基于刚性运动模型的全局运动矢量探测方法

针对帧间旋转图像序列的稳定处理,提出一种新的运动矢量探测方法.首先进行多区域的块匹配,得到不同区域的局部平移运动矢量;然后利用刚性运动模型,获得包含旋转角度的全局运动矢量.与平移运动模型相比,刚性运动模型更加符合帧间运动的真实过程,因而本方法具有更好的稳像效果.航拍图像处理结果表明,帧间峰值信噪比达到29.47 dB,比基于平移运动模型的方法提高2.02 dB.

结合全局与局部视频表示的视频异常检测算法

针对视频异常行为检测问题,提出结合全局与局部视频表示的视频异常检测算法.首先将输入视频连续多帧划分为视频块.再按空间位置将视频块划分为互不重叠的时空立方体,利用时空立方体运动特征构建基于空间位置的全局时空网格位置支持向量数据描述模型(SVDD).然后针对视频运动目标,提取局部纹理运动特征,采用SVDD获得围绕目标特征的超球体边界,构建运动目标正常行为模型.最后组合两部分以实现更全面的检测.公共数据集上的实验验证文中算法的有效性.

运动矢径对AUV协同定位精度影响的仿真

针对在基于运动矢径的自主水下航行器(AUV)协同定位算法中运动矢径对定位精度的影响进行了仿真分析。利用扩展卡尔曼滤波设计了AUV协同定位算法,通过设定不同的运动矢径对该协同定位算法进行仿真,分析研究了运动矢径的变化对定位精度的影响。仿真结果表明,该定位算法受运动矢径的影响,增大运动矢径会使滤波误差波动变大,降低定位精度。

结合H.264压缩域和像素域运动目标分割

H.264压缩域运动目标分割算法分割速度较快,像素域分割较为准确。提出一种结合压缩域运动信息和像素域纹理信息的分割方法。在压缩域得到运动矢量场,经过滤波、归一化和运动矢量场累加,得到相对可靠的运动区域,然后采用局部二值模式描述纹理信息,最后再进行精确分割。实验结果表明,在保证分割准确度的情况下,大大提高了分割速度。

基于融合不变性特征与混合核方法的体育视频动作识别

针对体育视频动作识别方法正确率较低的问题,提出了一种结合融合不变性特征与混合核方法的体育视频动作识别方法.采用高斯混合模型构建不变性特征,并对特征进行降维.采用混合核方法分别完成局部特征与全局特征的分类.标准体育动作数据集上的实验结果表明,降维后的融合不变性特征能够保留体育动作关键信息,与混合核方法配合密切,该方法既能够显著提升识别性能,也能够提升识别效率.该方法可以构建实时、在线的体育视频动作识别,且识别效果良好.

基于PC的实时超声全景成像系统中的图像配准

图像配准技术是超声宽视野成像技术的核心。结合现有的超声宽视野图像配准算法和PC平台的特点,通过匹配模板筛选、局部运动矢量评价、加权最小二乘等步骤,进一步改进和优化了配准的过程,提高了超声图像配准的鲁棒性和实时性。

基于LBP核密度估计的HEVC运动物体分割算法

针对相对运动缓慢的目标物体在低分辨率视频中分割精度不高的问题,结合高效视频编码(HEVC)压缩码流信息,提出了一种基于局部二值模式(LBP)核密度的运动物体分割方法。首先从视频码流中得到初始运动矢量和块划分信息,初始运动矢量经预处理得到稳定的运动矢量,再利用块信息增强运动矢量区域的可信度,然后采用LBP对运动矢量区域进行特征提取,最后结合核密度估计方法进行背景建模,分割图像并得到运动目标物体。使用多个标准序列进行对比测试实验,结果表明,提出的算法有效提高了相对运动缓慢的目标物体在低分辨率视频图像中的分割精度,综合评价指标的平均值达到81.70%,相比于常用的视频分割方法有较大的提高;对于高分辨率视频图像,其综合评价指标的平均值也较高。

基于运动矢量的改进视觉SLAM算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建(SLAM)算法位姿估计误差大且构建地图不一致的问题,提出了一种基于特征点运动矢量的改进视觉SLAM算法。首先,引入基于特征点运动矢量的运动点检测算法。通过结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。数据集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。

融合手势全局运动和手指局部运动的动态手势识别

传统基于手部轮廓或手部运动轨迹的动态手势识别方法,其提取的特征通常难以准确表示动态手势之间的区别.针对动态手势的复杂时序、空间可变性、特征表示不准确等问题,提出一种融合手势全局运动和手指局部运动的手势识别方法.首先进行动态手势数据预处理,包括去除手势无效帧、手势帧数据补全和关节长度归一化;然后根据给定的手部关节坐标,利用手势距离函数分段提取动态手势关键帧,并基于手势关键帧提取手在空间中的全局运动特征和手内部手指的局部运动特征;其次融合手势全局运动和手指局部运动的关键帧手势特征,并采用线性判别分析进行特征降维;最后利用带高斯核的支持向量机实现动态手势识别与分类.对DHG-14/28动态手势数据集中14类手势和28类手势数据集进行实验,其分类识别准确率分别为98.57%和88.29%,比现有方法分别提高11.27%和4.89%.实验结果表明,该方法能准确地表征动态手势并进行手势识别.

基于局部极值共生模式和能量分析的烟雾检测

针对烟雾稀薄的场景提出了一种新颖且具有鲁棒性的视频烟雾检测方法,该方法主要由预处理、特征提取和图像分类三个阶段组成。在预处理阶段,使用背景差分算法提取视频帧的运动前景区域,并采用HSV颜色空间作用于运动前景区域识别烟雾像素;然后使用局部极值共生模式(Local Extrema Co-occurrence Pattern,LECoP)计算纹理特征和使用烟雾能量分析计算能量特征;最后,将特征矢量融合训练支持向量机(Support Vector Machine,SVM)用于识别烟雾。实验结果表明该方法能有效检测出烟雾。

基于Hu不变矩相似关联度的Mean-shift运动跟踪算法研究

目标跟踪作为计算机视觉研究的重要方向,具备良好的发展前景。针对传统Mean-shift跟踪算法在目标存在背景干扰或遇到遮挡时,目标跟踪框不准确以及目标丢失的现状进行了相关研究。结合目标特征建模优势,提出了基于Hu不变矩相似关联度的Mean-shift运动跟踪算法。该算法采用Hu不变矩特征描述子提取目标特征向量矩进行建模,并由目标位移矢量拟合预估Mean-shift初始迭代搜索的位置。通过Pearson相关系数度量目标特征矩与候选特征矩之间关联度,并结合8步态迭代搜索的方式定位运动目标,实现了目标跟踪。试验表明,当目标存在遮挡时,该算法依然能够进行有效跟踪定位,有效地改善了复杂条件下跟踪框BBox与真实值(GT)之间的交并比(IOU)值,减少了目标搜索时的迭代次数,具有较好的鲁棒性。

洋流影响下基于运动矢径的AUV协同定位方法

针对水下自主航行器(AUV)协同定位受水下未知定常洋流影响的问题,给出一种洋流影响下基于运动矢径的AUV协同定位方法.利用AUV的运动学方程和基于运动矢径的量测方程,建立AUV的导航模型;通过扩展的卡尔曼滤波,设计了协同定位滤波算法;利用该算法对洋流速度进行估计,以补偿AUV定位误差.仿真结果表明,该算法能有效估计未知定常洋流速度的大小,并对AUV定位误差进行实时补偿,显著提高了AUV的定位精度.