检索结果-内蒙古大学图书馆

华中科技大学学报（自然科学版） 2014年第7期42卷 92-95页

作者：向金海樊恒徐俊邓君丽华中农业大学理学院湖北武汉430079 华中农业大学工学院湖北武汉430070 华中师范大学物理科学与技术学院湖北武汉430079

为了克服目标遮挡、姿态变换、光照变化等导致的视频目标跟踪失效问题,提出了一种自适应局部表观模型的跟踪方法.将目标分割成多个局部特征子块,选择其中部分具有相对显著性特征的子块,在粒子滤波框架下,使用稀疏表示方法独立跟踪选择... 详细信息

为了克服目标遮挡、姿态变换、光照变化等导致的视频目标跟踪失效问题,提出了一种自适应局部表观模型的跟踪方法.将目标分割成多个局部特征子块,选择其中部分具有相对显著性特征的子块,在粒子滤波框架下,使用稀疏表示方法独立跟踪选择的局部子块,通过各局部子块跟踪结果来估计目标.在跟踪过程中,为了保证跟踪子块的表观相对稳定,动态替换不稳定的局部特征块.实验结果表明:该方法与各种流行跟踪方法相比,跟踪结果稳定,特别是在目标部分遮挡和变形以及光照变化等条件下,具有更好的跟踪准确性.

关键词：视频监控目标跟踪局部表观模型稀疏表示局部特征块粒子滤波

来源：评论

学校读者我要写书评

暂无评论

视频跟踪中的目标建模及相似性度量研究

视频跟踪中的目标建模及相似性度量研究

引用

作者：周瑜华中科技大学

学位级别：博士

随着大数据时代的到来,海量的视频数据存在于互联网中,如何对这些视频数据进行分析、识别和理解是计算机视觉领域新兴的研究热点。溯本求源,要做到对视频的语义进行理解,需要对视频中运动目标的姿态、行为等属性进行分析和理解。要达到... 详细信息

随着大数据时代的到来,海量的视频数据存在于互联网中,如何对这些视频数据进行分析、识别和理解是计算机视觉领域新兴的研究热点。溯本求源,要做到对视频的语义进行理解,需要对视频中运动目标的姿态、行为等属性进行分析和理解。要达到这一目的,首先需要对视频序列中目标的运动趋势进行建模。这就回归到了计算机视觉中的一个基础性问题：视频目标跟踪。由于视频数据的复杂性、多样性以及运动目标本身变化的不确定性,视频目标跟踪目前依然是计算机视觉中的一个难点。其主要的挑战和困难包括：运动目标的表观具有多变性,包括目标本身的变化如平面内旋转、出平面旋转、尺度变化等；同时,外在环境的变化也常常导致运动目标的表观发生变化,如光照条件变化、目标物体被其他物体遮挡、复杂背景噪声和由采集设备的不稳定所带来的运动模糊等等。本论文从视频跟踪问题的基本建模方式入手,对视频跟踪基本模型进行分解,将鲁棒视频跟踪方法的设计问题归结为对两个核心难点问题的研究：1)如何有效建立稳健的运动目标表观模型,从而鲁棒的应对各种内在的或由外界环境带来的目标表观变化。2)如何鲁棒的度量目标表观模型和候选目标之间的相似程度,从而有效的在后续帧中定位目标物体。本文的工作紧紧围绕上述的两个难点问题,从以下三个方面展开研究： (1)从人眼视觉的本质规律出发,提出一种基于时空显著性结构化的目标表观模型建模方法。该方法采用对图像局部区域进行建模的方式,全面而深入的讨论了前景目标局部图像区域的显著特性。这种显著特性既包括了局部图像区域在空间维度上的显著性质,也包括了局部图像区域在时间维度上的显著性质,从而保证了具有较高显著性的局部图像区域能够提供充分的跟踪信息。进一步,该方法讨论了对目标的结构化建模问题,将局部图像区域的空间关系建模成为互斥约束,并加入到对局部图像区域的选择中,从而保证了目标表观模型中的冗余信息最小化。基于该表观模型,本文还给出了新的目标定位策略和模型在线更新策略,从而保证了该表观模型能够有效应对在视频序列中发生的目标表观变化。 (2)提出一种基于低维特征子空间的目标表观模型建模方法,该方法将目标表观模型定义为一组随机的局部图像区域,这组局部图像区域是从一个过完备的特征空间中选择得到,是对原始高维特征空间的低维近似,能够有效捕捉到充分的跟踪信息。整体运动目标由该特征子空间构成的向量表达。在连续帧匹配过程中,通过特征子空间的匹配来定位目标物体。该方法的一个重要特点是简单快速,能很好的满足视频跟踪应用对实时性的要求。 (3)提出一种适合于视频跟踪应用的基于传播融合的相似性度量方法,该方法能有效挖掘不同特征类型之间的互补特性,并将它们融合到一个统一的相似性度量之中；同时,该方法能有效利用后续帧中的候选目标之间的上下文结构关系,从而有效改善相似性度量的鲁棒性。该相似性度量方法的计算复杂度低,不依赖于特定的特征输入,任意类型的特征均可作为该相似性度量方法的输入。本文从运动目标表观模型和相似性度量两个角度出发,进行了深入而全面的研究,给出了一系列解决方法。理论分析以及实验结果表明,本文所提出的两种目标表观模型能鲁棒的建模视频中的运动目标,相似性度量方法能够有效的改善原始的相似性度量,从而提高跟踪算法的鲁棒性。

