基于局部敏感直方图的时空上下文跟踪

针对当前目标跟踪算法在目标区域光照剧烈变化、长时间遮挡或者平面内旋转时会发生偏移甚至跟丢这一现象,提出了基于局部敏感直方图的时空上下文跟踪算法。该算法以贝叶斯框架为基础,利用生物视觉特性,结合底层灰度特征,基于局部敏感直方图提取光照不变特征,建立目标与背景的统计相关模型来实现跟踪,使跟踪时偏移较小且不会跟丢目标。在对不同视频序列的实验表明:基于局部敏感直方图的时空上下文算法和多示例学习算法相比,在光照变化、平面内旋转或者遮挡时都表现出比较好的跟踪效果且中心误差较小,具有较强鲁棒性。

融合颜色直方图响应的时空上下文跟踪算法

时空上下文(STC)跟踪算法在特征表达、尺度自适应策略等方面存在缺陷,当出现目标突然形变、局部遮挡或尺度变化等情况时,跟踪器的性能会严重退化。通过对STC算法进行改进,提出了一种融合颜色直方图响应的时空上下文跟踪算法。基于颜色统计的模型对运动模糊和目标形变等影响因素不敏感,和时空上下文模型具有良好的互补性质,在响应层融合后能够提升算法的鲁棒性。此外,采用基于多尺度金字塔模型的尺度搜索策略替换STC算法中原有的尺度估计策略,进行更精准的自适应尺度估计。在大规模公开数据集上的测试结果表明,本文算法在不同影响因素的复杂环境下展现了更为良好的跟踪性能和适应性,并且平均跟踪速度达到134.2帧/秒。

改进型形状上下文的工件立体匹配方法

为了解决传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求的问题,提出了一种改进型形状上下文的工件立体匹配方法。改进匹配搜索策略,引入立体图像对质心的视差约束条件,并利用形状上下文直方图分布信息进行初步筛选,获取候选匹配点集,减少后续匹配计算复杂度;为增加匹配点与非匹配点的区分度,对形状上下文相似性度量进行加权处理;匹配时融合对应轮廓采样点3×3邻域的梯度方向直方图特征,与形状上下文构成联合相似性度量;最后采用随机抽样一致性算法剔除误匹配点对。对改进算法进行了理论分析,并应用于工件图像进行实验验证,通过实验给出了相应的实验对比。结果表明,改进的方法具有较高的匹配精度和更快的匹配速度,鲁棒性高。

图上下文及在图距离计算中的应用

图结构的特征提取及相似性度量是计算机视觉和模式识别中的重要研究内容。针对传统的方法对存在非刚性变换的图结构难以充分描述这一问题,给出一种基于图的上下文(GC)描述子的图结构信息描述及距离度量方法。首先,通过对图的边缘进行等距离散取样得到该图的采样点集;其次,基于图的采样点集给出图的上下文描述子;最后,采用推广的推土机距离(EMD)方法实现图的上下文描述子的距离度量。不同于图的编辑距离计算方法,所提方法不需要定义代价函数。实验表明该方法对于一些非刚性变换前后的图的距离计算具有较好的效果。

基于形状上下文的车牌字符识别

针对车牌字符识别问题,该文提出一种基于形状上下文的识别算法,对分割好的车牌字符进行识别。对分割字符进行边缘检测,提取部分边缘点作为样本点,计算每个边缘点的形状上下文描述算子;再对分割字符和字符模版进行相似度比较,得到相应的对数极坐标图,计算相似度是否达到预设的阈值来判定分割字符是否可识别,并判别结果。实验表明,此算法在二维目标的不变性中,具有精确的匹配效果。

基于自适应模板半径的形状上下文描述子在手势识别上的应用

提出了一种基于自适应模板半径的形状上下文描述子描述图像轮廓特征的手势动作模式识别方法,并探讨了这种方法在基于视觉的汉语字母手势识别中的应用。首先,在计算手势轮廓各点的形状上下文时,提出了一种距离直方图法求取自适应的模板半径的方法,并以χ2统计量计算各轮廓点之间的匹配距离,再以改进Hausdorff距离计算各手势轮廓间的匹配距离,最后用最近邻法进行分类识别。对来自50个实验对象的手势图像分类识别的实验结果表明,该方法对30个汉语字母手势图像的正确识别率达到了74.3%,明显高于基于不变矩及傅里叶描述子特征提取方法的识别结果。

