权重系数自适应光流法运动目标检测

为了实现Horn-Schunck光流法权重系数的自适应设定与更新,研究了权重系数对Horn-Schunck光流法的影响规律,提出一种融合模糊C均值(FCM)聚类的权重系数自适应Horn-Schunck光流法。首先,统计不同权重系数下运动目标检测的光流总值变化曲线。然后,以光流总值的最优化为依据,结合两层模糊C均值(FCM)聚类寻找最优权重和基于固定迭代次数Horn-Schunck光流法的收敛点,从而自适应地获取最优权重系数,并将收敛阈值的人工设定转化为光流值的自动寻优。最后,通过标准视频序列进行测试以验证算法的有效性。实验结果表明:相比于其他权重系数值,最优权重估计的光流图像不但运动目标明显而且噪声较少。对运动目标检测的运行时间为0.106 0s,有用比为0.596 9,幅度误差为0.801 1,满足光流法运动目标检测的最优或次优性能。     

基于变分光流的三维运动检测与稠密结构重建

提出了一种基于变分理论的由稠密光流检测图像中目标物体三维运动与结构的直接方法。首先在透视投影模型下将目标物体的三维运动参数与图像光流联系起来,构建了一个未知量是三维运动参数的能量函数,然后使用变分方法直接求出图像中目标运动物体的三维运动参数,最后由求出的三维运动参数恢复物体表面的三维稠密结构及图像光流。该方法在对目标物体进行三维运动检测时省略了"光流计算"这一中间过程,避免了图像光流计算给三维运动检测结果带来的误差影响和时间消耗。多组实验证明该算法具有较高的计算精度、较好的鲁棒性和较快的计算效率。     

基于光流法的气密性检测装置研究

针对用气泡检测小型压力容器气密性的方法存在工作效率低下以及较多的安全隐患等问题,进行了气泡图像处理法的研究。搭建了气泡图像采集系统。利用Matlab软件结合光流算法处理气泡图像,研究了基于光流理论的Horn-Schunck气泡图像处理算法。对气泡图像进行了定制阈值的图像区域分割,获得了层次分明的气泡图像;基于此方法设计了一套半自动化的气密性检测系统。利用此系统自动得到了气泡的数量和大小并以此计算泄漏量以及泄漏的部位。实验结果表明:此系统可准确检测的最小气泡直径为4 mm,气泡检测最适合的直径在8 mm左右,如气泡直径继续增大,气泡表面不规则程度加深,检测精确度变低,因此,该系统在一定的条件下能准确计算气泡数量及大小,实现了对泄漏气体的检测。     

一种改进光流法的运动目标检测及跟踪算法

针对精确制导武器末制导过程中动态背景情况下难以有效检测出运动目标的问题,提出了一种改进光流法的运动目标检测方法,并设计了相关跟踪算法。将Shi-Tomasi角点检测和金字塔LK(Lucas-Kanade)光流法结合,只计算强角点处的光流场,较好地估计了全局运动参数,然后采用卡尔曼滤波平滑运动矢量,有效地对当前图像进行了运动补偿。8对补偿后的图像采用三帧差分法得到运动目标,并设计了形态学腐蚀和膨胀运算去除了噪声以更准确地提取目标,最后对检测出的运动目标用归一化积相关算法进行了跟踪。仿真试验及嵌入式平台下的实际测试结果表明,所设计的算法在背景运动情况下依然能够非常有效地检测出运动目标,并且对目标能够稳定地跟踪。在PC上处理速度达到了34.1 f/s,嵌入式平台下为15.6 f/s。     

基于背景差分和光流法的运动目标检测与跟踪

本实验研究的系统是利用混合高斯背景建模的方法建立一个背景模型,通过背景差分法从一系列包含运动目标的图像帧中提取出运动目标,并对提取出的目标区域进行金字塔光流法,以目标区域的光流方向作为运动目标的运动方向。最后通过vc++平台和opencv库设计一个演示环境,实现在单一的场景中实现运动目标检测和跟踪,验证本系统算法的可行性。     

改进的光流运动图像分析方法及其应用

针对传统光流运动图像分析方法运动估计精度低且易受各种干扰等缺点,提出一种基于梯度阈值的五置信点约束的改进光流算法.该方法采用五置信点加权法处理像素时间和空间梯度值,减小了单个像素受噪声的影响.对基本光流约束方程进行了梯度阈值处理,剔除了光流场中不利于运动估计的干扰数据,提高了运动图像的运动估计精度.实验分别采用传统算法...     

