LK光流法和三帧差分法的运动目标检测算法

三帧差分法是目前较为常见的运动目标检测算法之一。它的执行速度较快,但是它会存在各种干扰以及易受到环境噪声的影响,而且容易在检测到的运动目标内部产生较大的空洞,以致影响到最后的检测效果。针对这些问题,将Lucas-Kanade光流法与三帧差分法进行结合。利用Lucas-Kanade光流法计算得到运动目标的大致矩形区域。在确定的区域内外通过选取不同的阈值利用三帧差分算法提取运动目标,构成一种分级阈值的三帧差分法。并且利用前面光流法计算得到的角点来完善目标轮廓。这样将传统三帧差分算法的阈值分割转换成阈值分割与区域分割相结合的模式。试验结果表明,该改进算法具有良好的抗噪性,能够得到比原算法更好的检测效果。

基于LK光流法的微流控芯片中流体速度检测

为促进微流控技术相关领域的发展,针对目前微流控技术不能有效地检测流体在微通道的运动状态地问题,提出了一种基于LK光流法的检测技术,能有效地检测微流控芯片中流体的细微运动。实现过程为:通过在实时视频序列中捕获所需要的图像帧,选择ROI区域并对图像进行灰度化及高斯滤波平滑,然后划分网格使用LK光流法计算光流场,通过阈值分割筛选掉独立的光流矢量,最后将所剩的光流矢量转换为行列两个实值图像并求解出其像素距离,结合图像帧之间的时间差求出目标的运动速度。实验结果表明:像素速度标准差σ<1,具有可重复性;该方法能实时跟踪运动的液体,精度高、效率高,是一种非常可靠的检测方法。

改进LK光流法在复杂环境中对移动小球目标追踪

针对传统Lukas-Kanade法(以下简称LK法)在板球系统中追踪小球难以捕捉圆心、追踪精度不高问题,提出一种基于hough变换的改进LK法.传统LK法确定角点主要是选取图中灰度梯度大的地方,角点总是在小球边缘而无法深入圆心,采用改进LK法选取角点是将图像的二维XY坐标系转换为三维ABR坐标系,通过累积数量和累积权重确定圆心.通过该点的图像的灰度梯度,进行追踪.结果显示改进的光流法对目标的捕捉要优于传统LK光流和反向直方图投影法.

基于金字塔LK光流法及超声传感的微型无人机障碍识别优化研究

针对在有雾或能见度低的情况下,传统的光流算法在微型无人机障碍物辨识过程中准确性低、适应性差等问题,采用了一种基于金字塔LK光流法结合超声传感的避障方法。主要进行金字塔分布式检测,经超声波传感器探测目标,用测得的光流数据与IMU值融合后进行Kalman滤波处理,与设定的阈值进行比较,判断是否为障碍物,以提高微小型无人机障碍物辨识准确性。通过搭建无人机试验平台,对实验结果进行比较、分析,验证了方法的可行性。

基于LK光流法的单目视觉里程计

在移动机器人快速发展的今天,视觉里程计是通过视觉传感器进行导航定位的主要方式之一。文章介绍了基于单个摄像头的单目视觉里程计的一种实现方法,使用SURF算法提取特征点,用LK光流法进行特征追踪,相比于传统特征匹配在运算效率上有极大的提高,再对特征点计算位移与旋转量,以里程计的方式达到定位目的。详细介绍了视觉里程计的数学原理以及SURF算法和LK算法的原理及其数学推导、单目视觉里程计的尺度不确定原理。最后通过对比确定LK算法的优势以及最优参数的选择。

改进ORB-LK光流法的无人机速度估计

针对无人机无法在全球定位系统信号弱或拒止环境下实现自主导航的问题,提出一种基于改进的ORB-LK光流法的速度估计算法。首先,通过ORB算法提取目标物体上的特征点,经过LK光流法计算出图像光流速度;然后,采用前向后向匹配算法确定匹配点对,利用渐近一致采样算法剔除误匹配实现精匹配;最后,结合惯性测量元件测得的无人机旋转速度和声呐测得的高度计算出平移速度,为无人机自主导航提供速度信息。通过在Matlab中仿真实验证明,改进算法在公开图像数据集中的平均运算时间为0.622 s,满足无人机实时应用的条件,相较于原ORB-LK算法大幅提升了匹配正确率,能够准确地进行速度估计。

基于景深和LK光流法的视频测速算法

根据景深图虚化背景影响的思想,提出一种基于景深和LK光流法的视频测速算法。通过多尺度自适应小波算法沿水平、垂直及对角线4个方向对图像进行分解;引入边缘图和李氏指数,优化由显著特征区域高频小波系数与深度值关系生成的景深图;最后用LK光流法对景深图进行ORB角点检测,并结合SUSAN算法剔除异常角点绘制角点分布图,由角点坐标在相邻帧图像中的位移计算目标的运动速度和角度。实验结果证明:该算法能有效抑制背景影响、减少计算量,提高运动目标在复杂背景与动态背景下的测速精度和实时性。

