基于深度信息的人体检测窗口快速提取方法

为改善图像尺度空间搜索方法在人体检测窗口提取中的检测窗口数量多、检测消耗时间长的问题,在深入分析Kinect深度数据特点的基础上,给出了一种基于深度信息快速提取人体检测窗口的方法.该方法通过计算待检测深度图像中深度值出现频次的极大值,根据出现频次极大值对应深度值区域的几何中心确定检测窗口候选位置的中心,并进一步基于深度值和人体高度间的关系,确定检测窗口的尺寸,从而实现快速提取一系列人体检测窗口.最后,从检测窗口数量、响应时间和准确度等3个方面对该提取方法进行了评估,结果表明:该方法的总体效果良好,缩短了检测时间,并且准确率较高,达到了提高人体检测效率的目的.     

基于数学形态学和HSI颜色空间的人头检测

为提高视频监控中人数统计的实时性,提出一种人头检测算法。该方法在HSI(hue, saturation intensity)颜色空间建立人头颜色模型,并结合头发的灰度范围进行二值化。采用数学形态学的膨胀腐蚀算法进行预处理,并在边缘检测之后再次进行膨胀腐蚀,从而得到若干个候选区域。利用轮廓的几何特征综合判断这些区域是否为人头。实际监控的实验结果表明:该方法能够快速有效地检测出人头,很好地满足了视频监控中人数统计的实时性要求。     

一种基于空间信息的运动目标检测方法

针对现实生活中由于光照变化、背景噪声干扰、摄像机抖动等因素对运动目标的检测与识别存在巨大挑战的问题,提出了一种基于空间信息的运动目标检测算法。通过对像素点及其区域的亮度和角度差分等信息提取特征,建立背景模型,去除光照因素的干扰,比较当前帧和背景模型的相似系数确定前景区域,并且采用了自适应阈值的方法二值化前景图。实验证明,该方法能克服光照突变等复杂背景的干扰,实现对运动目标实时准确检测。     

一种基于背景重建的运动目标检测算法

根据视频序列的帧间信息，以平均亮度和图象能量为约束条件，提出一种改进的基于块的背景重建方法。利用重建得到的背景图象，通过背景消减实现了运动目标的检测，检测结果以运动目标的外接矩形表示。     

一种基于边缘检测的运动目标检测新方法

基于帧间差分变化检测,运用多尺度形态梯度算子进行边缘检测,提出并实现了一种运动目标检测新方法.这种检测方法算法简单、运算量小,而且只使用了头两帧的信息,适合于实时应用.实验结果表明:此方法能有效地检测出运动目标.     

一种基于局部特性的红外弱小目标检测方法

针对红外图像弱小目标检测程序复杂和虚警率高的问题,提出了一种基于局部特性检测红外弱小目标的方法.该方法主要根据待检测像素点局部灰度比、局部灰度差、局部能量比以及局部能量差值的大小进行目标检测,避免了传统方法需对红外图像进行背景预测、图像增强等处理,有效地改善了低信噪比下红外图像小目标的检测性能.通过仿真实验对该方法与2种传统方法进行了测试和对比,证明了该方法的有效性和优越性.     

基于视频流的复杂场景公车人头对象计数研究

以安装于公车内顶棚的单目摄像为研究对象,首先结合CENTRIST(census transform histogram)及LBP(local binary patterns)特征描述子对输入图像进行快速人头检测,然后结合视频流中包含的目标运动信息、被检测对象的外观信息、以及上车时间先验信息等来得到准确的人头数目。通过在现实场景下采集的真实公车视频流数据上的实验结果表明,该方法以接近实时的速度工作,在保证准确率的同时,能够有效减少复杂场景下人头计数中的误检率及漏检率。     

一种基于色度信息特征的人脸检测方法

介绍了一种新颖的人脸检测方法，该方法基于非统一背景下室内环境中单幅人脸图像的色度特征信息。该人脸检测算法是基于眼睛检测以及修正黄金比率（MGR），最后获取人脸。首先，获取脸部边缘，而修正黄金比率是用来提取包括眼睛、眉毛、鼻子和嘴巴的人脸部分，都是基于眼睛的位置。实验结果显示，该算法在检测正面人脸具有高精确性。     

Hough变换在人头识别中的应用

Hough变换能识别各种形状的目标,而且有对不完整边缘具有鲁棒性的优点.本文详细论述了Hough变换识别圆形目标的原理,并将其应用于人头识别.首先对原图像利用Canny算子进行边缘提取,然后利用Hough变换找人头的中心,大量实践证明了Hough变换识别人头的良好效果.     

