基于三阶帧差的运动特征选取方案

为解决行为识别中运动特征提取的问题,该文提出了一种基于三阶帧差的运动特征提取方案,用于提取运动特征中的变化大小、运动变化的一致性、运动方向的一致性等。实验证明,新方法速度快,准确度高。     

基于帧差时空特征的步态周期检测方法

针对传统基于可穿戴传感设备步态周期检测方法需要用户高度配合的问题,本文采用计算机视觉的方法来研究高精度步态周期检测算法。受帧差法的启示,本文设计一种全新的步态图像表达特征 帧差步态时空特征,该特征不仅蕴含了步态 运动的空间,还含有步态运动的时间信息,能较好地表达步态运动周期中的各个状态。基于帧差步态时空特征,设计足趾离地状态检测算法,进而实现步态周期的自动检测。实验结果表明,本方法能精确检测步态周期中的足趾离地状态帧。     

基于帧差与非相邻帧差的自适应镜头检测方法

针对突变和渐变的特点,实现了一种基于帧差和非相邻帧差的自适应镜头检测方法。方法通过计算相邻帧差有效地检测突变镜头,通过计算非相邻帧差实现对渐变镜头的有效检测,二者结合可检测出几乎所有的突变和渐变镜头,获得了良好的综合检测效果。该方法不用设全局阈值,适应性强且计算量小,实验结果表明了方法的通用性和有效性。     

基于ZYNQ加速的帧差法运动目标检测

针对运动目标检测算法在传统PC端上实时性较差的问题,设计了一种基于ZYNQ硬件加速的运动目标实时检测系统。将摄像头采集的彩色视频流转换为灰度视频流并进行图像处理来实现运动目标检测,并将检测后的结果与原彩色视频流叠加来显示实时检测结果;选用经典的帧差法,并在ZYNQ平台上设计和实现该算法,在VDMA存储中使用乒乓操作加速,中值滤波进行图像处理时使用流水线操作并行加速,大大地提高了算法处理速度。设计实现后对传统的CPU+OpenCV实现横向对比分析,结果表明ZYNQ平台在实时性上具有明显优势。     

一种基于帧间差探测函数模型的运动估计算法

针对基于匹配搜索的运动估计快速算法中,匹配环节在运动估计算法中耗费大量的处理时间,使得块匹配法运动估计实时性差的问题,提出了一种基于帧间差探测函数模型的运动估计新算法,该算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,并确定了实际的帧间差探测函数模型中参数的选择策略.实验结果及分析表明,该算法不仅能够很好地完成较复杂背景下运动小目标的跟踪,而且能够获得相对于块匹配法更好的实时性能.     

基于帧差特征点的视频对象提取跟踪的研究

为了降低对象跟踪算法中特征点匹配的复杂度和无用特征点的数量,提高对象提取的精度以及跟踪的速度,提出了一种新的基于帧差特征点和边界点的对象提取、跟踪算法.首先结合形状信息以及自动阀值技术来减少特征点的堆积并提高特征点的利用率,其次从一个新的角度利用帧差技术,不仅有效的将大量的无关特点从跟踪系统中剔除,同时使跟踪范围缩小到一个更加合理高效的区域内.为了让物体的跟踪过程更加精确,通过添加边缘特征点来提高跟踪的鲁棒性.实验结果表明,该算法具有运算量小,精度高,可以处理对象遮挡跟踪问题并具有较强的跟踪鲁棒性的特点.     

基于帧差和小波包分析算法的运动目标检测

提出了一种在镜头不动的情况下基于累积帧差分割和小波包分析融合技术的运动目标检测方法。这种方法可分为四步:使用改进的累积帧差算法和阈值分割算法完成目标区域的分割,并获得初始运动模板;利用小波包分析算法提取出单帧图像的边缘信息并获得细化的目标区域边缘图;根据初始运动模板和空域边缘图像的融合得到更精确的运动目标模板;最后结合原序列图像检测出完整的运动目标。实验结果表明:这种方法可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出完整的运动目标。     

融合帧差和Vibe的运动目标检测算法

Vibe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。本文针对Vibe算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的Vibe算法能够加快鬼影的消除,并且与帧差法以及混合高斯建模算法相比,前景检测效果更精确。     

基于AdaBoost和帧间特征的人数统计

视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。通过学习的方法得到人头检测的分类器,并在垂直拍摄图像中提取人头候选区域,以分离相互靠近的人体目标,进而根据人头的运动特征剔除静止误检区域,根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对各种复杂情况的过线视频进行测试,正确率能够达到95%以上。与传统方法相比,本文方法解决了多人过线或搬货物过线时传统方法难以准确完成的行人分割和计数,更适于实际情况的人数统计。     

基于背景差和帧差相结合的目标追踪

本文采用背景差和帧差相结合的方法,实现了更加精确的运动目标检测.同时建立了运动学模型,利用Kalman滤波器对运动学参数进行估计预测,确定追踪目标所在的区域范围,从而减少了模板匹配的运算量,实现了对目标实时的精确的追踪.本文还采用一种动态的闽值选择方法,克服了选用固定的阈值产生的漏检或误检运动目标区域的缺点,更好的实现了目标的追踪.     

