基于超像素的点追踪方法

目的由于当前大多数的追踪算法都是使用目标外观模型和特征进行目标的匹配,在长时间的目标追踪过程中,目标的尺度和形状均会发生变化,再加上计算机视觉误差,都会导致追踪的失误。提出一种高效的目标模型用于提高追踪的效率和成功率。方法采用分割后提取的目标特征来进行建模表示外观结构,利用图像分割的方法,将被追踪的目标区域分割成多个超像素块,结合SIFT特征,形成词汇本,并计算每个词在词汇本中的权值,作为目标的外观模型。利用外观模型确定目标对象的关键点位置后,通过使用金字塔Lucas-Kanade追踪器预测关键点在下一帧图像中的位置,并移动追踪窗口位置。结果结合点位移的加权计算有效地克服目标尺度和形状变化产生的问题。结论实验结果表明在目标发生形变或光照变化的情况下,算法也能准确地、实时地追踪到目标。  

一种基于超像素的点追踪方法

摘要：目的：由于当前大多数的追踪算法都是使用目标外观模型和特征进行目标的匹配，在长时间的目标追踪过程中，目标的尺度和形状均会发生变化，再加上计算机视觉误差，都会导致追踪的失误。提出一种高效的目标模型用于提高追踪的效率和成功率。方法：采用分割后提取的目标特征来进行建模表示外观结构，利用图像分割的方法，将被追踪的目标区域分割成多个超像素块，结合SIFT特征，形成词汇本，并计算每个词在词汇本中的权值，作为目标的外观模型。利用外观模型确定目标对象的关键点位置后，通过使用金字塔 Lucas-Kanade 追踪器预测关键点在下一帧图像中的位置，并移动追踪窗口位置。结果：结合点位移的加权计算有效的克服目标尺度和形状变化产生的问题。结论：实验结果表明在目标发生形变或光照变化的情况下，算法也能准确的、实时的追踪到目标。  

基于前—后向光流点匹配运动熵的视频抖动检测算法

目前大部分视频监控系统面临着高效实时性智能分析与低效滞后的人工故障排查的矛盾.视频质量智能诊断系统可以为此提供有效的解决方案.针对视频质量诊断系统中的画面抖动异常检测问题,提出一种简单有效的实用算法.该算法通过有效融合图像的稀疏光流与特征点匹配算法,根据前向-后向误差标准估计图像帧的全局运动参数,引入连续帧的运动熵用于衡量视频画面片段运动的混乱程度,判断是否存在视频抖动现象.算法在不同分辨率的实际监控录像数据集上进行了测试和比较.实验证明,该算法在一定程度上克服了大位移抖动的影响,具备良好的实时特性以及较高的检测精度,能够满足实际工作的需求.  

改进的金字塔Lucas Kanade光流算法实现多姿态视频人脸特征点跟踪

目前,在人脸特征点跟踪领域,光流算法的使用较广泛。本文提出对小姿态人脸采用仿射变换矫正以及对大姿态人脸通过跟踪准确特征点的偏移量改进金字塔Lucas Kanade光流方法。实验结果表明,该算法比传统的金字塔Lucas Kanade光流算法在多姿态人脸特征点跟踪方面有更好的效果。  

基于DM642的金字塔Lucas-Kanade光流法计算速度信息

通过垂直拍摄地面的摄像头连续抓拍两帧图像，从中计算出横纵向速度信息。该设计以TMS320DM642为核心，结合TI的VLIB视频处理库，利用VLIB中的Harris角点提取算法对特征点进行提取，并利用金字塔Lucas-Kanade光流法实现对特征点的大位移跟踪，对跟踪出来的横纵向位移信息进行筛选并利用帧率与位移之间的关系计算出速度信息。然后，将该设计与在PC机上用OpenCV实现的金字塔Lucas-Kanade光流法和SURF特征点跟踪匹配法进行比较，其结果表明该设计简易可行且具有实时性好的优点。最后在此基础上简要介绍了此设计的应用前景并对设计进行了总结。