基于Gabor变换域的积分直方图鞋印图像检索

案件现场提取的鞋印图像是现代刑侦中一种十分重要的线索和证据,如何快速而准确地从鞋印图像库中检索出相同或相似的鞋印图像,关系着公安部门的破案效率。针对有残缺的鞋印图像,提出一种基于Gabor变换域积分直方图的鞋印图像比对与检索方法。对图像进行Gabor滤波后,在每个像素位置用响应最大的滤波器号替代图像的像素值,然后统计图像积分直方图。对于残缺图像与完整图像的相似度计算,先通过积分直方图计算出残缺图像在完整图像中的最相似区域位置,再提取该区域的特征,最后进行相似度度量。通过求积分直方图快速准确地求出残缺图像在完整图像中的位置,从而提取局部特征。实验表明,与直接比较图像的全局特征相比,该算法的查准率提高了4.82%。

基于动态时间规整(DTW)优化积分直方图动态捕捉的持续人体动作识别研究

针对现有持续人体动作识别算法实时性不高的问题,提出了一种基于动态时间规整(DTW)积分直方图的动态捕捉方法。首先,利用积分直方图对原始动作进行分类;然后,聚类各种时空姿态建立动作的统计表示,并采用巴氏距离测量两个直方图的相似性;最后,根据动态时间规整方法设计了动态程序识别算法。通过大型数据集的测试以及与几种最新方法的比较证明了方法的高效性,即使在数据库包含噪声和相似动作的情况下,方法仍然取得了很好的识别效果。

一种基于积分直方图的粒子滤波跟踪方法

用积分直方图技术提出了一种低复杂度的粒子滤波跟踪方法和基于积分颜色直方图的观测似然模型.采用积分方向直方图建立一个检测响应图,用其上的观测信息构建建议分布函数,在状态空间中似然概率较大的子空间中进行粒子采样.仿真结果表明,在采用大量粒子跟踪大目标时,提出的跟踪方法的计算复杂度明显低于直方图直接提取的粒子滤波方法,而且在光照变化的条件下,比采用传统颜色Mean-Shift的跟踪方法准确.

基于交叉积分直方图的对偶双边滤波算法

多模图像由于受到成像带宽的限制,往往在有些波段会受到较大噪声的干扰。对偶双边滤波是目前对多模图像去噪较为常规的方法,能同时对多幅图像进行联合去噪,但存在计算效率低下的问题。针对该问题提出一种基于交叉积分直方图的对偶双边滤波算法。该算法通过所构造的交叉积分直方图能够在常数时间里计算出滤波器的系数,并且算法的复杂度不受滤波半径的影响,因此有效提高了原始对偶双边滤波器的适用范围和计算效率。

基于均值漂移采样调整和积分直方图表达的粒子滤波跟踪算法

粒子滤波跟踪算法是对视频目标跟踪常用算法的改进。通过对采样粒子的均值漂移调整,使采样粒子集中于其邻近的局部极大值区域,加快了粒子收敛的速度;通过图像的积分直方图表达方式,对原算法中低效的直方图的统计工作,用粒子所在矩形区域的4个顶点的积分直方图的加减运算代替,运算速度得到较大程度的提高。对实际图像的跟踪和分析表明,本算法和传统的粒子滤波算法相比,具有更快的收敛速度,更短的计算时间,且粒子数越多,粒子所在区域面积越大,本算法的优势越明显。

基于积分直方图的快速粒子滤波跟踪算法

基于直方图的粒子滤波已成功地用于解决计算机视觉中的目标跟踪问题,但是,在观测似然计算上的低效限制了它们的实时应用。针对该问题,提出了一种快速的粒子跟踪方法。其建立在积分直方图技术的基础上,使得每个候选样本的观测似然能够由少量的查找表运算有效地计算出来。该方法使用了大量的粒子以确保鲁棒性,同时确保具备实时跟踪的能力。实验结果表明该方法在计算效率上优于通常的粒子滤波跟踪方法。

