家庭智能空间下基于场景的人的行为理解

为了更好地在日常生活中给人提供智能化服务,对家庭环境下人的行为理解问题进行了研究.首先利用运动目标检测方法提取运动人体在环境中的坐标,然后结合行为特点把场景划分成不同区域,建立人体在环境中的位置关联矩阵和时空关联矩阵.通过马尔可夫模型统计出人体在空间中的位置状态转移概率矩阵及其状态持续时间矩阵,生成日常行为模板.根据当前行为与日常行为模板的相似度可检测出反常习惯和突发异常行为,同时可根据不同区域的行为模式分析人的意图.在智能空间平台下利用机器视觉技术基于场景信息实现了人的行为理解,并通过实验表明了方法的有效性.     

基于三维模型的交通场景视觉监控

视觉监控是计算机视觉研究的前沿方向.动态场景视觉监控就是利用计算机视觉和人工智能的理论和方法.通过对摄像机拍录的图像序列进行自动分析来对场景中的运动物体进行定位、跟踪和识别,并对物体的运动行为作出判断或者解释,达到监控的目的.本文结合交通场景监控这一特定任务,实现一个包括摄像机标定、模型可视化、运动车辆的姿态优化与定位、跟踪预测、基于轨迹分析的行为理解等功能算法的交通场景视觉监控系统.从算法和实现的角度出发,文章对系统中各个功能模块进行了较为详细的描述与讨论.     

基于不确定性知识的实时道路场景理解

由于室外机器人的工作环境非常复杂，因此机器人的视觉导航必须具有足够的智能和鲁棒性，为此，提出了一种基于不确定性知识的实时道路理解算法，该算法通过不确定性知识推理来融合多种信息和知识，以满足在复杂道路环境下的鲁棒性要求，它即使在有强烈阴影、水迹等干扰下也能给出比较好的结果；通过图象边缘信息的提取可以得到精确的道路边界，以满足视觉导航的精确性要求；同时在算法设计时，兼顾了实时性要求；使得算法得以实时实现，该算法已在实际的机器人上进行了测试，并得到了很好的结果。     

基于RetinaNet的场景文字检测算法

针对场景文字区域尺度变化较大,具有较大的长宽比,且具有任意方向性等问题,提出一种基于神经网络的场景文字检测模型.基于直接回归方法设计,无需预先设置锚框,在多次层次构建特征,且在多个分支之间共享卷积核.实验阶段在多个数据集上验证了模型的有效性,相较于现有方法,该模型计算资源消耗更小,推理速度更快,整体性能更好.     

基于RGB-D图像的语义场景补全研究综述

近年来随着计算机视觉领域的不断发展,三维场景的语义分割和形状补全受到学术界和工业界的广泛关注.其中,语义场景补全是这一领域的新兴研究,该研究以同时预测三维场景的空间布局和语义标签为目标,在近几年得到快速发展.对近些年该领域提出的基于RGB-D图像的方法进行了分类和总结.根据有无使用深度学习将语义场景补全方法划分为传统方法和基于深度学习的方法两大类.其中,对于基于深度学习的方法,根据输入数据类型将其划分为基于单一深度图像的方法和基于彩色图像联合深度图像的方法.在对已有方法分类和概述的基础上,对语义场景补全任务所使用的相关数据集进行了整理,并分析了现有方法的实验结果.最后,总结了该领域面临的挑战和发展前景.     

基于监控视频的油田施工场景状态识别

场景状态识别作为监控视频内容分析的重要内容,对保障油田监控区域的安全发挥极为重要的作用。本文以胜利油田的监控视频数据为例,对监控视频图像进行图像预处理后,运用灰度梯度共生矩阵和HOG特征提取的方法分类并建模,进而识别监控视频状态。经测试,异常场景识别效果良好。     

监控场景中的行人属性识别研究综述

监控场景中的行人属性识别任务旨在为监控场景中视频摄像头捕捉的行人图片预测其属性类别,由于监控场景环境的复杂以及行人属性的细粒度标签,监控场景中的行人属性识别任务极具挑战,受到业界和学界的广泛关注．文中对监控场景中的行人属性识别研究进展进行梳理,首先给出了其概念范畴与任务定义,并与其他相似的属性识别任务进行对比．其次,文中对目前主流的行人属性识别数据库进行了简单介绍,并从图片和标注两个角度分析了不同数据库之间的异同．再次,文中对深度学习时代以来所提出的各种行人属性识别方法进行了归纳和总结,综述了目前行人属性识别领域的研究现状．最后,文中对监控场景中的行人属性识别存在的问题进行了思考和讨论,并对未来的发展趋势进行了展望．     

