行人检测技术综述

行人检测是计算机视觉中的研究热点和难点,本文对2005-2011这段时间内的行人检测技术中最核心的两个问题—特征提取、分类器与定位—的研究现状进行综述.文章中首先将这些问题的处理方法分为不同的类别,将行人特征分为底层特征、基于学习的特征和混合特征,分类与定位方法分为滑动窗口法和超越滑动窗口法,并从纵横两个方向对这些方法的优缺点进行分析和比较,然后总结了构建行人检测器在实现细节上的一些经验,最后对行人检测技术的未来进行展望.

医学步态分析中的复杂场景下运动目标检测技术

针对医学步态分析中的复杂场景下运动目标检测问题,提出了基于贝叶斯决策规则的方法。该方法由变化检测、变化分类、前景目标提取和背景更新四部分组成。变化检测采用自适应阈值法来二值化变化点和非变化点,变化分类基于颜色共生特征向量,采用贝叶斯规则进行决策,前景对象的提取融合了时间差分法和减背景法。针对复杂场景中背景的"渐变"和"突变"情况,提出了不同的背景更新策略。实验表明,该方法在包含有摇动的树枝,或者灯的开关等复杂背景中能准确地提取运动目标,因此可用在医学步态分析的研究中。

一种透视不变的图像匹配算法

针对ASIFT(Affine scale invariant feature transform)算法存在的仿射采样策略、采样点离散设置等问题,提出了一种基于粒子群优化的图像透视不变特征PSIFT(Perspective scale invariant feature transform)算法.该算法通过虚拟相机的透视采样来模拟景物在多视角图像中的变形.在此基础上,将图像匹配问题转换为透视变换的优化问题,并以粒子群算法为工具,研究了虚拟相机旋转参数搜索空间、适应值函数的合理设定.针对三组不同类型低空遥感图像的实验结果表明,该算法比ASIFT、SIFT(Scale invariant feature transform)、Harris affine和MSER(Maximally stable extremal regions)等算法获得更多的特征匹配对,有效地提高了算法对视角变化的鲁棒性.

基于改进的混合高斯模型的运动目标检测方法

针对传统高斯模型学习速度慢问题,提出了一种基于新的背景模型更新模式的目标检测方法.首先,对彩色图像建立混合高斯模型,并且采用新方法更新背景模型,即不同的阶段使用不同的更新方程,然后由背景差分得到基本准确的前景图像,其次利用基于颜色差、亮度差和梯度差的阴影检测算法削除前景图像的运动阴影,最后利用形态学滤波、连通组件分析和种子区域增长进行后处理.实验结果表明,该方法不管在室内还是在室外都能很好地消除阴影,准确地提取运动目标.

基于在线半监督boosting的协同训练目标跟踪算法

基于自训练的判别式目标跟踪算法使用分类器的预测结果更新分类器自身,容易累积分类错误,从而导致漂移问题。为了克服自训练跟踪算法的不足,该文提出一种基于在线半监督boosting的协同训练目标跟踪算法(简称Co-SemiBoost),其采用一种新的在线协同训练框架,利用未标记样本协同训练两个特征视图中的分类器,同时结合先验模型和在线分类器迭代预测未标记样本的类标记和权重。该算法能够有效提高分类器的判别能力,鲁棒地处理遮挡、光照变化等问题,从而较好地适应目标外观的变化。在若干个视频序列的实验结果表明,该算法具有良好的跟踪性能。

RBFD:一种鲁棒的图像局部二值特征描述子

针对传统浮点型特征描述子占用空间大、匹配速度慢的问题,提出一种基于梯度统计信息比较的局部二值特征描述子.通过对比特征点邻域梯度统计信息生成二值特征描述子,再利用多邻域和多分块策略提高描述子判别力,最后通过近似简化的Ada Boost算法实现描述子降维.实验结果表明,与已有描述子相比,文中提出的描述子在实现快速生成的同时其鲁棒性更强.