基于YOLOv4及金字塔LK光流法的变压器振动检测方法

近年来大规模可再生能源接入变电站带来过载、谐波、短路等问题,导致变压器等重要电力设备故障率增加,寿命缩短。作为电力系统的关键设备之一,变压器的运行状况对电网的安全稳定运行具有重要影响。为了实现变压器的实时状态评估,提出一种基于视频的变压器振动信号实时检测方法。首先利用YOLOv4模型进行变压器目标检测,进一步利用金字塔LK(Lucas Kanade)稀疏光流法以及大津算法(OTSU法)计算得到变压器振动矢量。实验结果表明,在人工合成的变压器振动视频中,该算法可以实时准确计算得到变压器振动矢量,从而实现对变压器状态的实时可靠分析。

基于改进LK光流法的车流量检测

为了实现基于交通监控视频的车辆检测,提出了一种基于LK光流法与分水岭算法相结合的车辆检测方法,利用LK光流法生成车辆光流数据,对光流数据进行处理生成车辆前景图像,对前景中产生的车辆粘连的情况采用改进分水岭算法完成分割.实验结果表明,该方法一定程度上避免了LK光流法因车辆粘连而造成的误判断情况,较现有方法有所提升,有较好的识别效果.

基于LK光流跟踪法的有效目标点增强跟踪

为了提高基于几何形态的物体跟踪方法的准确率,详细分析了基于几何形态的物体跟踪方法下目标点的正确性,并根据分析的结果 ,在对目标物体采样时选取更容易被跟踪到的目标点,对于跟踪的结果 ,排除由于背景影响产生的无效目标点,从增强有效点和排除无效点这两方面入手,提出了基于LK光流法的有效点增强跟踪算法。实验证明,提出的算法能够更加有效地跟踪物体,尤其是当目标快速运动或者发生形变时,能够有效地减少跟踪目标的中心错误率。

一种基于改进FAST角点检测的LK光流算法

针对传统LK光流法无法有效跟踪快速移动的目标,跟踪时存在特征点选取实时性和准确性不足的问题,提出一种结合改进FAST角点检测的LK光流算法。应用改进后的FAST角点检测提取出的角点作为候选特征点,通过设定筛选方案从中选取具有较高对比度的特征点作为目标特征点,结合图像金字塔分层,最终使用LK光流法对其进行跟踪。改进FAST角点检测能够更快速地提取出最强的灰度变化角点,使得子像素计算准确性得以提高并且减少了提取特征点的时间。引入图像分层缩放源图像,能够使算法稳定跟踪快速运动的目标。实验结果从运动目标检测所需时间、特征点的数量、每秒处理的视频帧数以及x轴和y轴方向运动误差等方面进行分析比较,证明所提出的改进算法运行速度快,能够快速且准确地跟踪动态目标。

一种基于LK光流的动态场景SLAM新方法

针对目前视觉同步定位与建图(V-SLAM)动态场景适应性差的问题,提出了一种结合查找表和金字塔LK光流法的改进单目视觉同步定位与建图方法。该方法通过相邻帧的视差估计图像的移动方向,利用金字塔LK光流法获取光流信息,根据光流大小与阈值的比较检测移动物体,最终结合查找表减少移动物体对后续定位与建图的影响。实验证明该方法可以有效提高定位精度,减少图像的冗余信息和动态目标的影响。能满足视觉SLAM在室内场景下的实时需求,具有较高的准确性、鲁棒性和适应性。

基于改进LK光流的目标跟踪算法研究

为了可以在复杂环境下对运动目标进行有效的跟踪,因此对LK(Lucas-Kanade)算法进行了研究并改进。改进的算法采用LK图像配准算法检测目标的状态,可以满足算法对实时性的要求;采用前向后向光流法作为LK框架,使得算法具有自评估能力,不易陷入局部极小值;将压缩感知理论引入LK算法进行目标跟踪,通过对校准误差的L1范数进行最小化来计算目标的状态参数,使得算法可以应对目标外观的变化;引入卡尔曼滤波器作为运动模型,先对物体的位置进行预测,然后再进行分类和检测,能有效地应对由于模板更新而产生的漂移问题。通过大量的实验对算法进行验证,该算法与现有算法相比处理目标在跟踪过程中的外观变化以及环境中的遮挡、光照变化等问题时,仍有较好的性能。

一种基于Harris-Sift引导LK光流约束的特征点匹配算法

提出了一种基于Harris-Sift特征点引导LK光流约束的图像匹配算法。算法首先检测图像的HarrisSift特征点,利用双向互匹配的最邻近搜索算法进行粗匹配;然后利用Ransac算法鲁棒估计两视图单应矩阵,利用单应矩阵引导LK光流法寻找局部最优匹配点,以获取更多更精确的匹配点;最后利用极线约束剔除外点。实验结果表明,该算法能够在降低外点概率的同时有效提高匹配点的数量,并能节省运算时间。

