结合光流法和卡尔曼滤波的视频稳像算法

针对手机拍摄过程中产生的视频抖动问题,提出了一种基于光流法和卡尔曼滤波的视频稳像算法。首先通过光流法预稳定抖动视频,对其生成的预稳定视频帧进行Shi-Tomasi角点检测,并采用LK算法跟踪角点,再利用RANSAC算法估计相邻帧间的仿射变换矩阵,由此计算得出原始相机路径;然后通过卡尔曼滤波器优化平滑相机路径,得到平滑相机路径;最后由原始相机路径与平滑路径的关系,计算相邻帧间的补偿矩阵,再利用补偿矩阵对视频帧逐一进行几何变换,由此得到稳定的视频输出。实验表明,该算法在处理6大类抖动视频时均有较好的效果,其中稳像后视频的PSNR值相比原始视频的PSNR值约提升了6.631 dB,视频帧间的结构相似性SSIM约提升了40%,平均曲率值约提升了8.3%。     

基于特征匹配和卡尔曼滤波的机器人视觉稳像

针对机器人视觉稳像问题,建立六参数仿射图像运动模型,给出其递推关系。设计基于梯度的KLT特征提取算法,根据最优绝对误差和进行特征点的匹配,利用超定的运动参数求解方程推导,得到有意运动参数的观测模型,并使用最小二乘法进行求解,对卡尔曼滤波后的运动参数和图像运动模型进行反向求解,实现含抖动视频的稳像补偿。在自主移动机器人平台上的实验结果表明,利用KLT算法得到的特征点分布更合理,速度更快,经相对参数滤波后的图像相比绝对参数滤波更平滑。     

基于特征匹配与运动补偿的视频稳像算法

针对在复杂背景下航拍视频的抖动情况,为了实时输出稳定的视频,提出了一种改进的特征匹配算法与全局运动补偿相结合的视频稳像算法。首先,利用尺度不变的SURF算法提取特征点并计算描述符,再结合快速近似最邻近匹配算法得到匹配点对,并通过双向匹配以及K近邻算法筛选优秀匹配点,从而提高匹配正确率;其次,提出了一种局部区域匹配法,提高了算法处理速度,并避免场景内运动目标对稳像效果的影响。通过建立仿射变换模型,求解相邻帧图像的变换参数,进而对图像进行全局运动补偿。结果表明,该算法速度快、匹配精度高,有良好的视频稳像效果。     

基于SIFT特征匹配的视频稳像算法研究

为了解决运动情况下的视频图像去抖问题,本文提出了一种新型的去抖算法。首先利用SIFT算法提取出特征点,并利用RANSAC算法进行优化处理,进行图像的全局运动估计和全局运运补偿,实现视频图像的去抖功能。本文实现了以该方法为基本算法的原型系统,能够有效地增加视频图像的平滑度。     

基于分段处理的视频稳像算法

针对视频拍摄过程中出现抖动的问题,本文根据在短时间内摄像机运动轨迹保持不变的观察现象,提出了一种按时间分段处理视频的视频稳像（SPVS）方法。首先提取视频的SURF特征点,用uMLESAC算法快速准确地去除异常点,并使用最小二乘法求解帧间仿射运动模型。然后利用分段方法优化处理视频的仿射运动模型参数。最后利用视频补偿得到稳定的视频文件。实验表明SPVS方法可有效地去除视频中抖动成分。     

基于3D旋转模型的全景视频稳像算法

视频稳像算法是指消除由于手持相机拍摄造成的视频帧间抖动的算法.由于全景视频广视域的特性,传统的稳像算法并不适用.针对全景视频,提出一种使用3D旋转模型进行稳像处理的新方法.通过特征点提取跟踪计算出的3D旋转模型可以准确地描述相机的真实运动路径;为了减少数据冗余,使用欧拉角表征旋转模型的参数.在路径平滑过程中,引入一种基于样条拟合的改进方法,分离抖动和主观运动并消除高频的抖动,相比传统方法更加准确可靠.实验结果表明,该算法可以有效地消除视频中的抖动并生成稳定的视频序列.     

一种适用于高分辨率图像的实时电子稳像算法

为了探索在电子稳像技术上的新方法,在分析常用视频稳定技术的基础上,详细介绍了基于图像特征的电子稳像算法流程和可应用于高分辨率图像的特征点提取以及跟踪算法。同时,提出了一种可适用于高分辨率图像的实时电子稳像算法,对传统的KLT算法进行亮度适应方面的改进。最后,通过实验对于摄像机获取的连续视频图像进行应用新方法的电子稳像处理,实验结果验证了该算法的稳像效果及实时性,从而证明了该算法在实际应用中的效果很好。     

塔机吊钩可视化系统的视频稳像算法

针对施工现场工况复杂,塔机吊钩视频稳像效果差的问题,本文提出了一种改进ORB特征匹配与固定滞后Kalman滤波相结合的吊钩视频稳像算法.在图像运动估计中,对经典ORB算法进行改进,采用了图像分块与自适应阈值的特征点提取,并引入图像四叉树算法提高图像特征点分布均匀性;在此基础上,采用背景补偿结合帧间差分法,快速识别局部运动目标并进行剔除,提高了全局运动参数估计的准确性;在运动滤波和补偿阶段,采用固定滞后Kalman滤波算法去除随机抖动分量,以获得视频去抖动的运动补偿参数,进而实现塔机吊钩可视化系统监控视频的稳像处理.实验结果表明:与经典ORB加Kalman滤波的稳像算法相比,本文所提出的稳像算法帧间变换保真度ITF提升了约9.12%,结构相似度平均值■提升了约2.75%,获得了更好的稳像效果,且帧处理速率FPS达到了29.65 f/s,满足塔机实时监控要求.     

