联合二分思想和时空管道的监控视频运动分割

监控视频运动分割是视频浓缩、行为识别等视频智能处理的基础和前提,是计算机视觉领域的研究热点。现存运动分割方法大多步骤繁琐、计算量大,难以应用于计算能力有限的领域。为此,提出了一种联合二分思想和时空管道的监控视频运动分割方法。该方法首先使用嵌套椭圆时空管道模型计算初始累计时空流量来判断目标轨迹完整性(completeness of target trajectory, CTT);然后结合二分思想动态地调节椭圆采样线,自适应地捕捉采样区域的运动目标;最后提取采样线上的全部像素点形成自适应时空管道进行运动分割。实验结果表明,所提方法在保证精度的同时计算速度明显优于对比方法,且所提方法鲁棒性强,对运动情况多变的监控场景同样适用。     

基于时空切片轨迹分析的复杂人体运动跟踪

时空切片方法是一种有效的时空分析方法。然而,现有的算法仅讨论处理近似直线的简单轨迹情况,不能满足实际存在复杂曲线轨迹的处理要求。针对这一问题,本文提出一种实时的时空切片复杂轨迹分析方法来实现人体运动跟踪。首先在视频不同高度处提取水平时空切片,在各切片中分别使用高斯背景模型检测人体轨迹;然后拼合不同高度切片中的人体轨迹,在拼合后的轨迹上使用Hough变换计算人体对应的轨迹方程;最后根据轨迹方程和轨迹检测结果,确定人体的当前坐标、宽和高等信息。 实验表明,相对于传统跟踪方法,该方法降低了跟踪的轨迹误差,满足实时性跟踪要求,且在人体短时遮挡情况下仍然能够实现有效的人体跟踪。      

基于目标检测的视频浓缩系统

为解决海量视频的快速查阅帮助公安人员侦破案件,本文介绍了一种自适应的基于目标检测的视频摘要的系统。该系统使用Vibe算法通过单帧视频分割出运动对象,分割出的运动对象经过一系列的过滤,建立轨迹模型,最后将过滤后的运动对象,按照原有的时间顺序,逐帧粘贴到前景中,形成视频摘要。有效的删除了原始视频中大量的时空冗余信息,显著提高了办案人员查阅效率。     

融合目标速度变化机制的视频摘要生成模型

视频摘要是监控视频浏览和存储的有效技术。在压缩比的限制下,现有的视频摘要生成方法容易导致重排目标碰撞和时序错乱。针对该问题,文中提出一种融合目标速度变化机制的视频摘要生成模型。在目标重排的能量函数中,除目标起始位置变量之外还加入了目标速度变量,从而能够同时改变目标的起始位置和速度,避免碰撞和时序错乱问题。随后使用马尔科夫链蒙特卡罗随机采样算法求解能量函数的最优值,得到了目标重排方案的最优解。实验表明,在压缩率相同的情况下,相较于其他方法,该模型生成的摘要视频中的目标碰撞和时序错乱的问题较少。     

反导跟踪雷达最优搜索时序研究

提出了一种基于概率轨迹的相控阵雷达最优波位搜索时序模型.该模型根据预警信息的统计特性,将目标的位置和速度引导误差分布等效为多条目标以一定概率沿其飞行的航迹,即概率轨迹.通过递推的方式实时计算更新各轨迹的概率,从而动态地得到各波位的目标落入概率,依据最大累积发现概率准则确定雷达波位的搜索时序.仿真结果充分验证了该模型在高速运动目标条件下具有比传统的最优搜索模型更佳的探测性能.     

自适应更新时空方向能量目标跟踪算法研究

为降低遮挡对目标跟踪性能的影响,提出了一种基于自适应更新时空方向能量的目标跟踪算法。首先依据目标外观模型进行初步跟踪,计算目标平均运动矢量;然后,求取运动目标的时空方向能量特征,构建运动模型;依据运动模型和状态机检测目标状态,生成遮挡掩膜;最后,对不同状态和遮挡情况的目标采用不同的参数自适应更新其外观和运动模型。实验采用国际通用的CAVIAR和York两个公共测试数据集,并用平均跟踪误差和多目标跟踪精确度两个指标评测了跟踪性能。实验结果表明该方法的目标跟踪性能好,尤其是对目标遮挡的鲁棒性强。     

