一种基于压缩感知的在线学习跟踪算法

实现稳健的目标跟踪,建立有效的目标在线模型至关重要。针对现有在线学习跟踪算法缺乏对目标观测信息是否有效的判断,提出了一种简单且高效的解决方法。利用正负样本构建目标在线模型,基于压缩感知理论从多尺度图像特征空间提取特征信息完成目标表征之后,由随机蕨分类器进行分类并通过一种特征置信度度量策略来确定在线更新速率,最后由目标在线模型判断输出置信度最高的样本,此外还建立了一种遮挡反馈机制来决定是否更新目标在线模型。实验结果表明,该方法在目标被长时间遮挡、光照变化等情况下均能完成稳健跟踪,在320 pixel×240 pixel大小的视频序列中处理速度保持在30~50 frame/s左右,可以满足实时应用的需求。     

基于深度图像利用随机森林实现遮挡检测

提出了一种新颖的利用随机森林检测深度图像中遮挡现象的方法。该方法从一幅深度图像中提取每个像素点的遮挡相关特征,利用随机森林分类器检测每个像素点是否为遮挡边界点,得到图像中的遮挡边界。主要贡献在于:提出了一种新的遮挡相关特征深度值离散度特征,同时引入高斯曲率特征,并将它们与现有特征相结合来检测遮挡边界;以特征重要性和特征提取时间为衡量标准,对深度图像中的各遮挡相关特征进行了分析评估,在此基础上,选取平均深度差、最大深度差、平均曲率、高斯曲率和深度值离散度5种特征用于设计遮挡检测分类器;一种新的遮挡检测方法,利用随机森林解决深度图像的遮挡检测问题。实验结果表明,同已有方法相比,所提方法具有较高的准确性和较好的通用性。     

一种实时检测遮挡阴影的算法

监控系统中,观测视场被遮挡,会导致显示的图像中存在遮挡阴影,影响对图像的进一步分析和处理.针对该问题,提出了一种实时检测遮挡阴影的算法.该算法基于图像序列的帧间运动特性对图像进行分区处理;利用图像子区域的灰度均值进行帧间预测,用来判断图像序列中被遮挡图像帧和可能的遮挡阴影区域;利用空域滤波器剔除误检区域,确定阴影区域.该算法实时性好,易于工程实现.     

利用谱聚类实现深度图像遮挡边界检测

针对视觉目标中存在的遮挡现象,提出一种基于谱聚类实现深度图像遮挡边界检测的方法。首先定义一种新的遮挡相关特征——有效标准差特征,基于相关特征利用均卡方集距抽取部分像素点,构建相似矩阵;然后基于相似矩阵利用Nystrom逼近方法近似估算全部像素点的拉普拉斯矩阵与逼近特征向量,对得到的逼近特征向量进行聚类分析,把深度图像中的全部像素点划分为遮挡边界点和非遮挡边界点两大类;最后可视化遮挡边界点得到深度图像中的遮挡边界。实验结果表明,本文方法无需标记样本,且在深度图像中目标物体的遮挡边界检测方面具有较好的有效性和普适性。     

基于灰度信息的动场景视频序列中运动对象的提取

提出了一种基于视频序列灰度信息的运动对象提取方法。该方法采用改进的Sobel算子提取边缘图像,依据边缘信息将视频图像分割为不同的灰度连续区域。在各灰度连续区域中,选取特征点进行匹配获得特征点对。根据特征点对合并灰度连续区域,获得全局运动参数。采用具有自适应帧间隔的帧差交集法,获得图像中运动对象区域。结合灰度信息和运动信息,分割出运动对象。实验结果表明,该算法可以有效地将运动对象从视频序列中提取出来。     

水下结构状态观测中的悬浮杂质遮挡消除方法

水下结构状态视觉检测过程中，观测相机镜头易受到水体中枯叶、藻类等悬浮杂质遮挡，导致水下结构表观影像信息丢失，影响检测效果。针对该问题，利用水下视频序列中的帧内空间信息与帧间运动信息，提出一种悬浮杂质遮挡消除方法。根据相邻帧间的光流场分布信息，提出位移补偿策略，消除相机移动导致的帧间背景偏移；结合悬浮杂质成像特性，建立动态视觉感知模型，在对齐后的相邻帧基础上，实现不同形态悬浮杂质的准确检测；构建一种混合引导修复模型，确立帧间最优互补信息，还原悬浮杂质遮挡区域。在构建的真实与合成数据集上的测试结果表明，本文方法能够准确检测并消除悬浮杂质的遮挡，处理后的图像质量在多项指标上均得到明显提升。     

