基于时间颜色特征及快速模糊C-均值聚类的多人跟踪方法研究

首先用一种改进的背景减除方法检测行人的运动轮廓;然后将检测出的行人的轮廓区域分割成代表单人的轮廓区域;再用快速模糊C均值聚类的算法提取每个人的颜色特征;最后利用点特征和颜色特征对多人进行跟踪,并且在跟踪的过程中利用时间颜色权值来消除噪声对颜色信息干扰。实验结果表明,在基于点特征跟踪的系统中结合时间颜色特征能有效地解决多人跟踪的问题,并提高了跟踪的鲁棒性。

基于采样抠图和自适应颜色的图像合成算法

针对图像合成结果易受颜色取样和权值选取影响等问题,本文借鉴梯度域和线性alpha合成算法的优点,提出了一种基于采样抠图和自适应颜色权值的图像合成算法。算法首先通过增加数据项约束和邻域限制对原始抠图方法得到的alpha matte值进行局部迭代修正,根据得到的alpha matte值对合成区域进行划分,不同的合成区域采用不同的合成策略,边缘区域采用梯度域合成方法对边界进行无缝对接和颜色保真,同时利用均值插值重建方程求解,降低求解复杂度;内部区域通过亮度对比系数计算自适应颜色权值,并用其进行内部区域颜色再平衡,保证源图像和目标图像的完美融合。仿真实验表明,该算法与其他合成算法相比,在无缝边界的同时,颜色保证处理更为有效。

在线高斯混合模型和纹理支持的运动分割

运动分割是基于视频的运动分析中的基本问题·通过颜色和纹理特征的线性组合,实现了一种新的检测运动目标的算法·在线高斯混合模型不仅用于对背景进行更新,而且也用于计算像素颜色差异和颜色权值;纹理特征用于描述局部区域内的结构信息,提高了运动检测算法的鲁棒性·对不同场景的运动分割结果表明,该算法是高效和实用的·