基于彩色视频图像的运动人体检测方法

在视频图像中进行运动人体检测是许多计算机视觉任务的基础而又关键的研究步骤.其目的在于将运动的人体从视频图像中检测出来,以便进行后续的的诸如智能监控中对人体进行跟踪及行为理解等工作.而彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视.研究了一种直接在彩色环境中基于时空联合的运动人体检测算法,该算法将时域分割与空域分割相联合而得到具有精确边缘的运动人体,并且消除了运动人体的影子.时域分割采用一种基于RGB彩色图像的双阈值分割背景减除法.空域分割采用了基于RGB彩色空间的区域生长法.实验结果表明上述算法能够实时有效地从彩色图像序列中检测出运动人体,消除运动人体的影子,而且最终检测出来的运动人体是彩色的.     

实时运动对象分割和检索算法

提出一套实时视频对象分割检索算法,用运动矢量信息标注运动区域,利用背景检测算法检测对象区域。将检测出的对象区域和运动区域进行并操作运算,得到单帧图像的分割。利用改进的Hausdorff距离跟踪算法进行匹配跟踪和检索。实验表明了该算法的有效性。     

图像序列中运动人体的分割方法的研究

在对现有的运动分割算法的研究基础上结合运动分析方法,对基于图像帧差法构造背景图像进行了深入的分析和研究,提出了一种利用阈值来判定人体信息和背景信息以达到背景减除的新算法来实时地提取出运动的人体,在利用帧差法提取出背景图像后,通过当前帧和背景图像的像素值的对比减除可快速精确地完成对运动人体的分割.在NLPR数据库中进行了实验,结果表明本算法能快速有效地一次提取出多个人体目标,并且失真度比较小.     

SIFT算法在CUDA加速下的实时人物识别与定位

首先采用Directshow技术对视频图像中的运动目标进行差分检测,然后在此基础上对视频图像进行分割和识别,最后实现人体图像及头部图像的识别和定位.视频图像的处理和识别主要采用差分法和SIFT特征的模式匹配来完成人体和头部的识别和定位.经实验验证,SIFT算法在CUDA加速下具有较好的识别速度和准确率,解决了图像识别技术上的一些问题.     

视频运动对象的自动分割

视频运动对象的分割技术在运动视觉检测和新的MPEG-4视频编码标准中十分重要，提出了一种运动对象分割算法，该算法采用序列图像帧间差的高阶统计量(Higher Order Statistics，HOS)假设检验，确定运动对象的位置，自动分离运动区域与背景；根据三帧序列图像中前后帧差图像灰度边缘重合的部分为中间帧运动对象的边缘来有效地解决运动对象前后帧的遮挡问题；采用形态滤波的方法填充分割出的运动对象二值模板中的空洞，消除残余噪声及平滑边缘，分析和实验证明，该算法需要调整的参数少，抗干扰能力强，可以高效率地进行运动对象的自动分割，此外，该算法具有潜在的并行机制，易于实现实时运动图像处理。     

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。     

基于新时空融合的步态轮廓分割算法

从人体步态图像视频序列中,提取完整的人体区域是人体运动步态识别的一个重要环节.提出一种新的人体运动目标分割算法,无需小波反变换.结合背景减除法和帧间差分法所得到的二值结果来进行运动估计,对当前帧图像采用一阶小波变换,利用高阶线性插值算法将小波变换的LL分量扩展与当前帧图像同样的大小,采用分水岭分割算法把扩展后的LL分量图像分割成许多封闭而不重叠的小区域(空域分割),进行时空融合.可以在NLPR步态数据库中进行实验,结果表明,算法能够精确地识别完整的人体区域,拥有良好的抗噪性和适应性,进一步提高识别率.     

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。     

摄像机运动的视频图像分割

通常所研究的视频图像序列是由摄像机对真实场景的拍摄形成的.在拍摄过程中摄像器件会发生缩放、旋转、平移等运动,当视频中的分割目标也在运动时,就会导致运动目标在图像上造成的变化与背景本身的变化混淆在一起,很难区分出哪个是前景,哪个是背景.在这种情况下如何精确地实时分割出运动目标成为研究的重点.采用时空联合的分割方法,先对视频图像进行空域单帧分割,采用形态学重建对图像进行处理,通过分水岭算法,得到精确的分割效果;根据图像序列间的运动信息,采用背景运动估计和补偿技术,以6参数仿射模型为运动模型,通过超松弛迭代获得仿射模型参数,取得了较准确的运动估计结果.通过全局运动补偿,对当前帧与补偿帧进行差分运算显露出局部运动区域.在此基础上对已有的分割结果进行区域合并,分割出运动目标.实验证明,本算法能准确实时地分割出运动目标.     

一种快速的基于对称差分的视频分割算法

基于MPEG—4的图像压缩编码，为了高效率分割，实现低码率实时压缩，提出一种快速的基于对称差分的视频分割算法．对图像序列中每连续三帧图像进行对称差分，检测出目标的运动范围．同时利用上一帧分割出来的模板对检测出来的目标运动范围进行修正，最后通过模板填充把修正后的运动目标模板快速地提取出来，实现视频分割．     

图像分割研究进展

至今提出的分割算法有上千种,而新的算法还在不断被提出。从图像分割实际应用的角度,或者从图像分割中使用的特定的理论工具的角度,可以对图像分割进行分类。Otsu算法、基于聚类的图像分割方法、运动分割、基于图论的图像分割方法和基于活动轮廓的图像分割方法是图像分割的主要研究领域,自然计算算法已成为图像分割新的研究热点。     

基于自适应SLIC的人体标准姿势图像分割

为了提高在复杂背景下人体图像分割的精度,提出了一种新的人体图像分割算法.该算法针对简单线性迭代算法（SLIC）在进行超像素块分割时需指定像素块个数的问题,借鉴CV能量模型,通过将图片极小化为多个区域进行水平集迭代分割,从而构造出自适应的超像素块,使得分割后的每个超像素块更贴合图像中的单个色块.然后结合人体平均模板,在图片上标记出感兴趣的人体标准姿势区域,提高了算法对复杂背景的抗干扰能力.最后利用k-means聚类算法将每个超像素块作为节点进行聚类,实现标准人体图像分割.在不同环境下采集多组图片进行实验,结果表明：该算法在保证了图像分割效率的情况下,提高了人体标准姿势的分割精度,对色度丰富的复杂背景抗干扰能力强.     