关键词：视频跟踪目标表观模型相似性度量局部表观模型显著性特征子空间融合

来源：评论

学校读者我要写书评

暂无评论

视频中运动目标检测与跟踪相关问题研究

视频中运动目标检测与跟踪相关问题研究

引用

作者：向金海华中科技大学

学位级别：博士

对视频中感兴趣目标进行检测、跟踪,一直是计算机视觉领域中的基础性问题,是产业界和学术界关注的热点问题之一。运动目标检测与跟踪技术是一门跨学科的交叉技术,其主要包括计算机视觉、多媒体技术、模式识别、概率论和信息论、计算智... 详细信息

对视频中感兴趣目标进行检测、跟踪,一直是计算机视觉领域中的基础性问题,是产业界和学术界关注的热点问题之一。运动目标检测与跟踪技术是一门跨学科的交叉技术,其主要包括计算机视觉、多媒体技术、模式识别、概率论和信息论、计算智能以及图像处理等不同学科。作为视频数据处理的关键技术,运动目标检测和跟踪在日常生产和生活的各个方面得到了广泛的应用,如人机交互、视频编解码、智能监控、智能交通以及最近兴起的汽车无人驾驶技术。对视频中感兴趣目标进行准确的检测和跟踪,是视频数据准确分析和正确决策的前提,同时也是视觉系统智能化的基础。尽管很多学者在此领域做了大量的研究工作,但当前仍然面临着很多难题困扰,诸如光照变化、目标部分或全部遮挡以及变形等。在此背景下,本文围绕运动目标检测发现与跟踪展开深入研究,针对复杂环境提出了鲁棒的高效算法,弥补现有算法的不足。下面对运动目标检测发现与跟踪两方面分别叙述。对于运动目标检测,主要考虑检测方法如何在不同的环境下提高前景检测的鲁棒性,主要考虑如何消除阴影和光照变化的影响。主要研究成果如下： 1、基于光照模型,提出了一种局部强度比率特征(LIRM)和基于此特征的前景检测算法,以及相应的后处理方法。该方法具有两个显著特征：一方面,LIRM特征具有光照不变性,因而对光照变化鲁棒；另一方面,在视频图像噪声是高斯分布情况下,局部强度比率也满足高斯分布。在高斯混合模型来获取前景过程中,用局部强度比率来代替像素值进行处理,结果得到消除阴影后的前景。实验表明,本方法在不同的场景下可以有效的消除阴影,得到无阴影的前景。采用本方法不仅可以消除阴影,同时对光照变化鲁棒。同其他阴影消除和对光照鲁棒的前景检测方法比较,也显示出较好的性能。 2、为了得到精确的运动前景,同时能够消除运动阴影,本文提出了一种局部强度比率向量(LIRV)特征和基于此特征的阴影检测方法。首先提出了局部强度比率向量(LIRV)模型,然后分析了含阴影的前景与背景的LIRV距离差值(DV)、向量角度差以及比率(RV)的概率分布特征并给予了证明。通过对级联的DV、向量角度差和RV的分布估计和局部空间关系估计,以及邻近关系调整,最终从运动前景中分割出阴影。实验显示此方法比当前主流方法在检测运动阴影方面性能有很大的提高。对运动目标跟踪,主要研究如何克服目标表观变化以及外界环境对跟踪效果的影响。研究成果如下： 3、提出一种基于局部子目标协同的目标跟踪框架,其局部子目标的选择基于子目标的表观瞬时不变性。通过对一系列局部模板来表示子目标的局部瞬时表观,以此来代替常规的目标整体模板,同时对不同的局部子目标分别进行跟踪。各个局部子目标通过稀疏表示建立稀疏字典,以此作为子目标的表观特征。对各个局部子目标的跟踪结果进行协同确定目标的最终状态,然后根据目标最终状态反向调整各跟踪子目标的状态。对子目标表观特征变化进行实时判断,对变化超出阈值的子目标从备选子目标中重新选择子目标进行跟踪。通过对各子目标的独立协同跟踪,使得跟踪结果与当前最新方法比较,鲁棒性更好,系统更稳定,跟踪结果更准确。

关键词：前景检测阴影检测光照变化局部强度比率局部强度比率向量视觉目标跟踪局部表观模型稀疏表示协同跟踪

来源：评论

学校读者我要写书评

暂无评论

对称边界搜索的虹膜中心定位

引用

计算机工程与设计 2015年第9期36卷 2514-2518页

作者：徐国庆武汉工程大学计算机科学与工程学院智能机器人湖北省重点实验室湖北武汉430205

提出一种对称边界虹膜中心搜索算法,利用像素搜索计算简单、时间消耗少、定位准确的优点,解决眉毛及上眼睑厚重导致定位点上移的问题。使用人脸特征检测实现眼睛区域的粗定位,通过在线肤色纹理及边缘特征确定眼睛的准确角点,在眼睛局部... 详细信息

