视频图像中的运动检测

视频图像中运动物体分析关键的一步就是从连续的视频图像中提取出运动目标，即运动目标检测。传统的运动目标检测方法有3种：背景图像差分法、时态差分法和光流法，分析比较了它们的优缺点；在此基础上笔者采用了一种结合Sobel算子和自适应背景差分算法的运动目标检测方法；利用Intel公司开发的计算机视觉库OpenCV开发了一个软件，并进行了一系列实验。通过观察、比较实验结果可以看出，这种运动目标检测算法能够正确地检测出视频图像中的运动目标，而且在检测性能上优于普通的自适应背景差分法。     

复杂背景图像中的车牌检测算法

针对在复杂背景图像中汽车牌照检测定位的课题,提出了一种基于可信度评价的汽车牌照检测定位算法。在对图像进行预处理后,算法利用车牌区域由于字符排列的规则性而在梯度图像上产生的特征,分割并提取出车牌可能存在的候选区域,然后根据汽车牌照的几何特征对每一个候选区域进行可信度评价并按一定的合并规则对候选区域进行合并,以获取更高的可信度,最后根据区域可信度值的大小确定车牌的位置。算法对于图像光照条件变化、视角变化而造成的车牌的倾斜和变形等情况都具有较好的处理效果。     

基于加权空间直方图的均值漂移目标跟踪

目标模型内的背景像素会造成目标跟踪定位偏差。为了减少背景像素对跟踪造成的定位偏差,首先通过目标区域像素和目标区域周围背景像素的颜色直方图定义了一个加权系数,然后将该加权系数引入到空间直方图的计算中,提出了一种基于加权空间直方图的均值漂移(MS)目标跟踪算法。在此基础上,给出了一种模型更新方法。仿真实验表明,该算法具有很好的跟踪精度,对遮挡具有更好的鲁棒性。     

基于动态阈值背景差分算法的目标检测方法

提出了基于动态阈值的背景差分算法、滤波算法和目标区域中心求解算法,并且将这种目标检测方法应用在视觉系统中进行目标检测与跟踪实验,实验结果证明了该目标检测方法的有效性和可靠性．     

YUV空间下基于码本模型的视频运动目标检测方法

针对传统运动目标视频检测算法中RGB空间背景建模计算、存储成本高的问题,提出采用YUV空间下基于码本模型的背景建模方法.码本模型对现场光线变化、随机噪声等具有较好的自适应性,采用对YUV模型中的亮度信号(Y分量)建立背景的码本模型,其优点在于亮度信号(Y)和色度信号(U,V)相互独立,避免了复杂的乘法与开平方运算,同时算法可单独编码,与MPEG标准兼容性更好,易于进行目标数据的压缩、处理和传输.视频仿真实验表明,该方法在视频监控系统中的使用效果较好,能获得比RGB空间码本模型更高的实时性,也更节约系统的计算内存.     

基于BP神经网络的特征融合遥感图像阴影检测

针对遥感图像中地物遮挡形成阴影,导致阴影区域地物信息受损的问题,提出一种基于BP(back propagation)神经网络的特征融合遥感图像阴影检测方法,该方法共分为预处理、特征提取、特征融合和后处理4个阶段。为了克服现有单一特征阴影检测方法的局限性,共设计了蓝绿波段归一化、主成分分析、HSI(hue,saturation,intensity)空间和灰度矫正色调4个特征提取分支,然后通过BP神经网络实现多特征的深度融合。实验表明,所提方法提取的阴影掩膜完整性高、边缘区分良好,对水体等易混淆的非阴影地物也能很好地区分,说明本文方法具有较好的鲁棒性。     

基于视频的车辆违章监测方法

基于视频的车辆违章监测系统通过背景建模和背景差分法检测视频帧出现的车辆,跟踪已有车辆,建立新出现车辆信息,并预测下一帧车辆位置,结合当前时刻信号灯状态和车辆位置对车辆是否违章作出判断,若车辆违章则触发抓拍信号,并将车辆信息和返回的高清图片组合成1条完整的违章信息.实验测试中系统运行实时稳定,各种天气环境、不同路口和交通车流下均有较高的鲁棒性和准确率.     

基于视频图像的目标跟踪系统设计

研究在简单的背景下实现对图像的识别和跟踪。系统以ARM微处理器STM32为主控制器。在分析了驱动电机和目标环境等因素的基础上,选择摄像头捕捉、采集图像并跟踪目标,通过合适的图像识别算法正确地处理图像信息、识别目标。通过对水平和垂直驱动电机的控制,实现三维目标跟踪。能够实现系统对目标的大范围,高精度的自动跟踪。     

视频序列的多特征粒子滤波跟踪方法

提出了一种应用于视频序列的多特征粒子滤波（PF）跟踪算法,该方法在重采样后,对每一粒子应用CamShift算法,使所有粒子都趋于一个局部稳定的位置附近. 其中,权重中的似然函数根据颜色与边缘直方图分布的Bhattacharyya系数更新．该方法结合了CamShift计算量小的特点,使PF用较少的粒子能够对目标较准确的跟踪. 实验结果表明,该方法对遮挡具有一定的鲁棒性．     

基于SIFT动态背景下的视频目标跟踪方法

提出了一种基于尺度不变性特征变换(SIFT)的视频目标跟踪方法.该方法通过提取前后两帧的SIFT特征,利用全图SIFT特征进行匹配,通过匹配的点对计算两帧的几何变换关系,再利用变换矩阵确定下一帧目标位置,实现了连续状态下的自动跟踪.实验结果表明此方法在遮挡、噪声、旋转、光照、缩放、小视角变化等方面有较好的鲁棒性.     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

