基于自适应多特征融合的mean shift目标跟踪

经典mean shift目标跟踪算法简单快速,具有较好的跟踪效果,但是它用单个特征描述目标,易受相似目标与背景的干扰,鲁棒性较差.针对此不足,推导出多特征融合mean shift目标定位公式;为了适应跟踪过程中目标与背景的变化,提出利用概率分布可分性判据动态评价特征对目标与背景的区分能力,并自适应地计算特征融合权重.在上述两个方面的基础上,对mean shift目标跟踪算法进行了改进,提出一种多特征融合mean shift目标跟踪算法.实验结果表明:提出的算法比经典mean shift目标跟踪算法具有更强的抗干扰性能和较高的跟踪精度.

基于空间边缘方向直方图的Mean Shift跟踪算法

传统的基于色彩直方图或空间色彩直方图的Mean Shift跟踪算法,在诸如跟踪目标出现尺度变化的复杂条件下,无法得到准确的跟踪结果。这是因为色彩直方图或空间色彩直方图无法显著区分颜色相近的目标和背景。鉴于此,提出了一种基于空间边缘方向直方图的Mean Shift跟踪算法,使用空间分布和纹理信息作为匹配信息。实验结果表明,该算法能够有效的处理遮挡、光照变化和尺度缩放等复杂情况,对目标进行准确有效的跟踪,改善了传统方法在尺度缩放等方面的局限性。

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。

基于笔画和Adaboost的两层视频文字定位算法

在定位和验证的两级框架下提出了一种新的视频文字定位算法.在定位模块中,充分利用字符的笔画属性,引入对字符区域有很强的响应的笔画算子;经笔画提取,密度过滤,区域分解得候选文本行.在验证模块中,提取对文字有较强鉴别能力的边缘方向直方图特征,使用Adaboost算法训练的分类器对候选文本行进行筛选.实验结果表明,该算法具有较强的鲁棒性,在不同类型的视频帧中都能得到较好的定位结果.

基于对称性的实时车标定位和识别方法

在基于视频图像的车辆类型识别系统中,当前国内外侧重于研究车辆外形、大小。由于视点的不同,单纯的车辆外形对车辆的类型识别不具有决定性意义,而车标对车辆类型则具有决定意义。提出一种基于对称性的车标定位和识别算法,该算法首先根据车辆本身的对称性等先验知识粗略的确定车标位置,然后利用特征信息精确定位;最后将模板匹配和特征结合对其进行识别。从实验结果来看,该方法能快速、准确的定位车标位置且识别率能达到实时应用的要求。

利用腿部区域HOG特征的行人检测方法

为快速定位车辆前方的行人,提出一种基于腿部感兴趣区域梯度方向直方图(HOG)特征的行人检测方法。将可能存在行人腿部的区域作为感兴趣区域,采用Sobel算子增强腿部垂直边缘特征,并提取梯度方向直方图特征,有效地降低了特征向量的维数;在检测过程中仅扫描可能存在行人腿部的图像下半部分,并在整幅图像的块内计算HOG特征,减少了复杂背景对行人检测干扰,进一步简化了检测过程;基于垂直边缘对称性特征对检测结果进行融合。实验结果表明,该算法能在保持检测率的同时提高检测速度。

基于累积边缘图像的现实人体动作识别

为了从现实环境下识别出人体动作,本文研究了从无约束视频中提取特征表征人体动作的问题.首先,在无约束的视频上使用形态学梯度操作消除部分背景,获得人体的轮廓形状;其次,提取某一段视频上每一帧形状的边缘特征,累积到一幅图像中,称之为累积边缘图像(Accumulative edge image,AEI);然后,在该累积边缘图像上计算基于网格的方向梯度直方图(Histograms of orientation gradients,HOG),形成特征向量表征人体的动作,送入分类器进行分类.YouTube数据集上的实验结果表明,本文的方法比其他方法更加有效.