基于光流的物体移动速度检测技术

通过采集目标物体的运动图像,根据移动物体运动场和光流场的关系,由运动主方向的原理,确定出物体移动的方向;采用一种基于金字塔式的L-K算法对移动物体的光流速度进行计算;把图像中的光流速度转化为物体的实际移动速度。实验结果表明,该算法能有效地检测出物体的实际移动速度。     

基于ArUco Marker 及稀疏光流的动态目标实时跟踪技术

文中提出了一种基于ArUco marker及稀疏光流的动态目标跟踪方法,将ArUco marker与稀疏光流相结合实现动态跟踪,并改善双目匹配的精度。在具体实施过程中,基于检测到的ArUco marker标记进行旋翼无人机的动态跟踪,同时利用双目视觉系统测量并计算ArUco marker在相机坐标系下的相对坐标;然后通过平面拟合得出目标的实时位姿;最后开展了无人机抓捕实验,验证了ArUco marker结合稀疏光流动态目标跟踪方法的有效性。     

基于直线光流场的三维检测新方法

提出了基于直线光流场的三维检测计算方法。在透视投影下,将表示二维直线的参数对时间的导数定义成直线光流场,详细推导出基于直线光流场检测三维刚体运动参数的模型。使用最小二乘法,求出刚体的三维旋转运动参数、平移运动参数和空间直线坐标,从而实现了刚体的三维检测。该方法利用单目图像序列中连续3幅图像的2对直线光流,能够检测出物体的运动参数和结构参数,有助于全面检测和识别物体。多组实验表明该方法是稳定的,具有较好的鲁棒性能。     

抖动干扰下运动目标精准检测与跟踪算法设计

针对在抖动干扰下运动目标检测精度较差的问题,提出了一种基于光流法与三帧差分法的运动目标检测算法,首先用基于卢卡斯-卡那得(LK)光流法的稳像算法对视频去抖,然后用三帧差分法提取目标。仿真结果表明,稳像后的峰值信噪比(PSNR)值提高了3.6 dB左右,所设计算法在抖动干扰下能够准确提取出目标,在测试平台上的平均处理速度为28fps;同时,针对传统核相关滤波(KCF)算法对尺度变化和部分遮挡目标跟踪性能较差的问题,设计了一种改进的KCF算法,通过对目标构造图像金字塔,计算滤波器在图像金字塔不同层上的响应,找到响应最大层并更新下一帧目标位置,同时加入了遮挡检测机制,减小目标遮挡对跟踪的影响。仿真结果表明,改进后的算法对尺度变化和部分遮挡的目标跟踪鲁棒性更优,可实现对目标的稳定跟踪,处理速度为33 fps。通过与KCF算法进行比较说明该算法的准确率提高了4.2%,成功率提高了11.8%。     

尾随运动车辆识别与超车检测方法研究

针对尾随车辆由于类型、尺寸、颜色、环境等非确定因素导致识别不稳定、不可靠的问题,提出基于时空域纵向投影跟踪滤波和相对运动检测的车辆识别与超车行为检测算法。首先在对比度空间对序列图像进行定向滤波,采用概率Hough变换估计车辆横向边缘,通过时间域投影方法过滤环境噪声,得到尾随车辆跟踪轨迹,同时使用光流法对序列图像特征角点进行跟踪检测,通过目标运动方向矢量将车辆和背景予以区分。在此基础上,采用车辆置信度函数对上述两种方法的识别结果进行综合决策,提出基于行为检测的超车检测算法。试验结果表明,该方法在结构化道路环境中能够快速准确提取近视场运动尾随车辆,对环境干扰和目标车辆类型变化具有较强的免疫能力。       

金字塔光流三维运动估计与深度重建直接方法

针对基于图像序列光流的三维运动估计与深度重建问题,提出一种基于图像金字塔光流的三维运动估计与深度重建直接方法。首先根据光流计算亮度守恒假设和像素点光流与三维空间点运动的对应关系推导出基于图像亮度的三维运动守恒假设;然后借鉴变分原理,通过设计基于L1模型的鲁棒数据项以及图像与运动联合控制的平滑项构造基于变分光流的三维运动估计能量函数;为了应对图像序列中包含的大位移运动及运动遮挡问题,采用图像金字塔分层策略设计三维运动估计模型;最后根据图像三维运动估计结果重建图像中运动物体或场景的深度信息。实验表明,该方法能够较好地应对图像序列中光照变化、多目标大位移运动以及运动遮挡等情况,具有较高的三维运动估计与深度重建精度和较好的鲁棒性。     

基于四轴飞行器的单目视觉避障算法

针对四轴飞行器平台上单目视觉避障算法实时性不够,准确率不高的问题,提出了一种新的基于金字塔LK(Lucas-Kanade)光流与平移光流融合的单目视觉避障算法并给出了这一方法的数学推导过程。在配有320pixel×240pixel摄像头的ArduCopter四轴飞行器上开发和实现了该算法,并进行了多次飞行测试验证了算法的可行性与有效性。在飞行器自主飞行过程中,采用消失点进行导航,并结合神经网络PID对其进行飞行自适应控制。与单目即时定位与地图构建(SLAM)避障算法、Horn-Schunck光流避障算法以及图像分割避障算法比较了算法的实时性和准确性,结果显示:本算法具有实时性好和准确率高的优点,可以满足实际工程中四轴飞行器的实时避障要求。     