基于肤色模型与人脸特征的多姿态人脸检测

传统AdaBoost人脸检测算法使用正面人脸训练分类器,不能检测有任意偏转角度的多姿态人脸。本研究利用各种多姿态人脸中人眼结构变化比较小的性质,使用人眼训练AdaBoost算法的分类器,设计出一种快速的复杂场景下的多人多姿态人脸检测算法。先将图像映射到一种色彩空间,运用皮肤颜色分布特性检测皮肤区域;再运用AdaBoost算法从肤色区域检测出人眼区域;最后根据人眼在人脸中的位置计算出人脸的位置。实验结果表明:该算法对多姿态人脸有很好的检测效果。     

基于彩色图片的人脸检测方法

提出了一种基于肤色的精确人脸定位算法,详细叙述了在图片的颜色调整与肤色检测,肤色区域的平滑、分割与填充,候选眼睛的选取及配对中遇到的具体问题并提出了解决方案.本算法能较为准确地定位彩色图像中的正面、小角度偏侧和旋转的人脸,还能检测出一幅图中的多个人脸.     

基于YUV颜色空间的脸部区域特征点定位方法

为了实现面部主要特征点的精确定位,提出了一种融合YUV颜色空间与差分投影技术的人脸区域主要特征点定位方法。利用直方图拟合技术,实现了人脸区域的定位;在YUV颜色空间内,利用红色调像素点集的相位分布完成了嘴部区域的定位;利用差分投影技术求取脸部区域的横、纵向灰度差之和,并结合嘴唇区域的定位结果完成眼部区域的垂直定位与水平定位,为进行面部姿态识别奠定基础。试验结果表明,该方法可以有效地实现面部主要特征点地定位,具有准确率高,鲁棒性好,简单易行的特点。     

互补增强式空间运动目标高精度检测与分割

针对空间监视系统中的运动目标自主高精度的检测问题,提出一种显著性计算与光流检测互补增强式算法.以mean shift初检结果为导引,通过显著性区域检测与光流检测的互补增强而实现空间运动目标的高精度检测.首先通过梯度信息和频率调谐滤波的互补方式分别计算整幅图像和mean shift分割后各个分块区域的显著性,再以整幅图像显著性均值为参考,确定合理的阈值以检测候选目标;与此相并行,也采用光流计算及相应的阈值检测方法获取候选目标.进而通过对显著性计算与光流检测分别得到的两个不同候选目标分布图的合取运算进行目标确认,最后再辅之以形态学滤波使确认目标得以增强,从而实现空间运动目标的高精度检测与分割.研究结果表明,在无需知道任何场景和目标先验信息,也无需人工干预的条件下,所提算法能够有效实现空间运动目标的精确检测和分割,对光照变化和噪声干扰也有很强的适应能力.     

一种基于肤色特征的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等问题,本文提出一种基于肤色特征的人脸特征点自动定位方法.首先对预处理后的图像在多个色彩空间中利用肤色特征实现人脸区域的精确定位;然后,在人脸区域内根据各特征部位的特性构造色度模型函数来标定其特征区域;最后,在特征区域内完成人脸特征点的自动定位.实验结果表明,该算法简单、鲁棒性较高,且能够快速高效地实现人脸特征点定位.     

基于人脸色温的拼接图像篡改检测

针对人脸拼接篡改图像,提出一种判断人脸合成的图像篡改检测方法。以人脸作为检测目标,利用目标检测技术,对图像中的人脸进行定位后估计人脸色温,然后估计参考色温,计算人脸色温与参考色温的色温距离,找出色温异常的检测目标视为篡改目标,并用该算法定位出篡改目标的精确位置。实验结果验证了该算法具有的有效性。     

基于视频技术的交通流量预测

城市交通拥堵是一个世界性的难题,至今还没有特别有效的解决方法.目前正在研究、实施的智能运输交通系统(ITS),主要是通过对交通流量的合理调控,来优化路网的利用率.基于各路口的视频摄像系统,通过采集卡将获取的图像转化为实际的车流量信息.根据人工神经网络的理论建立BP算法的流量预测模型,用实际测得的流量信息,在MATLAB...     

基于空间和颜色自相关的直方图目标检测方法

在传统的颜色相关直方图基础上,提出了一种基于空间和颜色自相关的直方图目标检测算法(Spatial and Color Co-occurrence Histogramms,SCCH),该方法采用符合人眼感知的HSV颜色空间,并对其进行非均匀量化,使其更加符合人类生理机制;SCCH算法强调颜色过渡区域的重要性,选取边缘点作为计算对象,同时利用颜色自相关直方图,减少计算量,大大提高了检测效率。     

融合灰色预测和HOGI特征的红外目标跟踪方法

针对红外目标跟踪时不能有效提取目标特征这一问题,提出了一种新的红外目标稳健跟踪方法．首先利用灰色模型预测目标位置,然后建立以此预测位置为中心候选目标区域的方向梯度-灰度直方图特征模型,并将此特征引入到Mean Shift算法中,以实现对红外目标的精确跟踪．仿真结果表明了该方法跟踪精度高,在目标出现部分遮挡或全部遮挡时,仍能跟踪目标,确保目标不丢失,体现出该跟踪方法良好的鲁棒性．