慢运动背景下运动目标提取算法*

提出一种慢运动背景视频序列下基于帧间背景图像匹配的运动目标检测和提取算法。该算法首先使用仿射变换模型来描述慢运动背景图像的运动变化,并使用基于光流约束方法求解该仿射变换模型参数,实现了相邻帧间图像的背景匹配;其次,采用背景匹配后的两帧图像差进行目标检测,使用自适应二值化区分变化与未变化区域;最后,使用形态学等图像算法进行后处理提取运动目标。算法经实验证明,在背景慢运动情况下可以有效地提取出运动目标。     

一种改进的运动人体目标检测方法研究

人体运动目标检测一直是计算机视觉应用领域中一个重要研究课题,但检测过程中易受到背景抖动、环境光线变化等外界因素影响造成目标提取失败.为了消除噪声干扰,提高识别能力,在分析现有方法的基础上,提出一种基于帧差法和背景减除法相结合的人体目标检测方法.首先利用高斯模型构建自适应背景模型,并结合帧差信息对其进行选择性背景更新,将两种方法得到的检测结果进行逻辑运算,分割出完整可靠的前景目标.实验结果表明改进方法准确率高,适应能力较强,从而验证了目标检测的有效性.     

基于对称差分的背景减法运动目标检测

提出了一种基于对称差分和背景差分相结合的运动目标检测方法。先通过多帧图像平均法取得初始背景图像,并结合采集到的当前帧图像和前一时刻的背景获得更新背景,采用背景减法获取前景目标;同时运用对称帧差法取得前景图像,用两种差分图像进行或运算,提取到运动目标,用形态学方法进行后期处理。实验结果表明,该方法能够有效地获取运动目标。     

基于背景差与HOG-LBP的快速运动人体检测

针对单目静止摄像机近距离监控的情形,结合运动目标外接矩形长宽比,提出一种HOG特征联合LBP特征并通过PCA降维的快速运动人体检测算法。该方法包含两个步骤：运动目标提取和运动人体检测。使用帧差与背景差相结合的方法提取运动目标,帧差用于更新背景,背景差用于提取运动目标。运动目标判别即人体检测分为两个部分：单运动人体检测以及多运动人体检测。首先根据运动目标外接矩形的长宽比,把目标分为单目标以及多目标;然后,根据肤色的分布判断单个行人。对于多目标,提取HOG-LBP特征,用PCA降维,结合线性SVM进行群人目标判定。实验结果表明,该方法不仅提高了人体检测速度,还提高了人体检测率。     

基于聚类分析的红外弱小目标检测

针对深空背景下的红外弱小目标检测,提出了一种基于聚类分析的目标检测方法,该方法将经过背景抑制的连续几帧图像构造组合帧,基于目标的运动特性,对分割后的组合帧进行聚类分析,从而检测到弱小目标并同时获得目标运动轨迹,再对检测结果进行聚类检验,从而去除虚假目标,降低虚警率。实验结果表明该算法对多目标的检测有较高的鲁棒性,且相对于传统的小目标检测算法有更高的检测率和较好的实时性。     

基于肤色分割的视频人体检测

针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。     

一种用于智能监控的目标检测和跟踪方法*

在对现有目标检测、跟踪算法进行分析对比的基础上,设计并实现了一种简单有效的目标检测和跟踪方案。首先提出了一种基于像素灰度归类和单模态高斯模型的背景重构算法,能够利用多帧包含前景目标的场景图像重构准确的背景模型。进而以此为基础采用背景减法进行各帧中目标的检测,并选取形心作为匹配特征实现了场景中多个目标的有效跟踪。实验表明,该方法实现简单,无须事先提供背景图像即可实现目标的准确检测和跟踪,其性能明显优于传统基于时间平均背景模型的方法。     

室内人体运动目标的自动跟踪方法

针对人体运动目标的自动实时跟踪,设计一种新的基于P89v51内核的运动摄像头云台控制系统.对人体运动的图像检测与跟踪,提出一种快速的模板匹配方法.用改进Surendra算法自适应地获取背景图像以提取匹配模板,通过摄像头运动前后帧相同的运动区域来缩小匹配区域,进行快速目标匹配,达到实时性要求.该系统已应用在视频教学及会议中,实现自动人体运动目标跟踪与摄像.     