基于标签传递的人像分割

人像分割技术在人脸识别、3D人体重建及运动捕捉等实际应用中具有重要的作用,其可靠性直接影响后续处理的效果。本文以标签传递理论的目标分割算法为基础,提出了一种优化的人像分割算法。首先,引入模糊集理论,提高复杂背景图像分割的能力;然后,使用超像素过分割进行预处理,利用过分割结果优化相似度定义提高分割轮廓的平滑性和可靠性。实验结果表明,与原有标签传递算法相比,本文提出的算法可以保持较高的分割轮廓平滑度且具有更高的分割精度。     

一种改进型脉冲耦合神经网络及其图像分割

文章结合人类视觉系统(HVS)对图像各个区域敏感度不同这一特性,对通常的脉冲耦合神经网络模型(PC-NN--PulseCoupledNeuralNetwork)进行了改进,分析了改进模型的特性及其参数优化原理,提出了一种基于这种改进PCNN的图像分割算法。该算法可根据像素周边区域的灰度梯度大小发放不同值的脉冲,从而自适应地将图像分为多个不同等级的高低信息区域,较好地仿真了人类视觉系统特性。并将该算法应用于图像压缩,在压缩比和重建图像主观视觉感知质量上均达到了较好的性能。     

基于小波神经网络的脑图像分割研究

随着影像学的发展,医学影像设备极大地提高了人类获取自身信息的能力,推动了现代医学的发展.为了更好地获得脑部图像的信息,对脑部图像进行分割研究.首先介绍了脑图像的分割研究背景,然后详细研究了脑图像的分割方法.在分割算法中,给出了脑图像预处理模型,然后通过将小波理论和神经网路相结合提出一种脑部图像分割算法,并将将该算法在脑部图像处理中实现.脑图像分割实验表明算法能够有效地对图像进行分割.实验评估结果显示算法对于脑图像的分割足高效的.     

数字视频监控系统中实时运动检测系统的研究

在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能。采用两个进程分别实现视频图像的捕获和运动检测,命名管道作为两个进程之间数据通信的桥梁。提出了一种基于帧差交集快速视频分割法、阈值面积算法结合数学形态学运算提取运动目标区域的数字图像处理算法,然后再进行运动目标的跟踪定位,实现实时运动检测。     

基于两级阈值算法在图像分割中应用研究

在图像分割提高精度问题的研究中,要从图像中提取感兴趣的区域。由于图像模糊或者蜕化图像背景信息融合在一起,导致难以区分,传统的阈值图像分割算法容易造成分割效果不清晰。为解决上述问题,提出了一种新的快速有效的两级阈值结构图像分割算法,采用用迭代算法对图像进行单一阈值分割,在每次迭代过程中以图像均值为依据,对图像进行均衡化处理;在基于全局分割的基础上,在局部范围内根据噪声的统计特性对图像进行去噪处理。仿真结果表明,提出的两级阈值分割算法能快速有效地分割图像,不仅可以得到了比较高的分割精度,还大大减少了计算量,一定程度上能够改善图片分割的效率和质量。     

区域活动模型彩色图像分割研究

在图像分割优化问题的研究中,在图像提取识别感兴趣的目标中存在噪声和重叠,造成质量不高。传统的区域活动图像分割需要将能量泛函转换为封闭曲线,造成了算法复杂度高,图像分割边缘信息容易丢失,质量效果差。为解决上述问题,提出了一种新的遗传算法优化区域活动轮廓模型图像分割算法。根据区域的活动模型中融入了含有梯度方向指示性信息的边缘停止函数,使曲线在非期望边缘处加速演化,然后采用遗传算法交叉,变异操作优化图像区域活动模型参数。仿真结果表明,提出的改进的方法可以有效的对图像进行分割,大大的提高了图像分割的精确度和效率,改善图像分割的质量。     

基于小区域增长的MDCT图像分割

提出了一种基于小区域增长的分割算法对人体肝脏的MDCT医学图像进行分割。先把三维人体肝脏的MDCT图像变成一系列二维图像;再对每个二维图像分配多个种子点,从每个种子点出发进行小区域增长;最后,把每个二维图像分割的结果整合成三维肝脏图像。实验结果表明了该算法的准确性和可行性。     

基于逆运动学的人体步态特征提取

近年来,人体运动分析成为了计算机视觉和图像处理技术中的一个最活跃的研究课题。其研究在虚拟现实、智能监视系统、高级用户接口、运动分析和基于模型的图像编码等方面具有广阔的应用前景。该文提出了一种基于逆运动学的方法来提取人体步态特征的运动分析方法,对于每个图像序列,先采用背景减除算法检测行人的运动轮廓,然后根据人体运动的特点,寻找每帧图像中人体踝关节的位置,通过得到的踝关节位置使用逆运动学的方法来预测其他关节点位置,通过实验发现,这种方法在提取步态特征中取得了很好的效果。