移动机器人基于视觉室外自然场景理解的研究与进展

对于工作在典型非结构化场景中的移动机器人系统, 具有良好的室外自然场景感知与理解能力是其能够自主运行的前提条件. 移动机器人使用视觉传感器来进行室外自然场景的理解一直是该领域的研究热点. 本文首先介绍了基于视觉的移动机器人自然场景理解的研究现状, 对其相关子领域的研究思路与前沿技术进行了着重论述与分析, 并从实时性和环境自适应性等方面对相关技术的实用性问题加以讨论. 最后对该领域的研究重点和技术发展趋势进行了探讨.     

复杂热红外监控场景下行人检测

目的 复杂热红外监控场景中的行人检测问题是计算机视觉领域的重要研究内容之一,是公共安全、灾难救援以及智慧城市等实际应用中的重要基础任务。现今的热红外行人检测算法大多依据图像中人体目标的灰度值高于场景环境这一假设,导致当环境温度升高热红外图像发生灰度值反转时行人检测率较低。为提高行人检测系统在不同场景中的鲁棒性以及行人目标检测率,提出一种面向热红外监控场景的基于频域显著性检测的全卷积网络行人目标检测算法。方法 该算法首先对热红外图像进行基于频域的显著性检测,生成对行人目标全覆盖的显著图;然后结合热红外原图像生成感兴趣区域图作为输入,以行人目标概率图为输出,搭建全卷积网络;最后,对热红外行人检测系统进行端对端训练,获取网络输出的行人目标概率图,进而实现行人目标检测。结果 论文使用俄亥俄州立大学建立的红外视频数据集OTCBVS中的OSU热红外行人数据库对算法进行验证,与目前5种较为成熟的算法进行对比。实验结果表明,本文算法可以在各种场景中准确检测出行人目标,以MR-FP（丢失率—假阳率）为对比依据,本文算法7%的平均丢失率低于其他算法,具有更高的检测率,对热红外图像中的灰度值反转问题具有更好的鲁棒性。结论 本文提出一种面向热红外监控场景的基于频域显著性检测的全卷积网络行人目标检测算法,在实现检测算法端对端训练的同时,提高了其对各种复杂场景的鲁棒性以及行人目标检测率,提升热红外监控系统中行人目标检测性能。     

基于隐马尔可夫模型的视频异常场景检测

视频技术的广泛应用带来海量的视频数据,仅依靠人力对监控视频中的异常进行检测是不太可能的。异常行为的自动化检测在公共安全等领域的地位极其重要。提出一种综合考虑目标特性和时空上下文的异常检测方法,该方法利用光流纹理图描述移动物体的刚性特征,建立基于隐马尔可夫模型HMM的时间上下文异常检测模型。在此基础上,提取异常目标的Radon特征,以支持向量机SVM的异常预分类结果为基础,通过HMM建立异常场景的空间上下文分类模型。该模型在公共数据集UCSD PED2上进行了实验验证,结果表明,本算法不仅在异常检测方面优于已有算法,而且还能给出异常分类。     

基于场景图的实时交互视景系统平台设计

三维场景组织管理中经常采用的空间数据结构--场景图的具体实现,包括场景数据的组织管理,可见性剔除、节点遍历、优化处理、碰撞检测等.在基于场景图的基础上设计并实现了一个实时交互式视景系统开发平台,给出了系统的结构框图、工作流程与信息交互关系,并对视景系统平台的视点控制、场景参数的应用定义文件输出以及场景图像捕捉和视频输出功能进行了详细介绍.平台同时提供了一套基于场景图的可供二次开发的三维图形应用程序接口.     

基于全局优化策略的场景分类算法

提出一种基于全局优化策略的场景分类算法.该算法基于整幅图像提取全局场景特征——空间包络特征.从图像块中提取视觉单词,且定义隐变量表示该视觉单词语义,然后引入隐状态结构图描述整幅图像的视觉单词上下文;在场景分类策略上,构造由相容函数组成的目标函数,其中相容函数度量全局场景特征、隐变量与场景类别标记的相容度,通过求解目标函数的全局最优解推断图像的场景类别标记.在标准场景图像库上的对比实验表明该算法优于当前有代表性的场景分类算法.     