基于邻域相关性和帧间连续性的前景目标分割

提出了一种新的运动目标分割算法。首先利用像素的颜色、空间的和帧间的特性信息结合贝叶斯判别定理对视频图像进行粗分割，得到一个前景目标的二值图，由于该类方法基于像素间彼此独立的假设，导致分割出的前景目标不完整存在很多空洞。其次，基于前景目标局部邻域空间的一致性假设，计算该邻域内像素间的互相关系数；同时，基于背景的帧间连续性和前景的不连续性，计算像素帧间的互相关系数。最后，依据像素的互相关系数在该邻域内进行二次判决，以填补粗分割中前景目标内部的空洞。实验表明，在复杂背景交通视频中该分割算法具有较强的鲁棒性，并能获得更完整准确的前景目标。     

基于统计分析的视频目标检测

针对如何从包含大量冗余信息的视频中快速检测目标的问题,提出了一种基于统计分析的目标检测方法。该方法采用改进的直方图均衡化算法对图像做预处理;通过曼哈顿距离计算图像帧之间的差值,并对差值做进一步处理;采用迭代的方法,从图像帧差值中求取阈值,利用阈值判断前景帧和背景帧;在背景帧基础上建立背景模型,通过卡方值判断前景点和背景点;最后利用形态学还原物体真实形状,实现目标的准确检测。实验表明,该方法能快速准确地检测目标,可应用于视频监控的目标检测。     

Computer Vision-Based Human Body Segmentation and Posture Estimation

This paper proposes a new method for vision-based human body posture estimation using body silhouette and skin-color information. A moving object segmentation algorithm is first proposed to distinguish the human body from the background using a sequence of images. This algorithm uses a fast Euler number computation technique to automatically determine the threshold of both frame and background differences. After segmentation, a sequence of image processing approaches then creates a complete silhouette of the human body. The objective of posture estimation is to locate five significant body points, including the head, tips of the feet, and tips of the hands. These significant points are first selected from convex points on a defined distance curve. A number of heuristic rules based on body shape characteristics are used to select the proper points among these convex candidates. These rules use features like the principal and minor axes of the human body, their interactions with the silhouette contour, the relative distances between convex points, and the curvature of convex points. An auxiliary skin-color feature is used when the silhouette shape features alone are not sufficient to estimate the significant points. Experimental results show that the proposed approach can efficiently and effectively locate the significant body points for most postures.      

基于图形变换的人体经络可视化

提出了一种可以检测并直观表示人体经络分布的实时定位和显示方法。首先,利用多通道经络阻抗检测仪和磁定位跟踪仪确定人体体表经络点的位置,获取经络点的三维信息;其次,对场景摄像机进行标定,并将其结果和经络点的三维信息通过图形变换技术变换到统一的世界坐标系下,获取摄像机的投影矩阵H;最后,根据该投影矩阵H,将经络点三维信息投影到二维图像上,形成二维经络线,并将其融合于场景摄像机拍摄的人体体表实时图像上,实现人体经络的可视化。测试结果表明,该方法能够准确有效地定位和显示人体经络。     

一种基于光流场的复杂背景下人脸定位方法

图像中人脸的自动定位和提取是进行人脸识别的首要条件。文章提出了一种基于光流场的复杂背景下人脸定位方法。通过改进的光流场约束方程与帧间差法的结合,确定运动人脸的所在区域。并对所在区域进行图像的操作和处理,提取出人脸图像,最后采用基于Karhunen-Loeve变换的人脸识别技术进行识别。该方法具有快速和准确的特点。     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。     