基于自适应模板半径的形状上下文描述子在手势识别上的应用

提出了一种基于自适应模板半径的形状上下文描述子描述图像轮廓特征的手势动作模式识别方法,并探讨了这种方法在基于视觉的汉语字母手势识别中的应用。其中,在计算手势轮廓各点的形状上下文时,提出了一种距离直方图方法求取自适应的模板半径的方法,并以χ2统计量计算各轮廓点之间的匹配距离,再以改进Hausdorff距离计算各手势轮廓间的匹配距离,最后用最近邻法进行分类识别。对来自50个实验对象的手势图像分类识别的实验结果表明,该方法对30个汉语字母手势图像的正确识别率达到了74.3%,明显高于基于不变矩及傅立叶描述子特征提取方法的识别结果。

基于形状上下文的驾驶室值班人员检测算法

提出了一种基于形状上下文的人脸模板匹配算法。首先,对待检测图像进行椭圆状目标检测,标记出所有的"候选头部区域";然后,根据形状上下文算法将"候选头部区域"分割出来,与人脸模板分别匹配,计算出其对数极坐标直方图,得到匹配图像的Cs值。最后,判断Cs值大小来确定模板与待测目标是否匹配,输出最终标记结果。该算法具有二维目标不变性的特点,能够为目标正确标记提供可靠依据。

一种基于改进地貌形状上下文的形状匹配方法

在基于地貌形状上下文的形状匹配方法中,计算地貌空间测地距离消耗时间较高,对应形状特征提取过程的效率较低.针对这一问题,本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中,通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文,其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知,进一步引入动态规划分析不同地貌空间下形状片段间的对应关系,以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析,验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.

基于形状上下文的颜体字比较的研究

颜体在中国的书法界备受追崇,然而对颜体的研究多是停留在书法艺术及特点上。以形状上下文的方法对颜体字从度量的角度进行研究。用弯曲能量、仿射变换代价和形状上下文代价等三个指标来衡量颜体字的相似度。从两个角度进行比较研究。对两块《颜勤礼碑》上的"中"字进行比较研究,发现相似度很高。与汉鼎繁颜体比较,发现差别要比前一次的比较要大。通过横向与纵向的比较研究得出颜真卿所写的碑帖已经形成风格,而在电脑上所用的汉鼎繁颜体只有颜体的行笔特点。

联合加权重构轨迹与直方图熵的异常行为检测

为解决多目标打斗、抢劫等异常行为检测精度不高的问题,提出一种联合加权重构轨迹与直方图熵的异常行为检测算法。首先,采用背景相减法结合宽高比提取行人目标;然后将卡尔曼滤波器及HOG特征融入时空上下文算法中,实现短时间内被完全遮挡行人的鲁棒跟踪;最后对跟踪轨迹进行训练,构造正常行为字典并稀疏重构待检测轨迹,通过联合加权最小重构残差和直方图熵,实现对异常行为的有效检测。通过对比实验,表明该算法对于打斗和抢劫等异常行为具有较好的检测效果,在静态背景且无遮挡的情况下,检测率可达92%以上。

基于形状上下文和方向梯度直方图特征的异源图像配准

针对单模态图像包含的信息存在局限性的问题,提出了一种基于形状上下文和HOG(histogram of oriented gradient)特征的红外和可见光图像配准方法.在混合高斯模型前景检测的基础上,通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配,再利用TPS(thin plate spline)转换模型将匹配延伸到整个形状,并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差.最后,采用RANSAC(random sample consensus)算法去除错误匹配点.与已有的形状上下文方法相比,此方法结合了边缘和轮廓特征信息,降低了误差,鲁棒性更好.

