基于MHI与LBP表情识别的辅助异常行为识别

为了进一步提高家居环境中异常行为的在线识别能力,将运动历史图像与表情识别相结合,提出了一种基于MHI(MotionHistoryImage)与LBP(LocalBinaryPattern)表情识别的辅助异常行为识别方法。该方法通过运动历史图像辅助识别运动轨迹,同时利用LBP提取人脸特征,进行面部表情识别,进而辅助识别异常行为状态。实验结果表明,本文方法对异常行为的识别率有一定的提升。     

基于运动熵的拥挤人群异常检测

视频监控在社会安全方面扮演着越来越重要的角色,在计算机视觉领域,人群异常行为检测也成为非常重要的研究课题.提出一种基于运动熵计算的人群异常检测方法.该方法在图像上散布特征点,运用光流法分组计算出各特征点的运动大小与方向,并据此建立运动直方图,用图像熵的计算方法得出图组的运动熵,运动熵及平均能量值则作为异常检测的判断依据.实验使用明尼苏达大学逃离与恐慌相关实验视频及部分网络视频,实验表明此方法拥有较强的容错能力,并能实时正确的检测出大部分异常行为的发生.     

基于运动显著图的人群异常行为检测

针对公共场所中人群监控准确性和实时性低的问题,提出一种基于运动显著图的人群异常行为检测方法。该方法首先利用Lucas-Kanade法计算稀疏特征点的光流场,并对光流场进行时间和空间上的滤波处理,然后计算特征点的运动方向、速度和加速度。为了准确描述人群行为,将人群的速度幅值、运动方向变化量和加速度幅值分别映射为图像的R、G、B三个通道,并以此合成代表人群运动特征的运动显著图。最后,设计和训练面向人群运动显著图的卷积神经网络模型,并利用该模型检测人群中是否存在异常行为。实验结果表明,该方法能够有效、实时地检测人群异常行为,在UMN和PETS2009数据集的检测率均达到了97.9%以上。     

基于运动历史图像和椭圆拟合的手势分割

针对当前常用的手势分割方法较难适应复杂的光照环境,提出了一种新的方法。该方法先从视频序列获取运动历史图像（Motion History Image,MHI）,对MHI进行运动区域分割,然后在这些运动区域筛选出手势区域。为了克服手势区域分割偏大的问题,提出了利用该区域内的当前运动轮廓做椭圆拟合,进而得到精度更高的手势分割结果。实验结果表明,提出的方法能够有效地分割出手势,并且和传统方法相比较更能适应不同的光照环境。     

基于Boosting RBF神经网络的人体行为识别

提出一种基于Boosting RBF神经网络的人体行为识别方法,该方法利用规范化的运动历史图像（MHI）进行图像序列表示,从中提取Zernike矩的统计描述特征,然后提出Adaboost算法自适应地选择图像序列的特征作为RBF神经网络的输入,为了进一步提高神经网络的泛化能力,采用一种调整权值分布,限制权重扩张的改进的Boosting方法,分类器以加权投票方式进行分类决策。实验结果表明,提出的方法能够有效地识别人体运动类别。     

基于运动方向的异常行为检测

提出了一种基于运动方向的异常行为检测方法. 根据不同行为的运动方向具有不同的规律性, 该方法采用块运动方向描述不同的动作, 并利用支持向量机(Support vector machine, SVM)对实时监控视频进行异常行为检测. 为了减少噪声运动的影响, 同时有效保留小幅度运动的前景目标, 在行为描述之前, 本文采用了背景边缘模型对每一视频帧进行前景帧(有目标出现的视频帧)判断. 在行为描述时, 先提取相应视频段的所有前景帧的块运动方向, 然后对这些运动方向进行归一化直方图统计得到该视频段的行为特征. 在走廊等公共场景中的实验结果表明, 该方法能够对单人以及多人的复杂行为进行有效检测, 对运动过程中目标大小的变化、光照的变化以及噪声等具有较好的鲁棒性, 而且计算复杂度小, 能够实现实时监控.     

人群运动方向异常检测算法

运动方向是人群运动的一个重要特征。运动方向统一有序的人群运动中,人与人之间的受力小、存在碰撞的可能性低;而在方向杂乱的运动中,人与人之间受力较大、存在碰撞的可能性大,进而可能会导致踩踏等安全事故。因此,给出了一种新的人群运动方向异常检测方法,该算法利用光流法计算出人群的速度矩阵和运动方向矩阵,基于以上两个矩阵计算出“帧非同向运动指数”,并以此为依据来评价当前运动人群的运动是否存在异常。实验表明,“帧非同向运动指数” 直接体现了当前人群运动是否有序,因而基于运动方向的人群异常检测算法能够有效地检测出人群运动方向是否发生了混乱,以避免在方向杂乱的运动中发生危险事故。     

基于运动方向的视角无关行为识别方法

针对人体运动方向的随机特性,研究场景中有多台摄像机时视角无关的行为识别方法。利用一台位置固定的摄像机,根据视频序列中运动目标质心空间坐标变化,确定其运动大致方向。根据该方向,选择具有垂直和平行运动轨迹方向视角的相机获得的序列图像,进行行为分析。提取人体运动行为侧像和正像轮廓的关键姿态建立特征库。应用单个相机平行线约束,通过转换因子由图像坐标恢复运动目标关键点的三维坐标,从而确定目标运动方向。建立室内多视角行为视频样本库,实验结果表明,利用该方法识别室内运动行为,能够达到视角无关行为识别的目的。     

