使用聚合通道特征的嵌入式实时人体头肩检测

目的 头肩检测由于抗遮挡能力强、计算需求低,常用于复杂场景中的人体检测。针对嵌入式头肩检测中常用的运动检测和手工模型匹配方法检测精度较低、对不同姿态和人体外观适应性较差的问题,提出了使用聚合通道特征的嵌入式实时人体头肩检测方法。方法 首先分析多种行人检测与人体姿态数据集,从中生成多姿态、多视角的人体头肩样本集;然后基于图像的聚合通道特征,使用AdaBoost算法通过多个阶段的训练,得到基于增强决策树的头肩图像分类器;接下来,在快速特征金字塔算法的基础上,针对ARM-Linux平台,利用多核并行和单指令多数据流技术,加速图像特征金字塔的计算;最后,进行多线程的滑动窗口检测,利用头肩图像分类器识别每个检测窗口,并通过非极大值抑制（NMS）算法优化检测结果。结果 重新标注了INRIA验证数据集中的头肩样本,采用本文训练得到的头肩图像分类器进行检测,通过样本漏检率、每图片平均误检率以及ROC（receiver operating characteristic）曲线评估检测效果。对INRIA数据集中高度≥50像素的头肩目标的对数平均漏检率为16.61%。此外,采集了不同场景中多种姿态、视角下的头肩图像,以验证分类器的适应性,结果表明该分类器能够良好检测多姿态、多视角、受遮挡以及不同光照情况下的头肩目标。但由于检测器感受野局限于头肩区域,对少量疑似头肩样本的图像区域存在误检测。在嵌入式平台（树莓派3B）中,经过优化的头肩检测程序,对640×480像素分辨率的图像,特征计算耗时约213 ms;对单个包含正样本的检测窗口,分类耗时约2 ms。整体检测效率能够满足视频流实时检测的需求。结论 本文基于聚合通道特征进行人体头肩检测,采用种类丰富、标注准确的头肩训练样本,使用AdaBoost算法学习头肩图像的聚合通道特征,得到的头肩图像分类器适应性强,硬件性能要求低,能够良好检测多视角、多姿态的人体头肩图像,并具备在嵌入式平台上实时检测视频流的能力,应用场景广泛。     

基于圆形区域定位的肖像类唐卡图像头饰分割算法

针对肖像类唐卡图像头光区域呈圆形的特点,将圆检测算法应用到肖像类唐卡图像头光区域的定位中,并在此基础之上提出了一种自动分割头饰的算法。该算法首先利用圆检测算法定位出头光所在的大概位置;然后利用头光颜色的空间分布特征、头饰外轮廓以及边缘检测结果实现头饰分割。实验结果表明,该算法在肖像类唐卡图像头饰的分割中具有头饰定位准确的特点,并且主尊比例和头饰大小的变化不会影响分割效果。     

偏置场下光栅图像的目标轮廓特征点检测方法

文章目标是解决有偏场环境下带有光栅图像的目标轮廓特征点检测问题。针对目标轮廓特征检测中存在的有偏光照环境和光栅模式,提出了一个两步解决方案。首先采用一种新的基于有偏场估计的图像模糊聚类迭代算法,对原灰度图像进行分割;接着,利用Harris特征检测器提取分割后目标图像的候选特征点,并在Harris特征检测算法中提出了基于特征响应函数直方图的罚值选择方法。实验结果表明,在光栅纹理和偏置场并存情况下,该文提出的方法优于传统Harris角检测器,解决了传统Harris角检测在该特定环境下所面临的精度下降问题。文章提出的算法可用于偏置场环境下光栅图像目标形状分析。     

基于电子稳像的嵌入式行人检测系统

设计并实现了一种基于电子稳像处理的数字信号处理器(DSP)嵌入式平台的行人检测算法:采用平滑特征轨迹法对输入视频进行电子稳像处理;采用sobel边缘算子提取人体的头肩边缘图像,根据改进Hausdorff相似性度量原理,提出了基于改进Hausdorff距离头、肩边缘模板匹配的行人目标检测算法;通过卡尔曼滤波算法对行人目标进行实时跟踪.实际路口测试结果表明:在TMS320DM8168嵌入式平台上设计与实现的基于改进Hausdorff距离头肩边缘模板匹配的行人检测算法可以对行人实现实时检测和实时跟踪,结合电子稳像算法,可以达到95％的检测率、9帧/s的检测速度,而误检率为4％,能够满足实际使用需求.     