基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。

基于H-EMD的形状上下文特征形状匹配方法

为了快速有效利用推土机距离(EMD)模型计算直方图间的交叉相似度,提出一种基于直方图的EMD(H-EMD)模型.将原始模型对应的线性规划问题中变量数目进行约减,降低了直方图相似度计算的复杂度.利用H-EMD模型计算形状上下文特征间的相似度,进而对基于形状上下文形状匹配方法进行改进.通过对不同的数据仿真结果进行比较,H-EMD模型在匹配时间上更具优势,同时,改进的形状匹配方法能有效实现形状识别和检索.

形状填充率的物体识别算法

针对经典形状上下文算法对物体关节相对位置变化敏感的缺点,提出一种基于剪影局部形状填充率的物体识别算法.该算法以物体不同的轮廓控制点为圆心,计算不同半径下物体剪影像素所占总像素的比例,即为控制点的局部形状填充率;将不同控制点、不同半径长度所计算的形状填充率数值构成一个特征矩阵,该矩阵反映了物体整个剪影的统计特性.通过不同数据库的实验结果表明,文中算法对物体的细节有很强的描述能力,对物体关节的相对位置不敏感,并且受剪影轮廓控制点数量影响小.

空间约束特征组合与选择的中国剪纸识别

针对中国剪纸识别中存在底层形状特征难以表达高层语义这一"语义鸿沟"问题,提出基于空间约束特征组合与选择的中国剪纸分类识别方法.首先结合空间金字塔模型和上下文相关直方图提取剪纸形状特征,从而得到具有空间信息底层特征;然后通过AdaBoost对所提取的形状特征进行组合和选择,以进一步获取剪纸图像的区别性特征;最终实现剪纸图像的识别.

基于时空模型的尺度自适应视觉跟踪

针对视觉跟踪过程中因目标尺度变化导致跟踪精度低的问题进行了研究,提出一种基于时空模型的尺度自适应视觉跟踪算法(spatio-temporal context-scale adaptive,STC-SA)。在颜色属性空间下提取目标颜色直方图特征;再通过时空上下文学习获取置信图中概率最大位置;最后利用颜色直方图进行相似度匹配并根据自适应方法修正跟踪框尺寸以达到最佳的跟踪效果。实验选取Benchmark中五组具有明显尺度变化的图像序列进行测试,STC-SA算法的跟踪成功率最高达到91%,验证了STC-SA算法具有较高的跟踪精度和跟踪实时性。

基于改进SFM的三维重建算法研究

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后三角化生成三维点云。该算法匹配精度高,图像基础矩阵易于收敛,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明,与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体三维重建。

一种鲁棒的基于图像对比度的局部特征描述方法

该文提出一种鲁棒的基于对比度的局部特征描述方法,即独立元素对比度直方图(Independent Elementary Contrast Histogram,IECH)描述子。首先计算特征区域内各像素与被随机采样像素间的对比度值。然后,在极坐标下以特征主方向为基准,将局部特征区域分割成32个子区域,分别统计2维正负对比度直方图。最后,对统计结果进行归一化处理,产生64维的IECH特征描述向量。实验结果表明,该方法在保持与SIFT相当的匹配性能的同时,具有更快的特征生成速度与更低的特征维数。相比于具有相同时间复杂度与特征维数的对比度上下文直方图(CCH)方法,该方法描述子的性能有了明显的提高,更适合在实时应用中使用。

基于改进KCF算法和多特征融合的车辆跟踪研究

针对目前车辆跟踪研究算法中,核相关滤波算法(KCF)在复杂背景下存在特征提取单一以及尺度无法自适应的不足,本文提出一种多特征融合的尺度自适应算法。该算法以颜色直方图信息作为颜色特征,将具有更多语义信息的高层卷积特征和拥有较高分辨率的底层卷积特征作为深度特征,并与颜色特征进行自适应特征融合。然后,采用上下文图像对目标背景信息进行约束优化,并通过平均峰值相关能量检测衡量响应置信度,最后利用高置信度的跟踪结果来避免模型易受干扰的问题。通过在OTB100数据集上的实验表明,本文算法的精度分别比其他的主流跟踪算法Staple、SAMF、KCF、TLD、DSST和CSK高出4.9%,5.7%,10.2%,10.3%,23.4%,29.7%。