基于局部图金字塔的不规则块匹配视频分割方法

跳水、体操等视频中的运动员一般着装比较单一、肤色裸露,将这种视频帧图像用图的形式表示出来可以划分为少数的几个连通分量。根据这一特点,本文提出了一种基于局部图金字塔的不规则块匹配视频分割方法,该方法首先将图像以图的数据结构表示,采用假设检验的方法来合并相邻区域的图像块。在分割得到第一帧前景区域之后,根据帧间运动的连续性,运用不规则块匹配方法找到当前帧中的前景区域,匹配准则借鉴了聚类分析中变量相关性的相关系数方法。实验结果表明,这种方法能实时地、准确地分割出跳水、体操等视频中的运动员。

面向目标检测的多尺度运动注意力融合算法研究

运动目标检测是视频分析领域的关键技术之一,针对目前全局运动场景下目标检测算法的局限性,该文提出一种多尺度运动注意力融合的目标检测算法,为目标检测问题提供了新思路。该算法通过时-空滤波去除运动矢量场噪声,根据运动注意力形成机理定义运动注意力模型;为提高注意力计算的准确性,定义了目标像素块的测度公式,采用D-S证据理论对多尺度空间运动注意力进行决策融合,最终获取运动目标区域位置。多个不同高清视频序列的测试结果表明,该文算法在全局运动场景中能准确对目标进行检测定位,从而有效克服了现有算法的局限性。

动态场景中运动目标检测与跟踪

为了在静态和动态场景中均能实现对运动目标的检测与跟踪,提出了基于运动检测和视频跟踪相结合的视频监控方法.建立四参数运动仿射模型来描述全局运动,采用块匹配法对其进行参数估计;采用基于全局运动补偿的Horn-Schunck算法检测出运动目标;使用卡尔曼滤波对运动目标的质心位置、宽度和高度进行跟踪.实验结果表明,该方法能够有效地对静态和动态场景中运动目标进行检测与跟踪.

基于视觉注意力计算的运动目标检测方法研究

为了更准确地在全局运动视频场景中检测运动目标,提出了一种基于运动注意力和粒子滤波自底向上和自顶向下相结合的运动目标检测方法。基于多尺度可变块运动估计估计运动矢量场(Motion Vector Filed,MVF),构建运动注意力模型,得到运动注意力显著图,继而得到运动注意力的初始分布;采用自顶向下的基于目标颜色信息的粒子滤波算法,调整运动注意力的分布状况;使注意力集中到待测目标上,并提取出待测运动目标。实验结果表明,该方法在全局运动场景中能更加准确地检测目标。

动态场景中自适应去除外点的全局运动估计方法

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。

基于运动注意力融合模型的目标检测与提取算法

针对全局运动场景下目标检测与提取方法的局限性,文中根据运动注意力形成机理,构建一种运动注意力时-空融合模型用于运动目标的检测与提取.该算法首先对运动矢量场进行叠加和滤波等预处理.然后根据运动矢量在时间和空间上的变化特点定义运动注意力融合模型,并采用该模型检测运动目标区域.最后利用形态学和边界跟踪方法对目标区域进行精确化提取.根据多个不同全局运动视频场景的测试结果,显示该算法比其它算法具有更好的准确性和实时性.

固定场景下快速电子稳像算法的实现

提出一种可应用在固定场景条件下的快速电子稳像算法。通过检测参考图像与当前图像的ORB特征,利用汉明距离匹配特征,将匹配好的特征点代入仿射变换模型,求得2幅图像间的全局运动矢量并代入仿射变换模型,对当前图像进行变换,从而实现稳像目的。为达到更好的稳像效果,在图像预处理阶段对图像进行高斯滤波,滤除图像的噪声;同时对在求得全局运动矢量使用的特征点对的选择上采用点线法进行判定,保证求得全局运动矢量的精度。实验结果表明,该算法能够实现在固定场景下的稳像,并具有较好的实时性。

基于Harris角点全局运动估计的场景锁定算法

场景锁定技术是视频跟踪领域的一个关键技术,需要对图像的全局运动进行估计,常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量,提高全局运动估计的精度,提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块,选取每个块中响应值最大的角点,以参考图像角点周围矩形块与待匹配图像进行匹配,然后利用RANSAC算法对角点进行一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。实验结果表明,该算法运动估计精度高,稳定性好,能较好地实现场景锁定。