月面着陆多尺度边缘光流特征提取与跟踪方法

针对月面着陆器动力下降过程中,基于描述子的传统视觉特征提取和跟踪方法耗时长、误匹配率高等问题,提出一种采用边缘光流的多尺度特征提取与跟踪方法。首先通过构建序列图像金字塔和应用多级掩膜提取方法,改善了图像平面上特征点分布的均匀性;在此基础上,利用边缘直方图灰度差平方和(SSGD)滑窗搜索算法,将光流计算由二维迭代简化为一维匹配,大幅缩短了算法耗时;进一步利用多尺度边缘直方图迭代搜索算法在改善大尺度运动下特征跟踪鲁棒性的同时,将光流计算精度拓展至亚像素级。仿真结果表明,本方法计算耗时不超过描述子方法的50%,非大尺度运动下具有更高的稳定跟踪特征点数目,大尺度运动下相比描述子方法下降不超过15%,在跟踪效率和稳定性方面取得了较好的平衡。

视频监控下利用改进型YOLOv3的弱监督式异常行为检测

为了对监控视频中的异常行为进行准确高效地检测,提出了一种利用改进型YOLOv3的弱监督式异常行为检测。采用多尺度融合的方式改进YOLOv3网络,利用改进型YOLOv3完成视频中的目标检测,提高计算效率与方法的通用性;利用光流可有效捕捉运动信息这一特性,提出大尺度光流直方图描述符(LSOFH)描述目标行为,以更好地提取异常行为特征;训练最小二乘支持向量机(LSSVM),用于识别监控视频中的异常行为。基于MATLAB仿真平台对所提方法进行实验论证,结果表明,相比于其他方法,所提方法在UCSD数据集、UMN数据集和地铁出口数据集上的表现最佳,曲线下面积(AUC)最大、等错误率(EER)最小且检测率最高,具有较好的应用前景。