基于深度学习的小目标检测方法综述

小目标检测一直是目标检测领域中的热点和难点,其主要挑战是小目标像素少,难以提取有效的特征信息.近年来,随着深度学习理论和技术的快速发展,基于深度学习的小目标检测取得了较大进展,研究者从网络结构、训练策略、数据处理等方面入手,提出了一系列用于提高小目标检测性能的方法.该文对基于深度学习的小目标检测方法进行详细综述,按照方法原理将现有的小目标检测方法分为基于多尺度预测、基于数据增强技术、基于提高特征分辨率、基于上下文信息,以及基于新的主干网络和训练策略等5类方法,全面分析总结基于深度学习的小目标检测方法的研究现状和最新进展,对比分析这些方法的特点和性能,并介绍常用的小目标检测数据集.在总体梳理小目标检测方法的研究进展的基础上,对未来的研究方向进行展望.     

一种基于混合高斯模型的运动目标阴影检测策略

视频的目标分割与阴影检测技术是计算机视觉领域中最主要的研究方向之一。基于混合高斯模型,提出一种双重阴影检测策略。先通过HSV模型下的颜色夹角确定疑似阴影,再对运动目标和疑似阴影进行混合高斯建模从而消除实际阴影。实验结果表明,该策略在不影响目标识别的情况下可以较好地检测并消除在不同光照环境下的随伴运动目标阴影,具有较高的鲁棒性,从而能保证目标检测的连续性和准确性。       

Kinect深度信息的研究及其在检测中的应用

传统RGB图像容易受到光照、姿态、遮挡等因素的影响,深度信息的研究为计算机视觉的发展提供了新思路。该文首先研究了Kinect深度图像成像原理,仿真分析了深度图像的性质及其分割优势,并在Ubuntul2．04系统下基于openCV设计了利用深度信息实现快速目标检测与分割的系统。     

基于反馈的立体匹配算法

针对因传统的置信度传播（BP：Belief Propagation）算法生成的深度图并非十分精确而导致深度图的绘制及立体重现存在的失真问题,提出一种基于反馈的立体匹配算法,使生成的深度图进一步优化。该算法首先通过BP算法生成深度图,然后由左视点图像与深度数据绘制右视点图像,将绘制出的右视点图像与真实右视点图像进行比较,再将比较结果反馈给BP算法的匹配代价,最后由新的匹配代价重新生成深度图。实验结果表明,该算法与无反馈的算法比较,绘制右视图的PSNR（Peak Signal to Noise Ration）值平均增高0.2 dB。     

结合梯度与彩色直方图的人头识别

提出了结合图像灰度梯度信息和彩色直方图信息的人头识别算法．该算法中：灰度梯度信息可以排除背景图像中的颜色干扰，彩色直方图信息可以适应识别目标的形状变化和背景中的纹理对识别目标的影响．对2种算法的结果进行规一化处理，实现两者的相互补充．最后通过实验证明了该算法的有效性．     

结合梯度与彩色直方图的人头识别

提出了结合图像灰度梯度信息和彩色直方图信息的人头识别算法.该算法中:灰度梯度信息可以排除背景图像中的颜色干扰,彩色直方图信息可以适应识别目标的形状变化和背景中的纹理对识别目标的影响.对2种算法的结果进行规一化处理,实现两者的相互补充.最后通过实验证明了该算法的有效性.     

Head Motion Detection in Gaze Based Aiming

Unmanned weapons have great potential to be widely used in future wars. The gaze-based aiming technology can be applied to control pan-tilt weapon systems remotely with high precision and efficiency. Gaze direction is related to head motion, which is a combination of head and eye movements. In this paper, a head motion detection method is proposed, which is based on the fusion of inertial and vision information. The inertial sensors can measure rotation in high-frequency with good performance, while vision sensors are able to eliminate drifts. By combining the characteristics of both sensors, the proposed approach achieves the effect of high-frequency, real-time, and drift-free head motion detection. The experiments show that our method can smooth the outputs, constrain drifts of inertial measurements, and achieve high detection accuracy.     

基于边缘检测的深度图与单视图配准算法

为解决由单视点图像和相关深度数据所创建的立体图像部分存在的重影问题,提出基于边缘检测的深度图与单视图配准算法。对单视图和深度图进行边缘检测得到各自的边界后,以单视图的边界为基准,配准深度图的边界及其邻域的深度数据。实验结果表明,该算法与已有的算法相比,匹配质量明显提高,使在立体图像中的重影现象得到了缓解。     

一种基于多重判别的运动目标检测算法

目的 为改善传统的背景差分法对光照的敏感性,并提高其抗干扰性能,提出一种基于多重判别的运动目标检测算法.方法 通过matlab软件进行仿真,利用局部二值算法,将纹理信息和颜色信息融入到背景建模中,并与帧间差分法相结合,设定了两个阈值,进行运动目标的多重判断,利用像素灰度值的变化和变化的像素数量作为是否为感兴趣运动目标的判别依据.结果 多重判别的运动目标检测算法将人和车辆从背景中清晰的分离出来,并能保证运动目标的完整性.结论 算法能够准确的检测出运动目标,并能抵御场景中缓慢而微小的运动带来的干扰,具有较好的鲁棒性.