基于运动特征的视频检索

运动特征是描述视频内容的一种重要的信息,也是视频区别于图像数据所特有的内容,要想对视频内容进行全面的刻画,运动特征是必不可少的一个方面。本文提出了一种基于时空运动特征的视频检索方案。根据离散的球的位置,获取台球原始运动轨迹,进而修正得到完整的台球运动轨迹;以运动轨迹点序列作为运动特征,同时提出了基于运动轨迹点序列顺序匹配的视频段分步检索方法:首先根据碰撞点将运动轨迹分段,然后对检索视频的轨迹分段重采样,最后利用轨迹模型匹配方法实现检索。实验结果表明,我们提出的方案实现了一定程度的语义检索,能够较好地检索到符合人们主观理解的斯诺克运动轨迹的视频内容。      

时空深度特征AP聚类的稀疏表示视频异常检测算法

针对异常行为检测问题, 提出基于时空深度特征的AP聚类稀疏表示视频异常检测方法。由于视频序列中大量背景信息及有效信息分布不均匀的情况，首先利用光流结合非均匀的细胞分割对视频的运动目标进行提取并得到空间尺寸大小不同的时空兴趣块。其次利用三维卷积神经网络提取不同时空兴趣块的时空深度特征从而对原始视频序列进行三维描述。然后在字典学习时，采用AP聚类方法，将训练样本中具有代表性的特征作为字典，极大降低字典维度以及稀疏表示方法对计算内存的要求。本文将测试样本进行AP聚类后仅对具有代表性的聚类中心进行检测，在减少实验时间的同时削减了阈值对检测效果的敏感度。实验结果表明，与现有的检测方法相比本文方法具有优越性。      

基于无监督学习的目标轨迹预测

针对情报与侦察监视领域中目标轨迹预测问题,提出了一种基于无监督学习的预测方法。首先,根据历史信息分析目标历史活动规律;其次,构建隐马尔科夫模型,通过无监督学习自动实现预测目标在栅格网中的运动方向;最后,根据学习得到的运动方向和目标运动速度信息,计算未来短期内的目标轨迹。数值仿真验证了该方法能够有效地预测目标在未来短时刻内（通常为5 min）的运动轨迹。     

一种运动目标快速检测方法

先利用时空域灰度投影法将视频图像序列由三维信号压缩为两幅二维图像来处理,以减少待处理的信息量,同时将视频序列的时空信息充分结合起来,随后采用微分算子分别求取新图像的水平梯度图和垂直梯度图,并采用类内最小交叉熵阈值分割方法提取目标运动信息,快速检测运动目标.实验结果表明,该方法计算简单,能够检测视场中目标的有无并能迅速定位目标.     

基于空时多线索融合的超像素运动目标检测方法

运动目标检测是计算机视觉领域极具挑战性的难题,该文针对这一问题提出一种基于空时多线索融合的超像素运动目标检测方法。首先利用简单线性迭代聚类算法将当前帧分割为超像素集合,根据帧间的像素级时变线索找到当前帧中包含运动信息的前景超像素子块;然后根据运动目标的一致性原则建立前一帧目标模型,结合目标空间线索进一步确定包含运动目标的检测窗口,将目标检测问题转化为目标分割问题,利用密集角点检测将目标从窗口中分割出来。在多个具有挑战性的公开视频序列上同几种流行检测算法的实验对比结果证明了所提算法的有效性和优越性。     

动态背景下融合运动线索和颜色信息的视频目标分割算法

针对现有动态背景下目标分割算法存在的局限性,提出了一种融合运动线索和颜色信息的视频序列目标分割算法。首先,设计了一种新的运动轨迹分类方法,利用背景运动的低秩特性,结合累积确认的策略,可以获得准确的运动轨迹分类结果;然后,通过过分割算法获取视频序列的超像素集合,并计算超像素之间颜色信息的相似度;最后,以超像素为节点建立马尔可夫随机场模型,将运动轨迹分类信息以及超像素之间颜色信息统一建模在马尔可夫随机场的能量函数中,并通过能量函数最小化获得每个超像素的最优分类。在多组公开发布的视频序列中进行测试与对比,结果表明,本文方法可以准确分割出动态背景下的运动目标,并且较传统方法具有更高的分割准确率。     

基于运动轨迹的视频摘要技术

提出了一种基于运动轨迹的视频摘要生成方法。首先利用改进的8方向链码编码对视频对象运动轨迹进行编码,重点突出了对象运动的变化特征,同时采用归一化编码技术,增强了改进编码方法对尺度和旋转变换的鲁棒性。在编码过程中记录了与编码对应的视频帧序号,这些帧就是需要提取的"关键帧"。然后以"关键帧"为基础,提出了利用插值算法生成视频摘要的方法。实验结果证明了方法的有效性。     