动摄像机下基于SIFT特征匹配和MHI的目标检测

摄像机的运动使得复杂背景下动目标的检测复杂化。为了应对动态变化的背景,本文提出基于SIFT特征匹配和运动历史图的目标检测算法。首先用SIFT算法提取特征点,采用RANSAC方法求得仿射变换模型参数并实现图像的全局运动补偿,最后利用运动历史图的方法检测出动目标。SIFT特征点匹配的准确性和RANSAC方法去除异常点的有效性使得仿射变换模型参数计算准确,运动历史图则给出了动目标清晰的轮廓,并指明了动目标的运动方向。与Ninad Thakoor实验结果对比说明:该算法能够准确地检测出动目标,并且显示了动目标的运动方向。     

自适应车流方向的跨道行人检测

针对视频交通事件监控中的行人检测问题,提出一种自适应车流方向的跨道行人检测算法。利用运动历史图像计算画面中物体的运动方向,通过学习获得运动参考方向场,并对运动目标进行跟踪。依据参考方向场分析其轨迹的走向,以确定运动目标是否发生跨道行为。实验结果表明,该算法能适应车流方向并有效检测跨道行人,具有较好的实时性和较高的检测成功率。     

复杂码头环境下的船舶检测与跟踪算法

运动模板算法在复杂环境下无法准确提取运动目标区域,并且依赖帧间间隔的选取,无法对减速运动目标取得良好检测效果。针对该缺点,提出了一种改进的运动模版算法。首先,对输入的视频序列采用Canny算子结合轮廓信息提取水岸边界线;然后,将运动历史图沿着水岸边界线进行水岸分离,消除岸上运动目标的干扰;接着,对水面区域进行形态学处理,消除背景中水面上非目标运动对象;最后,对形态学处理后的结果进行船舶轮廓检测,计算最大轮廓外接矩形的宽和高,结合船舶当前位置的尾部坐标重建船舶轮廓外接矩形,以此实现实时的、高准确度的船舶检测与跟踪。实验结果表明,在复杂水面环境下,该方法能够实现实时、准确的船舶目标检测与跟踪。     

基于运动相似性的运动对象分割算法

由于全局运动参数在一些情况下不能很准确地被估计，因此基于全局运动补偿算法存在一定的局限性。该文提出了一种基于运动相似性的视频运动对象的分割算法。该算法对运动矢量场进行累加和滤波处理，根据运动相似性对运动对象进行初次分割，并利用空间相关性进行二次分割，细化运动对象边缘。实验结果表明该算法避免了全局运动补偿算法的局限性，并使分割的精确性有明显提高。     

摄像机旋转运动下的快速目标检测算法

论文提出了一种摄像机旋转运动下的快速目标检测算法。首先为图像的全 局运动建立旋转参数模型,然后基于运动预测在相邻帧之间建立SIFT 特征点对,利用 RANSAC 去除外点的影响,结合最小二乘法求解全局运动参数进行运动补偿,基于残差图 像的更新策略实时更新特征点集,以适应背景的变化,最后使用帧差法获得运动目标。该算 法不仅保持了SIFT 本身的优越性能,而且极大地提高了检测速度。实验结果表明该算法可 以实时准确的检测出运动目标。     

Motion history image: its variants and applications

The motion history image (MHI) approach is a view-based temporal template method which is simple but robust in representing movements and is widely employed by various research groups for action recognition, motion analysis and other related applications. In this paper, we provide an overview of MHI-based human motion recognition techniques and applications. Since the inception of the MHI template for motion representation, various approaches have been adopted to improve this basic MHI technique. We present all important variants of the MHI method. This paper points some areas for further research based on the MHI method and its variants.     

基于压缩域信息的立体视频对象分割方法

立体视频对象分割是交互式多视点视频应用的关键技术。为了提高对象分割的时效性和精确性,提出了一种利用压缩域视差和运动信息的立体视频对象分割算法。该算法首先对运动矢量场和视差场进行提取和修正处理,然后对视频帧进行分割作为初始值,最后用均值偏移算法聚类得到最终的对象分割结果。实验结果表明,对于纹理复杂的场景有很好的分割效果,可以获得与语义一致的对象。     

人运动的视觉分析综述

目前，人运动的视觉分析是计算机视觉领域中最活跃的研究主题之一，其核心是利用计算机视觉技术从图像序列中检测，跟踪，识别人并对其行为进行理解与描述，它在虚拟现实，视觉监控，感知接口等领域均有着广泛的应用前景，人运动的视觉分析系统一般遵从下述的处理过程：（1）运动检测，（2）运动目标分类，（3）人的跟踪，（4）行为理解与描述，该文将重点从此四个方面回顾人运动分析的发展水平和常用的处理方法，并对研究难点及未来的发展趋势作了较为详细的分析。     

基于改进粒子滤波算法的人体运动跟踪

在复杂环境中对人体进行有效性和鲁棒性的跟踪是计算机视觉领域一个非常富有挑战性的课题,提出了一种基于改进粒子滤波算法实现的人体运动跟踪。利用改进的粒子滤波算法跟踪视频序列中的人体运动,不但解决了传统粒子滤波算法计算量大、误码多的缺点,而且能较好地处理遮挡和自遮挡问题。实验结果表明,该改进算法能更准确、更有效地跟踪运动人体。