基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪

为解决酿酒葡萄生长状态自动监测问题,该文提出基于机器视觉和视频处理技术的自动监测系统,开发了多角度可变形部件模型的葡萄叶片检测算法和基于颜色特征的判别模型跟踪算法。在叶片检测方面,该算法对颜色特征图像采用可变形部件模型训练出多角度叶片检测器,通过多模型匹配后产生叶片检测候选集合,选择集合中得分最高的检测结果作为最后的定位信息;在跟踪方面,结合图像中目标的颜色直方图,建立具有区分背景和目标的组合判别模型,并将位置函数的最大值作为相邻帧的目标位置,从而实现对叶片目标的实时跟踪。试验结果表明,该文检测算法对自然条件下的葡萄叶片平均检测率为88.31%,误检率为8.73%;叶片跟踪的准确性也相对较高,其重叠率高达0.83,平均中心误差为17.33像素,其证明了该算法的有效性,研究结果为葡萄生长状态的自动分析提供参考。

基于双车辆可变形部件模型的车辆检测方法

针对被部分遮挡车辆的漏检率高这一难点,在深入分析可变形部件模型的基础上,提出了基于双车辆可变形部件模型的车辆检测算法。该算法采用对图像分区域匹配和对匹配结果进行融合的方法来减少多车辆检测中被部分遮挡车辆检测的漏检情况。实验结果表明:该算法在部分遮挡车辆的检测中要优于已有算法,它明显地降低了漏检率,满足安全驾驶辅助技术应用中的实时性要求。

一种基于可变形部件模型的快速对象检测算法

为了解决可变形部件模型检测过程中的速度瓶颈问题,该文针对模型的检测流程,提出一种结合快速特征金字塔计算的级联可变形部件模型。由于模型的检测速度主要取决于特征计算以及对象定位这两个过程,提出一种两阶段的加速算法:首先采用尺度上稀疏采样的特征金字塔来近似表示精细采样的多尺度图像特征,以加快特征计算过程;然后在定位过程中结合级联算法,以一个序列模型顺序地评估各个部件,从而快速剪除大部分可能性较小的对象假设,以加快对象定位过程。在PASCAL VOC 2007和INRIA数据集上的实验结果表明,该算法可以明显加快检测速度,而检测精度仅略有下降。

结合快速特征金字塔计算的可变形部件模型

针对可变形部件模型中特征金字塔需要精细计算,从而导致计算速度较慢这一问题,提出一种结合快速特征金字塔的可变形部件模型对象检测算法.首先在特征金字塔中根据间隔选取若干个基准尺度进行精确计算,然后依据多尺度特征中的幂指定律,近似计算得到多分辨率的图像特征.算法采用尺度上稀疏采样的特征金字塔来外推精细采样的特征金字塔,然后采用预先训练好的模板进行类别检测,得出检测结果.在PASCAL VOC2007以及INRIA数据集上的实验结果表明,该算法可以明显加速模型中特征计算的速度,而检测精度仅略有下降.

分割位置提示的可变形部件模型快速目标检测

针对滑动窗口目标检测方法需要穷举搜索目标、检测速度较慢的问题,提出一种可变形部件模型候选点检测算法.图像先经过两种不同原理的分割方法预处理,尽量使至少一个分割接近目标真实位置,分割的左上角附近称为候选点.然后,将可变形部件模型作为底层检测器,模型的训练和测试都只在候选点上进行,这大大提高了检测速度.在PASCAL2007数据集上的实验结果表明,候选点检测在一半类别上的正确率超过了穷举搜索方法.

基于动态加权可变形部件模型的行人检测

近年来具有代表性的工作之一是Felzenszwalb等人提出的可变形部件模型。文中从可变形部件模型中存在的一些问题展开讨论,并提出了一种基于动态加权可变形部件模型的行人检测算法。在各个部件的检测中使用动态调整权值的方法获得更加准确的判断,从而识别处于复杂环境中的行人。实验结果表明,该方法能够有效识别复杂环境中传统DPM方法难以识别的行人。

基于可变形部件模型的内河多船舶跟踪算法研究

内河航运事业的不断发展对电子巡航闭路电视(CCTV)监控系统的智能化水平提出了越来越高的要求。针对目前CCTV监控系统智能化水平较低、人工参与量较大的局限,提出了一种鲁棒的基于可变形部件模型的内河多船舶跟踪算法。该算法将每条运动目标船舶视为一个部分,通过最小生成树模型来建立各个部分之间的联系,并基于可变形部件模型的原理最终实现同时对多条目标船舶的鲁棒跟踪。为了得到精确的目标船舶外观模型,首先对目标区域进行梯度方向直方图(HOG)特征提取,然后利用模糊支持向量机(SVM)算法进行训练得到每条目标船舶的参数化的外观模型。其中,由于模糊SVM中模糊度的引入,对不同的输入训练样本赋予不同的重要性,因此将获得比线性SVM算法更加精确的目标外观模型。结构化的学习方法保证了在目标运动过程中该算法能即时更新目标间的空间相互关系参数,实现鲁棒的跟踪效果。实验结果表明,提出的算法适用于在内河环境下鲁棒、有效的多目标船舶跟踪。