基于前景分割的目标实时检测方法

针对基于单一颜色信息的目标分割算法易受光线因素影响的问题,提出一种颜色及深度信息融合进行前景分割的目标实时检测方法。采用Kinect传感器采集低成本深度(RGB-D)图像,利用改进的ViBe算法及多帧差分法分别对于RGB以及深度图像进行建模。前景分割后,利用选取基准(SC)融合策略优化目标结果,然后通过rg Chromaticity颜色模型计算前景区域直方图信息并与模板匹配完成目标标记。实验结果表明,该方法对于环境光线及噪声干扰具有一定的鲁棒性,对于ViBe算法中背景前景同色误检及“鬼影”现象,对于深度图像分割中前景背景距离过近而造成误检现象都有很好的识别效果。     

融合区域颜色和纹理两级特征的快速人体皮肤检测

人体皮肤检测在人脸检测、成人图像过滤、人体图像检索等应用中占有重要地位.利用支持向量机,对人体皮肤的颜色和纹理特征的分布进行了研究,并提出了一个基于区域颜色和纹理特征规则的两级模型.在人体皮肤检测算法中,首先利用分水岭分割算法将图像分割成颜色和纹理近似一致的区域,然后利用皮肤颜色模型提取候选皮肤区域,最后利用纹理规则模型对候选皮肤区域进行最终判决.实验结果表明,该算法简便、快速、有效.     

视频序列中基于头肩分割的人体位姿估计算法

当前常用3维重构的方法表示和计算视频中的人体位姿,但由于这些方法通常需要多个摄像头,不仅限制条件多,且计算复杂度高,为此,提出了一种基于头肩分割的人体位姿估计算法。该算法首先对视频中的人体进行头肩定位;然后利用人体头部的平面成像特点计算头部位姿,同时利用人体肩部的轮廓变化特点计算躯干位姿;最后结合头部和躯干的位姿估计运动中的人体位姿。实验结果证明,该算法是有效和优越的。     

基于颜色聚合向量的线序检测方法

颜色聚合向量方法被采用于检测各种连接线的线序。首先对采集到的线束图像进行中值滤波,消除部分噪声;然后截取检测线束的检测区域图像并将其二值化;接下来分割各根导线,得到每根导线的轮廓,再根据各轮廓位置获取原图像中对应各导线的图像块,并计算各根导线图像块的颜色聚合向量（color coherence vector,CCV）特征;最后利用欧氏距离将各导线的归一化的CCV颜色特征和模板各导线的颜色特征进行比较。实验结果表明,该方法在线序检测中能获得较高的准确率（97.8%）和速度（15fps）,满足实时检测要求。     

基于SLIC融合纹理和直方图的图像显著性检测

针对基于颜色直方图的显著图无法突出边缘轮廓和纹理细节的问题,结合图像的颜色特征、空间位置特征、纹理特征以及直方图,提出了一种基于SLIC融合纹理和直方图的图像显著性检测方法。该方法首先通过SLIC算法对图像进行超像素分割,提取基于颜色和空间位置的显著图;然后分别提取基于颜色直方图的显著图和基于纹理特征的显著图;最后将前两个阶段得到的显著图进行融合得到最终的显著图。此外,通过简单的阈值分割方法得到图像中的显著性目标。实验结果表明,与经典显著性检测算法相比,提出的算法性能明显优于其他算法性能。     