改进的LK光流AGV跟踪算法

实现AGV长期准确跟踪对AGV系统实现无人化管理,提升工作效率有着重要意义。但目前工厂AGV跟踪过程中存在的光照、背景的变化以及部分遮挡等问题会导致跟踪失败。针对这些问题,本文提出一种基于YOLO v3改进的LK光流AGV跟踪算法。该算法利用基于YOLO v3训练好的AGV检测模型对LK光流跟踪器进行初始化;利用LK光流法正向跟踪这些特征点,并预测下一帧的特征点;反向追踪,并分别计算两组特征点的相似度和特征点集生成的跟踪框的距离。当相似度或距离超出阈值范围时,调用AGV检测模型对特征点集进行修正,最终实现对AGV的有效跟踪。

基于金字塔 LK 光流法的电梯内异常行为检测

电梯运行环境相对密闭,是打架等异常行为的多发场所。针对电梯轿厢内发生的打架等以方向混乱、动作速度快作为主要特征的异常行为,提出一种基于金字塔LK光流法的异常行为检测方法。首先,获取视频帧中的角点作为特征点,利用光流法预测特征点位置,对运动矢量进行描述并表示成光流图,通过速度大小筛选出有效光流点,消除背景中的噪声光流点干扰,提取运动目标。然后,利用每帧图像中光流点的平均速度与方向直方图熵的乘积定义运动混乱度,作为异常检测的判断依据。最后,设定相应阈值,判断是否发生异常行为。通过对自拍摄的模拟电梯内乘客正常行为和异常行为的数据集进行验证表明,上述方法可以取得良好的检测效果,并且能满足实时性要求。

一种改进光流法的运动目标检测及跟踪算法

针对精确制导武器末制导过程中动态背景情况下难以有效检测出运动目标的问题,提出了一种改进光流法的运动目标检测方法,并设计了相关跟踪算法。将Shi-Tomasi角点检测和金字塔LK（Lucas-Kanade）光流法结合,只计算强角点处的光流场,较好地估计了全局运动参数,然后采用卡尔曼滤波平滑运动矢量,有效地对当前图像进行了运动补偿。8对补偿后的图像采用三帧差分法得到运动目标,并设计了形态学腐蚀和膨胀运算去除了噪声以更准确地提取目标,最后对检测出的运动目标用归一化积相关算法进行了跟踪。仿真试验及嵌入式平台下的实际测试结果表明,所设计的算法在背景运动情况下依然能够非常有效地检测出运动目标,并且对目标能够稳定地跟踪。在PC上处理速度达到了34.1 f/s,嵌入式平台下为15.6 f/s。

基于帧间差分和金字塔光流法的运动目标检测

针对用于运动目标检测的光流算法存在处理复杂、计算量大等问题,提出一种帧间差分算法和金字塔LK光流法相结合的运动目标检测方案。该方法先对视频图像进行帧间差分处理,得到图像的运动区域,再对该运动区域进行金字塔LK光流计算,减少了计算区域,提高目标检测的速度。最后在搭建的视觉避障平台上使用Lab VIEW语言进行算法程序验证,实验结果证明了算法的有效性。

改进光流法的避障与辅助导航算法

为提升自动驾驶技术的安全性,提出一种车道线检测与障碍物识别的视觉处理算法。首先基于网格划分算法,动态约束了车道线检测的运算范围,并通过扩展的Otsu算法改进车道线检测的最佳分割阈值,准确地提取车道线区域信息;依据车道线区域信息设定LK光流评价指标,排除动态车道线区域对光流法障碍物检测的影响,提高算法的处理精度,并提出动态缩放因子减小图像中目标运动速度,从而满足算法的低速检测要求;最后通过车载摄像头连续采集的高速公路图像进行实验,实验结果表明,算法能够全面的感知图像信息,准确地提取车道线区域信息并识别出环境中的障碍物。

基于光流法的稀疏光场稠密重建算法

光场成像在三维重建、合成孔径去遮挡和全息成像等应用中具有重要作用。光场稠密重建算法能够弥补光场成像硬件的不足,实现稀疏光场的稠密重建。本文从二维光流基本原理出发,以光场双平面模型为基础,提出一种新的四维光场光流约束方程数学模型,利用该约束方程求解得到的光场光流确定新视角的位置坐标,并通过插值计算及图像反演逐点获得新坐标的强度值,最终获得高质量的新视角合成图像。实验结果表明,本文方法能够对长基线场景中的纹理、阴影及色彩等信息进行高质量重建,定量评价结果表明该算法能够完成复杂场景的光场稠密重建任务。本文算法仅适用于线性光场光流的约束以及一维视角光场的情形,后续相关研究将围绕非线性光流约束以及多维视角光场的情形展开。