基于视觉的非接触呼吸频率自动检测方法*

针对生理健康监测领域的呼吸率检测舒适度及效率问题,提出了一种基于视觉的非接触式测量方法,该方法利用普通相机拍摄人体呼吸视频,并通过欧拉算法将呼吸时的胸腹运动位移加以放大,考虑人体胸腹区域位置提取准确度对呼吸率检测精度的影响,提出了基于光流信号提取呼吸区域的方法,利用光流算法将胸腹运动转化为光流信息并进行编码,将其显示为彩色图像形式,从中提取胸腹呼吸区域的像素亮度序列,从而得到呼吸波形信息,通过波峰检测获取呼吸率。最后,实验将本算法自动提取的呼吸信号与Embla N7000多导睡眠仪测量结果相比较,结果表明,本算法呼吸率检测平均误差为0.54次/min,具有较高的准确性。     

基于FPGA的Lucas-Kanade算法优化

在FPGA平台上实现基于光流法的视频运动目标跟踪系统,采用Lucas-Kanade算法进行光流场的计算,在图像预处理阶段提出使用三维高斯滤波代替传统二维高斯滤波,引入相邻像素点在时间轴方向的相关性,增强图像的滤波效果。在3D导数计算阶段提出在求导方向的正交面上进行平滑滤波,并采用匹配的导数和平滑参数,提高光流场计算精度。在FPGA平台上设计多级主流水线加子流水线结构,设计了四端口RAM进行图像缓存,优化了最小二乘矩阵单元和浮点数运算单元,实现了实时视频运动目标跟踪。     

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于 OpenCV 开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。      

一种高分辨率图像的实时光流计算方案

Horn-Schunck(HS)法是一种稠密光流法,其计算复杂对于高分辨图像难以达到实时处理的效果,限制了它在实际工程中的应用。为此,提出一种高分辨率图像的实时光流计算方案。该方案由三个部分组成:基于动态灰度阈值的图像序列处理策略,该策略通过剔除受光照变化影响的像素点减少计算量,提升算法效率;增量更新的数值求导,通过避免重复计算,提高梯度计算的速度;基于GPU(GraphicsProcessingUnit)的图像数据并行存储检索结构与共享内存(Sharedmemory)优化策略,减少数据传输耗时,提高数据访问速度。风洞实验表明:动态灰度阈值策略能有效剔除受光照变化影响的像素点,较原HS光流法平均效率提升122.81%;增量更新的数值求导实验表明:增量更新的数值求导较传统求导效率提升分别为16.41%、17.60%、17.82%以及18.57%,效率随着图像分辨率增加而提高;光流并行计算实验表明:对于分辨率为1728×2352的图像,该方案的实时处理速度达到80帧/秒(fps),应用前景广阔。     

基于改进LK光流的四旋翼无人机悬停技术研究

随着无人机应用场景的不断拓展,在GPS信号不可靠时仍能精确定位是无人机发展要解决的难题。以四旋翼无人机为研究对象,针对传统LK光流法在实际应用中存在定位精度不高的缺点,采用一种用于精确估计的改进LK光流法。该方法针对光流传感器的有限运算能力,采用Shi-Tomasi角点检测算法和双线性差值法提高无人机定位精度和稳定性;在光流计算时,通过建立光流金字塔解决无人机运动产生的大位移问题,并对计算产生的FB误差进行补偿,提高计算精确度;利用无人机硬件平台在室内进行实际飞行验证。结果表明:这种改进的LK光流法定位精度高,在稳定光照条件下能进行精确定位悬停飞行,其定点精度大约为半径40 cm的圆形。     

一种复杂背景下运动目标检测与跟踪方法

为了准确快速检测和跟踪运动目标,扩大视频监控系统中摄像机的搜索和跟踪范围,在目标检测部分提出了一种将双向差分相乘法与基于仿射运动模型的匹配差分法相结合的运动目标检测方法;在目标跟踪部分改进Camshift算法,利用目标边缘轮廓信息完成对运动目标的跟踪,最后在基于BF533的网络视觉跟踪监控系统上进行了实验。结果表明,所提方法能够对运动目标进行准确检测和大角度跟踪,在单目摄像机的视频监控系统中具有较高的实用价值。     

角点检测与光流跟踪的焊缝特征提取与定位研究

针对V型坡口中厚板对接焊焊缝特征点检测精度不高的问题,研究了一种基于激光视觉传感的角点检测与光流(LK)跟踪的焊缝特征快速提取与定位方法。根据三角测量原理,设计了能够实时检测焊缝特征图像的激光视觉传感器,并建立了由激光条纹特征点像素坐标到焊缝特征点三维坐标的数学模型;对焊缝图像进行了预处理,采用Shi-Tomasi角点检测提取了焊缝特征;最后使用光流法为后续帧匹配特征角点,实时计算出了图像中焊缝特征点的亚像素位置。研究结果表明:基于角点检测与光流法跟踪的焊缝特征提取与定位方法,其特征点检测精度较高,平均误差在±0.13 mm以内,可以实时、准确地识别焊缝特征。