基于彩色分割和特征定位的实时人脸检测算法

论文提出了一种新的彩色人脸图像实时检测算法。该算法利用皮肤颜色在YCbCr彩色空间的分布特性进行人脸皮肤区域的分割,利用人脸特征在灰度图像灰度映射极小值特性进行人脸特征定位。实验证明该算法对彩色人脸图像的检测有很好效果。     

二值图像中拐点的实时检测算法

鉴于数字图像中的拐点通常成为重要的信息载体,因此准确、稳定和实时地检测出拐点便成为拐点检测算法面临的主要问题,针对该问题,提出了一种新的二值图像中拐点的实时检测算法。该算法与传统基于边界链码的拐点检测算法不同,其是首先构建像素的k(k>8)邻域,并将图像中物体的边界表示为k邻域链码;然后根据曲率定义的差分形式计算各边界点处的曲率;最后通过检测曲率直方图的局部峰值精确定位出拐点,并利用拐角内部像素的颜色统计信息迅速判断出拐点的凸凹性.为验证该算法的效果,给出了该算法与4种已有算法的对比实验.结果表明,该算法不仅稳定性、准确性较高,而且算法简单,实时性强,并适合于嵌入式计算环境。     

基于全局颜色对比的显著性目标检测

为了能正确检测显著性图中的多个显著性目标, 提出了一种基于全局颜色对比的显著性目标检测算法。该算法首先提取图像的全局颜色对比度特征, 然后把显著性图和全局颜色对比度作为特征输入条件随机场框架中, 得到二值显著性掩模, 最后经区域描绘子计算得到包含显著性目标的最小外接矩形。在两种公开的数据集上的实验结果表明, 该算法在精度、召回率以及F-测度方面的表现优于现有其他几种算法, 在计算效率上也具有一定的优势。因此, 所提出的算法在检测效果上优于现有的显著性目标检测算法, 而且还能够检测到多个显著性目标。     

多角度融合的RGB-D显著检测

显著检测是计算机视觉的重要组成部分,但大部分的显著检测工作着重于2D图像的分析,并不能很好地应用于RGB-D图片的显著检测。受互补的显著关系在2D图像检测中取得的优越效果的启发,并考虑RGB-D图像包含的深度特征,提出多角度融合的RGB-D显著检测方法。此方法主要包括三个部分,首先,构建颜色深度特征融合的图模型,为显著计算提供准确的相似度关系;其次,利用区域的紧密度进行全局和局部融合的显著计算,得到相对准确的初步显著图;最后,利用边界连接权重和流形排序进行背景和前景融合的显著优化,得到均匀平滑的最终显著图。在RGBD1000数据集上的实验对比显示,所提出的方法超越了当前流行的方法,表明多个角度互补关系的融合能够有效提高显著检测的准确率。     

基于主动轮廓模型的交通场景运动目标提取算法

在交通监控中,从复杂的交通场景中精确地分割出运动目标是至关重要的。目前,经典的运动目标检测算法有背景差法和帧差法。当场景中存在阴影时,这两种方法都不能够精确地提取运动目标。提出了一种基于主动轮廓模型的运动目标提取算法。通过阴影检测,从运动目标中获得消除阴影的初始轮廓,然后通过主动轮廓模型逼近运动目标真实轮廓。实验表明,该算法既可以消除阴影和噪声的影响,又可以保持运动目标完整。     

基于格式塔心理学和Euler spiral的轮廓修复算法

现有的轮廓修复方法假设已知遮挡发生的位置, 且未考虑人类认知特性。针对该问题, 提出一种结构较完整的轮廓修复方法。算法首先检测T型节点确定遮挡发生的位置; 根据格式塔心理学的完形法则提出组合约束条件, 据此将T型节点进行组合。对平滑轮廓遮挡, 基于Euler spiral, 并以曲率变化最小作为能量最小化准则, 修复局部缺失的轮廓; 对角点轮廓遮挡, 利用过角点的两条曲线的可见部分构造两条Euler spiral, 根据Euler spiral的扩展性对构造的两条Euler spiral进行延拓并求交, 从而修复角点遮挡轮廓。方法能自动确定遮挡发生的位置, 能够对T型节点进行正确组合, 使轮廓修复更符合人类视觉感知; 对角点轮廓遮挡采用Euler spiral的扩展性进行修复, 能克服角点轮廓修复仅适合于修复轮廓为直线或圆弧的规则物体。应用模拟图像和真实图像验证了方法的有效性。     