一种卷积神经网络的图像矩正则化策略

卷积神经网络的池化策略包含极大池化和平均池化,极大池化选择池化区域中的最大值,极易出现过抑合现象;平均池化对池化区域中所有元素赋予相同权重,降低了高频分量的权重。本文提出将矩池化作为卷积神经网络的正则化策略,矩池化将几何矩概念引入到卷积神经网络的池化过程中,首先计算池化区域的中心矩,然后根据类插值法依概率随机地从中心矩的4个邻域中选择响应值。在数据集MNIST、CIFAR10、CIFAR100上的实验结果表明随着训练迭代次数的增加,矩池化的训练误差和测试误差最低,矩池化的高差别性和强鲁棒性使其获得了比极大池化和平均池化更好的泛化能力。

基于透视不变二值特征描述子的图像匹配算法

针对基于局部特征的图像匹配算法普遍存在对透视变换顽健性差的缺点,提出了一种新的二值特征描述子PIBC(perspective invariant binary code),提高了图像匹配算法的透视变换顽健性。首先,在提取金字塔图像FAST特征点的基础上,利用Harris角点响应值去除非极大值点和边缘响应点;其次,通过模拟相机不同视角成像之间的透视变换,对单个FAST特征点生成不同视角变换下图像的二值描述子,使描述子具备描述不同视角图像中同一特征点的能力。实验结果表明,算法在提高描述子透视不变性的同时时间复杂度与SURF算法近似。

H.264中的运动估计和帧内预测算法研究

针对一些算法过早的确定搜索方向,容易陷入局部最优点缺失搜索准确度的情况,提出一种新的基于搜索方向预测的运动估计算法.实验结果表明,与单一搜索图形相比,该算法具有更高的搜索精度和搜索速度.帧内预测技术作为影响帧编码效率的关键,一直被广泛研究,为此,本文提出了一种快速的帧内预测算法,对宏块划分提出了新的"模板"宏块对比算法思想,并在已有的抽样算法和搜索窗算法的基础上,提出了改进方法.实验结果证明,算法在不降低图像质量的基础上,编码速度平均提高80%.

一种简单快速的相机标定新方法

本文提出了一种新的相机自标定方法,该方法要求摄像机在3个(或3个以上)不同方位摄取一个包含其内接正三角形的圆的新型标定模板的图像。首先,从模板图像中推导得到圆环点的像点坐标;然后通过得到的圆环点像点坐标,可线性求解摄像机内参数。与传统方法不同的是,该方法避免了复杂的椭圆拟合和直线拟合,降低了计算复杂度,提高了标定速度和精度,对噪声更加鲁棒。此外,该方法中的标定过程不需要模板的任何物理度量,也不要建立模板及其图像上点的对应,标定过程简单易于操作。基于模拟和真实图像的实验验证了该方法的有效性和鲁棒性。

智能多媒体内容理解若干关键技术研究

让计算机具有象人睛一样的视觉功能是广大人工智能研究者,特别是从事模式识别与计算机视觉研究领域的学者追求的目标,也是多年来该领域的热门研究课题.但由于其难度较大,很多问题还在探索中.针对该领域存在的一些问题,结合一些应用领域的迫切需求,厦门大学智能多媒体技术实验室从2005年开始从事多媒体内容理解领域的关键技术研究,先后在行人检测、人体行为识别、基于视觉的人体亚健康分析、图像自动标注与检索等领域开展了相关研究.主要针对上述几方面的研究工作,分别介绍国内外的发展情况、我们的研究进展以及未来的工作展望,以便给读者提供相关的参考借鉴.

人的异常步态检测算法

人的步态分析在计算机视觉领域近年来倍受关注。但是,到目前为止,对于人的步态分析只考虑了利用步态对人的身份进行识别的应用。而从另一个角度来分析步态,可以将步态作为一种分析人的身体健康状况的方法,应用到医学步态分析中,作为一种科学的异常步态检测方法。我们将人的异常步态与人的正常步态区分开来,将步态识别的多类问题化为两类问题,应用到生物医学领域中。基于变化信息的步态识别算法,经实验,结果表明:该算法拥有较高的识别率和较低的计算代价,同时选择的特征向量对于摇晃的,蹒跚的和摔倒等非正常步态都能够稳定的检测出来,能够很好的应用于生物医学领域。

行人检测模型向平躺人体检测的迁移及其性能分析

人体检测是计算机视觉研究中的难点和热点,具有很好的理论意义和应用价值,它可分为行人检测和平躺人体检测.平躺人体检测的研究正处于起步阶段,存在视角变化大、姿态多样、背景复杂等尚未解决的问题.为此本文借鉴行人检测研究成果,将梯度方向直方图和支持向量机模型(HOG+SVM)、形变部位模型(DPM)和聚合通道特征(ACF)三大主流行人检测模型迁移到平躺人体检测中,验证它们的检测效果和分析检测性能.总结行人检测和平躺人体检测的异同,找出平躺人体检测存在的关键问题,为建立适应平躺人体检测建模提供了理论依据和实践经验,最后给出平躺人体检测模型的一些研究建议.

