基于组合模板的人体头部精确定位算法

对人体头部的准确定位是当今计算机视觉研究中一个非常重要的领域。在基于视觉特征的人体头部提取算法的基础上,提出了一种改进的算法——"粗—精"双步头部提取算法。该算法首先利用人体头部与躯干相对关系初步确定人体头部位置及大小,然后通过水平和垂直方向的两个精确定位模板对粗定位结果进行调整,最终达到精确定位的目的。详细阐述了"粗—精"双步头部提取算法的基本原理和实现方法,并针对行走中的人体,给出了改进前后两种算法实验效果。实验结果表明,改进后的头部定位算法可以在复杂情况下更精确地定位头部,鲁棒性强。     

复杂背景下模板自动检测与定位的新方法

在应用视觉测量系统时,摄像机标定是必要且关键的一步。当采用标定模板标定时,首要任务是对模板进行检测和定位。目前大量的模板检测定位采用的都是人工方法,它的显著缺点是效率低。为此,提出了一种复杂背景下新的模板自动检测与定位方法。该方法包括模板检测和精确定位两个步骤。前者利用图像分割、Hough变换实现模板检测;后者利用SUSAN算法对模板上的4个关键角点进行精确定位。实验结果表明,该方法实现简单、性能可靠,可适用于各种复杂的场景中。     

智能视频监控中的人体检测与识别

针对传统的单点视频检测,提出了一种智能的视频人体检测与识别方法.该方法首先通过彩色空间的降维,在线更新背景模型,消除时间变化引起的阳光、天气等因素对背景图像的影响.然后对视频图像当前帧和背景帧差分检测和当前帧Canny边缘检测,得到视频人体初始差分边缘模板.最后对人体进行分割、测量,融合形状比例特征和人体区域比对法识别人体,进而更新差分边缘模板.实验证明了视频人体检测与识别方法准确率高,处理时间短,存储量小.     

视频图像序列中人体目标的提取与跟踪

针对人体目标运动的非刚体性而难以跟踪问题,提出了一种基于视频图像的人体跟踪方法。首先获取人体目标,选取目标若干子区域作为跟踪模板,用Kalman滤波和最小差值法作为相似性测度的相关跟踪对各子区域进行精确定位,最后将各个子区域跟踪结果进行位置融合得到最终的人体目标位置。实验表明,该方法对人体目标细节性形变和大的形变均能进行有效跟踪。     

自助银行服务中暴力异常事件检测

针对自助银行服务中出现的暴力事件,提出了一种基于目标空间位置关系和事件语义模板的检测方法。该方法对划定区域选用背景自适应更新的背景减法得到侧影图,并统计人体个数;采用粒子滤波和均值漂移相结合的机制,跟踪人体并计算相关距离;将侧影图与异常事件的语义模板,采用快速模板匹配方法及改进伪Zernike矩构建的一个7维形状向量实现相似匹配来判定是否出现异常事件。实验结果表明,事件检测准确性较高,能够较好地满足实际应用需求。     

eMTM系统中三维虚拟人体模板优化方法的研究

电子化量身定制eMTM(electronic made-to-measure)是二十一世纪出现的数字服装技术.三维人体模板是生成个性化三维人体的核心部分,通过对前期工作的分析以及三维人体部件模板选配算法的研究,提出对提取三维人体模板的原始数据实施分割,然后在生成个性化三维人体时进行组合的优化方法,使最后生成的个性化三维人体的精确性得到了明显的改善.     

eMTM系统中三维人体模板优化方法的研究

eMTM（electronic made-to-measure）电子化量身定制是二十一世纪出现的数字服装技术。三维人体模板是生成个性化三维人体的核心部分,该文通过对三维人体结构、虚拟人体部件选配算法的研究,提出了对三维人体模板进行分割和组合的优化方法,使不同三维人体模板身段能够进行组合,生成的个性化三维人体更加精确。     

基于图像处理和神经网络的光环境优化控制研究

为了精确定位人体目标区域, 以达到照明节能最优化, 提出了一种改进的Canny算子与数学形态学相结合的图像处理技术, 对室内图像进行边缘检测和噪声处理, 得到含有人体目标的二值化图像, 将得到的二值化人体背影模板的七个Hu不变矩作为LVQ神经网络的输入向量, 训练出能够准确识别出人体背影的网络; 再建立出室内图像特征与人体数量和坐标的匹配模型, 从而根据人体坐标和数量来实现对灯具的优化控制。仿真和实验结果表明, 改进的Canny算子与LVQ神经网络的结合对室内光环境的优化控制具有很好的应用价值。     

基于部位检测和子结构组合的行人检测方法

提出了一种基于部位检测和子结构组合的、可用于辅助驾驶或视频监控系统中行人检测的方法.首先使用头部分类器在整幅图像中检测,得到感兴趣区域;然后在每个感兴趣区域内使用头部、躯干、腿部以及左臂和右臂5个人体部位检测器分别检测并使用基于子结构的检测组合方法对部位检测结果进行组合,以得到最终结果.在不同数据库上的实验结果表明,本方法可以有效地用于移动或静止摄像机所拍摄的视频图像中的多姿态及部分遮挡的行人检测.     

