基于场景模型的多摄像机目标跟踪算法

在多个相机组成的视频监视系统中,当目标物移出某一相机的视野而进入下一个时,如何实现相机的交接,实现目标物的继续跟踪是监视系统中要解决的关键问题。针对该问题,提出了一种基于位置比较的多摄像机运动目标跟踪方法。为获得目标物的位置,建立多个相机与目标物世界坐标之间映射关系的场景模型,并根据目标物出现在不同相机之间的视野边界线上的瞬间时刻的位置来给出重叠视野的边界线。由此可对任意角度摆放的多个具有重叠视野的相机之间运行的目标物进行接力跟踪。该方法可以适应多个目标物同时进入场景的情况,实验结果表明,该方法具有较高的鲁棒性,能够满足视频跟踪的实时性要求。

基于贝叶斯模型的相机间人群目标识别

准确获取相互遮挡粘连目标的位置特征,是在视野有重叠区域条件下进行相机间目标识别的关键。提出首先构造人体模型,利用贝叶斯模型将粘连目标的分割问题转换为求解最大后验概率问题,然后依据获得的目标轴线特征,在不同的相机间按照最小距离原则进行相同目标的匹配识别。结果表明,利用人体模型进行人群分割的抗干扰能力强,目标识别的准确率较高。

多相机环境下基于颜色不变量和熵图的目标识别

不同相机环境下的光照条件差异是影响目标识别的一个重要因素.依据光照模型推导出与环境光照无关的颜色不变量,并将其作为目标识别的特征,利用熵图估计出的特征向量的HP相似度作为相似性评价标准进行目标识别.实验结果表明,该方法对于不同相机间环境光照条件的变化具有很好的抵抗能力,目标识别率较高.

构造多相机全景视图实现有重叠区域的目标跟踪

解决多相机环境下运动目标的连续跟踪的关键问题是在多个视野内完成目标的一致性识别。提出在有重叠区域情况下,通过构造多相机视野的全景视频监视视图进行目标跟踪的方法,将目标一致性判别问题转换为全景视图构造问题,避免了因目标一致性判断错误而导致的跟踪错误,增加了跟踪的可靠性,降低了方法复杂度。

基于姿态模型的人群目标分割方法

多相机间运动目标的跟踪与识别需要获得尽可能准确的目标区域。针对人群目标的粘连问题,提出一种基于姿态模型的人群目标分割方法。依据人体在运动过程中姿态的变化规律,构造7种出现频率较高的姿态模型。依次对单个目标和联合目标进行模型匹配,获得各个目标的位置、大小以及运动姿态信息。实验结果表明,该方法能有效解决相互遮挡情况下的目标分割问题。

基于形状识别的X型棋盘格角点检测

棋盘格角点检测是相机标定的一个重要环节,其准确率直接影响相机标定的精度,常规角点检测存在对棋盘格图像质量要求较高、检测准确率不高的问题。对此,依据棋盘格图像灰度分布的对称性,利用双层增强滤波器将其角点区域增强为X形状,待检测角点即为X形状中两个分支的交点,将角点检测问题转换为X形状的识别。进行X形状识别时,首先提取待识别区域像素的极坐标作为形状识别的初始特征集合,经特征选择后依据角度特征进行X形状识别。最后在识别出的角点区域内通过直线拟合确定亚像素级角点。实验结果表明,所提出方法进行棋盘格角点检测的准确率较高,且抗干扰能力较强。

联合人体模型与块生长的人群目标分割

人群目标的准确分割,是进行多相机联合目标跟踪与识别的关键。该文首先构造包含位置、尺寸、姿态信息的人体粗略姿态模型,并利用贝叶斯模型获得对应的目标模型。然后将前景区域利用分水岭算法划分为颜色分布一致的子块,通过位置和颜色约束解决遮挡目标的种子块选取问题。最后通过块生长获得每个目标区域。对于颜色相似子块,通过比较其产生的边缘能量确定其所属目标。实验结果表明,本文能够实现对人群目标较精确分割,且对背景噪声具有一定的抗干扰能力。

基于粒子滤波的人脸跟踪算法

人物跟踪技术是目前智能监控系统的核心方法之一,针对人脸运动的非线性非高斯的特点,引入粒子滤波算法来进行运动预测估计,抵抗遮挡干扰。同时,根据人脸结构特点,提出了一种分块颜色直方图,用以描述人脸的特征。并且根据预测精度对预测过程中目标运动速度和过程噪声方差进行自适应更新。实验结果表明,在人脸的旋转,肤色和部分遮挡影响下跟踪精度较高,抵抗光照环境变化,以及人脸大小变化等的鲁棒性较强。

基于主元分析的相机间颜色校正

针对相机间的颜色校正问题,提出一种新方案以克服因相机所处环境不同而对校正结果带来的影响。利用主元分析确定颜色空间变换关系矩阵,将RGB颜色空间转换到各颜色通道间相关性较小的Lαβ空间,在该颜色空间下,利用图像的颜色统计特性一致性原理对相机间的颜色进行校正。实验结果表明,新方案可有效克服相机所处环境对目标颜色校正的影响,实现较为理想的相机间颜色校正。

基于统计特性与边缘特性融合的阴影检测方法

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.

基于多特征的多分类器融合决策印鉴识别

印鉴真伪鉴别的难点在于由于人工加盖印鉴时,用力的不同,媒介的不同会导致真印鉴的差异与伪造印鉴的差异很难提出一个标准进行自动区别。要求识别系统同时具备同类印鉴的鲁棒性及异类印鉴的敏感性。针对这一难点,该文提出了一种基于多特征的多分类器融合决策算法,根据多类特征以及多种分类器的不同特性,获得对真伪印鉴的鉴别。采用Gabor滤波器获得频率特征,采用差图像获得结构特征,采用原图像和极坐标图像的奇异值获得不变量特征。采用支持向量机(SupportVectorMachine,SVM)和Fisher分类器进行融合决策对印鉴进行真伪鉴别。实验表明,该文方法具有很高的真伪鉴别能力。

一种人脸网格模型的特征区域细节调整方法

人脸网格模型的调整是基于模型人脸合成技术的关键步骤,获得的虚拟人脸能否逼真地模拟真实人脸,其特征区域的细节调整是非常重要的。为此,提出了一种自动调整模型特定区域细节的方法。首先,对检测出的眼睛、嘴巴等特征区域,确定出其外凸包点集,通过曲线拟合得出其完整外轮廓,然后对此轮廓点以及已经粗调的对应模型点进行坐标转换,在转换后的坐标系中,对模型中相应的细节数据进行修改,实现模型和人脸图像的配准。实验结果表明,该算法在提高模型细节匹配上有明显的改善效果。