基于局部光流约束的角点匹配算法

提出了一种基于局部光流约束的角点匹配算法。首先采用Harris算子获得当前帧和参考帧的角点,然后以角点的光流特征作为约束条件,根据两帧图像角点集的坐标分布,排除异常角点,完成角点的精确匹配,实现图像之间的高精度运动估计。通过对视频序列进行实验,采用差图法可主观地发现该运动估计算法的有效性;以峰值信噪比作为评价指标,发现原始视频序列的帧间峰值信噪比明显低于仿射视频序列的帧间峰值信噪比。前者的平均值为22.8072,后者的平均值为33.3854,从而客观地说明了该算法的有效性和稳定性。     

一种基于分级分块处理的背景估计算法

视频序列中连续两帧纯背景图像的帧间差服从高斯分布.利用高斯随机变量的峰态和偏态系数的有关性质构造了一种背景子块与目标子块的分块检测算法,并将多分辨率分析的思想引入其中.对帧差图像进行分级分块处理,构造并完善了分级分块背景重建算法,完成了相应的计算机仿真实验.实验结果表明,该算法能快速、有效的获得背景图像.     

融合多特征基于图割实现视频遮挡区域检测

为了准确检测视频中的遮挡区域,提出一种融合多特征基于图割的视频遮挡区域检测方法。基于光流和亮度信息提出三种新的遮挡相关特征—亮度块匹配特征、最大光流差特征和光流残差特征,并定义了所提特征的计算方法。以像素点为单位将所提特征组成特征向量输入随机森林分类器,获取像素点及邻接像素点对的遮挡相关信息。综合利用所获取的遮挡相关信息,通过构造遮挡检测能量函数将遮挡检测问题转化为优化问题。根据该能量函数构造无向图,并基于图割理论对能量函数进行求解,从而得到最终的遮挡区域检测结果。实验结果表明,同现有表现较好的遮挡检测方法相比,所提方法具有较高的准确性和较好的实时性。     

列图像中遮挡缺损图像补偿算法

针对动态图像的遮挡缺损问题,提出了基于图像块的帧间预测算法,可以检测出序列图像中的遮挡缺损区域;利用帧间灰度相关性修正补偿算法进行遮挡缺损区域补偿,利用修正的像元对缺损区域进行补偿能够克服传统插值补偿算法补偿痕迹明显的缺点.仿真结果表明:该算法补偿处理区域与邻域灰度过渡平滑,消除了补偿痕迹,补偿效果比较理想.     

基于调制度层析的在线三维测量方法

调制度反映相位展开可靠性的程度,与物体本身灰度和形状有着紧密的关系,因此可作为测量的特征标记。提出了一种采用调制度层析实现在线三维测量的方法。通过投影一固定的正弦条纹到待测运动物体上,借助物体运动可产生等效的相移变形条纹。利用基于傅里叶变换轮廓术调制度模型计算各帧等效的相移变形条纹的调制度,并采用层析方法从各帧调制度分离出反映待测物体的调制度层析特征,以该层析信息作为特征模板,实现像素匹配,从而获取各帧具有一致像素坐标的等效相移变形条纹,实现在线移动物体的三维面形测量。实验证明了该方法的可行性和实用性。     

基于多帧参考的整帧丢失错误掩盖算法

为了解决视频传输中整帧图像丢失的误差扩散问题,提出了一种基于多参考帧运动矢量外推的整帧丢失错误掩盖算法.通过对多个参考帧的运动矢量外推得到丢失块的候选运动矢量集|采用多参考帧边界匹配准则进行丢失帧和其后续帧的误差估计,并选择丢失块的最优运动矢量|最后采用自适应的重叠块运动补偿方法重建丢失帧.实验结果表明,该算法在恢复整帧图像的同时,有效地降低了视频序列中整帧图像丢失的误差扩散影响,与已有算法比较,该算法恢复的视频序列平均峰值信噪比提高了0.5~1 dB,具有更好的错误掩盖效果.     

基于多帧参考的整帧丢失错误掩盖算法

为了解决视频传输中整帧图像丢失的误差扩散问题,提出了一种基于多参考帧运动矢量外推的整帧丢失错误掩盖算法.通过对多个参考帧的运动矢量外推得到丢失块的候选运动矢量集;采用多参考帧边界匹配准则进行丢失帧和其后续帧的误差估计,并选择丢失块的最优运动矢量;最后采用自适应的重叠块运动补偿方法重建丢失帧.实验结果表明,该算法在恢复整帧图像的同时,有效地降低了视频序列中整帧图像丢失的误差扩散影响,与已有算法比较,该算法恢复的视频序列平均峰值信噪比提高了0.5～1dB,具有更好的错误掩盖效果.     

基于时空非局部相似性的海上红外弱小目标检测

为了消除海上红外弱小目标检测中图像背景杂波和噪声的影响,提出了一种基于时空非局部相似性的红外图像弱小目标检测方法.该方法充分利用了相邻帧的红外图像序列间海面背景图像块的非局部自相关特性以及每帧内非局部背景图像块间的相似特性,并引入时空域图像块模型,该模型可利用加速近端梯度方法来有效求解.实验结果表明,与传统的红外弱小目标检测方法相比,所提方法不仅能更有效地保留目标的特征信息,还能使红外图像的峰值信噪比提高1.2倍以上,信杂比提高1.8倍以上.     