基于深度运动轨迹信息的人体动作描述算法

受到dense轨迹特征的启发,本文提出了基于深度运动轨迹信息的动作描述算法, 首先,利用稠密光流场对L帧深度视频提取稠密(dense)兴趣点并 形成稠密轨迹,其次,利用轨迹前后兴趣 点的深度信息计算深度变化值,并将它加入到稠密轨迹和HOG描述算子的计算中;再次,在 整个数据集上, 计算所有动作的平均深度变化值并利用它判断每类动作的深度信息变化情况;最后,根据深 度信息变化剧 烈程度选择不同的码书,对视频样本进行投影并分类。在两个公开深度动作数据集DHA -17和UTkinect 上进行了实验,实验结果表明基于深度运动轨迹信息的动作描述算法具有较好的区分性和鲁 棒性,其性能与一些先进的且具有代表性的算法具有可比性。     

Unsupervised video object segmentation with distractor-aware online adaptation

Unsupervised video object segmentation is a crucial application in video analysis when there is no prior information about the objects. It becomes tremendously challenging when multiple objects occur and interact in a video clip. In this paper, a novel unsupervised video object segmentation approach via distractor-aware online adaptation (DOA) is proposed. DOA models spatiotemporal consistency in video sequences by capturing background dependencies from adjacent frames. Instance proposals are generated by the instance segmentation network for each frame and they are grouped by motion information as positives or hard negatives. To adopt high-quality hard negatives, the block matching algorithm is then applied to preceding frames to track the associated hard negatives. General negatives are also introduced when there are no hard negatives in the sequence. The experimental results demonstrate these two kinds of negatives are complementary. Finally, we conduct DOA using positive, negative, and hard negative masks to update the foreground and background segmentation. The proposed approach achieves state-of-the-art results on two benchmark datasets, the DAVIS 2016 and the Freiburg-Berkeley motion segmentation (FBMS)-59.     

No-reference quality assessment of dynamic sports videos based on a spatiotemporal motion model

This paper proposes an approach to improve the performance of no-reference video quality assessment for sports videos with dynamic motion scenes using an efficient spatiotemporal model. In the proposed method, we divide the video sequences into video blocks and apply a 3D shearlet transform that can efficiently extract primary spatiotemporal features to capture dynamic natural motion scene statistics from the incoming video blocks. The concatenation of a deep residual bidirectional gated recurrent neural network and logistic regression is used to learn the spatiotemporal correlation more robustly and predict the perceptual quality score. In addition, conditional video block-wise constraints are incorporated into the objective function to improve quality estimation performance for the entire video. The experimental results show that the proposed method extracts spatiotemporal motion information more effectively and predicts the video quality with higher accuracy than the conventional no-reference video quality assessment methods.     

基于模式和时空相关性的运动估计快速算法

H.264标准中的多尺寸块运动估计,在显著提高编码性能的同时,大大增加了其计算量,使得H.264实时编码器的实现面临巨大挑战.本文充分利用视频图像的时空相关性和多尺寸块间的运动相似性,根据运动向量的中心偏置特性,提出了一种运动估计快速算法.该算法通过有效地预测搜索起点,自适应选择搜索模式以及采用二级终止搜索策略等方式,在编码性能相当的情况下,运动估计的速度比全搜索算法提高了95~247倍,比H.264推荐的快速算法提高了4.1~6.3倍.     

Spatiotemporal segmentation for compact video representation

In this paper, a novel hierarchical object-oriented video segmentation and representation algorithm is proposed. The local variance contrast and the frame difference contrast are jointly exploited for structural spatiotemporal video segmentation because these two visual features can indicate the spatial homogeneity of the grey levels and the temporal coherence of the motion fields efficiently, where the two-dimensional (2D) spatiotemporal entropic technique is further selected for generating the 2D thresholding vectors adaptively according to the variations of the video components. After the region growing and edge simplification procedures, the accurate boundaries among the different video components are further exploited by an intra-block edge extraction procedure. Moreover, the relationships of the video components among frames are exploited by a temporal tracking procedure. This proposed object-oriented spatiotemporal video segmentation algorithm may be useful for MPEG-4 system generating the video object plane (VOP) automatically.     

基于OpenCV的视频对象的运动检测

随着信息技术的发展和视频监控系统的普及,视觉监控技术在科学研究、工业生产中得到了越来越多的应用。智能监控系统包括3方面内容：运动检测、运动方向判定和图像跟踪,其中运动检测是重要的基础内容。本文介绍了一种以视频图像为检测源的快速运动的检测方法,与传统的运动检测方法相比较,该方法采用了视频处理技术,通过先进的运动检测算法快速识别运动物体,并能准确、迅速判断出运动物体的运动方向,并予以标注。实验表明该方法是有效的。