基于LK光流跟踪法的有效目标点增强跟踪

为了提高基于几何形态的物体跟踪方法的准确率,详细分析了基于几何形态的物体跟踪方法下目标点的正确性,并根据分析的结果 ,在对目标物体采样时选取更容易被跟踪到的目标点,对于跟踪的结果 ,排除由于背景影响产生的无效目标点,从增强有效点和排除无效点这两方面入手,提出了基于LK光流法的有效点增强跟踪算法。实验证明,提出的算法能够更加有效地跟踪物体,尤其是当目标快速运动或者发生形变时,能够有效地减少跟踪目标的中心错误率。     

基于LK光流法的单目视觉里程计

在移动机器人快速发展的今天,视觉里程计是通过视觉传感器进行导航定位的主要方式之一。文章介绍了基于单个摄像头的单目视觉里程计的一种实现方法,使用SURF算法提取特征点,用LK光流法进行特征追踪,相比于传统特征匹配在运算效率上有极大的提高,再对特征点计算位移与旋转量,以里程计的方式达到定位目的。详细介绍了视觉里程计的数学原理以及SURF算法和LK算法的原理及其数学推导、单目视觉里程计的尺度不确定原理。最后通过对比确定LK算法的优势以及最优参数的选择。     

基于金字塔LK光流法的电梯内异常行为检测

电梯运行环境相对密闭,是打架等异常行为的多发场所。针对电梯轿厢内发生的打架等以方向混乱、动作速度快作为主要特征的异常行为,提出一种基于金字塔LK光流法的异常行为检测方法。首先,获取视频帧中的角点作为特征点,利用光流法预测特征点位置,对运动矢量进行描述并表示成光流图,通过速度大小筛选出有效光流点,消除背景中的噪声光流点干扰,提取运动目标。然后,利用每帧图像中光流点的平均速度与方向直方图熵的乘积定义运动混乱度,作为异常检测的判断依据。最后,设定相应阈值,判断是否发生异常行为。通过对自拍摄的模拟电梯内乘客正常行为和异常行为的数据集进行验证表明,上述方法可以取得良好的检测效果,并且能满足实时性要求。     

一种改进的LK光流算法应用研究

本文在LK光流算法的基础之上进行改进,提出了一种新的面向视频中物体特征复杂、背景情况复杂、可形变物体的物体实时识别跟踪技术,并基于此算法在嵌入式平台上实现身份识别与网络电视重点个性化推荐系统.     

基于改进ORB特征点的LK光流算法

针对传统ORB特征点匹配准确率低和在光流算法中跟踪特性差的问题,提出了一种基于改进ORB特征点的LK光流算法。首先结合FAST特征点和rBRIEF特征描述符计算出ORB特征点;然后结合SURF算法在特征提取步骤中构建的Hessian矩阵对ORB特征点进行再提取;最后对改进ORB特征点进行特征匹配测试和LK光流跟踪测试。实验结果表明,相较于传统ORB特征点,改进ORB特征点的特征匹配准确率平均提升20.96%,LK光流跟踪成功率平均提升19.73%。本文提出的改进ORB特征点不仅拥有更好的特征匹配效果,同时具有更好的跟踪特性。     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪.该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,...     

基于景深和LK光流法的视频测速算法

根据景深图虚化背景影响的思想,提出一种基于景深和LK光流法的视频测速算法.通过多尺度自适应小波算法沿水平、垂直及对角线4个方向对图像进行分解;引入边缘图和李氏指数,优化由显著特征区域高频小波系数与深度值关系生成的景深图;最后用LK光流法对景深图进行ORB角点检测,并结合SUSAN算法剔除异常角点绘制角点分布图,由角点坐...     

