动态变换背景帧的虚实遮挡处理方法

为获得增强现实系统更好的真实感,针对已有背景裁剪算法只适用于背景固定且单目摄像头深度恢复准确度不够的情况,提出一种动态变换背景帧的虚实遮挡处理方法.通过动态地变换背景帧检测运动物体,求出前景物体的轮廓;遍历图像像素来确定虚实物体之间的遮挡关系,利用模板缓存技术进行遮挡部位剔除工作.实验结果表明,该方法实现简单、支持摄像头移动、遮挡判定准确、计算量小,且能很好地处理刚性与非刚性物体.     

基于多视图几何的位置与遮挡一致性恢复方法研究

针对增强现实中的几何一致性问题,提出了一种基于多视图几何的虚实场景位置和遮挡一致性恢复策略,该方法利用计算机视觉中的多视图几何原理同时解决了增强现实系统中的位置配准和虚实遮挡两个重要问题,在保证系统实时性的前提下,最大限度增强了真实感以提高系统可用性.实验结果表明,该文方法是有效可行的,在完成位置配准的同时解决了虚实场...     

监控场景中的运动物体提取技术研究

针对监控场景中因存在遮挡而无法有效地提取出完整的运动序列这一问题,提出了一种将ViBe前景检测算法和改进后的粒子滤波跟踪算法相结合的跟踪提取方法。首先用ViBe来提取出场景中所有运动物体的前景轮廓;其次用粒子滤波来检测和跟踪目标物体;最后通过与目标物体的关联轮廓求交运算以及跟踪区域的反馈调节完成对目标物体运动帧序列的提取。当运动物体发生遮挡时,采用将跟踪区域内所检测到的前景轮廓重新加入到目标物体的关联轮廓中以保证后续可以继续用关联轮廓交集来提取。实验结果表明,该方法能够很好地保证提取的质量,并有效地解决了局部遮挡与全局遮挡情况下运动物体完整运动序列的提取。     

增强现实系统中的深度检测技术研究

增强现实技术是虚拟现实的一个分支,它将虚拟的增强信息融合到真实场景中去。对于增强现实系统而言,融合过程中虚实的遮挡关系需要根据真实环境的深度信息来判断。为了实时获取真实环境的深度信息,文中根据双目立体视觉原理,构建了一个完整的增强现实深度检测系统,该系统安装要求低,通过对系统进行标定和校正,使其达到双目立体规范结构,为对应点的匹配搜索提供了很大的方便。从实验的结果可以看出,文中的深度检测系统算法快速稳定,左右视差图效果良好,可以为虚实遮挡提供可靠的深度信息。     

基于投票决策的实时遮挡处理技术

针对当前基于深度信息的虚实遮挡处理技术面临的实时性差和精度低的问题,提出一种基于局 部区域深度估计和基于 patch 相似性噪声点投票融合的实时虚实遮挡处理算法。该算法将真实场景视频序列作 为输入,首先利用局部区域深度估计算法通过稀疏重建估算出稀疏关键点的深度信息,对稀疏深度施加目标区 域的约束限制深度向周围像素的传播,从而快速恢复出目标区域的相对深度图;然后,噪声点投票融合算法利 用深度比较确定虚实物体的前后位置关系,基于 patch 相似性和投票决策的方法对区域内的像素进行投票和融 合绘制;最后输出具有真实遮挡关系的融合效果。实验结果表明,该算法不仅可以提高虚实遮挡的实时性,还 能够获得真实和虚拟场景不同空间关系下的良好融合效果。     

三维场景中被遮挡边界与错觉轮廓的感知修复

以格式塔心理学原理、视觉组织规则和静电场理论为参考,提出一个基于静电修复场的补全模型来解决立体视觉中的感知修复问题.在该模型中,定义用于产生修复场的激发子及其安置规则.该修复场能够自然地将轮廓片段的断点进行匹配并且用合适的光滑曲线进行连接修复,从而得到与人类的感知结果相一致的修复结果.修复结果用于重构存在遮挡和错觉轮廓的三维场景,能够得到正确的深度估计和分割.     

