基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

基于因果网络分析的小规模人群行为识别

人群行为识别是计算机视觉领域的重要研究课题,针对小规模松散人群兼具微观层面与宏观层面行为特征这一特点,提出了一种基于因果网络分析的小规模人群行为识别方法。先将各行人目标看成网络的节点,利用协方差跟踪获得目标的运动轨迹,并利用Granger因果关系检验来评估目标之间的相互作用,并用此因果关系来构建成对因果网络和成组因果网络,计算复杂网络的平均路径长度,介数,聚类系数等参数特性,以表达和识别聚集、聊天、分离、徘徊、相遇及同行等6种人群行为,实验结果表明,提出的算法能够有效的表达和识别人群行为。     

决定行人行为和拥挤灾难的简单规律

随着聚众事件的规模和发生次数的增加,对拥挤灾难的研究及人群流动的模拟成为重要的研究领域.但是,即使那些成功的模型方法(如由牛顿力模型发展起来的方法),仍不能符合观察的结果.由法国、瑞士和英国的科学家组成的研究组提出一种认知科学的方法,这种方法是建立在行为探索法的基础上的.他们认为行人根据视觉获得的信息,也就是根据行人与眼     

基于立体视觉及蛇模型的行人轮廓提取及其识别

从复杂、动态多变的交通图像中准确提取障碍物的轮廓曲线是智能汽车的一个重要研究课题,它对行人保护起着十分重要的作用。Snake模型是用来自动提取物体边界的曲线模型。结合立体视觉技术和Snake模型以实现行人检测:运用基于稠密视差的立体分割方法查找并分割潜在行人目标区域,为了便于后期目标轮廓提取,基于边缘检索的立体匹配算法被进一步用于提取感趣区(ROIs)内的目标初始边界;在此基础上,用Snake模型提取目标的完整轮廓曲线;轮廓因子及目标高程被用于ROIs的验证,即行人识别。针对Snake模型易受噪声干扰及难以收敛到凹陷边界等缺陷,提出了改进的距离势能模型。以典型交通场景为分析对象,对所提出的方法进行了测试,得到了较为理想的结果。     

基于时间序列模型的粒子滤波行人跟踪算法研究

针对行人运动的随机性导致运动状态模型适应性差和人在行走过程中可能发生短时全部或局部遮挡导致行人跟踪算法精度较低的问题,提出基于时间序列模型的粒子滤波行人跟踪算法。建立了行人运动时间序列模型;给出了基于对视频序列初始帧的检测,确定行人的位置、宽高等作为跟踪先验信息的方法;由先验信息计算加权颜色直方图构建初始粒子群分布,并利用时间序列运动模型预测粒子在下一时刻的状态分布,并更新粒子权值;根据有效粒子的个数判断是否进行重采样;最后由所有粒子的加权和估计行人的运动状态。仿真实验表明：文中提出根据行人的运动轨迹时间序列运动模型可使行人的状态估计更准确,预测误差进一步减小,预测精度得到了提高。     

基于序列图像的运动目标实时检测方法

运动目标检测是当前进行图像分析和理解以及在计算机视觉领域研究的热点,它被广泛地应用于靶场测量、目标监视、视频压缩、车辆跟踪和航空航天等领域。在参考大量文献资料的基础上,系统研究了近年来国内外已经比较成熟的一些算法,并把它们分成了7类。     

结合目标检测的多尺度相关滤波视觉跟踪算法

为满足视觉跟踪算法对跟踪精度与跟踪速度的要求,提出一种结合目标检测的多尺度相关滤波视觉跟踪算法。所提算法基于深度学习的目标检测算法找出图像中目标的位置和尺寸,利用相关滤波算法对所给出的目标特征进行视觉跟踪,并在多个尺度中搜索最优响应;当检测到相关滤波响应值异常时,停止对模型更新;当连续数帧响应值异常时,则在全图范围内搜索目标位置和尺寸。所提算法通过对跟踪状态进行评估和模型更新率自适应调整,解决了传统相关滤波类算法跟踪误差随时间积累的问题,且具有较大的跟踪速度和较高的精度。结果表明:在Matlab平台下,所提算法的平均定位精度为0.593,平均交叠率精度为0.784,帧率为65.3 frame/s。     

一种多尺度相似性学习的目标跟踪算法研究

基于深度学习的目标跟踪算法由于其良好的性能已经成为目标跟踪领域的主流算法之一.其核心思想是进行前后帧的相似性学习从而完成模板帧与搜索帧的匹配.其中,相似性学习是影响跟踪算法性能的关键一环.以孪生网络的相似性学习为切入点,对现有的深度互相关(DW-XCorr)的相似性学习方式进行改进,提出了一种多尺度相似性学习的目标跟踪...     