基于嵌入式GPU的pyramid LK光流法高速计算方法研究

在嵌入式计算平台上实现双向约束LK金字塔高精度光流的实时计算,是该算法能否用于自动驾驶等场景的重要影响因素。为了实现该目的,提出了基于网格划分的特征提取方法及新的双向约束方法;然后设计了动态窗口的金字塔模型,解决了光流计算过程中的负载不均衡问题;最后通过降低计算位宽,使得整体性能获得进一步提升。实验结果表明：在Jetson TX2上,针对真实场景所用的720P视频,所提出方法的性能比OpenCV的GPU版本提升了4.1倍,达到30 fps以上;将采用该方法的SLAM系统成功应用于车载场景并在真实环境中测试,使得系统的性能达到了28 fps。新方法有效地提升了位姿和点云的精度,较好地满足了车载场景的实时处理需求。     

动态背景下的稀疏光流目标提取与跟踪

目的 针对背景和摄像机同时运动情况下的运动目标提取与跟踪,提出一种基于稀疏光流的目标提取与跟踪新方法。方法 首先,利用金字塔LK光流法生成光流图像匹配相邻两幅图像的特征点,依据光流图像中的位移、方向等光流信息初步划分背景和前景目标的特征点;然后利用中心迭代法去除不属于目标运动区域的噪声特征点;最后,通过前N帧图像目标特征点的最大交集得到属于目标的稳定特征点并在后续帧中进行跟踪。对于后续跟踪图像中存在的遮挡问题,引入了一个基于特征点的遮挡系数,运用Kalman预估算法得到目标位置的预测,并且在目标重新出现时能够迅速定位目标。结果 与已有的光流匹配算法相比,本文算法的目标特征点误检率降低了10%左右,成功跟踪率达到97%;引入预估器使得本文算法对有遮挡运动目标也能够实现准确跟踪和定位。结论 本文算法对复杂动态背景下无遮挡和有遮挡的持续运动目标跟踪均具有准确识别定位性能,满足实时要求,适用于缓慢或者快速移动的运动场景目标提取和目标跟踪。     

Proposal of a method to extract straight line and circle using one-dimensional histogram

A new method for fast extraction of straight line and circle is proposed in this study. The method utilizes the Polytope method which is one of minimization algorithms. For the extraction of figures, one-dimensional histogram is used. Basically, main algorithm of the extraction of straight line is the same as those of circle and ellipse. Only the definition of histogram and the evaluation function are changed according as figures. By the comparison with Hough transform, it is understood that the using of memory space is very small and processing time is very short. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

基于改进Hough变换的圆形物体检测

圆形(包括弧线)检测是数字图像处理过程中的经典问题之一,有着广泛的应用背景。基本的Hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用Hough变换后,很难找到单一的峰值,这也就造成了检测的难度。在Hough变换的原理基础上利用圆的几何特征提出了改进算法。理论和实验证明能获得较好的检测结果。     

轻武器电子校瞄系统的算法设计及系统验证

轻武器验收的重要指标之一是其击打目标的准确度[1],瞄准系统的精度直接影响武器性能的发挥,而传统的校准设备只能完成武器的粗校准,为此设计了一种新型的轻武器电子校瞄系统;其设计核心是枪口轮廓在图中精准识别算法的构建;在算法构建中,通过引入正六边形搜索窗口和梯度方向信息判据对随机Hough变换算法进行改进,弥补了已有的Hough变换方法计算复杂程度高,占用内存大的不足[2];在MATLAB中充分验证改进算法的优良效果后,将该算法移植到基于嵌入式软件环境的电子校瞄系统中,系统通过测试表面电子校瞄系统对枪口的中心位置,枪膛中心点和十字光标相对位置,展现出优良的校准性能,初步实现了枪支瞄准系统的精细校准;在整个校准过程中,不直接与轻武器接触,可以避免传统校瞄系统重复安装对枪管造成的磨损,为传统的校准方式提供了一种新方法。     

基于Hough变换的圆检测方法

总结了圆检测的几种常用方法,如经典HT、随机HT和广义HT.结合几种方法的优缺点,提出了一种基于经典HT的改进Hough变换圆检测方法.该方法先对图像进行预处理,如灰度化、去噪滤波、边缘检测以及运用数学形态学等,然后进行Hough变换.其主要思想是用多维数组来代替经典的循环过程.把Hough变换应用到织物防水性能自动测试的真实图像中,通过对经典Hough变换与改进后的Hough变换的比较,可以看出检测速度有所提高,检测精度也达到了令人满意的程度.     