基于积分直方图的粒子滤波跟踪算法

在目标模型的建立过程中,将积分直方图引入到粒子滤波跟踪框架中,提出了一种快速的颜色直方图计算方法,极大地提高了粒子滤波跟踪算法的实时性。为了进一步提高算法的鲁棒性,引入了一种基于邻域颜色特征的匹配搜索机制,当跟踪精度下降时,能够对跟踪结果进行优化,减小跟踪误差。实验结果表明了该算法的有效性。

一种改进的快速SIFT特征匹配算法

在原有经典SIFT(Scale Invariant Feature Transform即尺度不变特征变换)特征匹配算法的基础上,运用积分图像和积分直方图检测和描述特征点,使算法的实时性得到明显提高,并针对该快速算法的特征区域的分割方式提出改进,改进后的快速SIFT算法在实时性能提高的同时,特征匹配的能力也得到了改善。运用Matlab语言仿真的结果表明,此方法是可行的,使得目标跟踪等实时应用成为可能。

基于支持向量机的目标跟踪研究

把目标跟踪看作为目标和背景在时序上的分类问题来进行处理,选择支持向量机作为分类器,完成相应的目标跟踪任务。在跟踪过程中,采用扰动前景区域和按步长抽取背景的方法得到数量相当的正负样本;建立图像的积分直方图索引,通过索引之间的加减快速获取区域边缘和纹理特征向量;将新样本集合与前期获取的支持向量混合起来一并训练,实现分类器的在线更新。用经典图像序列进行实验,实验结果表明,该算法具有良好的跟踪效果。

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。

基于方向码的旋转不变模板快速匹配方法

将图像梯度方向应用于旋转不变性模板匹配时存在计算量较大的问题,由此提出一种改进的基于梯度方向码的旋转不变模板匹配方法,通过计算积分直方图降低统计直方图的计算量,采用像素跳跃的匹配方法减少大量无效的匹配运算。实验结果表明,该方法在保证匹配准确性的前提下,匹配速度提高了3倍至6倍,可以达到实时性要求。

一种改进的粒子滤波跟踪算法

传统粒子滤波跟踪算法的退化现象和巨大的计算量不利于其应用,尤其在实时性要求较高的视频监控场合。引入均值漂移算法进行粒子的采样调整,采用积分直方图加快每个粒子的直方图计算速度,以改进传统粒子滤波跟踪算法的速度和跟踪效果,满足实时跟踪需要。实验结果证明了改进算法的有效性。

HOG特征及其应用研究

图像特征在目标检测及识别中扮演着重要的角色。基于方向梯度直方图(Histograms of Oriented Gradient,HOG)特征的目标检测方法以其良好的检测效果得到很多研究者的广泛关注。文章重点研究HOG特征及其应用,详细分析了HOG特征的提取过程,并引入积分直方图对其计算进行加速处理。在基于HOG特征提取算法的基础上,重点探讨了基于HOG特征的行人检测,并简要介绍其在车辆检测以及目标跟踪方面的应用。

室内场景中适应光照变化的运动目标检测算法

为了进一步提高室内检测跟踪系统的有效性和稳定性,以经典的混合高斯模型为基础,结合了积分直方图方法,提出了一种室内场景中适应光照变化的运动目标检测算法。该方法通过当前帧和背景帧的全局积分直方图差分来确定光线变化的程度。对于全局的光线突变,进行模型的全局更新。对于局部的光线变化,用光线变化比例作为高斯模型权值更新率因子,实时控制更新速率。再对高斯模型提取的前景,用区域局部积分直方图进行虚假前景的判断和消除,从而进一步提纯真实前景。仿真实验结果表明:算法较好地消除了场景中光照变化对目标检测的影响。

自适应搜索的快速分块跟踪

针对传统的分块跟踪算法计算量大,难以实时地对运动目标进行跟踪这一问题,提出了一种改进的分块跟踪算法。首先,为降低背景噪声对跟踪性能产生的不利影响,提出的算法对目标所在矩形窗口进行了更细致的划分;然后,根据目标运动信息确定搜索范围和搜索中心,采用分层次的自适应搜索算法,在每一层采用不同的搜索策略逐步逼近与目标模板最相似的位置,避免算法将时间过多地浪费在无效位置的运算上;最后,给出了改进算法在DSP上的实现和优化方法。实验结果显示,该改进算法能够在DM642上以30 frame/s的速度处理768 pixel×576 pixel的图像,与传统的分块跟踪算法相比,提高了跟踪精度,运算时间减小了约47.5%。该改进算法较好地解决了传统分块算法的缺陷,实现了在嵌入式系统上对运动目标的实时跟踪。