基于帧间差分法和 AdaBoost 算法的人脸跟踪

对于人脸在复杂背景下的检测与跟踪问题,采用帧间差分法和形态学分割出运动区域,再使用 AdaBoost 级联分类器对运动区域扫描,以精确定位人脸。人脸检测成功后,通过保留和及时更新地成功检测到人脸的区域,使得当人脸运动较慢时候,或人脸静止时仍然能检测跟踪成功,利用 OpenCV 开源库和 Visual Studio 2005进行仿真,实验结果表明,在复杂的背景下,无论在人体处于移动正常、缓慢或静止的情况下,该方法都能实现单人脸检测跟踪,且跟踪速度较快。     

基于感兴趣区域的运动分割算法

提出了一种基于感兴趣区域ROI(Region Of Interests)进行形态学处理的运动分割算法。首先对变化检测得到的二值图像进行分割(粗分割),然后对粗分割后的每个区域内部进行形态学处理,最后再次对经过处理后的二值图像进行分割(细分割)。该算法能够很好地处理噪声较大情况下的运动分割,避免了大面积噪声对于前景目标分割的影响。     

一种快速运动目标的背景提取算法

提出了一种快速运动目标的背景自动提取算法。该算法先对固定场景下获取的当前帧进行帧差分的二值化处理,然后对该二值化图像进行形态学膨胀、重建及腐蚀,最后根据形态学操作后的二值图像用当前帧对背景进行更新,这样经过数十帧的迭代,便可提取出背景。试验结果表明,用该算法提取背景不但效果好,而且提取速度也快。     

基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。     

基于压缩域的I帧提取算法

MPEG中包含三种帧——I、P、B帧,I帧记录了主要信息,P帧和B帧作为运动补偿,如何提取出I帧是视频处理最关键、最基础的一步。本文实现了在压缩域上直接从MPEG码流中提取I帧。     

基于运动特征融合的快速视频超分辨率重构方法

基于深度学习的视频超分辨率重构方法常面临重构精度不高或重构时间过长的问题,难以实时获得高精度的重构结果.针对此问题,文中提出基于深度残差网络的视频超分辨率重构方法,可以快速地对视频进行高精度重构,并在较小分辨率视频的重构过程中达到实时重构的要求.自适应关键帧判别子网自适应地从视频帧中判别关键帧,关键帧经过高精度关键帧重构子网进行重构.对于非关键帧,将其特征与邻近关键帧间的运动估计特征和邻近关键帧的特征逐层融合,直接获得非关键帧的特征,从而快速获得非关键帧的重构结果.在公开数据集上的实验表明,文中方法能实现对视频的快速、高精度重构,鲁棒性较好.     

基于区域形状与运动特征的实时行为识别

提出了一种基于推广的Hu不变矩特征的实时行为识别方法。首先,对Hu不变矩进行改进,使其在离散情况下同时具有平移、旋转和比例不变性。然后,结合运动目标的速度将目标行为刻画成结合Hu矩新特征和速度特征的13维特性向量。其中,Hu矩新特征表征了行为的区域形状特性,速度特征反映了行为的运动特性。随后采用预先定义的一些行为作为先验知识样本训练支持向量机,并最后使用其对待检测行为进行分类以达到行为识别的效果。所提方法计算效率高,能够实时检测人体行为。在处理实拍视频数据的实验中,该方法表现出了理想的处理效率以及识别精度。     

一种基于运动连通性的视频对象提取方法

传统的视频分割通常利用低级特征提取对象。文章提出对象运动的连通性是对象的高级特征；并在累积帧差图像上，滤除尖锐噪声自适应确定域值，利用这个特性自动提取首帧运动对象。实验结果表明，该方法计算复杂度低，能够自动、快速、准确地提取运动对象，非常适于基于对象的实时视频应用。     

一种改进的三帧差分运动目标实时检测算法

针对传统三帧差分法提取的运动目标存在大量的噪声和空洞,提出一种改进的三帧差分运动目标实时检测算法;该算法采用Surendra背景提取算法提取有效背景,对视频流中连续三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行“与”运行,通过将中间帧背景减除结果与“与”运算的结果进行“或”运算,这样可以得到运动目标的完整信息;实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统.