基于全局空间约束块匹配的目标人体识别

目标人体识别即非重叠多摄像系统中人的重现(person re-identification)问题,当前多数的目标人体识别都是通过提取人体表观特征,并利用特征的相似性对目标人体进行重识别,这些方法对于一些大部分表观区域相似而小部分区域不同的行人仍然无法给出准确的识别结果.考虑到目标人体识别中的行人几乎都处于站立姿势,同一行人的不同图像在垂直方向上的全局结构比不同行人间的更加相似.在基于稠密块匹配的基础上,提出了全局空间约束块匹配的识别方法.该方法不仅考虑2幅图像中局部块的匹配,还考虑各块在自身图像中垂直方向上的全局空间约束.为了减少背景对识别的负面影响,采用姿势评估的方法来提取大致的人体前景.在实验中,提出的方法在经过最具挑战的公用VIPeR数据库和CUHK02数据库测试后,该方法对人体识别率起到了显著的改善作用.     

结合模型匹配与特征跟踪的人体上半身三维运动姿态恢复方法

人体姿态空间的高维性及单目视频深度信息丢失,导致从单目视频恢复人体三维运动姿态非常困难,为此,利用特征跟踪的快速性及模型匹配的鲁棒性,提出一种无标记人体上半身三维运动跟踪方法.该方法利用匹配SIFT特征,并根据长度不变性约束建立优化目标函数,再采用迭代优化算法得到全局运动位姿;其他关节的姿态先根据逆运动学计算初始估计值,并通过模型匹配验证其可信度,当初始姿态估计错误时,则使用局部搜索获得关节姿态.实验结果表明,文中方法可以准确地恢复单目视频中人体上半身三维运动姿态.     

基于色块的人体运动跟踪

人体运动跟踪一直是一个具有挑战性的课题,并在体育运动分析、医学分析、动画制作等领域被广泛研究.对跟踪精度的要求和如何在运动过程中解决四肢的自遮挡现象是其中的难点.本文提出了一种基于色块,融合边缘提取和区域匹配的鲁棒算法,在单相机下得到了高精度的跟踪结果并部分解决了自遮挡问题.最后给出的实验结果将证明我们算法的有效性.     

基于自适应模板的图像跟踪算法

本文对传统的模板匹配跟踪方法进行了改进。在跟踪过程中采用了变模板匹配方法。弥补了固定模板跟踪的不足，提高了跟踪的稳定性。最后。本文给出了使用变模板匹配方法跟踪的试验结果。     

基于MeanShift算法的运动人体跟踪

用于运动目标跟踪的MeanShift算法主要是通过单一直方图描述目标颜色特征来实现的,它明显缺少有关空间分布方面的信息。针对该缺陷,Maggio E等人提出了使用目标区域分块的改进方法,但在复杂环境下判别效果和稳定性不够好。为此,本文提出了新的改进方法。一方面通过减少人体区域分块数目来减少处理时间,但又不失相关空间信息
;另一方面通过对每个分块进行一定系数的加权来提高判别效果。实验比较证明,该算法提高了复杂环境下运动人体判别的准确性,具有很好的稳定性。     

人体腿部运动图像的跟踪

图像匹配是模式识别领域的一个重要方面,它在运动图像的识别中具有重要地位.本文主要针对人体腿部运动图像,提出了一种识别腿部关节的方法.它是分析腿部运动形态的基础.结果表明,该方法能给出准确的匹配结果.     

