一种人头部实时跟踪方法

为了能够在视频监控、人机交互、视频会议等领域对人头部运动实施实时跟踪 ,给出了一种使用黑白摄像机对人平移或转身时的头部运动进行实时跟踪的方法 .该方法主要由基于块特征的跟踪和基于头部几何特征的校正两个步骤组成 .块特征跟踪算法仅利用图象低层信息而不依赖于目标的具体模型 ,可实现对头部自由运动的跟踪 .为解决块特征跟踪误差累积等原因造成的目标丢失问题 ,又采用了头部轮廓几何特征检验方法 ,根据跟踪窗口中头部轮廓位置的偏移来对块特征跟踪结果进行校正 .另外 ,为提高转身运动时相邻两帧图象的特征跟踪正确率 ,还引入圆柱模型来拟合头部 ,并在展开柱面内进行块特征选取和跟踪 .本文方法在 P 35 0微机上进行了实验 ,实验结果表明 ,系统能对长时间图象序列中人平移或转身时头部运动实施准确跟踪 .当跟踪窗口大小为12 0× 180 pixels,块特征数目为 80个时 ,系统的处理速度达到 30帧 /s     

基于生成式模型的视频基元追踪学习

自然场景视频中含有各种类别的视频基元(video primitives),它们构成了整个高维视频块(video bricks)空间,具有不同的结构维度及复杂度,由空间表观与运动共同描述.视频基元主要有两类:结构视频基元与纹理视频基元.文中使用一个通用生成式模型对两类视频基元进行统一概率建模,每个视频基元的表达能力由其对应的信息增益来度量.利用该度量进行视频基元追踪学习,最终建立一个完整的视频基元集.实验结果显示了文中方法在视频内容表示方面的有效性.     

基于最大-最小相似度学习方法的文本提取

应用最大-最小相似度(maximum-minimum similarity,简称MMS)学习方法,对基于高斯混合模型的文本区域提取方法中的有关参数进行优化.该学习方法通过最大化正样本相似度和最小化反样本相似度获得最佳分类能力.根据这种判别学习思想,建立了相应的目标函数,并利用最速梯度下降法寻找目标函数最小值,以得到文本区域提取方法的最优参数集合.文本区域提取实验结果表明:在用期望最大化(expectation maximization,简称EM)算法获得参数的极大似然估计值后,使用最大-最小相似度学习方法,使文本提取综合性能明显提高,开放实验的召回率和准确率分别达到98.55%和93.56%.在实验中,最大-最小相似度学习方法的表现还优于常用的判别学习方法——最小分类错误(minimum classification error,简称MCE)学习方法.     

基于自适应聚合的立体视觉合作算法

提出了一种恢复高质量稠密视差图的立体视觉合作算法.该算法采用基于形态学相似性的自适应加权方法,迭代地进行局部邻域的自适应聚合和抑制放大,实现高效率和高质量稠密视差图计算.将该算法推广到三目摄像机立体匹配系统中,通过重建摄像机坐标系实现图像校正,并根据连续性假设和唯一性假设,建立视差空间中的支持关系和三目摄像机之间的抑制关系.实验结果表明,三目立体合作算法能够得到精确的场景视差映射,并可以实现多基线方向的遮挡检测.该算法特别适用于由多个廉价摄像机组成的立体视觉系统,在几乎不增加软件和硬件资源的情况下,就可以得到高质量的稠密视差图.     

四元被动声敏感阵列定位模型分析和仿真

本文分析了基于四元被动声敏感方阵的定位模型,给出了四元方阵定位模型的一般公式,比较了平面方阵,对称立体方阵和非对称立体方阵等几种典型四元方阵的定位性能,并讨论了最优定位模型,最后给出了仿真结果。     

多信息融合的快速车牌定位

目的车牌定位是车牌识别的关键步骤之一,为提高车牌定位的准确率和定位速度,降低误检率,提出一种基于多信息融合的快速车牌定位方法。方法首先,通过边缘密度信息快速排除大量背景区域,有效提高定位速度;其次,根据车牌字符的分布信息精确定位车牌;最后使用基于模板匹配的车牌字符分割方法进行车牌字符分割,通过验证所分割出的字符是否是数字或字母来验证所定位区域是否车牌,去除误检车牌区域。结果在9 980幅图像上进行测试,定位准确率为97.9%,平均定位时间为16.3ms。实验结果表明,本文方法可以在各种条件下快速而准确地定位车牌。结论融合多种特征的车牌定位方法,通过提取车牌对应的环境信息,排除了大量的背景区域,加快了车牌定位的速度;根据车牌的结构信息定位车牌,并通过车牌的部件信息,实现合法性验证,提高车牌定位的准确率。通过多种信息的融合,有效改善了车牌定位的效果。     

基于多域分析和全局优化的全景图拼接方法

为了快速鲁棒地进行全景图的拼接，提出了一种基于频率域和空间域特性的全局优化全景图拼接方法。该全景拼接过程分为局部对齐和全局对齐两个阶段。在局部对齐过程中，先使用相位相关法进行粗对齐，而在根据相位相关确定的重叠区域内部，则通过设计一种基于特征点的粒子滤波器来校正相位相关的结果；在全局对齐中，则是使用基于光差的全局优化方法在子像素级进行精确对齐，由于初值准确，因此全局算法能迅速收敛。但是由于全局优化会带来较大的参数空间，为此需使用小局部大全局的策略来降低参数空间。实验表明，该拼接方法在帧间光照变化较大、重叠区域较少、摄像机没有标定的情况下能够鲁棒地完成全景图的拼接。     

Using Pure Translation to Get Euclidean Reconstruction

3D reconstruction of the scene from a movingcamerais one of the challenging problems of computervision.It is well known that when nothingis knownabout the camera intrinsic parameters ,the extrinsicparameters or the scene ,it is only possibletocomputea reconstruction up to an unknown projective trans-formation[1].In order to obtain an Euclidean reconstructionfrom the projective reconstruction, some additionalinformation about either the camera or the scene isneeded. The information of the camer…     

基于TMS320C32的视觉图像处理系统

对 TMS3 2 0 C3 2数字信号处理芯片及系统整体结构进行了介绍 ,并详细阐述了 I2 C总线、图像获取控制电路以及 DMA图像存取等工作原理。     

EyeScreen： A Vision-Based Gesture Interaction System

EyeScreen is a vision-based interaction system which provides a natural gesture interface for humancomputer interaction （HCI） by tracking human fingers and recognizing gestures. Multi-view video images are captured by two cameras facing a computer screen, which can be used to detect clicking actions of a fingertip and improve the recognition rate. The system enables users to directly interact with rendered objects on the screen. Robustness of the system has been verified by extensive experiments with different user scenarios. EyeScreen can be used in many applications such as intelligent interaction and digital entertainment.