一种新的道路描述子:对称边缘方向直方图

基于主要道路物方空间形状特征 ,本文提出了一种新的特征矢量———对称边缘方向直方图 ,作为较高分辨率航空影像中主要道路的特征描述 .图像空间边缘像素的拓扑关系 ,该矢量较好地描述了图像的主要形状属性 ,并具有对于图像平移、旋转、尺度和光照变化的不变性 .模糊C 均值聚类算法的分割实验表明 ,该特征矢量较好地解决了较高分辨率影像中主要道路的特征描述问题 ,能有效地从实际航空影像中提取主要道路种子点 .

基于边缘对称性和HOG的行人检测方法

传统基于HOG特征的行人检测方法存在检测速度慢的问题。为此,提出一种基于边缘对称性和HOG的行人检测方法。利用对称差分提取输入窗口的垂直边缘,根据垂直边缘的对称性快速检测出行人候选区,采用HOG特征和线性支持向量机对行人候选区进行验证。实验结果表明,该方法在保持传统方法检测率的同时,能提高检测速度。

一种改进的Camshift/Kalman运动目标跟踪算法

针对目标跟踪中的目标遮挡、丢失等情况,提出了一种改进的基于空间边缘方向直方图的Camshift/Kalman跟踪算法。首先,利用空间边缘梯度方向作为匹配信息,同时自适应修正每帧中的匹配模板,再使用Kalman滤波器对运动目标的位置进行预测更新,以克服目标遮挡情况及噪声的干扰。实验表明,该算法能够较好处理目标遮挡情况,实现运动目标的高精度跟踪。

融合车尾边缘特征的前车识别与纵向车距检测

以提升车辆主动安全、减少纵向碰撞事故为目标,提出了一种基于车尾边缘特征信息的前车识别方法与基于单目视觉的纵向车距检测方法。有别于传统算法利用全局边缘特征或灰度纹理特征来识别前车,该算法首先依据路面灰度分布特性来分割车底阴影,再利用车尾水平与竖直边缘的分布特性建立前车ROI,进一步利用竖直边缘的对称强度验证车辆身份。根据摄像机的小孔成像原理建立纵向车距测量模型,避免了复杂的内外部参数标定。道路试验表明,算法对车辆的平均识别率达到88.5%,纵向车距检测的平均相对误差小于3%,能够实现的有效测距范围为(6.9~78.3)m,其精度与运行速度可以满足实际驾驶中的纵向车距检测。

基于视频的人体运动目标跟踪研究

现实生活中的背景一般比较复杂,基于颜色特征的Camshift目标跟踪在复杂情况下实现效果并不理想。文中提出采用基于边缘直方图Camshift结合优化的Kalman滤波来预测视频中行人目标下一个可能存在的位置,并利用Open CV相关函数,跟踪丢失的几率降低。先对RGB图像进行边缘检测计算边缘直方图,得到搜索窗口质心位置,再用优化的Kalman滤波对运动目标窗口进行预测更新,将信息反馈重新确定下一帧窗口质心位置,以克服遮挡及噪声的干扰。实验表明,该算法能较好地对人体目标进行检测跟踪。

环球网图象搜索引擎研究综述

提出了建立一个ＷＷＷ图象搜索引擎的方案，搜索引擎在Ｉｎｔｅｒｎｅｔ上浏览主页，对遇到的图象进行特征计算，抽取出索引信息，存储索引向量，根据图象内容进行相似图象的查找。分析了颜色直方图、边缘方向直方图、纹理分析和形状不变性等基于图象内容查询的技术，并对ＷＷＷ图象搜索引擎的发展作出了预测。

一种利用边缘方向直方图检测绝缘子的方法

在图像/视频中自动检测和定位绝缘子是绝缘子故障诊断重要前提,但是目前还没有高效的、成本较低的检测绝缘子方法。本文提出了一种利用边缘方向直方图定位绝缘子的方法。首先,分别计算图像子块和模板的边缘方向矢量,并通过矢量变换得到变形模板的边缘方向矢量;之后,针对分块的图像,通过模板与之边缘方向矢量匹配,得到绝缘子的候选区域;而后,对候选区域进行连续性判断,从而实现绝缘子的准确定位。实验表明该算法能够较好地在图像/视频中检测和定位绝缘子。

