基于SIFT特征匹配与K-均值聚类的运动目标检测

运动摄像机情况下的运动目标检测是视频监控中的难点和热点问题。为了能够有效地检测出运动目标,根据视频中背景与运动目标的速度不同这一特点,提出了一个基于尺寸不变特征变换(SIFT)和K-均值聚类的运动目标检测方法。首先提取视频中相邻两帧图像的SIFT特征点并进行匹配,并计算匹配特征点的运动速度,最后将运动目标和背景上的SIFT特征点K-均值聚类分析,在单运动目标、多运动目标和带有摄像头旋转情况下做了实验。实验结果表明,提出的目标检测算法能够在运动背景下较好地检测到目标并保留稳定的目标局部特征,对于摄像机运动、摄像机旋转、亮度变化等影响因素具有较强的适应能力。     

基于双摄像机的视频特征跟踪算法研究

在视频动画中，特征跟踪结果决定了三维重建的运动信息是否逼真。提出一种基于双摄像机的视频特征跟踪算法，它采用卡尔曼滤波预测特征点的位置，然后利用子块模型进行特征匹配，最后利用极线方程指导跟踪和剔除跟踪误差大的特征点。该算法已经用于我们开发的VBHA系统中，实验结果表明，其速度和效率能够满足视频动画的要求，并且能够部分解决自遮挡的问题。     

面向增强视频的基于结构和运动恢复的摄像机定标

提出了一种高效鲁棒的长序列摄像机定标算法，能稳定处理焦距未知且变化的视频序列，适用于增强视频的应用．该算法从长视频序列中根据特征匹配点提炼出相互之间具有较长基线的关键帧，以保证求解的稳定性．算法先在关键帧序列上渐进式求解，以准确恢复特征匹配点的互维结构信息；利用精确恢复的三维点，求解整个序列的摄像机运动参数．该算法选择最适合初始化的三帧求解，并将解及时从射影空间转换到欧氏空间．实验结果显示了所恢复的摄像机参数和三维点的高度精确性，证明了该方法稳定高效，能够满足增强视频的高端要求．     

基于摄像机运动控制的运动目标检测与跟踪算法研究

本文提出基于摄像机运动控制的运动目标的一种检测与跟踪算法。首先预设多幅参考背景图像差分方法检测运动目标区域,然后采用投影法快速确定运动目标体的位置及移动方向,来控制摄像机转动预设角度跟踪移动目标。该方法实现了将运动目标跟踪置于画面的最佳观测位置,针对大多数摄像机位置固定的场所,该法具有较大的广泛适用性。     

基于分块运动估计的对象跟踪方法

针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。     

基于方形边框标识的增强现实三维注册方法

基于计算机视觉的注册算法是增强现实系统最为关键的组成部分。针对人工标识注册的局限性与自然特征注册的速度限制,通过引入黑色边框的方式,结合自然特征设计了一种新的标识物注册方法。方法利用视频帧中标识物的边缘特征完成标识的初定位与快速跟踪,在标识中间区域提取ORB特征点,并利用随机抽样一致性(RANSAC)算法筛选得到的匹配点对,求解确定摄像机的位姿,利用前向后向光流跟踪优化检测效率。实验结果表明:注册方法在标识物运动情况下可准确完成注册,连续帧注册速率可达100帧/s。     

融合图像显著性与特征点匹配的形变目标跟踪

目的 针对目标在跟踪过程中出现剧烈形变,特别是剧烈尺度变化的而导致跟踪失败情况,提出融合图像显著性与特征点匹配的目标跟踪算法。方法 首先利用改进的BRISK（binary robust invariant scalable keypoints）特征点检测算法,对视频序列中的初始帧提取特征点,确定跟踪算法中的目标模板和目标模板特征点集合;接着对当前帧进行特征点检测,并与目标模板特征点集合利用FLANN（fast approximate nearest neighbor search library）方法进行匹配得到匹配特征点子集;然后融合匹配特征点和光流特征点确定可靠特征点集;再后基于可靠特征点集和目标模板特征点集计算单应性变换矩阵粗确定目标跟踪框,继而基于LC（local contrast）图像显著性精确定目标跟踪框;最后融合图像显著性和可靠特征点自适应确定目标跟踪框。当连续三帧目标发生剧烈形变时,更新目标模板和目标模板特征点集。结果 为了验证算法性能,在OTB2013数据集中挑选出具有形变特性的8个视频序列,共2214帧图像作为实验数据集。在重合度实验中,本文算法能够达到0.567 1的平均重合度,优于当前先进的跟踪算法;在重合度成功率实验中,本文算法也比当前先进的跟踪算法具有更好的跟踪效果。最后利用Vega Prime仿真了无人机快速抵近飞行下目标出现剧烈形变的航拍视频序列,序列中目标的最大形变量超过14,帧间最大形变量达到1.72,实验表明本文算法在该视频序列上具有更好的跟踪效果。本文算法具有较好的实时性,平均帧率48.6帧/s。结论 本文算法能够实时准确的跟踪剧烈形变的目标,特别是剧烈尺度变化的目标。     