基于音频分析的视频场景检测

目前场景检测的研究,主要是基于图像和视频。但音频同样具有丰富的场景信息,基于音频分析的计算量是比较少的,对自动或者半自动的场景检测,基于音频分析的方法也是更为让用户接受的。可以把基于音频分析的方法作为视频场景检测的辅助手段,以获得更为准确的场景检测和分割。该文提出了一个基于内容的音频分析系统,对视频序列实现基于音频分析的场景检测和分割。该系统能有效的解决许多诸如图像变化了,而实际场景并未变化的情形。且本系统整体运算复杂度较基于视频／图像的场景检测与分割系统要低。     

基于Vega Prime的视景仿真技术研究与应用

文章针对Vega Prime视景仿真技术相对于Vega的改进之处,设计了基于Vega Prime的视景仿真框架,重点研究了四个方面内容：运动模型和仿真对象的特点及两者之间的驱动关系、坐标系统和不同坐标系之间的转换机制、碰撞检测器的原理和碰撞检测的方法、用于模拟环境效果的”天历表模型”和模拟特殊效果的粒子系统等等。论文解决了基于Vega Prime的视景仿真技术涉及的诸多关键技术,为Vega Prime在实践中的有效应用打下良好基础。最后,论文还分析了基于Vega Prime的场景漫游过程,并把文章研究的相关理论应用到实践。     

基于动态Snake模型的机械手运动轨迹视觉跟踪

针对机械手运动在图像序列空间的轨迹分布,提出一种基于时空轨迹线的动态Snake跟踪模型.定义相应的能量函数,可使其在机械手轨迹分布上取得极小,通过Snake能量的轨迹收敛实现对机械手运动点的跟踪定位.利用轨迹能量系数的动态调节,可避免Snake搜索过程陷入局部极小．使用平方轨迹最小二乘预测器对轨迹点位置进行预测,可提高Snake搜索的实时性和准确性．微装配机械手运动实验证明了该模型及跟踪算法的有效性.     

一种基于HMM模型的音频场景分析技术

音频场景分析技术对机器自动感知环境特征具有重要的意义。考虑到Mel频率倒谱系数MFCC(Melfrequen-cycepstralcoefficient)在一定程度上可以模拟人耳的听觉感知特性,因此,提出用MFCC作为音频识别特征,通过隐马尔可夫模型进行音频场景分析的方法,该方法对7种典型场景的识别率在90%以上。     

基于运动目标轨迹优化的监控视频浓缩方法

视频浓缩是包含原视频有效信息的简短表示,以便于视频的存储、浏览和检索。然而,大部分视频浓缩方法得到的浓缩视频中会丢失少量目标,不能完整表达原始视频的全部内容。本文介绍了一种基于目标轨迹优化的视频浓缩方法。首先使用改进的目标轨迹提取算法提取原视频中目标的 轨迹,然后利用马尔可夫随机场模型和松弛线性规划算法得到每条轨迹的最优时间标签,将其与背景序列和目标轨迹结合生成浓缩视频。实验结果表明,与传统的视频浓缩方法相比,本文方法生成的浓缩视频具有较高的浓缩比,保证了信息的完整性又具有良好的视觉效果。     

视觉监视中基于柯西分布的统计变化检测

为了更好地进行视觉监视,该文给出了一种新的基于柯西分布的光照不变的统计变化检测算法。该算法首先将两帧图像间的灰度比值作为背景建模和剔除的特征,并且在假定背景图像中,当每个像素点观测的时序灰度变化由白噪声引起时,两帧背景图像中对应像素间的灰度比值的分布符合柯西分布;然后基于该变化检测方法,将YCbCr颜色空间的亮度、色调和饱和度用来识别和消除视频序列图像中的阴影。实验结果表明,该新算法不仅可以承受整体或局部的、缓慢或突然的光线变化,并且可以滤除由场景背景中小的扰动而导致的噪声。     

基于资源空间模型的虚拟场景技术研究

本文在分析了资源空间模型和文件管理系统理论的基础上,提出了一种基于资源空间模型的虚拟场景绘制系统,详细说明了该系统的工作原理和具体流程并论述了其应用与前景。最终结果表明,该系统直观,便于对个人计算机中数量巨大类型各异的文件进行管理,而且便于高效查看和操作任何维度的资源。是一种实用的虚拟场景绘制系统。