一种复杂背景下运动扩展目标识别算法

目标识别的关键在于提取出目标有别于背景的特有的特征.在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别.实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别.     

模拟视觉机制的隐蔽目标识别算法研究

针对从复杂图像背景中识别隐蔽目标的问题.模拟动物视觉高效的图像信息处理机制,提出一种仅用少样本快速准确地从复杂图像背景中识别出隐蔽目标的算法.首先采用拓扑ICA方法从自然图像中学习初级视皮层中复杂细胞感受野;然后用含有隐蔽目标的图像及其待配准图像分别对神经元进行刺激,筛选出对刺激有强烈响应的神经元对应内容,并通过对比找出隐蔽目标对应特征,以此对隐蔽目标进行识别.用多幅自然图像进行实验,结果表明该算法耗时少、识别率高,达到了预期的效果.     

多特征融合视频火灾识别研究

针对目前的视频火焰检测算法容易受到复杂场景、光照条件的影响,算法的实时性较差且容易误判等问题,提出一种红外视频图像自适应背景更新疑似火焰区域检测与改进层次分析法多特征融合火灾火焰识别方法。利用改进型自适应背景更新运动目标检测来获取红外视频图像中疑似火焰区域,消除背景干扰,提高火焰静动态特征的提取效率,将火焰的多种特征用三标度改进层次分析法进行融合,实验结果表明该方法对火焰的识别效果更加快速、精确、有效。     

自适应连续集稀疏分解声音识别算法

为实现公共环境复杂背景中异常声信号识别以辅助公共场所安全监控,提出基于连续完备集的自适应MP稀疏分解声音识别算法,算法通过相关参数改进实现自适应PSO算法,然后借助PSO算法的连续空间搜索优势对MP稀疏分解进行连续集优化,从而提高稀疏分解获得的最优原子的匹配度,最后提取重构声信号的时频参数特征以SVM算法实现异常声音事件的快速准确识别。实验结果表明,与已有算法相比,所提识别算法显著降低了计算量,并取得了最优的声音识别率和识别鲁棒性。     

视频图像中运动目标检测的快速方法

研究了基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨了渐消记忆递归最小二乘法在图像序列重建图像背景中的应用,还提出两种检测移动阴影的快速算法,并用于视频图像运动目标的检测.先用背景重建算法对复杂背景进行更新预测,再用当前帧图像与预测背景差分提取动目标,最后检测并去掉目标的阴影.这里提出的检测方法简单、有效,便于用硬件快速实现.文中给出了实验结果.     

基于图像特征的运动目标识别与伺服跟踪

本文研究了一种在室内相对复杂背景下机器人的运动目标识别与跟踪方法.基于Intel的计算机视觉库OpenCV进行图像处理与特征提取,采用图像的区域特征--图像矩作为特征信息,在有干扰的情况下,实现运动目标的形状识别和基于特征的视觉伺服跟踪控制.为提高系统性能,建立曲线拟合模型来预测运动目标的动态趋势和特征.实验结果表明,系统在不需要摄像机精确标定、背景有干扰的情况下,能够实现对运动目标进行实时稳定快速的识别和跟踪.     

无人机低空飞行中具有复杂背景的运动目标检测算法

针对现有的满足实时性要求的检测算法,在复杂环境下检测效果较差,容易出现检测目标不完整和重影的现象,而具有较高准确性的检测算法,往往复杂度高,无法在无人机平台上满足实时性要求的问题,提出一种结合高斯模型和图像分割的运动目标检测方法。首先,在背景建模阶段,使用双高斯模型提高背景建模的准确性;其次,使用四叉树算法提取特征点并对特征点进行匹配;接着,计算前后帧图像中背景的运动参数,并对背景模型进行运动补偿;最后,结合背景模型与当前帧图像检测出前景目标,对前景周围区域进行图像分割,并与检测出的前景进行比较,得到最终的运动目标。实验结果表明,该算法能有效处理无人机运动对目标检测的干扰,检测出的运动目标轮廓完整且能满足实时性要求。     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

开放式环境非接触低分辨率采集下的掌纹识别

提出一种开放式环境下、非接触采集下的掌纹识别算法.采用一种低分辨率的普通摄像头进行掌纹图像采集,人手只需自然张开、中指竖直向上放在摄像头前一定范围内.首先建立肤色模型将人手从复杂背景中提取出来;然后提出一种简单有效的关键点定位算法找到指根点,并以此建立坐标系提取掌纹ROI;接着提出一种基于统计的纹理基元算法进行掌纹特征提取,该算法不用对掌纹ROI进行归一化,计算速度较快并且对光照具有一定的鲁棒性;最后利用余弦相似度进行特征匹配实现掌纹识别.在自建的小型掌纹图像库上进行了相应的识别实验,实验结果表明所提出的算法能够在动态环境下达到理想的识别效果.所开发的实验系统能够快速实现掌纹图像采集与识别,适合在线实时系统应用.