基于云台摄像的实时车速检测算法

针对采用固定摄像的路况监视系统无法观看自如的缺点，提出了基于云台摄像的实时车速检测算法．建立了简化的摄像机参数模型，提取了线性拟合后的车道图像特征参数，并利用Kluge曲线模型和随机霍夫变换实现了像平面车道分割线的二维重建和云台摄像机的标定；应用自适应背景减除、扩展Kalman滤波器等方法，提取了帧运动域及域中目标轮廓，从而实现了车辆的精确定位、跟踪，以至实时速度检测．该算法已试用于工程实践，具有较好的鲁棒性．     

基于特征跟踪和网格路径运动的视频稳像算法

针对手持移动设备拍摄的抖动视频问题,提出了一种基于特征跟踪和网格路径运动的视频稳像算法。通过SIFT算法提取视频帧的特征点,采用KLT算法追踪特征点,利用RANSAC算法估计相邻帧间的仿射变换矩阵,将视频帧划分为均匀的网格,计算视频的运动轨迹,再通过极小化能量函数优化平滑多条网格路径。最后由原相机路径与平滑相机路径的关系,计算相邻帧间的补偿矩阵,利用补偿矩阵对每一帧进行几何变换,从而得到稳定的视频。实验表明,该算法在手持移动设备拍摄的抖动视频中有较好的结果,其中稳像后视频的PSNR平均值相比原抖动视频PSNR值大约提升了11.2 dB。与捆绑相机路径方法相比约提升了2.3 dB。图像间的结构相似性SSIM平均值大约提升了59%,与捆绑相机路径方法相比约提升了3.3%。     

利用检测特征空间的目标实时跟踪

针对被跟踪目标尺度小、特征颜色与场景颜色相似的问题,提出一种基于实时检测结果的视频目标跟踪算法,即首先对背景进行高斯建模,利用背景减除法和帧间差分算法对前景区域进行有效提取,然后在提取的前景区域内进行基于均值移动算法的目标跟踪。基于像素级别的背景减除与帧间差分算法虽然精确和灵敏的优点,但是鲁棒性不强;而基于块级别的均值移动算法虽然鲁棒性强,但是弱化了特征颜色的空间信息,本文对两种机制进行了有效融合。通过该策略,跟踪系统在目标快速运动、有场景相似颜色干扰等情况下具有很好的跟踪性能,算法的计算量小,能够满足实时性要求。通过多组对比实验可以看出,新算法具有很强的抑制背景干扰、提高均值移动跟踪算法鲁棒性的能力。     

基于车载环境的交通目标跟踪

针对车载环境下小目标难以识别和相机动态移动造成的目标跟踪精度下降问题, 提出一种基于改进YOLOv5与ByteTrack的交通目标跟踪方法. 首先, 引入Transformer与加权特征金字塔(BiFPN)结构的思想重构YOLOv5检测网络, 有效捕获了特征的全局依赖关系, 缓解了深层卷积小目标信息丢失问题, 改善了车载环境下的目标检测性能. 此后, 以ByteTrack为基础提出了添加相机移动补偿的CMC-ByteTrack跟踪方法, 更精准地描述了视频前后帧的数据关联关系, 提高了相机大幅位移时的跟踪精度. 实验结果表明, 改进YOLOv5的平均检测精度(mAP)达到了82.2%, 相比原算法提高了3.9%, 与CMC-ByteTrack结合后的跟踪准确性(MOTA)相比改进前的跟踪方法提高了2.8%.     