基于生物视觉特征的目标轮廓提取算法

自然场景中的目标轮廓提取是计算机视觉中的一个重要研究问题。其难点在于场景中大量的纹理边缘严重地干扰了轮廓提取的完整性。近年来,一些研究工作将生物视觉特征引入图像边缘轮廓提取,取得了一定的效果。其中通过引入视觉外区抑制特征可以在提取物体轮廓边缘的同时抑制一定量的纹理边缘,从而得到轮廓边缘集合。然而在整合轮廓边缘时,传统模型仅仅采用求交并集的简单合并方法,使得强响应的细小纹理残留。基于此,提出了一种改进的基于生物视觉特征的自然场景目标轮廓提取算法。首先采用多水平抑制方法得到候选轮廓边缘集合。接着将一种基于生物视觉特征的边缘组合方法用于将候选边缘整合成为一个完整的目标轮廓。与传统的外区抑制算法相比,基于视觉特征的轮廓提取算法提高了自然场景中目标轮廓提取的准确性和完整性。     

基于几何位置的标记特征恢复方法研究

在场景中设置标记足增强现实中跟踪摄像机空间姿态的一种常用方法.针对复杂场景中标记被局部遮挡、或光线变化影响标记特征检测的问题,提出了一种基于几何位置的标记特征恢复方法.该方法利用空间向量的几何特征,通过延长与合并被截断的空间线段,并根据标记线段的邻域存在像素灰度值突变的特征,恢复被遮挡标记的特征线段.为验证方法的有效性,将该方法应用于基于增强现实的虚实交互系统,实验结果表明,在标记被局部遮挡或光线多变条件下,该方法能够恢复标记特征,较好地实现了标记的跟踪与注册.     

遮挡场景的光场图像深度估计方法

光场相机通过单次拍摄可获取立体空间中的4维光场数据,利用光场的多视角特性可从中提取全光场图像的深度信息.然而,现有深度估计方法很少考虑场景中存在遮挡的情况,当场景中有遮挡时,提取深度信息的精度会明显降低.对此,提出一种新的基于多线索融合的光场图像深度提取方法以获取高精度的深度信息.首先分别利用自适应散焦算法和自适应匹配算法提取场景的深度信息;然后用峰值比作为置信以加权融合两种算法获取的深度;最后,用具有结构一致性的交互结构联合滤波器对融合深度图进行滤波,得到高精度深度图.合成数据集和真实数据集的实验结果表明,与其他先进算法相比,所提出的算法获取的深度图精度更高、噪声更少、图像边缘保持效果更好.     

一种基于双目视觉传感器的遮挡目标期望抓取点识别与定位方法

在不确定性较高的室内复杂场景中,机器人常需识别遮挡物体并对其抓取.遮挡问题会导致抓取点预估位置脱离目标,产生位置漂移.针对该问题,本文提出一种基于双目视觉的遮挡目标抓取点识别与定位策略.采用基于期望位置模型的方法估计,以特征检测进行遮挡目标识别,并进行轮廓还原;根据期望抓取点模型,采集目标的期望抓取位置,构建位置模型库.将待检测目标与模型库匹配,提取双目视野中未遮挡区域的期望抓取点.实验表明本方法在复杂环境下具有较高的鲁棒性,抗干扰能力强,对遮挡目标具有较高的定位精度.     

用视觉计算实现视频增强现实遮挡处理

使用视觉计算实现视频增强现实遮挡处理,用非线性误差扩散模型提高了对极几何的求解精度;将全局和局部高斯核相结合,提高并加快了物体前景轮廓线的提取精度和速度;仅用轮廓线上的点进行立体匹配的方法加快了真实物体深度反求的速度.与其他方法相比,文中方法速度快、精确度较高.实验结果证明了该方法的正确性和可行性.     

基于背景更替和动态扩展滤波的目标提取方法

减背景法是计算机视觉领域常用的前景目标获取方法,减背景法的关键是背景模型的建立和更新以及减除背景后的噪声滤除。基于统计的背景建模方法计算量都比较大,背景更替方法建模避免了大量的计算。动态扩展滤波法是一种对前景目标信息破坏程度低,对噪声具有很好滤出效果的滤波方法。在摄像头静止的情况下,利用背景更替的背景建模及更新方法结合动态扩展滤波能够提取出清晰的前景目标。     

一种将羽毛球比赛的2D视频转换到3D视频的算法

文中提出一种羽毛球比赛的2D视频转换到3D视频的算法。在这类视频中,前景是最受关注的部分,准确地从背景中提取出前景对象是获取深度图的关键。文中采用一种改进的图割算法来获取前景,并根据场景结构构建背景深度模型,获取背景深度图;在背景深度图的基础上,根据前景与镜头之间的距离关系为前景对象进行深度赋值,从而得到前景深度图。然后,融合背景深度图和前景深度图,得到完整的深度图。最后,通过基于深度图像的虚拟视点绘制技术DIBR来获取用于3D显示的立体图像对。实验结果表明,最终生成的立体图像对具有较好的3D效果。     