一种面向“互联网+”智能交通管理的车辆类型识别方法

针对现有智能交通管理中车辆类型识别方法存在分类器效率较低等诸多问题,通过构造一种新的分类器,建立了一种智能交通车辆类型识别新方法。首先采用边缘梯度直方图进行图像特征提取,然后通过融合纠错编码技术和K-近邻分类器构造新分类器实现车辆类型的分类。通过大量实验仿真分析比对表明,该方法不仅能将多类分类问题转化成多个两分类问题,而且使车辆类型识别效率提高了2%,鲁棒性好。因此,该方法在"互联网+"智能交通管理中具有广阔的应用前景和推广价值。

基于边界方向直方图的激光环焊焊缝表面缺陷检测

针对汽车喷油器接杆的激光环焊焊缝图像,提出了一种基于边界方向直方图的缺陷检测方法。通过设定门限的方法对待测图像进行分割,再对分割后的图像提取边界点;采用边界方向直方图表示目标的边界方向特征,并采用边界点的不同梯度方向上的灰度平均值表示目标的边界灰度特征,两者结合能有效地描述目标的形状轮廓信息,准确地识别出焊缝图像中的正常收焊点和焊缝缺陷。实验证明:这种基于边界方向直方图的缺陷检测方法具有令人满意的准确性。

基于边缘方向直方图的Adaboost人脸检测

在传统的Adaboost分类器算法中,采用色彩直方图或空间直方图作为提取特征,但这并不能充分描述图像目标的特征,导致了目标检测和跟踪出现偏差。提出了一种基于边缘方向直方图的Adaboost人脸检测算法,使用空间分布和纹理信息作为提取特征。实验结果表明,该方法与传统Adaboost方法相比,准确率明显提高,而速度相当。

基于改进的HOG与Sobel-LBP融合的快速行人检测

行人检测是目标识别领域的一大难题,针对行人检测存在特征维度高、检测耗时和精度低等问题,文章提出使用多尺度分块方式将样本图片在3个尺度下分别分割成5个区域,在每个区域中根据行人轮廓置信模板和梯度方向量化权值进行二次加权统计得到梯度直方图(histogram of oriented gradient,HOG),并将其与Sobel边缘局部二元模式(Sobel edge local binary pattern,Sobel-LBP)算法相融合作为特征,然后采用线性支持向量机(support vector machine,SVM)分类方法学习得到行人检测分类器,最后使用滑动窗口法检测出行人。在MIT和INRIA库上的实验证明,该特征在学习和检测速度上都比HOG等方法有明显优势,能有效、准确、快速地检测行人。

基于边缘直方图的粒子滤波跟踪算法及其实现

以颜色直方图为特征的运动目标跟踪算法容易受到光线变化及视场内其它同色目标的干扰。采用运动目标的边缘方向直方图作为特征,利用序列重要性采样原理和粒子滤波算法实现了对人体运动目标的跟踪。实验显示了该算法在光线变化及存在同色目标干扰时能够有效跟踪目标。在算法实现过程中,采用积分图计算边缘方向直方图,减少了计算时间,提高了计算速度,达到了实时跟踪的效果。

基于改进边缘方向梯度图的人脸识别算法

为了解决复杂的光照变化环境对人脸图像的特征提取带来的影响,提出了一种改进边缘方向梯度图的人脸识别算法(E-HOG)。该算法在轮廓边缘直方图约束的基础上,融合方向梯度直方图的特征提取方法,通过图像局部梯度方向进行统计,提取图像总特征梯度图,改进了方向梯度图的局限性,最后通过最近邻分类器进行人脸识别。该算法能解决光照变化产生的人脸特征丢失等问题,较好平衡了边缘细节和图像对比度的分布情况。实验结果表明,在光照变化环境下,该算法提取的特征具有较强的鲁棒性,所提取特征的人脸识别率较其他算法有一定的提升。