基于RGB直方图的运动目标检测算法

在基于计算机视觉的交通监控系统中,运动目标的检测是一个基础而又关键的问题,背景减除法是其中一个比较经典和常用的方法。提出了一种基于RGB直方图的运动目标检测算法,利用图像序列在RGB颜色空间中R、G、B三个分量的变化特点,并根据三个分量的统计直方图构建背景图像,并对背景进行自适应更新;在此基础上利用背景减除法提取运动目标。实验结果表明,该算法能很好地构建背景,实时、完整地分割运动目标。

结合RGB三维直方图和DBSCAN算法的图像分割

合并超像素生成大面积同质区对目标检测、跟踪和识别及遥感影像处理具有现实意义。在合并过程中,要求超像素具有良好的边缘保持性,传统的超像素分割方法追求形状规则而忽略边缘的贴合度。有鉴于此,提出一种基于RGB三维直方图结合DBSCAN的图像分割方法。首先分析图像三维RGB直方图获取边缘贴合度很高的初始超像素,进而选择适当的特征值利用DBSCAN算法对超像素合并以生成较大同质区。实验证明:新方法获取超像素的边缘保持性和运算效率都优于传统方法,采用DBSCAN合并超像素时,其分割精度有明显提升,而且同质区边缘更加准确。

基于分块的自适应多特征融合目标跟踪

基于RGB直方图的目标跟踪易受背景相似颜色的影响。针对该问题,提出一种分块的自适应多特征权值融合跟踪算法。采用K-S相似性度量准则对边缘方向直方图(EOH)和RGB直方图的特征权值进行融合,实现目标跟踪。实验结果表明,与单一的RGB或EOH特征跟踪算法相比,该算法的跟踪准确率较高,具有较强的抗遮挡能力。

基于改进粒子滤波跟踪算法的运动视频跟踪

为了进一步提高目标跟踪的准确率,提出一种基于改进粒子滤波的运动视频跟踪算法。首先,通过高斯混合模型实现动态背景建模,从而降低噪声和局部动态背景的干扰;然后,在RGB颜色直方图分离的基础上,结合粒子滤波和迭代递归实现目标运动检测,提高了前景检测的准确性。仿真试验结果显示,相比典型粒子滤波算法、遗传粒子滤波和DCEM,改进粒子滤波跟踪算法得到的前景目标的轮廓更好,因此运动目标检测精确度更高且处理时间更短。

基于残差神经网络的颜色特征排序行人再识别算法

行人再识别是智能安防领域的研究热点,得到了学术界的广泛重视。行人再识别是在非重叠多摄像头视角域下进行行人匹配,其难点在于不同摄像头下行人外形具有显著变化,难以提取不变性特征,识别率偏低。本文首先提出基于残差神经网络的行人再识别模型,将特征归一化模块应用其中,有效改善特征分布变化。其次,提出了对光照和姿态具有鲁棒性的重排序算法,旨在通过语义分割模型裁剪出行人上衣图片,并根据其RGB颜色直方图相似度进行重新排序。最后在Market1501及CUHK03两个公开数据集上进行实验。实验结果证明,本文提出的算法能大幅度提高行人再识别的准确率。

基于颜色和形状特征的图像检索系统

随着信息技术的迅速发展,为了高效地从大量图像实例中找出有用信息,改善基于单一特征的图像检索方法的效率和准确性,提出基于颜色和形状信息的多特征图像检索方法,利用VC++6.0工具开发图像检索系统。算法采用RGB颜色空间分块直方图和边缘形状Sobel算子相结合的算法提取图像特征。利用600幅756×504大小的JPEG四种分类场景图片构建图像库,通过实验,首先基于单一的颜色形状特征进行检索得到结果;再通过综合颜色和形状特征的检索算法实现基于多特征的检索,两次实验相对比结果表明多特征检索系统在实际应用中具有高效性和优越性。