基于彩色分割的虹膜检测

提出了一种基于彩色分割的虹膜检测方法,对于一幅经过准确定位的眼睛窗口图像,它的彩色信息比灰度信息更有助于进行虹膜检测。首先利用图像颜色的饱和度信息将眼睛图像中的眼睛区域与皮肤区域分离,然后利用亮度信息将眼睛区域的眼白和虹膜分离得到虹膜区域,再通过Hough变换进行虹膜检测。结果证明该方法不仅检测率高,而且能适应一定人脸姿势、眼睛视线方向的变化,甚至在眼睛区域较暗的情况下,也能很好地检测到虹膜。     

形变冗余的改进GHT目标双层定位方法研究

经典广义Hough变换可以较好地解决非形变目标定位问题,但对于存在形变的目标定位问题存在不少困难。为解决该问题,同时考虑如何提高检测定位速度与减少存储消耗,在粗定位与精确定位两级框架下提出基于改进GHT形变目标两层定位快速算法。粗定位过程首先利用图像的局域二进制模式的直方图特征对图像进行全局搜索,检测出目标大致范围;在精确定位过程中,通过建立模板图像边缘像素的R表,使待检测图像边缘像素在约束的参数范围内依据该R表进行局部搜索,并通过一个投票结果散布窗对得到的累积矩阵进行集中化处理,达到把每一点邻域内投票结果集中在某点的目的,从而给出最后的检测结果。实验表明,本文算法能够较好的解决一定程度形变目标的定位问题,同时减少了运算时间以及存储消耗,检测稳定性高,具有一定应用意义。     

二维直方图图形统计分析的分割方法

一维阈值分割方法对噪声污染的图像很难达到理想的分割效果。二维直方图的分割方法结合了灰度和空间信息使分割精度提高,但计算复杂度急剧增加,并且传统二维直方图的方法对噪声和边缘像素的处理不够准确。改进了二维直方图的构造方法,采用自适应滤波器平滑噪声的同时更高效地保持了图像边缘和高频细节信息。运用改进的Hough变换对二维直方图进行图形统计分析,并搜索二维直方图的平面分割线,将二维直方图划分为不同的分割区域。实验结果表明改进的算法对噪声污染的图像有更好的抗噪能力,分割也更加准确。     

Generalized Fuzzy Hough Transform for Detecting Arbitrary Shapes in a Vague and Noisy Image

A generalized Hough transform is an effective method for an arbitrary shape detection in a contour image. However, the conventional generalized Hough transform is not suitable for a noisy and blurred image. This paper describes a generalized fuzzy Hough transform which is derived by fuzzifying the vote process in the Hough transform. The present generalized fuzzy Hough transform enables a detection of an arbitrary shape in a very noisy, blurred, and even distorted image. The effectiveness of the present method has been confirmed by some preliminary experiments for artificially produced images and for actual digital images taken by an ordinary digital camera     

基于改进霍夫变换算法的手势识别

随着人们对人机交互的简单便捷性需求的不断提升,基于视觉的手势识别在许多领域都引起了足够的重视.由于深度图像在识别中的良好表现,其在领域内广受青睐.从深度图像中分割出手势图像区域并对其进行归一化处理得到统一规格的手势二值图像,然后进行手势边缘的检测.针对手指轮廓特性提出了改进的霍夫变换算法,提取图像中的手指信息特征.同时提取基于边缘曲线特征,并建立3D直方图进行统计.最终对两种特征进行融合,根据所得到的特征向量通过最小闭包球支持向量机（MEB-SVM）进行手势分类,测试集上识别率为96.6%.该方法不依赖于颜色、细节纹理等信息,对光照等条件不敏感,有着良好的鲁棒性.且识别速度较快能满足一般应用的需求.     

基于TBB的Hough变换并行检测直线

Hough变换存在着运算时间长的缺点,用了并行处理这种解决海量数据计算的有效方法来减少其运行时间。该文主要研究了：利用TBB（Threading Building Blocks）这种线程构建模块在多核机上对Hough变换中可并行的部分进行并行化;实验表明这种方法对Hough变换的并行化都有很好的加速效果。