双行人可变形部件模型及其在行人检测中的应用

针对传统行人检测算法在检测靠得很近或相互遮挡的多行人目标时容易出现漏检的问题,分析了可变形部件模型,提出了基于双行人可变形部件模型的行人检测算法.该算法包含模型训练、模型匹配及融合过程,可以获取双行人可变形部件模型.提出了一种对图像进行分区域匹配加融合的新方法.设计了2组试验,对单行人可变形部件模型和双行人可变形部件模型的检测效果进行了对比.结果表明:提出的算法相比其他算法对检测靠得很近和相互遮挡的多行人目标时容易出现的漏检情况有较大的改善,有效降低了漏检率.

基于可变形部件模型的车牌检测

针对传统的利用车牌先验信息后检测的方法受背景、分辨率、光照和车辆姿态影响较大的问题,提出了一种基于可变形部件模型的车牌检测方法。该方法首先提取车牌样本的HOG特征,分别获取根滤波器模型和部件滤波器模型,融合后得到最终的检测模型;然后计算待检测图像的HOG特征,用检测模型分别计算根滤波器的得分和部件部件滤波器的得分;最后将根滤波器的得分与进行距离变换之后的部件滤波器的得分相加,根据相加后的结果确定车牌的真实位置。实验结果表明,该方法能够准确检测出车牌位置,能应用于各种复杂背景、低分辨率、恶劣光照和任意车辆姿态的环境中,具有一定的实用价值。

基于可变形部件模型的台标识别方法

背景变化复杂、部分台标相似度高、拉伸变形等因素增加了台标识别的难度,降低了识别的准确率。为此,提出了一种鲁棒的基于可变形部件模型的台标识别方法。依据台标特性,利用合适的颜色特征对可变形部件模型的特征进行了改进和增强;利用隐式支持向量机和隐式线性判别分析技术加速台标识别模型训练。为了弥补可变形部件模型的不足,设计了一种基于加权部件的计算方法,提出一种新的可靠机制进行准确率评价。实验结果表明,与基于方向梯度直方图和支持向量机的识别方法相比,该方法具有更高的识别准确率,性能更加稳定。

基于可变形部件模型的粒子滤波快速行人检测与跟踪

针对视频中的行人检测和跟踪问题,提出一种基于可变形部件模型的快速行人检测、改进粒子滤波的行人跟踪算法。在行人检测阶段,为了改善非刚体行人的检测精度,采用了混合多尺度可变形部件模型;同时为了加速行人底层特征的计算,采用了基于预测算法的快速特征金字塔计算行人特征,代替传统的计算图像特征金字塔的每一个尺度特征。在行人跟踪阶段,采用时变的状态空间模型和基于颜色梯度直方图的观测模型对检测到的行人进行跟踪。实验证明,改进的行人检测算法可以在性能损失忽略不计的条件下,大大提高检测速度,并且相对于传统的行人跟踪,改进的粒子滤波算法对行人这一非刚性目标能实现较好的跟踪。

基于可变形部件模型的渔船安全监控系统

基于视频的渔船驾驶舱人员检测是渔船安全行驶的保障。为解决渔船驾驶室小范围场景下人员的多姿态、多尺度、遮挡严重造成的检测精度不高的问题,系统针对场景重新建模,优化各组件权重和改变可变形部件模型的打分函数,并优化非极大抑制法,进一步缓解人员遮挡造成的多检和漏检问题,最后利用北斗卫星导航系统的报文传输功能实现对近海渔船的驾驶舱安全监控。实验结果表明,系统进一步增加了该场景下人员检测和人数统计的精度,满足了渔业安全监控的需要。

车辆检测中可变形部件模型的改进与应用

针对可变形部件模型的复杂性使其在检测车辆时速度慢的问题,对可变形部件模型进行了改进。一方面使用加权PCA对可变形部件模型的基础HOG特征进行降维来减少模型参数;另一方面将HOG特征层组合后,使用快速傅里叶变换(FFT)把滤波器与HOG特征层的卷积转换为频域乘积,来降低计算复杂度。仿真实验结果表明,改进的可变形部件模型在进行车辆检测时检测精度和召回率都与原始模型相当,但检测速度大幅提升,在UIUC和BIT两个数据集上的平均耗时分别仅占原始模型平均耗时的29.6%和26.3%。

基于可变形部件模型的安全头盔佩戴检测

利用视频监控系统进行安全头盔佩戴检测,对于安全生产有着重要意义。已有的安全头盔佩戴检测算法有较多的应用场景条件限制,难以同时满足不同场景需求。针对这一问题,提出了一种应用于安全头盔佩戴检测的算法。该方法依托可变形部件模型,提出了基于块的局部二值模式直方图,与梯度方向直方图和颜色特征共同组成特征向量,使用支持向量机进行训练和检测,利用了单一使用梯度方向直方图作为特征时所损失的有效信息。实验结果表明,该方法优于原可变形部件模型,在安全头盔测试集上的平均检测率提高了7.2%,达到86.7%,已接近应用要求。