一种基于LMA的电子稳像技术

提出一种基于LMA的电子稳像技术,将LMA运用到仿射变换模型的参数估计中,从而获得参考帧与当前帧之间的运动矢量。该电子稳像方法具有速度快和精度高的特点。实验表明,这种稳像算法在进行视频稳像时具有很好的效果。     

融入时空显著性的高精度视频稳像算法

为剔除复杂运动前景对视频稳像精度的干扰,同时结合时空显著性在运动目标检测上的独特优势,提出一种融入时空显著性的高精度视频稳像算法。该算法一方面通过时空显著性检测技术识别出运动目标并对其进行剔除;另一方面,采用多网格的运动路径进行运动补偿。具体包括：SURF特征点提取和匹配、时空显著性目标检测、网格划分与运动矢量计算、运动轨迹生成、多路径平滑、运动补偿等环节。实验结果表明,相较于传统的稳像算法,所提算法在稳定度（Stability）指标方面表现突出。对于有大范围运动前景干扰的视频,所提算法比RTVSM（Robust Traffic Video Stabilization Method assisted by foreground feature trajectories）的Stability指标提高了约9.6%;对于有多运动前景干扰的视频,所提算法比Bundled-paths算法的Stability指标提高了约5.8%,充分说明了所提算法对于复杂场景的稳像优势。     

基于尺度不变特征的光流法目标跟踪技术研究

针对目标跟踪问题中目标和场景动态变化的问题,提出了一种结合尺度不变特征变换（SIFT）和光流估计算法并改进模板更新策略的目标跟踪算法。SIFT特征是一种局部特征,具有尺度和旋转不变性。光流场反映的是一种全局特征,表示像素点强度的变化。SIFT特征点可以很好地满足光流估计的条件。实验结果表明这种改进后的目标跟踪算法能应用于部分遮挡的情况,并且相对于传统光流法具有更高的精确度。     

一种内容完整的视频稳定算法

设计了一种基于可靠特征集合匹配的内容完整的视频稳定算法。为了避免运动前景上的特征点参与运动估计,由经典的KLT(Kanade-Lucas-Tomasi)算法提取特征点,而后基于特征有效性判定规则对特征点集合进行有效性验证以提高特征点的可靠性。利用通过验证的特征点对全局运动进行估计,得到精确的运动参数并据此对视频图像进行运动补偿。对于运动补偿造成的无定义区,首先计算当前帧的定义区与相邻帧的光流,以此为向导腐蚀无定义区;利用拼接的方法,填充仍为无定义区的像素。实验结果表明该算法对于前景物体运动具有较好的鲁棒性并能够生成内容完整的稳定视频序列。     

基于改进的TLD目标跟踪算法

针对传统跟踪—学习—检测(tracking-learning-detecting,TLD）目标跟踪算法由于检测模块扫描大量子窗口而导致检测时间过长,并且在跟踪过程中当目标发生严重遮挡、形变时,TLD算法会出现跟踪失败的问题进行了研究,提出改进TLD目标跟踪算法。改进算法在检测模块前加入ViBe模型预估前景目标,极大地缩小了检测区域。追踪模块用SIFT特征匹配算法来代替原算法中的光流法,准确跟踪目标避免发生跟踪漂移,减少了计算的复杂度,提高了算法适应环境的能力。实验表明,改进后的TLD算法运行速度得到提升,并且当目标出现严重遮挡、光照强度剧烈变化时的跟踪精度也得到了很好的改善。     

基于运动估计的Kalman滤波视频对象跟踪

提出了一种利用Kalman滤波对运动目标的形心进行预测,从而实现视频对象跟踪的算法。首先进行视频对象分割,求出运动目标的形心。再利用视频序列中连续两帧的形心和运动矢量信息,用Kalman滤波对运动目标的形心在下一帧的位置进行预测,从而快速、有效地自动跟踪多个目标对象。实验结果表明,该算法对运动目标的出现和消失,以及非刚性物体的尺度变化和变形,具有较强的鲁棒性。     

基于视频的高速公路车辆检测和跟踪算法

采用一种基于像素的新方法来更新背景，同时将工作区域分为车辆检测和车辆跟踪两个部分，在车辆检测区建立跟踪对象，在车辆跟踪区仅仅对跟踪对象进行预测跟踪，从而减少了跟踪的盲目性和算法的计算量，提高算法精度。根据该算法设计的视频检测器已用于实际交通参数的采集，统计的结果表明该算法检测和跟踪的正确率分别高于96%和97%，并具有很好的实时性，能满足管理部门的需求。     

基于双线程LSTM在线更新的视频追踪算法

针对视频追踪中基于孪生网络的追踪算法在对有遮挡物或运动突变的物体进行追踪定位时会出现定位不准确的问题,设计了在线更新网络的视频追踪算法T ripL T.该算法采用循环神经网络进行目标位置的预测,并采用全卷积神经网络对目标进行相似度的判定.T ripL T算法可预测下一帧的目标位置,以摆脱遮挡物的影响,并且T ripL ...     

基于Mean Shift算法视频跟踪研究

为改善Mean Shift算法的跟踪性能,分析了Mean Shift算法跟踪局限性,对Mean Shift算法流程进行了改进.Harris特征角点具有对光照、旋转、部分仿射变化以及噪声干扰具有很好的鲁棒性的特性可解决Mean Shift算法在背景过于复杂时的跟踪失败问题.Surf算法则具有对旋转、尺度缩放、亮度变化保持不变性,检测和匹配速度快等优点,能辅助Mean Shift算法在帧速过快情况下解决跟踪失败问题.提出了融合Harris角点和Surf算法的改进型Mean Shift算法.实验表明改进后的算法改善了Mean Shift算法在背景复杂以及帧速过快情况下的跟踪性能.