共查询到20条相似文献,搜索用时 109 毫秒
1.
复杂光照环境下难以实现人脸姿态的高精准跟踪,为此研究复杂光照环境下视频序列人脸姿态跟踪方法,提升跟踪进度和效率。通过高频加强滤波和直方图均衡技术光照补偿视频序列图像,采用参考颜色表法匹配图像肤色序列特征,将匹配到的图像肤色序列特征作为待分类样本输入Boosting分类器,利用改进Adaboost算法自动挑选特征,检测待跟踪人脸姿态特征,以此为基础,通过创建二维肤色高斯模型,并不断更新肤色模型,克服复杂光照条件对肤色带来的影响,实现复杂光照环境下人脸姿态跟踪。实验结果表明,该方法对于平移、缩放、旋转、光照及遮挡等复杂光照环境下的人脸姿态都能较好跟踪,在摄像机固定状态下,跟踪准确率为98.57%,计算时间为1.5 s,在摄像机运动状态下,跟踪准确率为93.33%,计算时间为1.86 s,抗噪声干扰性能较为优越。 相似文献
2.
3.
[目的]针对图像在低光照下的亮度和对比度偏低的问题,提出一种基于视觉特性的非线性多尺度彩色图像增强算法.[方法]该算法将彩色图像从RGB色彩空间转化到HSI色彩空间,保持H分量不变,对S分量进行指数拉伸,对Ⅰ分量利用视觉系统模型和非线性映射方法实现图像对比度增强,再通过自适应的亮度调整增加图像的全局亮度.最后将HSI色彩空间转化到RGB色彩空间,从而实现对彩色图像自适应增强.[结果]通过对低光照彩色图像进行增强测试,其测试结果表明,[结论]该算法能够自适应地调整图像的全局亮度,增加图像的局部细节对比度,并保持其原色彩,提升彩色图像在低光照下的视见度. 相似文献
4.
现有的人脸识别定位方法由于其局限先不能适用于视频监控中的人脸定位,针对智能视频监控中的运动目标的检测的特点,结合视频图像的连续性和人脸肤色的特征,提出了一种快速视频监控人脸定位的有效方法。该方法首先通过差分算法提取前景区域,然后通过BP(误差反传)神经网络的肤色分割算法,对运动区域进行检测,最后对人脸候选区域进行验证并定位。实验证明,该方法不仅能够减小检测误差,而且提高系统运行速度,实现复杂环境下的视频监控中的人脸定位。 相似文献
5.
6.
针对传统自动曝光算法不能适应背光或正面强光等复杂光照环境,且在实时性和平滑性不能同时兼顾等方面的缺点,提出一种基于图像多区域的变步长自动曝光算法。该算法将主体区域和背景区域进行分区,并将主体区域赋予更大的调整权重值来计算图像平均亮度,最后根据平均亮度距离目标亮度的差值等级来调整曝光时间的变化步长。实验结果表明,利用这种曝光方法在复杂光照环境下图像主体区域也能得到很好地体现,且在光照强度不断地变化时,图像亮度也能快速平稳地接近理想亮度,具有很好地成像效果。 相似文献
7.
在智能驾驶领域中,针对低照度环境下获取视觉图像中道路环境交通特征信息难的问题,提出一种基于双曲映射变换的低照度道路图像增强方法。采用最大熵法对HSV颜色空间中的V分量进行阈值分区,利用改进的双曲正切S型函数和双曲正割累积分布函数分别增强明暗区域的亮度,采取非线性变换函数LC补偿光照,进而用双尺度均值滤波法增强图像中道路特征信息。通过自建数据集对比验证相关算法,结果表明:本方法增强后的图像平均亮度提高了111.54%、信息熵提高了11.8%,平均梯度提高了159.75%,低照度环境下获取视觉图像中交通特征信息显著提升。 相似文献
8.
9.
10.
11.
12.
人流量统计视频监控系统 总被引:1,自引:0,他引:1
介绍了一种人流量统计视频监控系统,自适应更新背景信息,利用背景相减法获得运动物体图像,并根据运动物体轮廓形状识别人体,利用目标跟踪技术统计人流量.实验证明,该系统能在多变环境下实时处理. 相似文献
13.