Development of an algorithm for fast corner points detection

A method for detecting corner points in digital images is presented. The method is distinguished by high stability and efficiency compared with many method for detecting corner points developed earlier. The stability of corner detection is especially important in computer vision tasks connected with matching images of the same object, recovering digital surface models based on a set of images, and tracking objects. The overwhelming majority of algorithms detect equally well both correct corners and excessive points not corresponding to real corners of objects. The presented algorithm does have this disadvantage, and it can be used in frame-to-frame processing video in real time, e.g. in navigation systems of mobile robots and unmanned aerial vehicles. In addition, the proposed algorithm may be adapted to any data set since it is based on the machine learning method. The advantages of the developed method are demonstrated by an example of detection of corners in images of a typical hangar and in images with the international space station.     

顾及目标关联的自然场景文本检测

目的 目前基于卷积神经网络（CNN）的文本检测方法对自然场景中小尺度文本的定位非常困难。但自然场景图像中文本目标与其他目标存在很强的关联性,即自然场景中的文本通常伴随特定物体如广告牌、路牌等同时出现,基于此本文提出了一种顾及目标关联的级联CNN自然场景文本检测方法。方法 首先利用CNN检测文本目标及包含文本的关联物体目标,得到文本候选框及包含文本的关联物体候选框;再扩大包含文本的关联物体候选框区域,并从原始图像中裁剪,然后以该裁剪图像作为CNN的输入再精确检测文本候选框;最后采用非极大值抑制方法融合上述两步生成的文本候选框,得到文本检测结果。结果 本文方法能够有效地检测小尺度文本,在ICDAR-2013数据集上召回率、准确率和F值分别为0.817、0.880和0.847。结论 本文方法顾及自然场景中文本目标与包含文本的物体目标的强关联性,提高了自然场景图像中小尺度文本检测的召回率。     

基于层次支持向量机的人脸检测

针对彩色图像人脸检测，提出了肤色模型和层次支持向量机相结合的人脸检测方法。检测时首先利用调节的肤色模型提取出人脸候选区域，然后对这些候选区域用线性支持向量机和主成分与非线性支持向量机相结合的层次支持向量机进行验证，获得真正的人脸区域。实验表明，该方法对图像偏色有一定的鲁棒性并可以用于灰度图像的人脸检测，而且检测正确率和速度比基于肤色和模板匹配的方法有了一定的改进。     

基于加权Gabor梯度的新型多尺度角点检测方法

在分析Gabor小波的基础上,提出了一种加权Gabor梯度算法,该算法可以得到比传统梯度算子更为准确的梯度方向。并在此基础上,提出了基于加权Gabor梯度的多尺度角点检测算法。实验结果表明,本文算法与两个经典算法比较,在角点检测性、定位准确性以及抗噪性上,有明显提高。     

应用Snake模型提取彩色图象目标轮廓线的研究

为了更好地利用Snake模型来提取彩色图象中的物体轮廓，因而对Snake原型提出两点主要改进，即针对snake模型的手工初值设置问题，通过引入彩色聚类预处理过程来减少对人的依赖，首先，采用色彩聚类算法对原始图象进行分割，然后用改进的边缘追踪算法提取有意义区域的边缘，并用这一结果作为Snake模型的初值；然后针对Snake原型应用于彩色图象时出现的失真问题，通过对出错原因的分析，重新设计了Snake的外部能量函数，同时用像素在加权HSI颜色空间中的欧氏距离代替传统方法中常用的像素灰度的差分来近似图象梯度；最后，进行了对比实验，实验结果证明，改进后的算法，特别是在处理彩色图象时，大大优于原始方法．