基于噪声特征参数估计的视频运动区域自动提取

视频运动区域的自动提取是视频对象生成的关键。提出了一种视频运动区域的自动提取方法 ,首先对当前视频帧进行全局运动估计和补偿 ,并和上一帧进行差分运算 ,然后通过估计噪声特征参数自适应地滤除噪声 ,从而提取出运动区域。与传统的差分方法相比 ,该方法具有更强的鲁棒性和精确性。实验结果表明了该方法的有效性。

视频序列中ROI的提取方法研究

由于受光照、天气、噪声等因素影响,使得对视频序列中运动目标的检测成为一项比较困难的工作.本文首先对视频做分帧、灰度化等预处理,采用一种基于改进了的背景差分法对图像序列进行检测,提取人体二值图像,并利用数学形态学对二值图像中存在的孔洞和噪声点进行相应的处理,以人体最小外接矩形的高为边长,提取感兴趣的运动区域(ROI).

视频图像中的实时人脸检测方法

给出了一种视频图像中的实时人脸检测方法,该方法综合了彩色视频图像的运动信息和颜色信息,可以快速地对图像中的人脸区域进行定位。算法通过对视频图像序列中每连续3帧图像进行对称差分,提取出运动区域;然后基于肤色聚类模型,再对运动区域进行肤色检测,经过候选人脸验证,最终定位图像中的人脸。实验表明,提出的方法检测速度快,实现简单、高效,满足实时系统的要求。

一种基于编码域的自适应灵活宏块次序方法

针对不可靠传输会导致视频码流质量下降的问题,提出了一种基于编码域的自适应灵活宏块次序(FMO)方法用于视频容错编码。首先提取出图像的运动区域,然后依据对传输环境和图像特征的分析,计算出该运动区域的错误敏感度。在错误敏感度的基础上,计算最优的FMO编码模式,以使容错强度能够更有自适应性。为提高计算效率,主要的运算信息均来自编码域,即编码过程中产生的结果。实验结果表明:相较于固定FMO模式的方法,文章提出的方法能够更为显著地改善不可靠传输时的视频质量,且计算效率较高。