跳水运动视频中的运动目标分割

针对跳水运动视频中的人体运动目标分割问题,提出一种简单有效的基于颜色特征运动目标检测及分割算法。首帧进行图像预处理,利用色相和亮度两个分量加强颜色差异,然后使用OTSU算法对图像进行阈值分割。结合RGB颜色空间启发式肤色聚类结果确定运动目标所在的连通区域,最终完成首帧运动目标的自动检测。有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速整体运动有较强的鲁棒性。     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

运动人体感兴趣区域的自动检测

人体运动自动检测与跟踪是人工智能系统的重要研究方向.提出了一种简单高效的人体感兴趣区域--ROI的自动检测方法.该方法运用帧差法和图像显著图算法模拟人眼视觉系统对运动人体注视点的形成过程,并通过联合显著区域的划定自动检测形成相应的运动人体ROI.实验结果表明,该方法检测出的人体ROI符合人眼观察运动目标时的视觉关注区域,可运用于后续基于颜色特征区域的运动人体跟踪.     

显著特征融合的主颜色聚类分割算法*

针对颜色密度聚类分割模型容易产生误分割的问题,提出基于视觉显著性调节的主颜色聚类分割算法.首先,根据空间颜色信息和Mean-shift算法平滑结果分别计算图像的全局显著特征和区域显著特征,并融合2类显著特征作为特征空间聚类的约束项.然后,采用核密度估计方法计算图像主颜色作为初始类,并将显著特征作为调节因子进行聚类分割.最后,进行区域合并.在标准的分割图像库上进行实验并与多种算法对比,结果表明,文中算法具有更高的区域轮廓准确度,并且有效利用图像显著特征,降低密度聚类形成的区域不一致性,提高像素聚类的精度和分割的鲁棒性.     

基于语义的手机图像颜色提取方法

为了能够准确提取彩色图像中的颜色区域,提出基于语义的手机图像颜色提取方法。该方法通过语义描述划分颜色区域,采用模糊聚类算法将图像中的像素聚类到各个颜色区域。实验结果证明,该方法在手机中实现了根据语义需求提取某一颜色区域,在对图像的边缘检测和模式识别中具有很高的应用价值。     

融合HOG和颜色特征的人体姿态估计新算法

为解决现有人体姿态估计算法在处理光照条件很差或颜色对比度很低的待处理图像时估计准确度较低的问题,利用梯度方向直方图（HOG）和颜色特征建立了一种的基于可能性C（PCM）聚类算法部位外观模型,提出了一种新的融合HOG特征和颜色特征的人体姿态估计算法。算法根据待处理图像自动选择部位外观模型,若图像的光照条件和颜色对比度都较好则选择现有的基于HOG和颜色特征融合的部位外观模型,否则选择基于PCM聚类算法的部位外观模型。仿真实验表明所建立的部位外观模型能更准确地描述光照条件很差或颜色对比度很低的图像中下真实人体部位的外观,提出的人体姿态估计算法对各种类型的待处理图像均能得到准确度更高的估计结果。     

一种鲁棒的彩色地图分割算法

研究了一种按颜色分割彩色地图的新算法。根据人类初级视觉的特性,先大致将图像分割为低频区和高频区,然后进行颜色聚类和区域生长。该方法不需人为指定聚色中心和类数,阈值的选定不对最终分割质量起决定性作用,具有较好的鲁棒性。     

高效聚类索引表图像检索

提出了一种基于主颜色、聚类索引表的彩色图像检索算法。应用MPEG-7视觉内容描述对彩色图像进行量化处理,选取图像的主颜色及其所占百分率作为颜色特征,根据主颜色组合建立聚类索引数据库。利用上述主颜色特征计算图像间的相似度,利用聚类索引表对图像进行聚类和快速检索。实验表明,该算法能够准确和高效地检索出用户所需的彩色图像,具有较快的检索速度。     

基于改进的OTSU算法的视频处理

针对跳水运动视频中的人体运动目标分割问题,提出利用颜色信息进行运动目标检测和分割的算法。首先采用色相和亮度两个彩色分量加强图像中的颜色差异,使用OTSU算法对图像进行阈值分割,同时结合RGB颜色空间启发式肤色聚类,确定运动目标所在的连通区域,从而完成首帧运动目标的自动检测。在后续帧的处理中,以数学形态学方法进行自适应运动区域预测,运用改进的OTSU算法,提高了分割速度。实验表明,本方法有效地克服了复杂背景变化的影响,能够快速实现跳水运动目标的分割,且对运动对象的快速运动有较强的鲁棒性。     

一种基于聚类的彩色图像分色算法

图像分色在纺织和印刷等行业中有着广泛而重要的应用,其目的是用尽量少的颜色采描述一幅彩色图像,使得到的分色图像与原图像尽可能的接近。提出一种基于单遍聚类和K-均值聚类相结合的自适应图像分色算法。该算法首先对原图像颜色进行统计学习,由单遍聚类产生初始调色板,然后根据该调色板对原图像的像素点进行K-均值聚类,产生分色图像。实验结果表明,与单纯K-均值聚类算法相比,该算法能在提高分色图像质量的同时进一步减少颜色数。     

Human Motion Analysis: A Review

Human motion analysis is receiving increasing attention from computer vision researchers. This interest is motivated by a wide spectrum of applications, such as athletic performance analysis, surveillance, man–machine interfaces, content-based image storage and retrieval, and video conferencing. This paper gives an overview of the various tasks involved in motion analysis of the human body. We focus on three major areas related to interpreting human motion: (1) motion analysis involving human body parts, (2) tracking a moving human from a single view or multiple camera perspectives, and (3) recognizing human activities from image sequences. Motion analysis of human body parts involves the low-level segmentation of the human body into segments connected by joints and recovers the 3D structure of the human body using its 2D projections over a sequence of images. Tracking human motion from a single view or multiple perspectives focuses on higher-level processing, in which moving humans are tracked without identifying their body parts. After successfully matching the moving human image from one frame to another in an image sequence, understanding the human movements or activities comes naturally, which leads to our discussion of recognizing human activities.     

