基于水平集方法的弱边界运动人体目标跟踪与轮廓提取

针对图像中目标和背景灰度偏差较小、目标边缘轮廓弱的特点,提出了一种快速收敛并具有较强捕获弱边缘能力的水平集曲线演化方法。该方法采用指数函数作为边缘指示函数,运用归一化的Gauss分布函数改进传统的正则化Dirac函数。在目标跟踪过程中,采用卡尔曼滤波获取视频相应帧图像的运动人体目标最小外接矩形框,对外接矩形框内运动人体进行水平集曲线演化,实现对人体目标的跟踪和轮廓提取。分别对可见光下的运动目标和红外运动视频序列进行仿真实验。结果表明,相对于传统方法,其在跟踪速度上有很大的提高,对于红外图像中的弱边界目标及凸凹度较大的区域,也具有快速准确的收敛效果。     

分级特征提取与选择及在自动目标识别系统中的应用

应用于遥感图像、武器制导等的自动目标识别系统中,经常遇到形状相似目标的鉴别问题。为提高其识别的快速性和识别率,提出一种分级的基于形状的目标识别方法。借鉴人类视觉感知方式提取多尺度特征,大尺度下采用全局特征快速粗分类,小尺度下采用局部特征鉴别形状相似目标。然后运用模糊规则对提取的特征进行选择,降低特征维数,加快目标匹配过程。实验结果表明:该方法能快速有效地识别形状相似的目标,特征选择后平均识别率较选择之前提高了6.9%。     

基于多尺度特征的双层隐马尔可夫模型及其在行为识别中的应用

借鉴人类视觉感知所具有的多尺度、多分辨性的特性,针对智能视频监控系统的人体运动行为识别,提出了一种基于多尺度特征的双层隐马尔可夫模型.根据人体行为关键姿态数确定HMM的状态数目,发掘人体运动行为隐藏的多尺度结构间的关系,将运动轨迹和人体姿态边缘小波矩2个不同尺度特征应用于2层HMM,提供更为丰富的行为尺度间的相关信息.分别用Weizmann人体行为数据库和自行拍摄的室内视频,对人体运动行为识别进行仿真实验,结果表明,五状态HMM模型更符合人体运动行为特点,基于多尺度特征的五状态双层隐马尔可夫模型具有较高的识别率.     

一种基于双椭圆模型的视频人数统计方法

一种基于双椭圆模型的视频人数统计方法针对环境和背景较复杂的情况,实现了较密集人群和部分遮档的人流数统计。首先提取运动目标的外形轮廓,将外形拟合成椭圆,再根据先验知识在轮廓椭圆内拟合头部椭圆。如果外形和头部都能成功拟合成椭圆,就能简单确定出一个人体。当人群密集时,先将目标进行分割后,再进行基于双椭圆模型的目标识别。本方法适合镜头的垂直模式、倾抖模式、近景模式、远景模式,能够在鉴别人体与非人体的基础上统计人数。分别对静态图像和视频序列进行了仿真,结果表明,该方法能够准确地进行人数统计。     

基于运动方向的视角无关行为识别方法

针对人体运动方向的随机特性,研究场景中有多台摄像机时视角无关的行为识别方法。利用一台位置固定的摄像机,根据视频序列中运动目标质心空间坐标变化,确定其运动大致方向。根据该方向,选择具有垂直和平行运动轨迹方向视角的相机获得的序列图像,进行行为分析。提取人体运动行为侧像和正像轮廓的关键姿态建立特征库。应用单个相机平行线约束,通过转换因子由图像坐标恢复运动目标关键点的三维坐标,从而确定目标运动方向。建立室内多视角行为视频样本库,实验结果表明,利用该方法识别室内运动行为,能够达到视角无关行为识别的目的。