多目及单目环境下的人体朝向分析

提出了一种在智能空间中分别基于多目和单目环境下人体朝向分析的方法.在多目环境下,通过色度分析与灰度分析相结合的方法,分别计算每个摄像机拍到的图像中肤色区域占人体头部区域的比率,根据得到的几幅图像各自的比率值,就可以判断出人体的朝向.在单目环境下,可以在得到人体头部区域和人体头部肤色区域的情况下,计算出人体头部区域中各白色像素点横坐标的均值以及人体头部肤色区域中各白色像素点横坐标的均值,通过比较两均值的大小来判断人体的朝向.试验证明本文算法快速、可靠.     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

复杂图像中的车牌定位算法①

针对复杂车辆图片中的车牌定位与分割,充分利用了车牌区域的高频特性和底色特性,提出一种梯度边缘检测与彩色分割相结合的综合性算法,能够对诸多干扰因素影响下的车牌进行精确定位与分割。实验表明该算法准确、可靠。     

基于ABCshift算法的目标检测与跟踪

针对Camshift算法需要人为定位的问题,利用帧间差分法检测运动目标的初始位置,采用ABCshift算法连续更新背景模型,自动降低类目标色在颜色概率分布图中的密度值,从而实现准确的目标检测与跟踪。实验结果表明,该方法可以解决Camshift算法进入大面积类目标色背景下目标跟踪效果不理想的问题,在复杂背景下具有较好的适应性。     

基于多颜色模型的车牌定位方法

提出了一种基于多颜色模型的车牌定位方法.首先把输入的RGB彩色图像转化到HSV和YIQ颜色空间,综合这两个颜色空间的信息进行颜色分割去除大量的背景干扰信息,得到了颜色为车牌照的一些区域.然后将颜色分割后的图像灰度化并分块,找出水平差分累加和最大的块确定车牌大致位置在原彩色图中实现车牌的粗定位.最后对粗定位图进行二次颜色分割得到车牌区域的信息利用投影法精确定位出车牌.实验结果表明该方法效果较好.     

基于多颜色模型的车牌定位方法

提出了一种基于多颜色模型的车牌定位方法。首先把输入的RGB彩色图像转化到HSV和YIQ颜色空间,综合这两个颜色空间的信息进行颜色分割去除大量的背景干扰信息,得到了颜色为车牌照的一些区域。然后将颜色分割后的图像灰度化并分块,找出水平差分累加和最大的块确定车牌大致位置在原彩色图中实现车牌的粗定位。最后对粗定位图进行二次颜色分割得到车牌区域的信息利用投影法精确定位出车牌。实验结果表明该方法效果较好。     

一种新型的实效运动目标检测方法

提出一种新型的帧间差分光流的运动目标检测方法.该方法通过改进七帧差分和改进背景减除消除运动目标检测时出现的"空洞"和虚假目标;通过在光流计算方程加入权函数和引入通用动态图像模型建立新的光流约束条件,以解决常用光流场计算耗时长和亮度变化引起的约束方程不成立的问题,同时获取运动准确信息;最后通过阈值分割和形态学处理完成对目标的分割.实验对比分析表明,该方法能实现运动目标的准确快速检测与分割.     

基于累积绝对差图像与交叉熵分割的运动目标检测与定位

提出了一种新的运动目标检测与定位方法。针对位移变化较小的运动目标，先对运动序列中所有相邻两帧图像作绝对值差分运算，然后再将绝对值差分结果进行累加，从而得到累积绝对差图像。利用交叉熵分割法对累积绝对差图像二值化，并结合形态学方法去除噪声，求取出目标的运动区域。对运动序列的首帧和尾帧进行差分运算并二值化．为了去噪，将首尾帧差图像与累积绝对差图像进行逻辑与运算，确定出目标在首尾图像中的位置。实验结果表明了本方法的有效性和鲁棒性。     

分块帧差和背景差相融合的运动目标检测

提出了一种分块帧差和背景差相融合的运动目标检测方法。该方法利用图像分块建立初始背景模型,将视频图像划分为多个子块,对帧间差分图像的各子块进行自适应阈值检测,完成运动目标的粗分割,采用双阈值背景差分和邻域背景差分法对粗分割出来的运动区域进行细分割。背景采用自适应更新方法,能够克服光照变化和背景干扰。实验结果表明,该方法运算速度快、鲁棒性好,能够准确检测出运动目标。     

基于视频序列的车型识别算法设计

针对复杂背景下的目标车型识别问题,提出一种基于视频序列的检测识别算法。运用帧差序列图像进行背景建模与更新,采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除,提出车辆形状投影量的概念,将视频车辆二维形状信息降至一维,并设计二维输入模糊分类器,根据形状投影量和车高/车长比,完成车型的多种类精细识别。实验结果验证了该算法的有效性。     

基于协同理论的交通图像背景生成方法

针对交通图像目标检测中背景生成问题,提出一种基于协同的背景生成方法。把交通序列图像定义为3个状态,用协同方法对交通序列图像预分类,为不同状态的交通图像赋以不同的权值,利用加权平均的方法生成初始背景。试验结果说明该方法提取背景的效果较理想。