自适应特征融合的多尺度核相关滤波目标跟踪

为了提高复杂场景中目标跟踪的稳健性,解决由光照变化、目标形变、尺度变化和遮挡等导致的目标跟踪失败问题,提出一种自适应特征融合的多尺度核相关滤波目标跟踪算法。该算法首先通过2种不同的特征分别训练2个核相关滤波器,利用这2个滤波器响应的峰值旁瓣比和相邻两帧的响应一致性获得融合权重,同时采用自适应加权的融合策略将这2个滤波器的响应结果进行融合,完成目标的位置估计;然后以此为中心进行多尺度采样,构建尺度金字塔,并通过贝叶斯估计的方法确定目标的最优尺度;最后依据目标跟踪的置信度进行跟踪模型更新,以避免模型退化。选取51组视频序列进行测试,并与近年来性能优异的目标跟踪算法进行对比。实验结果表明,所提算法能有效降低光照变化、目标形变、尺度变化和遮挡等因素影响,对测试视频序列取得了较高的跟踪精度和成功率,整体性能优于对比算法。     

一种基于特征跟踪的视频序列稳像算法

提出一种基于特征跟踪的视频序列稳像算法.该算法从视频序列的参考帧中提取出一组角点特征,然后在后续帧中基于模糊Kalman滤波进行特征窗跟踪,通过比较各帧图像中特征窗间的对应关系计算出补偿摄像机运动所必需的参数,使用这些参数将后续帧向参考帧对准,从而得到稳定的视频序列.实验结果表明该算法稳像效果好,运算复杂度低,且具有较强的鲁棒性.     

基于声音的纸张柔软度检测方法研究

针对当前纸张柔软度检测仪器,存在量程小、适用对象少的问题;提出一种根据纸张声音能量特征的差异,采用击点能量法和主成分分析法(PCA),实现对纸张柔软度进行分级的方法;击点能量法给出待测对象柔软度的参考值;对不同柔软度纸张声音信号分帧,求取每帧的能量,利用PCA获取特征互不相关的训练集,在此基础上建立特征矩阵,然后根据方差最小原则判断待测纸张样本的柔软度级别;实验表明,该方法能将同型号打印纸的柔软度分为5级,正确率达到100%。     

特征融合的尺度自适应相关滤波跟踪算法

为提高相关滤波(CF)跟踪算法的稳健性,并克服传统CF方法无法处理目标尺度变化以及未利用图像颜色特征等问题,提出了一种基于融合颜色特征的尺度自适应相关滤波改进跟踪算法。首先,将目标搜索区域从3原色(RGB)颜色空间转换到Lab颜色空间,提取搜索区域的Lab 3通道颜色特征;然后,融合Lab颜色特征与方向梯度直方图(HOG)特征得到多通道特征,利用核相关滤波(KCF)计算输出响应图并寻找图中最大响应位置即目标位置;最后,基于Lab颜色特征建立尺度模型,从当前帧的目标位置处截取不同尺度图像块,通过将其与尺度模型比较得到目标尺度最优估计。实验选取35段公开彩色视频序列进行测试,并将所提算法与其他5种跟踪性能较好的跟踪方法进行对比。实验结果表明,所提方法对彩色视频序列中的目标遮挡、变形、尺度变化等现象具有良好的适应性,其平均性能优于对比方法,同时具有76frame·s~(-1)的实时跟踪速度。     

时空上下文学习长时目标跟踪

针对在线学习跟踪算法中目标模型更新错误而导致跟踪漂移的问题,提出了一种简单但高效的解决方案。在目标区域均匀采样点跟踪器,基于纹理描述对前后两帧点跟踪器进行置信度评估并以此完成目标初步定位,由多维特征时空上下文模型输出目标位置置信图以完成目标精确定位,同时结合置信图决定模型更新速率并给出了一种多尺度更新机制。实验表明,该方法在背景干扰、快速运动、遮挡、光照变化及尺度变化下均能完成稳健跟踪,在320 pixel×240 pixel的视频序列中平均跟踪速度为55.1 frame/s,可以满足实时应用的需求。     

场景自适应的跟踪特征选择机制研究

视频目标跟踪是当前计算机视觉领域中的一个关键问题。基于场景分类提出了一种视频目标特征的实时在线选择方法。离线时首先采用改进型的"空间金字塔匹配"算法完成先验视频场景的分类;然后采用不同的描述算法实现对目标和背景的特征描述,通过对数形式的方差比计算出目标和背景的特征距离;最后融合均值和熵值对特征距离进行统计分析,建立场景相关的描述子显著性排序。在此基础上,在线时利用初始帧完成测试视频的场景判定,结合当前场景下的描述子排序,实时选择最优特征,应用于粒子滤波跟踪系统,在公开视频库上进行跟踪测试,验证排序的正确性和选择机制的必要性。