单目标跟踪研究综述

单目标跟踪作为一项关键的计算机视觉任务在工业与军工领域具有重要作用,从以图像特征为核心的传统方法发展到以网络结构设计为中心的深度学习方法,展现出了较大的研究价值。对单目标跟踪的发展过程进行了总结:首先介绍了一些主流的数据集;接着将以速度为优势的相关滤波方法和以精度高为特色的深度学习类方法作为主要脉络,对其中一些基准方法与高性能方法的设计思路进行了研究分析;最后对各种结构的方法进行了总结,并对今后的研究趋势作出展望。     

基于脏脸博弈模型的人车路口穿越行为研究

行人与车辆在穿越无信号路口时的行为冲突尤其具有危险性, 行人和机动车不仅具有运动特征, 更具有行为特征, 因此需要从社会学层面对人车路口穿越问题进行建模. 通过对无信号路口处人车干扰机理的深入剖析, 提出基于脏脸博弈模型研究人车“理性人”的行为特征以及交互行为背后的微观机理, 分析了人车穿越路口时共同知识的形成过程、人车双方优势策略的产生机理和人车脏脸博弈的动力学过程. 理论推导了人、车收益的数学期望和发生人车冲突的概率. 分析结果表明: 行人穿越的理论时间和机动车穿越的理论时间越接近, 人车越容易发生冲突. 同时, 进一步分析了不同车型、不同行人等待时间和个体认知能力异质性对人车冲突概率的影响.     

Pedestrian detection from thermal images: A sparse representation based approach

Pedestrian detection, a key technology in computer vision, plays a paramount role in the applications of advanced driver assistant systems (ADASs) and autonomous vehicles. The objective of pedestrian detection is to identify and locate people in a dynamic environment so that accidents can be avoided. With significant variations introduced by illumination, occlusion, articulated pose, and complex background, pedestrian detection is a challenging task for visual perception. Different from visible images, thermal images are captured and presented with intensity maps based objects’ emissivity, and thus have an enhanced spectral range to make human beings perceptible from the cool background. In this study, a sparse representation based approach is proposed for pedestrian detection from thermal images. We first adopted the histogram of sparse code to represent image features and then detect pedestrian with the extracted features in an unimodal and a multimodal framework respectively. In the unimodal framework, two types of dictionaries, i.e. joint dictionary and individual dictionary, are built by learning from prepared training samples. In the multimodal framework, a weighted fusion scheme is proposed to further highlight the contributions from features with higher separability. To validate the proposed approach, experiments were conducted to compare with three widely used features: Haar wavelets (HWs), histogram of oriented gradients (HOG), and histogram of phase congruency (HPC) as well as two classification methods, i.e. AdaBoost and support vector machine (SVM). Experimental results on a publicly available data set demonstrate the superiority of the proposed approach.     

目标跟踪中目标模型更新问题的半监督学习算法研究

本文针对长期稳定的目标跟踪中的目标形变、尺度缩放、旋转等问题, 提出一种步步为营的反馈式学习方法, 该方法通过正、负约束实现对于目标模型和分类器的判别能力和容错能力提高的同时, 使更新带来的误差尽量小, 并证明了其收敛性. 通过实验表明, 对于同一种跟踪算法使用本文提出的目标更新方法进行更新学习的比不更新学习的跟踪效果要稳定得多, 对于目标的尺度变化、形变、旋转、视角变化、模糊等都有较好的适应性, 并通过与现有的较流行的方法进行比较, 本文方法鲁棒性较好, 有很高的研究和应用价值.     

基于CiteSpace的内表面缺陷检测研究进展与趋势

为分析内表面缺陷检测的发展历程、趋势和研究动态，通过对WoS和CNKI数据库中该领域相关文献的检索，共搜集相关文献英文4 708篇，中文818篇，利用可视化分析软件CiteSpace对文献数据开展共现分析、聚类分析等知识图谱研究，分析内表面缺陷检测领域在国家、机构及研究人员层面的分布现状及合作情况，梳理研究热点和前沿趋势。研究发现内表面缺陷检测研究具有明显的多学科交叉属性，主要涉及分析化学、材料科学、光谱学、仪器仪表、机械工程和计算机等学科。近几年WoS数据库相关主题收录文献年增长率超过10%, CNKI年增长率超过20%,中美两国为本领域研究最为活跃的国家，两国发文量约占总发文量的40%,中国学者在无损检测、图像处理等领域的研究明显落后于国外学者，但在机器视觉和深度学习领域实现赶超。按照研究路线可将相关研究分为基于声光电热磁的检测和基于视觉成像的检测两类，其中前者包括采用不同技术手段获取光谱、超声和电磁图像并借助图像处理技术实现缺陷检测，而后者主要基于视觉图像进行缺陷识别和分类，目前已成为该领域主要的研究热点。内表面缺陷检测发展历程分为缺陷识别、缺陷分类、缺陷分析三个阶段，2000年...     