运动人体的检测和跟踪

介绍了一个使用三维激光摄像机对道路上的自行车辆和行人进行检测和跟踪的实时系统,系统主要分为物体识别模块和目标匹配跟踪模块两部分,前者采用了迭代自组织的数据分析算法(ISODATA算法)和多阈值分割方法,后者使用了一种新颖的将轨迹连贯性函数和卡尔曼滤波器相结合的多目标匹配跟踪算法,户外实验表明系统具有较高的识别率。     

基于均值漂移和卡尔曼滤波的跟踪算法研究

为了寻找一种可以实际运用到学校监控系统的目标跟踪算法,文中对基本MeanShift算法进行描述,并阐述算法的实际意义。MeanShift虽然以其不需要参数、不需要穷尽搜索区域等特性可以较好地实现目标跟踪,但是同时其也有不足,让其在某些跟踪条件下达不到很好的效果。为了使MeanShift目标跟踪算法满足实际应用需求,通过添加核函数和增加权重的方式对基础MeanShift算法进行扩展,并在分析MeanShift算法的不足之后,提出一种MeanShift与Kalman滤波相结合的目标跟踪算法。通过学校的视频监控平台对提出算法进行验证,实验结果表明,该算法可以有效地对目标进行跟踪。     

基于三维模型和深度灰度约束加权的人脸姿态跟踪

提出种基于人脸三维模型和深度灰度约束加权对单目视频图像序列中的人脸空间姿态进行跟踪的方法．首先用仿射变换的方法得到初始帧的人脸姿态参数并作为姿态跟踪的起点;然后用三维几何信息对线性灰度和深度约束方程加权得到更精确的帧间运动参数,为了消除光照变化和遮蔽的影响,在跟踪过程中逐帧自动进行特征点更新．对模特头像和真实人脸的实验结果表明：该方法能实现精确而可靠的姿态跟踪,特别对深度方向变化较大的运动,效果更为明显．     

基于特征三角形的多姿态视频图像人脸跟踪

提出了一种能在复杂环境中进行人脸跟踪的鲁棒、有效的视频图像人脸跟踪的算法。该算法根据面部特征构造特征三角形包括等腰三角形和直角三角形，根据刚体约束生成潜在人脸跟踪矩形区域。该算法能够在不同尺寸、不同光照、不同姿态和不同表情甚至不同噪音情况下检测人脸，有效率达98.18%。     

一种深度图像中人体的实时跟踪算法

针对深度图像中的人体目标跟踪问题,提出一种基于深度图像的改进Camshift算法。利用人体目标的深度信息计算概率分布,结合人体形态学特征,对深度的概率分布赋予不同的权重,通过Camshift算法进行迭代,从而寻找目标,使用卡尔曼滤波器在三维空间中对运动人体目标的位置实现预测和更新。采集1200帧图像进行测试,结果表明,该算法能实时准确地跟踪深度图像中的运动人体目标,有效克服遮挡等干扰,单人和双人跟踪准确率均在95%以上,高于传统Camshift算法。     

基于视觉技术的手势跟踪与动作识别算法

对工业生产线上规程化操作动作进行手势跟踪与动作识别研究。首先选取YCbCr颜色模型进行手部区域识别,获得完整手部区域;然后利用Euclidean距离变换计算相邻2个手部运动轨迹点之间的距离和各帧图像的手部运动速度;再利用扩展有限状态机模型实现手部运动的分割,将分割的多个动作与建立的动作模板匹配,利用Hausdorff距离匹配法判断匹配结果的准确性,实现手部动作的识别。实验结果表明：该手部动作识别算法对背景干扰和摄像头轻微震动具有一定的抗噪能力,有较高的动作识别正确率,能够满足现实工作环境下的应用需求。     

基于深度图像学习的人体部位识别

针对人体部位识别问题,提出一种基于深度图像学习的人体部位识别系统。构建深度图样本库,包括训练集和测试集,提取训练样本中的局域梯度特征,利用随机森林学习得到分类器,并对图像进行单点分类,计算人体各关节点。实验结果表明,该系统能快速准确地识别人体的不同部位。     

基于多尺度特征提取的均值漂移目标跟踪算法

为在图像对比度较低、相似目标过多等情况下较好地实现目标跟踪,提出一种基于多尺度特征提取的均值漂移跟踪算法.前一帧目标区域的特征点经匹配得到后续帧目标区域的特征点,利用所得特征点集的中心坐标修正均值漂移搜索窗位置,以此为约束条件,减小均值漂移迭代产生的偏差.实验结果表明,该算法可以提高跟踪精度、鲁棒性及实时性.     