基于可变形部件模型HOG特征的人形目标检测

使用单幅图像进行特定目标的检测是机器视觉领域的重要任务之一。利用机器学习的方法,使用LSVM分类器进行人形目标的检测。该方法提取图像的HOG(梯度方向直方图)特征和其对应的可变形部件来描述目标的外形特征,能够较好地解决目标由于运动而产生外形变化的问题。对常见公共区域场景进行数据采集并随机抽取了200张图像,使用所述方法对其中共1 100个人形目标进行检测,正确率识别率为78.3%。结果表明该方法具有一定的可行性和稳定性,能够较好检测出单幅图像中的人形目标并加以标注。但对于某种程度有所遮蔽的人形目标则会产生漏检的现象。

基于改进可变形部件模型的车辆检测

对传统的车辆目标检测方法进行了改进,提出了一种基于改进可变形部件模型的车辆目标检测方法。首先对交通图像进行HSI颜色空间转换,提取颜色空间中各通道的信息,对各通道的可变形部件模型进行训练;然后采用自适应融合方法得到颜色融合的可变形部件模型。在车辆检测过程中,通过滑动窗口遍历,利用颜色融合的可变形部件模型对车辆图像进行遍历搜索;将分数超过阈值的区域视为车辆目标。在实验阶段,首先训练颜色融合可变形部件模型,然后验证其有效性和准确性,实验图像来源于实际的交通路口。结果表明,提出的方法能够准确有效地进行车辆目标检测;与其他车辆目标检测方法相比,具有较高的检测率和较低的误报率,可以实现对智能交通车辆目标的准确检测。

基于可变形部件模型的驾驶员人脸检测

交通监控中车辆驾驶室内环境较为复杂,如光线暗、遮挡、分辨率低等,现有的人脸检测方法效果不佳.提出了一种基于可变形部件模型的驾驶员人脸检测方法.通过提取聚合通道特征(局部二值模式和梯度方向直方图),得到候选人脸目标.基于监控图像中车牌与驾驶员人脸的相对位置存在比较固定的模式,将车牌与驾驶员人脸看作是可变形部件模型中的两个部件,用于验证车牌和候选目标相对位置关系的合理性,从而确定驾驶员人脸的位置.实验结果表明提出的方法提高了检测准确率和综合性能指标,有效地滤除了人脸虚警,且召回率影响较小.

融合分支定界的可变形部件模型的行人检测

针对可变形部件模型(DPM)算法在行人检测领域中的检测精度高,但由于在特征提取和行人定位两步中的计算量过大,导致检测速度过慢而不能应用于实时行人检测的问题,提出了一种融合分支定界算法和级联检测算法的可变形部件模型(BBCDPM)算法。首先,选取梯度方向直方图(HOG)特征作为描述人体目标的特征,从而生成特征金字塔;然后,进行可变形部件模型的建模,并使用隐变量支持向量机(LSVM)对模型进行训练;同时,为了提高行人检测的准确度,将传统可变形部件模型算法中的5个部件模型增加到了8个;最后,在利用了级联检测算法简化检测模型的基础上,结合了分支定界算法寻找最大值,排除大量不可能的对象假设,完成对行人目标的定位和检测。在INRIA数据集上进行了实验,结果表明,与传统DPM算法相比,该算法将准确率提高了12个百分点,且大幅提高了行人检测与识别的速度。

基于稀疏表示的可变形部件模型目标检测

基于可变形部件模型DPM的目标检测算法采用方向梯度直方图HOG进行特征表示,由于HOG无法处理模糊的边界而且忽略了平滑的特征区域,从而影响了DPM算法的性能。为了提高DPM的性能,提出了一种基于稀疏表示的可变形部件模型目标检测的方法。该方法利用稀疏编码构建一种新的特征描述子来取代原可变形部件所使用的方向梯度直方图,新的特征描述子能够描述物体更多的信息,对图像中的噪声不敏感。实验结果表明,该方法在PASCAL VOC 2012数据集上提高了原可变形部件模型算法的精度。

一种多尺度可变形部件模型的人脸表情识别

针对现有表情识别研究无法精确捕捉脸部关键部位特征,提出一种多尺度可变形部件模型(DPM)的人脸表情识别方法。首先构建多尺度图像的特征金字塔,然后用随机梯度下降算法训练人脸DPM模型,根据DPM模型中根滤波器与部件滤波器的响应值确定人脸关键部位位置,最后提取关键部位的HOG特征,将获得的特征输入到分类器中训练。在CK+和JAFFE表情库上的验证结果表明,该方法在不同角度和光照强弱影响下对人脸均有较好的检测和定位效果,提取的人脸关键部位特征在计算速率和识别率上优于对比算法。