14.
ORB(Oriented FAST and Rotated BRIEF)算法提取特征点时使用固定阈值,在不同场景或光照突变环境中会出现特征点匹配数目较少、匹配正确率较低、适应性较差的问题,针对这一情况提出了一种全局自适应阈值与局部自适应阈值结合的方式改进算法。首先根据图像的灰度分布判断亮度变化情况,针对整体亮度变化与局部亮度变化两种情况分别采用全局或半全局自适应阈值方案,并与局部自适应阈值相结合,通过建立评价函数得到阈值计算公式中自适应参数值,完成FAST(Features from Accelerated Segment Test)特征点提取,计算描述子,借助KNN(K-nearest Neighbor)算法完成特征点对筛选。实验结果表明,改进后的ORB算法在整体光照变化时特征匹配点对数量平均提升129.9%,正确率平均提升15.94%,局部光照变化时特征匹配点对数量平均提升149.4%,正确率平均提升3.53%。 相似文献
15.
低照度视频图像弱变化检测算法可提升安防工作的可靠性,有利于安防人员快速处理存在的风险。提出一种基于亮度融合的弱变化检测算法。对视频的每一帧图像,首先提取图像不同空间的亮度分量,设计一种亮度融合的策略,对亮度分量进行融合。将融合后的亮度分量进行形态学重建,克服噪声影响。然后使用自适应的对数比对融合后的亮度分量进行处理得到差异图,对差异图使用迭代的全变分去噪,进一步克服残余噪声。最后对差异图使用二阶段聚类方法,进一步提升变化检测精度。实验结果表明,提出算法的平均检测精度为0.770,误差为31个像素点,与对比算法相比,提升了20%以上的精确度;平均运行时间为0.16 s,时间短于对比算法2倍以上。 相似文献
16.
根据车牌纹理及其几何形状的特点,提出了一种新的基于自适应灰度形态学滤波的车牌图像分割算法。该算法不同于传统的形态滤波过程,结构元素的大小能随车牌图像的不同而进行自适应调整,因而更有效地提取车牌目标区域。实验结果表明,该算法对不同复杂自然环境和不同光照条件有很强的自适应能力,其定位准确率及抗干扰能力较其它传统分析方法有显著提高。 相似文献
17.
18.
针对视觉背景提取算法(ViBe)对光照变化和运动 阴影敏感、提取的运动区域容易产生空洞的问题,本文提出了基于自 适应Lab色差阈值的ViBe运动目标检测算法。根据图像的局部背景亮度与色彩的空间频率对 人眼视觉的影响,自适应的确定 每个像素点的色差阈值,用于像素点与背景模型的匹配;然后,利用邻域像素点的空间一致 性原则,对检测结果进行修正; 最后,统计各连通域的面积,去除小面积的运动目标。实验结果表明,本算法可以有效的适 应光照变化、抑制运动阴影、填 补运动区域的空洞,具有比ViBe算法更好的检测效果。 相似文献
19.
20.
在视频的采集和跨媒体再现过程中,相机的色域限制往往会导致获取的图像色彩失真。其中肤色作为人眼最敏感的色彩之一,肤色失真可能会降低观众的视觉体验。肤色增强是一种针对图像或视频中人类肤色的处理技术,通过对失真的肤色进行调整,达到提高显示质量的目的。尤其是在视频处理领域,在提高肤色模型自适应性的同时,还需要考虑算法的实时性与计算工作量,因此,提出一种面向实时视频处理的自适应肤色增强方法。利用镜头边界来引导肤色模型更新,以此降低模型更新的计算工作量;其次,建立一种根据镜头边界更新的动态肤色模型进行皮肤检测;最后,基于主观实验建立了偏好肤色模型,并且实现了针对不同种族的肤色增强。与现有方法相比,所提方法在主观评价实验中取得了更高的平均主观分值。实验结果表明,所提方法可以显著降低模型更新带来的计算工作量,同时实现有针对性的肤色增强。 相似文献