三维双线性多分辨率形变模型研究

形变模型在计算机视觉和计算机图形学等领域均有广泛的应用.但现有形变模型的建立或依赖于不稳定的人脸图像对应光流算法,或需要大量的人机交互,而且基于随机梯度下降算法的模型匹配过程常收敛于局部最优值.针对这些缺陷,提出三维双线性多分辨率形变模型.首先基于人脸关键特征分割和网格重采样建立原始人脸的自动稠密对应;然后经紧致凸松弛将模型匹配问题转化为两个双线性规划问题,最后通过基于内点方法的全局优化算法求解.基于模拟和真实数据的实验表明:该模型在最优性、模型匹配速度、收敛性和对噪声异常点的鲁棒性优于传统的形变模型.

基于透视变换采样的平躺人体样本扩充方法

平躺人体检测具有很好的学术研究和应用价值。针对平躺人体表观姿态受透视变换的影响较大和样本收集难这两个问题展开研究：首先建立并公开了厦门大学平躺人体检测数据集，该数据集的人体包含各种姿态、视角、衣着颜色、复杂背景等情况；其次提出了一种基于透视变换的样本扩充方法：根据透视变换的摄像机模型将3x3的透视变换矩阵进行分解，使得该矩阵最终只与两个变化范围确定的旋转角相关，方便了采样算法的设计，有效地增加了训练样本的数目和样本表观的多样性，在厦门大学平躺人体数据集上的实验结果表明该方法提高了分类器的性能：当FPPW=10e-4时，漏检率降低了12.4%；当FPPW=10e-5时，漏检率降低了5.75%。可见本文提出的样本扩充方法简单有效。

一种基于级联神经网络的飞机检测方法

由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。

基于稀疏编码的迁移学习及其在行人检测中的应用

行人检测是计算机视觉领域中的研究热点,其实质是一个二分类问题.目前基于统计的行人检测技术已取得了一定进展,但大都需要大量的训练数据.针对这一问题,提出了一种基于迁移学习的半监督行人分类方法:首先基于稀疏编码,从任意的未标记样本中,学习到一个紧凑、有效的特征表示;然后通过迁移学习,将学习到的特征表示方法迁移到行人分类中.在MIT行人数据库上的实验结果表明:该方法能有效地刻画出行人的特征,提高行人分类的性能,在标记样本少的情况下仍具有良好的分类效果,因此可应用于行人检测中.

关键肢体角度直方图的行为识别

当前的姿态表示的行为识别方法通常对姿态的准确性做了很强的假设,而当姿态分析不精确时,这些现有方法的识别效果不佳。提出了一种低维的、鲁棒的基于关键肢体角度直方图的人体姿态特征描述子,用于将整个动作视频映射成一个特征向量。同时,还在特征向量中引入共生模型,用以表示肢体间的关联性。最后,设计了分层的SVM分类器,第1层主要用于选择高判别力的肢体作为关键肢体,第2层则利用关键肢体的角度直方图并作为特征向量,进行行为识别。实验结果表明,基于关键肢体角度直方图的动作特征具有较好的判别能力,能更好地区分相似动作,并最终取得了更好的识别效果。

基于单张静态图像的人体行为识别方法综述

人体行为识别是计算机视觉的研究难点与热点,目前大部分研究者主要针对视频中的行为展开研究.然而,人类的视觉往往根据单张图片就可判断图片中发生的行为.基于单张静态图像的人体行为识别,挑战性更大,是近年来人体行为识别研究的一个趋势,更是探索人类视觉奥秘的一个很好切入点.本文对单张静态图像的人体行为识别方法进行梳理,将其分为三类,最后对其未来研究方向进行展望.

基于谱域-空域结合特征和图割原理的高光谱图像分类

高光谱图像中存在着特征维度高而训练集小的问题。为解决该问题,提出了一种2步走的分类方法:1)通过支持向量机对图像进行初步分类,根据分类结果计算出每个类别的均值特征;2)使用1)计算出来的均值特征作为能量函数的数据项,然后利用图割原理对图像做二次分类。实验中发现:空间上相近的像素点往往具有相似的特征,且属于同一个类别。针对这种现象,提取一个将谱域特征和空域特征相结合的新特征。该特征既包含了光谱信息也包含了空间信息,具有较好的分类性能和鲁棒性。在Indian Pine数据集和Pavia University数据集进行实验,实验结果表明了本文提出方法的有效性。