A deep learning ball tracking system in soccer videos

Increasing interest, enthusiasm of sport lovers, and economics involved offer high importance to sports video recording and analysis. Being crucial for decision making, ball detection and tracking in soccer has become a challenging research area. This paper presents a novel deep learning approach for 2D ball detection and tracking (DLBT) in soccer videos posing various challenges. A new 2-stage buffer median filtering background modelling is used for moving objects blob detection. A deep learning approach for classification of an image patch into three classes, i.e. ball, player, and background is initially proposed. Probabilistic bounding box overlapping technique is proposed further for robust ball track validation. Novel full and boundary grid concepts resume tracking in ball_track_lost and ball_out_of_frame situations. DLBT does not require human intervention to identify ball from the initial frames unlike the most published algorithms. DLBT yields extraordinary accurate and robust tracking results compared to the other contemporary 2D trackers even in presence of various challenges including very small ball size and fast movements.     

A robust negative obstacle detection method using seed-growing and dynamic programming for visually-impaired/blind persons

Though a significant amount of work has been done on detecting obstacles, not much attention has been given to the detection of drop offs, e.g., sidewalk curbs, downward stairs, and other hazards. In this paper, we propose algorithms for detecting negative obstacles in an urban setting using stereo vision and two-stage dynamic programming (TSDP) technique. We are developing computer vision algorithms for sensing important terrain features as an aid to blind navigation, which interpret visual information obtained from images collected by cameras mounted on camera legs nearly as high as young person. This paper focuses specifically on a novel computer vision algorithm for detecting negative obstacles (i.e. anything below the level of the ground, such as holes and drop-offs), which are important and ubiquitous features on and near sidewalks and other walkways. The proposed algorithm is compared to other algorithms such as belief propagation and random growing correspondence seeds (GCS). According to the results, the proposed method achieves higher speed, more accurate disparity map and lower RMS errors. The speed of the proposed algorithm is about 28% higher than the random GCS algorithm. We demonstrate experimental results on typical sidewalk scenes to show the effectiveness of the proposed method.     

基于OPENCV的手势识别系统的设计与实现

人与计算机的交互技术是一种新型的计算机技术,且逐渐演变为一种主流技术和计算机领域的技术热点。为了能够更好的识别手势和跟踪手势的运动轨迹,提出了基于OPENCV的手势识别系统,系统引入了OPENCV计算机视觉库,OPENCV作为优秀的计算机视觉库,为设计的实现提供了便捷的代码,利用OPENCV技术中的图像处理算法,首现通过摄像头采集数据图像,并对采集到的图像进行一系列的缩放,去噪以及锐化等处理,然后对人体手势建立肤色模型,然后经过灰度阈值化来转换成二值图像,得到手轮廓的数据图像后,采用轮廓匹配方法识别出手型。最后通过10种基本的手势模型对比验证了本系统具有一定的实时性,并且识别率可以达到95%以上。     

遮挡情况下目标跟踪算法综述

目标跟踪是机器视觉的核心问题之一。由于被跟踪目标本身特征的多样性,所处环境的复杂性,使得目标跟踪成为一个极富挑战性的课题。特别是跟踪过程中出现的遮挡问题,一直是目标跟踪中的难点。如何有效处理遮挡,尤其是严重遮挡和全部遮挡,成为限制目标跟踪算法鲁棒性的关键因素。本文对国内外现有的遮挡情况下的目标跟踪算法进行了总结和分类,阐述了各种算法的基本思想,简要介绍了其代表性的算法,指出了算法的适用场合,分析了算法的优缺点。文章最后对遮挡情况下的目标跟踪做了必要的讨论。     

复杂背景下目标检测的级联分类器算法研究

目标检测与跟踪一直是图像处理与计算机视觉领域的热门研究方向之一,其对军事上的成像制导、跟踪军事目标等以及民事方面的安防监控、智能人机交互等方面均有着重要的研究价值.将特征匹配问题看成是一种更普遍的二分类问题,将这种难解的高维计算变成二分类问题,使计算复杂度大大减小,这类方法以大数定律和贝叶斯法则为理论依据,本文提出一种非树形结构的分类器,并从理论上推导出其实现公式,将1bitBP特征应用到分类器中,同时采用计算量由小到大的三个分类器进行级联从而实现鲁棒精确的目标检测.从实验结果来看,本文算法能够对目标的尺度变化、旋转、部分遮挡、形变、模糊、背景变化等复杂情况有较好鲁棒性,并且检测精度相对较高,而本文算法的计算复杂度低、计算量小,有较高的应用价值.     

Detection and tracking of targets in infrared images using Bayesian techniques

Simple yet robust techniques for detecting targets in infrared (IR) images are an important component of automatic target recognition (ATR) systems. In our previous works, we have developed IR target detection and tracking algorithms based on image correlation and intensity. In this paper, we discuss these algorithms, their performances and problems associated with them and then propose novel algorithms to alleviate these problems. Our proposed target detection and tracking algorithms are based on frequency domain correlation and Bayesian probabilistic techniques, respectively. The proposed algorithms are found to be suitable for real-time detection and tracking of static or moving targets, while accommodating for detrimental affects posed by the clutter and background noise. Finally, limitations of all these algorithms are discussed.