提出一种对称边界虹膜中心搜索算法,利用像素搜索计算简单、时间消耗少、定位准确的优点,解决眉毛及上眼睑厚重导致定位点上移的问题。使用人脸特征检测实现眼睛区域的粗定位,通过在线肤色纹理及边缘特征确定眼睛的准确角点,在眼睛局部区域使用投影函数检测眼睛的中心点,以中心点为起始点,使用对称边界搜索检测虹膜区域的边界,实现虹膜中心点的定位。测试实验结果表明,使用本文的方法能够快速准确实现虹膜中心点和边界点的定位,准确率在94%以上。

关键词：人机交互局部表观模型复合投影眼睛检测虹膜定位

来源：评论

学校读者我要写书评

暂无评论

复合特征的眼睛中心定位

引用

计算机工程与设计 2014年第10期35卷 3598-3601页

作者：徐国庆武汉工程大学计算机科学与工程学院智能机器人湖北省重点实验室湖北武汉430205

为实现在正面人脸中定位眼睛中心点,提出复合特征算法。在整体人脸图像主动表观模型的基础上,引入局部表观模型,使全局AAM的最优结果进一步转换到眼睛局部区域的最优定位,结合在线的肤色纹理特征,使用扇形区域积分定位内外眼角点,实现... 详细信息

为实现在正面人脸中定位眼睛中心点,提出复合特征算法。在整体人脸图像主动表观模型的基础上,引入局部表观模型,使全局AAM的最优结果进一步转换到眼睛局部区域的最优定位,结合在线的肤色纹理特征,使用扇形区域积分定位内外眼角点,实现眼睛边界点的在线精确定位。使用积分图的特征梯度定位虹膜区域的边界,用圆形参数进行虹膜边缘检测,实现眼睛虹膜区域的精确定位。实验结果表明,该算法可以鲁棒地确定眼睛中心,对于实时视频等低分辨率图像能够较好地实现定位。

关键词：人机交互局部表观模型复合投影眼睛定位在线特征

来源：评论

学校读者我要写书评

暂无评论

基于统计模型的人脸表情识别算法的研究与应用

基于统计模型的人脸表情识别算法的研究与应用

引用

作者：赵浩江南大学

学位级别：硕士

人脸识别是当前模式识别领域的一个研究热点,常用的方法有很多,一般说来包括定位和分类两个部分。准确的定位是正确分类的前提,而分类的成功率又反映了定位质量的好坏,这两个方面是人脸识别的研究重点。但面部图像的特征提取即是重点又... 详细信息

人脸识别是当前模式识别领域的一个研究热点,常用的方法有很多,一般说来包括定位和分类两个部分。准确的定位是正确分类的前提,而分类的成功率又反映了定位质量的好坏,这两个方面是人脸识别的研究重点。但面部图像的特征提取即是重点又是难点。面部图像特征提取技术是人脸识别系统的核心问题,其覆盖了计算机技术、图像处理技术、模式识别技术等领域,并向深度和广度迅速发展。本文主要研究基于主动形状模型(Active Shape Model,ASM)和主动纹理模型(Active Appearance Model,AAM )的人脸特征定位方法和基于最小距离分类法(Nearest Neighbor Classification,NNC)、最近邻分类法(k-nearest neighbor, KNN)的人脸表情识别技术,并在人脸特征提取的过程中对原有的方法进行了改进,本文的主要工作如下: ⑴复现了经典的ASM模型算法、AAM模型算法、联合模型算法(AAM+ASM)和本文的改进算法。联合模型(AAM+ASM)是一种用来进行人脸特征提取的有效方法。它由人脸动态表观模型和拟合算法两部分组成。本文对此算法进行了改进,改进体现在:在联合模型思想的基础上,充分挖掘标定点之间的联系,研究了一种构建局部纹理模型的新方法。改进算法使得局部纹理模型的误差体现的更为显著,因此匹配过程中每次迭代后的形变更加显著,从而提高了匹配速度。改进算法更加充分的利用了标定点之间的关系,更好的获得特征点附近的纹理信息,使得匹配过程中每次迭代的结果更加逼近输入图像,从而提高了匹配精度。匹配实验表明,改进算法是有效的,改进后的匹配算法提高了特征点定位的精度和匹配速度。 ⑵提出了将联合模型与最小距离分类法相结合并用于人脸识别的方法,利用联合模型对面部进行特征提取得到特征定位的坐标,用此作为最小距离分类法的分类信息。实验结果表明,在相同的实验条件下,改进后的模型算法与相关分类法相结合的方法与原算法相比具有更高的识别率。

关键词：主动表观模型主动形状模型联合模型(AAM+ASM) 最速下降算法局部表观模型最近邻分类器最小距离分类器识别率

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：