基于场景层次的遮挡建模与立体匹配

通过在扫描线和图像分割2个层面上建立基于场景层次的遮挡模型,实现了一种全新的从前景到后景分层处理的立体匹配算法.以像素灰度值为依据进行匹配时,离摄像机最近的物体因为不受遮挡的影响,总是最容易匹配成功;稍远一些的景物可以利用已经计算出来的前景建立局部的遮挡模型指导匹配.这样逐层递推,可求得场景中所有物体的视差.图像分割技术将处理单位由像素提升到了图像块,既提高了算法效率,也降低了视差映射图的不连续性.使用标准数据集的测试结果表明,文中算法精度高、强壮性好,在无纹理区域、深度变化边界区域和遮挡区域都达到了比较高的识别率.     

结合背景差分和闭合轮廓拟合的运动人体检测

假定图像序列的背景图像已经获得,提出一种结合时空背景差和闭合轮廓拟合的运动人体目标检测算法。算法以较小的阈值获得当前帧的背景差分图像,并搜寻最大连通域为初始前景目标;构造加权高斯滤波器,提取初始前景目标边缘;拟合前景目标轮廓,提出2 bit区域选择法提取不连续弧段的端点,根据类间最小距离准则构造闭合轮廓,结合帧间差分提取最终前景轮廓,标注运动目标位置。仿真实验表明,该算法能准确提取出运动目标,并标注目标位置,在背景环境发生变化时同样可以准确检测到运动目标,具有较好的鲁棒性。     

一种基于立体视觉的运动目标检测算法

在目标检测中采用立体视觉方法。首先对立体图像对进行匹配求取场景的视差图,再运用基于视差的背景差分法获得含有运动目标的前景区域,最后根据前景区域的视差和位置分布准确定位各运动目标。立体视觉方法有效解决了单目视觉检测方法中的一些难点问题,可以克服光线的变化和阴影干扰对目标检测带来的影响,在多个目标发生部分遮挡时仍能正确区分各运动目标。     

一种新的基于在线采样的多物体跟踪方法

跟踪多个运动物体,尤其是在遮挡过程中跟踪多个运动物体,是计算机视觉领域一个重要但具有挑战性的问题.该文提出了一种新的在线采样、更新学习和分类的跟踪框架来处理多物体跟踪问题.首先,对遮挡发生前若干帧的各物体进行块采样,作为训练样本进行在线分类器设计.各帧的物体区域也在线进行块采样,并用这些分类器来进行分类标号.如果遮挡没有发生,一些新的训练样本被添加用来更新分类器.当遮挡发生时,根据标号结果,前景区域被分割成多个目标物体.和以往方法相比,新方法不依赖于一些假设条件,如场景深度信息、物体的先验模型(比如形状、种类、区域内颜色各向同性、运动规律等),具有更好的适应能力.实验结果验证了该文方法的稳定性和有效性.     

粒子滤波的视频目标跟踪算法研究

目标跟踪是计算机视觉和图像处理的一个重点课题,在视频监控、机器人视觉导航以及智能交通控制中具有广泛的应用前景.通过粒子滤波技术,研究了如何整合颜色特征、前景信息和积分图运算等技术实现视频目标跟踪的粒子滤波算法.在对目标进行分割中采用了混合高斯背景建模方法;同时结合积分直方图的计算方法对颜色特征进行分段统计及相互遮挡的判断,实现基于粒子滤波的目标跟踪算法的优化,解决跟踪中诸如遮挡、光照变化、背景干扰、尺寸变化等难以解决的问题.实验结果表明提出的方法达到了预期目标.     

基于背景感知相关滤波的深度提取跟踪算法研究

背景感知相关滤波算法将目标背景和前景一起建模[1],利用包含背景信息的负样本进行训练,得到高鲁棒性核相关滤波器,实现跟踪目标与背景的分离。这种单目实现的相关滤波跟踪算法能够做到实时跟踪,却以丢失深度为代价。本文提出了一种将双目立体视觉深度提取与基于单目的背景感知相关滤波相结合的算法,该算法在做到实时跟踪的同时,能够对视频序列中的若干帧利用改进的双目立体匹配SGM算法得到视差图,反馈出跟踪目标的深度信息。实验结果表明该算法具备实时性,且三维坐标定位准确。     

一种新的全向立体视觉系统的设计

本文介绍了用一个普通相机实现的全向立体视觉系统的设计，系统的配置使得其具有结构和几何计算简单、对应点匹配容易、系统成像无遮挡的优点。误差分析表明其具有较高的精度。本系统可用于机器人探测障碍物、环境深度信息的自动获取以及其它要求实时性计算的机器视觉。