基于几何参数的步态识别研究

针对人体行走时在空间呈现出的不同几何模式,介绍了一种基于几何参数的步态识别方法,利用Gabor滤波器在不同角度上的滤波特性,对步态图像滤波的基础上,通过扫描二值图像提取人体的步态几何特征：两脚间的宽度、两腿与人体垂直中线的夹角以及两腿交叉点的坐标;步态的分类采用改进后的动态时间扭曲（DTW）方法进行动态模板匹配,基于CASIA步态库的测试表明,该方法的分类准确率达90％。实验结果表明,基于几何参数的步态识别,可以有效地区分不同的运动主体。     

一种改善超分辨率图像重建中边缘质量的方法

超分辨率图像重建技术指通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像来重建一幅高质量高分辨率图像. 凸集投影 (POCS) 算法是一种广泛使用的超分辨率图像重建方法. 本文提出了一种适用于 POCS 算法的改善高分辨率重建图像边缘质量的方法. 该方法将中心在边缘像素的点扩散函数 (PSF) 与一个指数型权值函数相乘, 使得修改的 PSF 系数沿着边缘正交的方向减小. 实验结果表明, 这样的修改有效地保持了边缘的特性, 明显地提高了重建图像的质量     

数字视频图像质量的客观评测

讲述了数字视频图像质量评测方法的主要分类,从简单到复杂,详细介绍了几种质量评测模型:简单的评测模型RMSE,SNR,PSNR,基于人眼感知系统的误差灵敏度模型和结构失真评测模型,最后展望了评测模型的发展趋势.     

基于Zernike矩的人体行为识别

为了保证特征提取的有效性,更完备地描述人体行为序列,提出了一种基于Zernike矩的人体行为识别方法.该方法利用规范化的运动历史图像(MHI)进行图像序列的表示,从中提取出基于Zernike矩的统计描述作为特征向量进行识别.同时,提出了一种利用图像的重建过程确定分类时采用的Zernike矩的最高阶次的算法.实验中,对8类不同的人体行为进行了测试.应用Zernike矩特征的分类精度高于用规则矩和Hu矩作为特征的方法,证明了基于Zernike矩的人体行为识别方法的有效性.     

人群分裂后的人体运动跟踪

提出的算法将人体的运动状态和人体的颜色特征二者组合使用,既能在人体不出现遮挡时保持算法的快速性,又能在发生人体相互遮挡后还能正确地跟踪人体运动。     

分布式视觉监控系统的研究

提出了一个基于视觉的分布式监控系统。该系统通过将多个摄像机单元组织成一个局域网来监视多个特定的区域,实时获取并处理彩色图像序列。当有特定的异常物体如行人、车辆等进入监视区域后能够向用户发出警报,而且能够将从多个摄像机单元获取的数据进行融合得到一个一致的决定。每个摄像机单元利用基于高斯混合模型的背景减除法对异常物体进行检测,并用卡尔曼滤波器进行跟踪。系统在实验室的局域网内进行了实验,显示了良好的性能。     

数字视频图像质量的客观评测

讲述了数字视频图像质量评测方法的主要分类，从简单到复杂，详细介绍了几种质量评测模型，简单的评测模型RMSE、SNR、PSNR，基于人眼感知系统的误差灵敏度模型和结构失真评测模型，最后展望了评测模型的发展趋势。     

公路视觉导航中基于卡尔曼滤波器的3D运动参数估计

本文通过对室外行驶车辆上的CCD摄像机所采集的长序列立体图像的处理与分析 ,研究基于卡尔曼滤波器的三维 (3D)运动参数估计方法 ,以实现公路视觉导航中车道线的自动检测与跟踪。本文还阐述了一种扩展的卡尔曼滤波算法     

身份识别中步态特征的提取

阐述了2种简单有效的基于步态的身份识别方法——基于模型的方法和非基于模型的方法.基于模型的方法利用人体的骨骼化模型,首先对输入的图像序列自动进行背景初始化;然后分割图像中运动人体的侧面影像,并进一步细化为人体的骨骼化模型;接着从模型中提取人体的静态参数以及动态参数作为特征.非基于模型的方法计算图像间的光流场,从光流场中进一步提取可识别特征.将2种方法应用于室内拍摄的视频,实验结果表明,通过提取可靠的步态特征,降低了数据处理的代价,而且得到了较好的识别性能.     

一种新的步态特征提取方法的研究

提出一种新的步态特征提取方法,首先利用坎尼算子提取前端腿部的边缘线,并对底部可能产生的误差点进行剔除;接着计算每两帧之间腿部边缘线每个像素点前进的位移,作为原始步态特征;然后,对步态特征进行远近归一化处理,消除被拍摄对象与拍摄镜头之间因距离不同所产生的影响;最后运用主成分分析,将特征空间维度由60维降到3～4维。在识别阶段,用归一化欧式距离计算样本之间的相似程度。提出的这种新的步态特征提取算法在3个人每人4个序列的小样本纯数据库上用最近标本分类器验证所提算法的性能,正确分类率为83.33%;在5个人每人4个序列的小样本混合数据库上,正确分类率为55%。