基于多特征融合的粒子滤波多目标跟踪算法研究

目前,应用于多目标跟踪的BPF算法仍不能很好解决跟踪过程中出现的相似干扰、目标交叉、短时部分遮挡等问题,且在跟踪过程中,粒子集的分配也对整个跟踪存在不良影响。对此,提出一种基于HOG+Adaboost检测和混合粒子滤波(MPF)相结合,并在跟踪过程中为每个新目标相互独立地分配新的粒子集,采用分块—积分直方图和LBP特征相融合作为目标的观测模型的算法。实验结果证明,该算法在实现多目标跟踪的基础上,很好地解决了上述问题,提高了多目标跟踪的鲁棒性。

一种改进的粒子滤波和Mean Shift联合跟踪算法

为了提高视频运动目标跟踪的准确性和实时性,提出一种改进的粒子滤波和Mean Shift联合跟踪算法。针对传统粒子滤波跟踪算法中颜色直方图观测模型存在的局限性,提出了一种基于分块颜色直方图的观测模型描述方法,并根据该分块直方图的特点,重新设计了粒子权值的更新策略;针对粒子滤波算法实时性差的问题,提出了一种基于积分直方图的颜色特征快速计算方法,极大地降低了算法的运算量;为了降低相似背景干扰对跟踪效果的影响,提出了一种基于Gabor幅度谱的Mean Shift跟踪算法,并利用改进的Mean Shift算法对粒子滤波跟踪结果进行优化,提高了跟踪算法在复杂背景下的搜索能力。实验结果表明了算法的有效性。

基于MB-LBP特征和JIH的Adaboost人脸检测算法

针对纯粹引入Haar-like特征的人脸检测算法误检率高且受光照条件影响较大的问题,在保证实时性基本不受影响的前提下,以提高检测精度及增强对光照的鲁棒性为目的,提出了基于Adaboost算法结合MB-LBP算子和联合积分直方图(JIH)及Haar模板进行人脸特征提取的新方法。测试结果验证了新方法训练的分类器比单纯使用Haar特征或MB-LBP效果好,证明了提出的方法的有效性。

基于视觉选择性注意与IHOG-LBP特征组合的行人目标快速检测

常规的行人目标检测方法往往以底层特征为基础,采用密集窗口扫描的分类检测模式,其计算资源开销大而难以满足快速性要求。针对此问题,研究了一种新的行人目标快速检测方法。引入视觉选择性注意计算进行目标候选区域定位,通过提取候选区域的积分有向梯度直方图IHOG(integrated histogram of oriented gradient)特征和局部二值模式LBP(local binary pattern)特征以形成组合优势,通过级联支持向量分类方式对区域内容进行分级检测,实现了快速、可靠的行人目标检测。DET(detection error tradeoff)曲线和算法运行时间表明,相比Dalal等人的方法,本方法可在保证检测率稳定的前提下,缩短五倍的检测时间,具有更好的工程应用性。

基于粒子滤波和在线训练支持向量机的目标跟踪新方法

序列图像中运动目标跟踪的有效性和鲁棒性是一个非常富有挑战性的课题。为提高在运动背景条件下视觉目标跟踪的性能,克服复杂环境对跟踪算法准确性的影响,提出了一种基于粒子滤波和在线训练支持向量机的目标跟踪新方法。从目标的特征描述和提取着手,引入了积分直方图快速提取特征的方法,加快粒子滤波器运行速度,满足一定的实时性要求。同时,分析了运动背景条件下具有代表性的跟踪算法的本质和特性,结合目标识别创新性地提出在线训练支持向量机的方法,通过在线识别信息和跟踪信息的融合保证算法具备较强的鲁棒性。实验结果表明,该算法能有效的解决动态背景条件下遮挡、光照变化和运动模糊等复杂情况下,对目标进行准确、有效、近乎实时的跟踪。