Simultaneous Facial Action Tracking and Expression Recognition in the Presence of Head Motion

The recognition of facial gestures and expressions in image sequences is an important and challenging problem. Most of the existing methods adopt the following paradigm. First, facial actions/features are retrieved from the images, then the facial expression is recognized based on the retrieved temporal parameters. In contrast to this mainstream approach, this paper introduces a new approach allowing the simultaneous retrieval of facial actions and expression using a particle filter adopting multi-class dynamics that are conditioned on the expression. For each frame in the video sequence, our approach is split into two consecutive stages. In the first stage, the 3D head pose is retrieved using a deterministic registration technique based on Online Appearance Models. In the second stage, the facial actions as well as the facial expression are simultaneously retrieved using a stochastic framework based on second-order Markov chains. The proposed fast scheme is either as robust as, or more robust than existing ones in a number of respects. We describe extensive experiments and provide evaluations of performance to show the feasibility and robustness of the proposed approach.     

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。     

基于网格状模板的实时图像跟踪算法

传统相关跟踪算法存在运算量大和实时性差的缺陷.针对这一问题,提出了一种基于网格状模板的实时图像跟踪算法.该算法首先从减少参与匹配运算的像素数目的角度出发,剔除部分冗余像素,将匹配模板设置为网格状.然后在成像跟踪仿真实验平台下,用归一化互相关匹配方法实现了对运动目标的跟踪.仿真实验结果表明,该算法不仅在很大程度上减少了图像匹配的计算量,提高了跟踪实时性,而且跟踪快速准确,具有一定的实用价值.     

基于卷积神经网络优化TLD运动手势跟踪算法

针对TLD（Tracking-Learning-Detection）算法在光照变化不均、遮挡严重、跟踪目标模糊等情况下会出现跟踪失败的问题，提出一种基于卷积神经网络优化TLD运动手势跟踪算法。选取手势特征作正样本，其背景作负样本，获取手势HOG特征并投入到卷积神经网络中加以训练，得到手势检测分类器，从而确定目标手势区域，实现手势的自动识别；再利用TLD算法对手势进行跟踪与学习，对正负样本进行估计检测并实时校正，同时运用SURF特征匹配更新跟踪器。实验结果验证，该算法对比TLD经典算法跟踪精度提高了4.24%，增强了运动手势的跟踪效果，相比经典跟踪算法拥有更高鲁棒性。     

视频中不完全运动特征的跟踪算法

在基于视频的人体运动捕获中，常用的特征跟踪算法对光照条件、图像噪音等非常敏感，而且不规则运动常使特征点或重叠、或自遮挡、或从视域中消失，给视频中运动特征跟踪带来很大的困难．为了有效地跟踪这些不完全运动的特征，提出一种有效的特征跟踪算法．实验结果表明，该方法不但能快速、精确地跟踪孤立特征，而且能有效地解决视频序列中存在较大噪音和不完全运动特征的跟踪问题．     

一种改进高斯模型的人体运动图像跟踪算法

研究改进的人体图像序列跟踪优化问题,提高跟踪的准确性.针对当人体运动图像序列帧中,背景图像帧变化较快,帧间像素差异较大的情况下,传统的跟踪方法无法适应较大幅度的、快速的图像背景帧变化,提取的动态像素过少,导致出现跟踪前景误判,跟踪效果滞后、失准的问题.为了解决上述问题,提出一种基于高斯混合模型的人体运动跟踪算法,通过建立一种混合高斯模型模拟去除干扰,通过迭代动态像素参数更新,消除图像帧快速变化造成的像素减少带来的影响,解决跟踪滞后问题.实验结果表明,改进方法能够大幅提高在复杂背景下的人体运动准确性,取得了不错的效果.