无人货架场景下的人体关节点定位算法研究

在新零售场景下,无人货架上商品种类繁多,易受光照等外界因素干扰,且顾客手持商品时手部或身体会对商品关键信息形成遮挡,使得自然场景中仅采用图像识别算法不能满足无人货架应用需求。针对无人货架实际应用场景的特性,基于深度学习中人体关节点定位算法与图像分类算法对该场景中的手持商品识别提出了解决方案。首先,利用人体关节点定位算法准确定位顾客上身关节点;然后,用图像分类算法识别以手臂相关关节点为中心截取的包含商品主要特征的图像。为了提升算法的实用性,对卷积姿态机CPM从关节点定位的速度与精度2个方面进行改进,设计了L-CPM和EP-L-CPM算法,并采用公开数据集和实际无人货架场景人体姿态数据集验证算法性能。实验结果表明,所提出的算法能够准确、高效地定位人体关节点。     

结合显著性检测和中心分割算法的文本检测方法

针对复杂背景下的文本检测问题,提出了显著性检测与中心分割算法相结合的文本检测技术。对于输入的图像,首先分别使用前景与背景作为标准的显著性检测方法,背景检测时将图像的四边分别作为基准,前景检测时将背景检测中得到的非背景区域作为基准,最终可得到较准确的备选文本区。然后使用中心分割算法,得到精确的边缘图。由于显著性图备选区域准确边缘细节缺失,而边缘图边缘精确但无法得出备选文本区,因此将两者进行融合处理,得到最终文本区域。实验表明,所提出的方法有较好的检测效果。     

基于步态识别的智能监控系统研究

针对现有的视频监控技术仅依赖人眼的检测,缺乏智能性,进行了基于步态识别的智能监控系统研究,应用背景减除法分割出人体轮廓。通过人体宽高比的相关信号确定运动周期,再对二值周期序列进行步态能量图像(GEI)合成。运用主成分分析或行列相结合的二维主成分分析((2D)2PCA)提取特征主向量,采用最近邻分类器分类。实验结果表明,该方法可以有效降低前期处理对分类识别的影响,而且在我们自己建立的摄像头摆放有一定俯角的步态数据库中3个视角下取得很好的识别效果。     

关节轴角先验对3维人体重建结果的影响

目的 3维人体重建的目标在于建立真实可靠的3维人体模型。但目前基于SMPL（skinned multi-person linear model）模型重建3维人体的实验和一些公开数据集中，常常会出现预测的姿势角度值不符合真实人体关节角度规则的现象。针对这一问题，本文提出设置关节旋转角值域，使得重建的结果真实性更强、更符合人体关节机械结构。方法 根据人体关节的联接结构将各个关节的运动进行划分。根据划分结果计算关节运动自由度，并结合实际情况提出基于SMPL模型的关节旋转值域。提出一个简单的重建方法来验证值域分析的正确性。结果 使用3维人体数据集UP-3D进行相关实验，并对比以往直接根据学习结果生成重建模型的数据。在使用轴角作为损失参数的情况下，重建精度提高显著，平均误差降低15.1%。在使用所有损失函数后，平均误差比直接根据预测值生成重建模型的两段式重建方法降低7.0%。重建结果与UP-3D数据集进行真实性对比有显著的关节联动性效果。结论 本文提出的关节旋转角值域设置对基于SMPL模型进行3维人体重建的方法在进行关节点旋转角回归的过程中起到了很大作用，重建的模型也更符合人体关节运动联动性。     

一种基于形态运算的快速文字分割算法

本文针对复杂背景图像中文字与背景区域的形态特征,提出了一种基于形态运算和区域生长的快速文字分割算法MOSA,同时将之与LLT分割算法进行了比较。实验结果表明,该算法能较快和较准确地定位复杂背景图像中的文字区域,并且相对于LLT算法,该算法在速度与分割效果方面都有所提高。     

红外图像序列中的人体检测算法

为克服亮度分布惯性特征不能充分体现人体区域亮度特征的不足,提出一种红外图像序列中的人体检测算法。采用MAP MRF模型得到人体可能存在的感兴趣区域(ROI),根据红外图像中人体的成像特点,在以ROI中心点为圆心的各个圆环域中统计亮度信息,构建基于亮度 距离联合空间的人体特征,并采用支持向量机分类器对候选区域进行分类检测。在不同红外图像序列中的实验结果均表明,该算法具有较好的鲁棒性。