双目协同多分辨率主动跟踪方法

PTZ（pan-tilt-zoom）相机由于其具有可变视角和可变分辨率能力,在视频监控领域得到了广泛的应用。该文针对智能监控的需求,提出了一种基于双目PTZ相机的多分辨率主动跟踪方法。该方法分为离线标定和在线协同跟踪两部分。离线标定部分,提出了一种基于图像特征匹配的单目自标定和基于目标运动信息的双目自标定方法,该方法操作简单,无需标定物,在最大程度上减小了对人工干预的依赖,在此基础上推导了系统所具有的两个重要性质;在线协同跟踪部分,设计了一种分段静止的协同跟踪策略。通过实际监控场景下的视频实验,验证方法的有效性和可行性。实验结果表明,该方法可以在复杂环境下有效的主动跟踪目标,在智能监控领域具有较广泛的应用前景。     

基于Poncelet定理的相机参数简易标定法

针对目前常用的摄像机标定方法需要参数分解及参数间耦合所带来的问题,根据Poncelet定理以代数方法推导了平面透视投影的中心线方程,分析了中心线与摄像机内参数主点的位置关系,研究了一种基于平面透视投影中心线的标定方法。利用该方法不仅可以避免单应矩阵参数分解,而且解除了主点、焦距和透镜畸变之间的耦合效应,从而提高了标定效率。实验表明该方法标定过程简易、精度较高,优于目前典型的简易标定法。     

光学测量系统中相机主点与转台轴线的对中方法

建立相机镜头主点随旋转装置转动的运动轨迹模型,提出基于2D平面摄像机标定原理的相机镜头主点与转台中心之间距离的测量方法。利用标定得到的相机与设定的世界坐标系之间的平移矩阵来确定相机镜头主点与转台中心的位置关系,用于指导相机的安装。实验验证所提模型和标定方法的可行性。相机镜头的主点过转轴中心时,转台带动相机转动引起的平移矩阵的变化量的标准差为0.0826 mm,这表明所提方法能够用于指导旋转测量系统的安装。     

视频监控摄像机自标定的一种新方法

对于许多可视跟踪和视频分析任务,精确的摄像机标定是非常重要的。提出一种新的视频监控摄像机自标定算法,它利用半正定规划来恢复摄像机的焦距和主点。说明如何将摄像机旋转自标定算法转化为凸优化问题,该方法将所需正定约束自动集成到优化过程,因此得到可靠和稳定的结果。基于合成数据和真实图像的实验,证实了算法有效性和可确定的收敛性。     

基于离线标定的全景视频快速拼接算法设计

针对实际条码识别系统中全场景监控和传统图像拼接算法速度慢的问题,提出了一种基于离线标定的快速全景视频拼接算法.在实际应用中多台相机位置固定,采用离线标定计算出图像拼接的单应性矩阵,在实时拼接中直接加载该矩阵进行计算,从而省去了大量的特征提取和配准时间.为了提高图像特征的配准精度,设计了一种改进的SIFT(Scale-I...     

大视场双目主动视觉传感器的协同跟踪方法

针对大视场视觉监控的应用,提出了一种基于球面坐标的双目主动视觉传感器协同跟踪方法。首先采用图像特征匹配的方法估计摄像机的内部参数,然后引入球面经纬坐标系作为双目视觉传感器的公共坐标系,最后结合场景深度范围实现目标的协同跟踪。对于任意安装的双目视觉传感器,提出了一种建立球面公共坐标系的新方法,统一了不同参数下的情形,可以实现任意参数下的协同跟踪。实际监控场景下的视频实验,验证了方法的有效性和可行性。     

一种双正交消隐点的双目相机标定方法

为了保证双目相机标定精度的同时,提高算法速度。利用田字形模板中的两对正交消隐点,拍摄两幅图像,实现快速标定。首先,提出了消隐点寻优的方法来提取每幅图像中误差最小的两对正交消隐点,线性计算相机主点和归一化焦距,作为内参数的初值。再根据同一幅图像消隐点共线和所有直线畸变后也为直线的原则,构建约束函数,利用优化的差分进化算法进行全局寻优,完成相机畸变校正。最后,根据优化后消隐点坐标求得左右相机的旋转矩阵,并结合左右相机的角点世界坐标,利用刚性变换求得平移向量。双目标定的平均重构误差为0.598pixel,跟传统方法标定误差相当。该标定算法重构误差与传统算法在一个级别,能满足标定中稳定可靠、精度高、抗干扰能力强等要求。     

单目视觉拼图导航中的单应矩阵估计

在单目视觉拼图导航与水下自主机器人的准确定位中,针对单一的单应矩阵代数估计方法和鲁棒估计方法导致估计结果较大的偏差性,研究了利用图像对之间的匹配点估计单应矩阵的原理。分析了测量数据点对可能存在的误匹配及测量误差,会导致测量矩阵的非线性、病态性,从而影响单应矩阵的准确估计。融合几种单应矩阵估计方法,提出了因子归一化鲁棒估计方法对单应矩阵进行估计。利用该方法既能优化测量矩阵,又能剔除误匹配点。实验结果表明,该方法较准确地估计了单应矩阵。     

基于相机标定的非对称裁剪检测算法

该文提出一种针对图像非对称裁剪的取证方法,算法通过相机标定的方法来估计主点位置,并根据主点的位置对图像中存在的非对称裁剪进行指证。该文根据图像取证需求改进了相机标定模型,通过选取不共面的规则图形作为标定物,实现了在不用对标定物进行测量和建模的前提下通过单幅图像对主点坐标进行估计。实验表明,该文提出的算法对非对称裁剪篡改具有较好的检测效果。     