PTZ摄像机跟踪运动目标的智能控制算法的研究

针对传统的PTZ摄像机跟踪运动目标时依靠人工操作,无法连续、实时动态跟踪,甚至导致跟踪失败的缺点,提出以HSV颜色直方图作为模型特征,通过Camshift算法和卡尔曼滤波器实现运动目标的定位和预测补偿,运用闭环控制机制自动调节云台的转动和镜头的变倍,提高了系统的实时性。通过Android智能手机手动调节云台和镜头,配合自动跟踪系统,使跟踪效果更准确。结果表明:该方法是可行的,具有控制简单、定位准确的优点,能提高目标跟踪的实时性和可靠性。     

基于多视角视频的运动重建

为了更逼真地从视频图像序列中实现三维人体骨架动画形式的提取,以便进一步地对人体运动进行分析与研究,提出了一种基于多视角视频的运动重建的方法。该方法充分利用了标记点的信息,其核心步骤有标定摄像机,提取标记点,跟踪标记点和人体运动三维重建四个主要方面。其中,在跟踪标记点时,使用了基于多视觉的目标跟踪算法,该算法由结合了扩展卡尔曼滤波预测与标记点轨迹平滑性约束所构成的双目立体视觉跟踪与多目视觉数据融合两个方面。实验结果证明了所提方法的有效性与可行性。     

基于块特征分类的运动估计算法

运动估计作为H.264中最重要最耗时的部分,大量的算法研究都是通过减少搜索点数来降低计算量。视频序列中,人们感兴趣的往往是运动的物体,背景部分一般拥有大量的静止块,帧间背景间的运动可以认为完全是由摄像机的运动引起的。利用背景块与前景块的图像特征结合MV预测提出一种新算法。该算法包括以下策略：静止块判断、背景块、前景块和边缘块的检测、起点预测和搜索窗口的改进,同时引进了边缘检测技术。实验结果表明,该算法与全搜索算法(FS)、UMHex、SUMHex相比,搜索时间减少了,而搜索精度接近FS, 码率只有很小的增加。     

多摄像机视野分界线快速自动生成算法*

针对摄像机视野分界线是一种有效地解决多摄像机人体跟踪目标交接问题的工具,提出了一种基于同步视频的摄像机视野分界线快速自动生成算法,利用视野分界线和目标中心到视野分界线的距离实现多摄像机之间的目标交接.该算法不依赖摄像机的标定信息和目标颜色信息.为验证该算法的有效性,设计搭建了一个室内视觉有重叠区域的多摄像机人体跟踪系统.实验结果表明,该算法具有易实现、实时、准确率高的优点.     

保持视觉稳定性的增强现实注册算法

提出了一种保持视觉稳定性的增强现实注册算法,特征点在视频中的初匹配基于随机树检索统计得到,初步匹配的特征点采用半几何限制结合单应矩阵迭代的方法进行错误匹配排除,随后采用光流法跟踪特征点,最后根据共面POSIT算法计算出物体世界坐标系到摄像机坐标系的变换矩阵。由于采用了特征点跟踪方法,在一定程度上有效的防止了虚拟物体在视觉上的抖动。     

基于相机模型投影的多目标三维人体跟踪算法

针对基于二维目标检测和卡尔曼滤波的多目标人体跟踪算法在视频拍摄角度不定的情况下,检测算法生成不同角度人体二维检测框的朝向和尺度混淆以及卡尔曼滤波器随机初始化造成的初始跟踪误差逐步放大问题,提出一种基于相机模型投影的多目标三维人体跟踪算法.在人体检测阶段,提出Multi-task RCNN(MTRC-NN)网络,使用人体...     

基于加速稳健特征算法的监控摄像头视频融合技术

视频监控摄像头在现代安防中起到了不可替代的作用,为适应更多环境,摄像头技术也一直在不断发展。本文提出了一种可实现多摄像头画面实时拼接的技术设计方案:基于加速稳健特征算法,实现对视频单帧画面间的特征点进行提取及拼接;使用FFmpeg(Fast Forward Mpeg)媒体处理库进行视频摄像头媒体流文件的分解及最终融合视频的呈现;使用Qt框架实现程序开发及效果展示。经测试表明,该设计方案能在保证不降低画面分辨率的前提下,实现多摄像头的视频画面融合,画面扭曲程度低,为摄像头画面融合提供了一些参考。