人运动的视觉分析综述

目前，人运动的视觉分析是计算机视觉领域中最活跃的研究主题之一，其核心是利用计算机视觉技术从图像序列中检测，跟踪，识别人并对其行为进行理解与描述，它在虚拟现实，视觉监控，感知接口等领域均有着广泛的应用前景，人运动的视觉分析系统一般遵从下述的处理过程：（1）运动检测，（2）运动目标分类，（3）人的跟踪，（4）行为理解与描述，该文将重点从此四个方面回顾人运动分析的发展水平和常用的处理方法，并对研究难点及未来的发展趋势作了较为详细的分析。     

基于深度图像的人体运动姿态跟踪和识别算法

由于人体运动的复杂性,现有基于低质量深度图像的三维立体姿态跟踪和识别 方法的准确性较低、鲁棒性较差。针对低质量深度图像的人体运动姿态和识别问题,本文设 计了一种基于三步搜索算法的人体运动姿态的跟踪和识别方法。该方法首先对获取的深度信 息进行分析,从而判定人体轮廓;然后通过基于深度图像的骨骼跟踪方法跟踪特定骨骼点, 并采用三步搜索算法进行运动估计,跟踪获取人体运动轨迹;最后利用获取的骨骼点坐标实 现人体运动姿态的识别。实验结果表明,该算法克服光照影响的鲁棒性较强,且能有效地提 高人体运动姿态跟踪与识别的准确性。     

基于双目立体视觉的人体运动仿真

为辅助运动员训练,建立一个基于双目立体视觉的人体运动仿真系统。使用无标记的动作捕获算法,获取人体关节点在图像上的像素坐标。根据双目立体视觉的原理,计算出人体关节点的世界坐标,建立三维人体模型。通过求解能量函数的最优问题,优化人体模型,并仿真人体运动。实验结果表明,该系统能够较精确地完成动作捕获及运动仿真。     

基于语义模型的人运动图像跟踪

计算机视觉研究中，为了实施对人运动图像的跟踪，本文提出了基于变化区域的对象刚体标注法和语义模型跟踪法，通过对标注的刚体特征点在空间位移的估算，结合特征点在水平面上投影所形成的特征码来构成刚体的运动语义数学模型，从语义模型来计算特征点的运动位置，从而实现对人运动的跟踪，对于人的复杂运动描述也具有参考价值。     

运动图像序列的人体三维运动骨架重建

在计算机视觉领域 ,人体运动分析的研究具有相当广泛的应用前景 .由于人体运动的复杂性 ,已有的研究方法都对研究对象——人体 ,加上了许多限制条件 .文中提出了一种新的方法来获得各类人体运动的信息 .文中主要论述了该方法中对人体三维运动骨架的重建部分 ,其基本思想是在摄像机定标的基础上 ,应用三维人体模型知识和运动连续性依次建立每个图像的人体运动骨架 .最后给出了实验结果     

符合人类视觉感知的图像对象分割方法

提出一种符合人类视觉感知的图像对象分割方法,包括双尺度的区域分割和基于模型的对象提取。运用非线性尺度算子对图像进行大尺度平滑,结合颜色量化和视觉一致性的颜色聚类完成图像的粗分割。在原尺度上融合区域的纹理、颜色信息对分割区域进行区域合并,并利用对象模型完成图像对象的提取。实验结果表明,该算法的分割结果符合人类视觉感知特性,能够较好地完成图像对象分割。     

计算机视觉与机器学习技术在三维人体动画中的应用综述

近年来计算机视觉与机器学习技术广泛应用于三维人体动画领域中.基于图像/视频的人体运动数据获取技术、数字角色和场景建模、交互式角色动画控制与运动生成等方面都大量应用了计算机视觉技术;同时,机器学习理论在三维人体运动数据重用以及后期智能角色动画创作中扮演了越来越重要的角色,并得到一些很好的研究成果.文中以三维人体动画创作流程为主线对这些方法的基本思想和关键技术进行了归纳与分析,并讨论了三维人体动画制作技术的发展趋势.     

基于视觉的人体运动分析综述

基于视觉的人运动分析越来越受到计算机视觉领域研究者的广泛关注,它成为图像分析、心理学、人工智能等领域的研究热点,在智能视频监控、虚拟现实、用户接口、运动分析等方面有着广泛的应用.从运动目标检测、运动目标分类、人体运动跟踪、人体行为识别与描述四个环节综述了人体运动分析的研究现状,分析了存在的一些问题和未来的研究发展方向.     

基于物理模型的虚拟颜色空间

传统的色度学系统是建立在人类视觉系统的心理物理实验基础上的,共有基于实验的色标系统（如MUNSELL颜色体系）和基于实验的经验公式系统（如CIELAB,CIELUV体系）二类体系。但是,人类颜色视觉系统的色度学体系及相应的颜色测量方法并不适合于机器视觉系统,因为人类色度学体系的颜色空间是非均匀空间,即色度图上两点之间的欧氏距离并不能代表颜色知觉的差异,由于两者存在着非线性关系,为此,提出将现代计算机礼堂中关于环境光照和物体表面的物理模型引入经典的色度学,以建立一套新的基于物理模型的虚拟颜色空间,用于标定不同颜色视觉系统的颜色率。