基于双目视觉的受电弓碳滑板磨耗检测

将数字图像处理技术和机器视觉应用于受电弓碳滑板磨耗测量,是碳滑板磨耗测量的主要发展方向,文章提出了一种基于双目视觉的受电弓碳滑板磨耗检测方法。该算法首先对双目测量系统进行相机标定,得到双目相机的标定矩阵,然后对双目相机采集得到的碳滑板图像进行边缘提取,利用标定矩阵计算得到两个相机中碳滑板边缘点的对应关系,最后利用对应点计算出碳滑板边缘点的实际空间坐标,从而计算出碳滑板的厚度值。实验及数据处理结果表明：系统的测量误差较小,且此系统安装方便,受外界因素的影响较小。     

基于事件分析的多摄像机鲁棒跟踪算法

提出了一种新的基于事件分析的目标跟踪算法来解决多个目标分离或遮挡时的可靠跟踪问题.首先提出使用仿射变换来获得多个摄像机之间重叠画面的映射关系,实现目标交接,为后面的目标识别奠定基础.然后当单摄像机目标跟踪过程中发生候选目标多于一个或者多个目标对应一个候选目标的情况时,提出一种判别目标出现遮挡事件或分离事件的新方法,并且通过多摄像机的目标交接准确识别出发生遮挡或分离事件的目标标号,解决目标发生遮挡或分离后跟踪失败的问题.实验结果证明:所提出的方法突破了一般跟踪算法受目标底层特征约束的难点,具有更高的鲁棒性.     

基于粒子滤波的空-地目标跟踪算法

针对空-地目标跟踪中目标大幅度变速运动而引 起的跟踪失败问题,基于Kristan等人提出的双步(TS)动态模型框架,对空-地目标跟 踪中目标运动特点进行分析与建模,改进TS模型中 的保守模型以适应加速运动,提出适于描述大幅度变速运动的加速度双步(TSA)动态模型作 为粒子滤波(PF)跟踪算法的动态模 型,实现对粒子状态的精确预测,进而达到使用较少粒子即可对目标鲁棒跟踪的目的。对空 -地目标跟踪的测试视频进行测 试,结果表明,本文算法可对大幅度变速运动目标稳定跟踪,正确跟踪率为92%,对目标 尺寸约为25pixel×30pixel时的处理帧率为29frame/s。本文算法具有较好的鲁棒性与实时性。     

基于少量样本学习的多目标检测跟踪方法

视频目标检测跟踪算法一直是计算机视觉领域的研究热点,目前大部分方法均需人工采集样本训练检测模型,搭建目标检测跟踪系统.当目标成像条件发生变化时,需重新采集样本,训练模型,调试整个检测跟踪系统,耗费大量人力、物力.本文提出一种基于少量样本学习的多目标检测跟踪算法,只需在监控视频第一帧指定待检测目标,即可自主生成混合分类模...     

Homography-based block motion estimation for video coding of PTZ cameras

Due to the constrained movement of pan-tilt-zoom (PTZ) cameras, two frames in the video sequences captured by such cameras can be geometrically related by a relationship (homography). This geometric relationship is helpful for reducing the spatial redundancy in video coding. In this paper, by exploiting the homography between two frames with optical flow tracking algorithm, we propose a novel homography-based search (HBS) algorithm for block motion estimation in coding the sequences captured by PTZ cameras. In addition, adaptive thresholds are adopted in our method to classify different kinds of blocks. Compared with other traditional fast algorithms, the proposed HBS algorithm is proved to be more efficient for the sequences captured by PTZ cameras. And compared to our previous work in ICME (Cui et al., 2011), which only deals with pan-tilt (PT) camera and calculates the homography with mechanical devices, in this extended work we compute the homography by using information on images instead.     

Multi-view and multi-plane data fusion for effective pedestrian detection in intelligent visual surveillance

For the robust detection of pedestrians in intelligent video surveillance, an approach to multi-view and multi-plane data fusion is proposed. Through the estimated homography, foreground regions are projected from multiple camera views to a reference view. To identify false-positive detections caused by foreground intersections of non-corresponding objects, the homographic transformations for a set of parallel planes, which are from the head plane to the ground, are applied. Multiple features including occupancy information and colour cues are extracted from such planes for joint decision-making. Experimental results on real world sequences have demonstrated the good performance of the proposed approach in pedestrian detection for intelligent visual surveillance.     

利用平面间单应关系的指示位置判别方法

在基于计算机视觉技术的非接触式人机交互系统中,为了快速推断使用者指示的目标位置,提出一种无需显式求解摄像机参数的指示位置判别方法.利用目标平面上的已知点及其对应的摄像机成像点,求解目标平面和摄像机像平面间的单应矩阵,将目标平面卜相交于指示点的两条直线与像平面上的对应直线联系起来,从而通过检测图像中的特定直线推断指示点的...     

End-to-end DeepNCC framework for robust visual tracking

In this paper, we propose an NCC-based object tracking deep framework, which can be well initialized with the limited target samples in the first frame. The proposed framework contains a pretrained model, online feature fine-tuning layers and tracking processes. The pretrained model provides rich feature representations while online feature fine-tuning layers select discriminative and generic features for the tracked object. We choose normalized cross-correlation as a template tracking layer to perform the tracking process. To enable the learned features representation closely coordinated to the tracked target, we jointly train the feature representation network and tracking processes. In online tracking, an adaptive template and a fixed template are fused to find the optimal tracking results. Scale estimation and a high-confidence model update scheme are perfectly integrated into the framework to adapt to the target appearance changes. The extensive experiments demonstrate that the proposed tracker achieves superior performance compared with other state-of-the-art trackers.