧对齐,克服UAV飞行动作对摄像机转动拍摄图像的影响;选取图像中的行人和车辆作为前景,分别使用哈尔(Haar-like)特征和级联分类器对图像中的目标进行检测和识别;利用密集光流计算两幅连续图像的运动矢量,从而区分静止目标(背景)和运动目标(前景),最终图像结果仅保留运动目标所在区域;将文章方法用于DroneVehicl航拍数据集实验,每秒平均帧数达到47.08 fps,检测精度为94%,并且表现出较高的召回率和F统计量,可达到实时检测与识别效果。     

一种改进的全局光流估计方法

基于光流基本约束和平滑性约束条件的Horn-Schunck光流场佑计算法是图像运动估计的重要方法。但是,该方法存在在梯度值较小处运动参数估计不准确的问题;同时,现有的改进方法由于步及到可调参数的人工选取,并在阈值设置过高时容易在运动目标区域产生空洞,限制了光流法的应用。对光流基本约束项的权函数加以改进,给出了两种改进的光流估计算法。实验结果表明,改进算法能够在权函数阂值设置过高时降低对可靠光流的抑制,提高了算法的自适应性,为运动目标检测跟踪提供了有力条件。     

运动目标检测中的光流扰动效应

在一些运动目标检测过程中,需要自动判断是否检测到运动目标,虽然在场景中没有出现运动目标,检测结果却错误的判断为检测到了运动目标.为了找到这个错误的根源,通过实验,发现了光流扰动效应,并且设计了光流扰动效应检测算法,清晰地检测出了光流扰动效果.接下来,通过图像二值化方式,消除了光流扰动效应,避免了运动目标误判现象,得到了理想的运动目标检测结果.研究证明在空间中存在光流扰动效应,该效应会对运动目标检测造成干扰,消除光流扰动效应,可提高了运动目标检测与判断的准确度和可靠度.     

基于熵的运动目标检测

目前，运动目标的检测是计算机视觉领域中最活跃的研究主题之一。本文介绍了光流法、帧间差分等运动目标的检测方法，提出了一种基于熵的运动目标检测方法，实验结果表明了该方法的鲁棒性和有效性。     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

基于拉班空间的跌倒方位检测方法

研究跌倒检测方法对于保障老年人健康生活具有重要意义.首先通过惯性传感器对老年人日常行为及跌倒动作进行捕捉,使用欧拉角法表示动作数据,引入滑动平均滤波算法对数据降噪融合;在此基础上,基于拉班舞谱空间表示方法,建立跌倒及方位检测模型,基于该模型进行异常姿态检测及八种精确方位判定,最终提出一种基于拉班空间的跌倒方位检测方法.实验结果表明,该方法的检测准确率可达100%,同时能够对老年人跌倒后受伤部位进行预诊断及报警.     

Moving Shadow Detection and Removal for Traffic Sequences

Segmentation of moving objects in a video sequence is a basic task for application of computer vision. However, shadows extracted along with the objects can result in large errors in object localization and recognition. In this paper, we propose a method of moving shadow detection based on edge information, which can effectively detect the cast shadow of a moving vehicle in a traffic scene. Having confirmed shadows existing in a figure, we execute the shadow removal algorithm proposed in this paper to segment the shadow from the foreground. The shadow eliminating algorithm removes the boundary of the cast shadow and preserves object edges firstly; secondly, it reconstructs coarse object shapes based on the edge information of objects; and finally, it extracts the cast shadow by subtracting the moving object from the change detection mask and performs further processing. The proposed method has been further tested on images taken under different shadow orientations, vehicle colors and vehicle sizes, and the results have revealed that shadows can be successfully eliminated and thus good video segmentation can be obtained.     

基于高斯背景模型的红外人体运动目标检测技术

针对红外监控中人体运动目标的空洞和拖尾问题,提出了一种基于高斯模型的运动目标检测方法。首先,介绍了红外图像的预处理;其次通过与其他经典的人体运动目标检测算法比较与综合,引入高斯模型,建立背景图像的自适应模型。该种模型主要使用了拟合修正的方法处理了红外监控背景图像中的差分信息,过滤图像中的噪声等相关外部环境干扰因素,从而更新红外图像中的背景信息,提高了红外监控系统图像中人体运动目标的检测清晰度,并进一步提高了红外监控图像的精度。同时,还对该方法进行了必要的仿真实验。仿真结果表明,提出的方法可以准确地检测红外监控图像中的人体运动目标,较好地避免了人体运动速度过快或过慢所产生的拖尾或空洞现象。     

基于帧间差的区域光流分析及其应用

传统视频运动检测常用帧间差、背景差等方法检测图像变化的存在,它们能敏感地给出变化区域,在此基础上可方便提取运动对象的位置和轮廓等静态特性,但并不能直接得到运动对象的速度、方向等运动特性;光流法虽可进一步给出运动场中每个像素位置的运动特性,但它所涉及的计算量庞大,难以直接应用于有实时需求的场合。因此,文章提出了一种基于联合帧间差的区域光流分析方法,通过联合帧间差方法提取运动区域,针对运动区域进行光流计算,保持了实时处理所需的速度并降低了光流计算的计算代价,并讨论了其在视频监控、交通监管等场合的应用。     

小样本红外图像的样本扩增与目标检测算法

深度卷积神经网络模型在很多公开的可见光目标检测数据集上表现优异, 但是在红外目标检测领域, 目标 样本稀缺一直是制约检测识别精度的难题. 针对该问题, 本文提出了一种小样本红外图像的样本扩增与目标检测算 法. 采用基于注意力机制的生成对抗网络进行红外样本扩增, 生成一系列保留原始可见光图像关键区域的红外连 续图像, 并且使用空间注意力机制等方法进一步提升YOLOv3目标检测算法的识别精度. 在Grayscale-Thermal与 OSU Color-Thermal红外–可见光数据集上的实验结果表明, 本文算法使用的红外样本扩增技术有效提升了深度网 络模型对红外目标检测的精度, 与原始YOLOv3算法相比, 本文算法最高可提升近20%的平均精确率(mean average precision, mAP).     

基于边缘前景的混合高斯模型目标检测

混合高斯模型已经广泛应用于背景建模中。但是检测结果受到噪音的干扰和突变光照的影响。为了解决这个问题,将Stauffer的混合高斯模型进行改进并与边缘信息相结合。当三帧差分判断出场景变化时,像素点的学习率会自适应变化。用这种改进的混合高斯模型来获取运动物体的边缘图像和前景图像。对边缘图像进行图像膨胀,再与前景图像进行与运算,通过光流信息来填补空洞部分,得到最后的结果。实验结果表明,可以很好地去除噪音和解决光照突变的影响,提高了目标检测的效果,比传统方法更加有效。