基于颜色信息和光学增益的阴影消除

运动阴影常被误分为前景对象,会给目标的跟踪和识别带来很大困难,所以阴影消除在许多的监控系统中都是非常重要的。针对阴影检测算法受特定条件约束,不能自动适用于不同场景,为解决上述问题,提出了一种新颖鲁棒且无需复杂的参数调整的运动阴影消除方法。通过自适应高斯混合模型重建背景,采用背景差分法提取出包含阴影的运动区域,综合颜色信息与光学增益,将运动区域分类为运动对象区域和运动阴影区域。实验结果表明:所提方法在多种不同的场景下均能有效可靠的消除运动阴影。     

基于混合高斯模型与码本算法的前景目标检测

提出一种基于混合高斯模型(GMM)与码本算法的前景目标检测方法。利用GMM进行背景图像建模并初步提取前景对象,对背景图像进行码本学习,将码本建模得到的前景对象与GMM得到的前景对象相融合,根据前后2次帧间差分得到前景对象的比例关系,自适应地更新高斯参数和扩展码字,得到前景对象目标。实验结果表明,该方法实时性好,可消除视频序列中的阴影和鬼影,提取完整的前景对象。     

基于立体成像几何特性的动态有限搜索匹配法

提出了一种基于立体成像几何特性的动态有限搜索匹配法。该法根据被测物体与摄像机标定参照物在空间上的相互关系及被测物体形态，确定被测物体特征点视差匹配大致范围。利用立体成像几何特性，采用动态有限搜索法，以求出的视差为参考，根据左(右)图像中特征点与所得匹配对应点的水平视差值，确定在右(左)图像中的搜索方向和搜索范围，采用灰度区域相关计算，确定下一个匹配特征点，并依此类推。由于特征点灰度不稳定，且随视点的不同而有很大差异，为能得到正确匹配，需结合几何相似性约束。通过对一已知三维坐标标准件的计算机仿真实验，证实了该方法的有效性。     

基于人脸朝向的非穿戴自然人机交互

提出了一种新颖的基于人脸朝向的非穿戴人机交互新方法.采用主动形状模型确定人脸面部轮廓特征点,克服光照和人脸姿态变化影响,在简化冗余信息的同时,降低计算复杂度.基于最大三角化划分面部轮廓特征,在此基础上,基于Kinect摄像机将构建的二维人脸模型映射至三维空间,动态求解面部朝向的法向量,通过图像帧间的均值滤波确定空间交互目标.用户无需佩带任何标记,且其活动不受约束,满足人机交互舒适性、多元性要求,实现非穿戴自然人机交互.通过实验对比,验证了本文方法有效、可行.     

基于动态粒子流场的视频异常行为自动识别

为了有效实现视频异常 行为的自动识别,基于动态粒子流场,将视频运动对象的运 动行为,映射为有效 反映其运动变化状态的动态粒子流,同时提取度量不同场景内容下的运动方式各异的异常行 为的显著性运动特 征,进行异常行为的分类与识别。对来自不同场景并具有不同运动行为方式的公开视频 测试序列的实验表明,本文方法无需跟踪运动对象,也无需预先采集 异常行为样本进行学习与训 练,可在多种条件下实现视频运动对象异常行为的有效自动识别。     

二维图象特征点快速提取算法

三维立体重建中的主要难题之一就是如何有效选择兴趣点，虽在文献[2]-[5]中提出了各种算法，但这些方法计算量大，且不能有效抑制干扰噪声，对光照条件的要求也十分苛刻，基于此，提出了一种二维图象特征点快速提取方法，通过与文献[2],[4]中方法就特征点识别与提取结果的实验对比，证实了该算法具有抗干扰能力强，对外界光照条件适应性强及处简单，运行速度快等显著特点，通过对一具有已知三维坐标的标准件的三维重建，证实了该算法的有效性，采用该算法所提取的特征点具有较高的准确性。     

基于肤色分割与Adaboost融合鲁棒人脸检测方法

人脸检测广泛应用到人脸识别、数字视频处理、安全访问控制、视觉监测、基于内容的检索等领域.比较众多人脸检测算法,文章提出了一种改进的基于Adaboost算法的人脸检测算法.该算法的核心是肤色分割结合基于Adaboost算法的人脸检测.首先,对彩色图像进行肤色分割,通过肤色区域的大小和长宽比等规则去除部分类肤色区域,得到可疑的人脸区域.其次,基于Adaboost算法的灰度特征得到最终的人脸.通过大量彩色图像的实验,证实了该方法的准确性和鲁棒性.     

彩色显像管地磁影响与屏蔽

采用球冠谐和分析方法,首次得到了单个运动电子在全球的受力分布.为减小地磁场对彩色显像管的影响,提高彩色显像管质量,本文提出了一种实用有效屏蔽地磁场的装置.同时,为了能更有效地提高屏蔽效能,提出了将振荡法同磁屏蔽装置一起共同使用的新方案.此外,就屏蔽效果与现行屏蔽方式作了对比分析,证实此装置是有效、可行的.采用该装置,彩色显像管的地磁场裕度可得到大幅度提高,其成果可应用于彩色显像管的生产中,具有降低成本,增进效益的实用价值.     

复杂人机交互场景下的指势用户对象识别

采用指势进行人机交互,可充分发挥人类日常技能,摆脱常规输入设备束缚.实现自然的指势人机交互的关键是,如何从复杂的人机交互场景中有效提取指势用户对象,提出了基于时/空运动特征的指势用户对象识别新方法.基于多尺度小波变换在时/空域所具有的优异局部化特性,从复杂场景中提取前景运动对象,克服环境条件约束以及动态环境变化及先验假设等不足;基于多尺度小波变换的梯度积分图方法,获取稳定可靠的指势手部HOG特征,采用机器学习方法,对上述特征向量分类,并基于指势手与指势用户对象的空间关联性识别指势用户对象.通过实验对比,结果表明本文方法有效、可行.     

基于运动变化的指势行为实时判别方法

提出了一种基于运动变化的实时指势判别方法。根据指势行为特征,跟踪手臂运动区域的运动状态,计算指势视频中每个独立运动序列的连续运动方向,统计其在一定方向范围内的累积运动帧数,当该运动序列在确定方向范围内的累积运动帧数达到预定范围时,根据指势手臂在指向目标时存在片刻停顿,从复杂场景中实时判别指势。实验结果表明,该方法简单、有效。