视线追踪中一种新的由粗及精的瞳孔定位方法

基于图像处理的方法,采用了由粗及精的瞳孔定位思想,提出了一种高精度的瞳孔定位算法。该算法首先利用瞳孔区域的直方图,采用改进的最大类间方差法自适应地分割瞳孔区域,实现粗略定位,然后利用瞳孔灰度的梯度特性来精确定位瞳孔边缘点,最后在像素级瞳孔边缘点的基础上,采用亚像素定位方法,更精确地求得亚像素级瞳孔边缘点,并通过椭圆拟合的方法来精确确定瞳孔的中心位置。另外,针对瞳孔被遮挡的情况,本文提出了一种等距离补偿瞳孔的方法。多次实验结果证明了该算法对遮挡瞳孔的定位有较强的鲁棒性,可以准确地定位瞳孔的位置。      

运动模型引导的自适应核相关目标跟踪方法

针对小型移动机器人对人体目标快速运动或遮挡导致的跟踪准确率降低甚至跟踪失败问题,通过建立足部运动模型预测双脚位置信息,获得核相关滤波(KCF,Kernel Correlation Filter)目标检测区域,再结合输出响应峰值邻域相关检测,提出了运动模型引导的自适应核相关滤波算法.对实际拍摄的七组不同情况下的视频进行了...     

Occlusion Culling Algorithm Using Prefetching and Adaptive Level of Detail Technique

Recent yearsin graphics area many rendering al-gorithms have been developed to support a newset ofdemanding applications.An efficient way to speed uprenderingis to avoid rendering geometry that cannotbe seen from current viewpoint,such as geometryoutside the current viewfrustumand obscured by ge-ometrythat is closer tothe current viewer.The hard-est part of the visibility culling problem is how toavoid rendering geometry whichis obscured by closergeometry.Our approach will focus on this.In thi…     

低渗透油藏的特点及提高采收率的研究

油田在勘探开发的各个环节均可造成低渗透层油层损害,再经过长时间的开发,形成了固定的注采模式和对应关系,最终含水上升,产油量下降。由于油层的非均质性和多层开采,导致油层动用不均,降低了油田的采收率。通过实施调整注采井网、强化注水、封卡等措施,充分挖掘老油田的潜力,达到最终提高采收率的目的。在外在条件变化时,包括钻开油气层、射孔试油,酸化、压裂等,储层不能适应变化情况,就会导致油层渗透率降低,造成油层损害。对低渗透油层特别强调油层保护并不是因为这类油层比高渗透油层更易受污染,而是因为低渗透油层自然渗透能力差,任何轻微的污染伤害都会导致产能的大幅度降低,因此,低渗透油藏的油层保护尤为重要。     

融合视觉显著性再检测的孪生网络无人机目标跟踪算法

针对旋翼飞行器在跟踪过程中目标尺度变化、快速运动、视角变化等问题,本文提出了一种基于MobileNetV2的孪生网络目标跟踪算法,可在无人机机载处理器上实时运行。该算法主要包含目标得分估计模块与目标尺度估计模块两个部分。结合多特征融合的策略,可准确预测出目标位置与目标框IoU,同时以目标框IoU为指导,利用梯度上升法对目标框进行迭代修正,进一步提升预测精度。针对完全遮挡而导致的目标跟丢问题,本文设计了一个基于视觉显著性的目标再检测算法,该算法可实时高效地预测出图像的显著性区域,以指导对目标的再检测,进而恢复跟踪。最后,通过标准无人机跟踪数据集测试与实际无人机跟踪实验,验证了算法的可行性。     

基于概率模型的行人四肢自遮挡的检测

针对人体运动跟踪领域中的自遮挡现象, 提出了一种基于概率模型的行人四肢自遮挡的检测算法. 首先, 该方法定义了基于马尔可夫模型的自遮挡状态概率模型; 其次, 利用椭圆肤色模型, 定义了层次肤色模型; 最后, 通过上述模型, 算法将行人四肢自遮挡状态的识别转换为计算自遮挡状态转换概率的过程. 实验表明, 该方法具有较高的准确性.     

基于遮挡检测和多块位置信息融合的分块目标跟踪算法

目标跟踪无法有效判断目标何时被遮挡以及同时配合模板更新.针对这一问题,文中提出基于遮挡检测和多块位置信息融合的分块目标跟踪算法.首先,将目标区域分成4个子块,结合目标整体,利用遮挡具有从局部开始和方向性的特点,计算各分块间相关值的比值,判断目标是否遮挡及遮挡部位.再根据目标是否遮挡,采用不同的更新方式.最后,根据未被遮挡的各个分块位置信息确定最终目标的位置.在数据集上的实验表明,文中算法可以有效判定目标是否存在遮挡,并提升遮挡情况下的跟踪效果.     

基于遮挡检测和时空上下文信息的目标跟踪算法*

基于时空上下文信息的目标跟踪算法利用目标与背景之间的时空关系,在一定程度上解决静态遮挡问题,但当目标出现较大遮挡或快速运动目标被背景中物体遮挡(动态遮挡)时,仍然会出现跟踪不准确或跟丢的情况.基于此种情况,文中提出基于遮挡检测和时空上下文信息的目标跟踪算法.首先利用首帧图像中压缩后的光照不变颜色特征构造并初始化时空上下文模型.然后利用双向轨迹误差对输入的视频帧进行遮挡情况判断.如果相邻帧间目标区域特征点的双向匹配误差小于给定阈值,说明目标未出现严重遮挡或动态遮挡,可以利用时空上下文模型进行准确跟踪.否则利用文中提出的组合分类器对后续帧进行目标检测,直至重新检测到目标,同时对上下文模型和分类器进行在线更新.在多个视频帧序列上的测试表明,文中算法可以较好地解决复杂场景下较严重的静态遮挡和动态遮挡问题.