光流法
- 基于Lucas-Kanade算法的目標(biāo)跟蹤研究
詞：目標(biāo)跟蹤；光流法；Lucas-Kanade算法中圖分類號(hào)：TP3? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）31-0025-03開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID） ：
電腦知識(shí)與技術(shù) 2023年31期2023-12-25
- 基于卷積光流生成網(wǎng)絡(luò)的雷達(dá)回波圖像預(yù)測(cè)算法研究
行了改進(jìn)。因?yàn)?span id="j5i0abt0b" class="hl">光流法的興起，Bowler[6-7]等提出利用光流算法來(lái)外推雷達(dá)回波圖像來(lái)實(shí)現(xiàn)降雨預(yù)測(cè)的目的。筆者以雷達(dá)回波降雨預(yù)測(cè)為研究目標(biāo)，結(jié)合傳統(tǒng)的光流法[8]和卷積神經(jīng)網(wǎng)絡(luò)提出了基于卷積神經(jīng)網(wǎng)絡(luò)的光流生成網(wǎng)絡(luò)(convolutional neural networks-flow, CNN-Flow)生成雷達(dá)回波圖像間的光流場(chǎng)。最后再利用光流場(chǎng)和半拉格朗日算法預(yù)測(cè)出未來(lái)時(shí)刻的圖像序列。1 卷積光流生成網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)(convolutional neu
數(shù)字制造科學(xué) 2022年4期2022-12-20
- 基于稀光流的疑似煙霧提取算法
造成漏檢；稠密光流法雖然提取效果最好，但計(jì)算量較大會(huì)影響到實(shí)時(shí)性。1 整體算法流程基于稀光流的疑似煙霧區(qū)域提取方法包括視頻圖像運(yùn)動(dòng)目標(biāo)追蹤提取和疑似煙霧圖像篩選兩部分：第一部分通過(guò)對(duì)視頻圖像特征點(diǎn)進(jìn)行檢測(cè)，然后對(duì)特征點(diǎn)進(jìn)行光流矢量估算找到其中的運(yùn)動(dòng)點(diǎn)；第二部分先依據(jù)煙霧的運(yùn)動(dòng)特征檢測(cè)運(yùn)動(dòng)點(diǎn)的運(yùn)動(dòng)方向進(jìn)行一次篩選，然后以一次篩選得到的運(yùn)動(dòng)點(diǎn)為中心分割一個(gè)32×24的圖像塊，對(duì)其進(jìn)行顏色特征的二次篩選。整體流程圖如圖1所示。圖1 整體流程圖2 疑似煙霧區(qū)域的提
中國(guó)高新科技 2022年16期2022-12-07
- 基于單目/IMU/里程計(jì)融合的SLAM算法
高了金字塔LK光流法對(duì)相機(jī)快速旋轉(zhuǎn)運(yùn)動(dòng)的魯棒性。Zhang等[13]基于VINS-Mono框架，提出了一種基于點(diǎn)- 線特征跟蹤的單目VIO算法，提高了在地下車(chē)庫(kù)等場(chǎng)景中的定位精度。本文通過(guò)引入陀螺儀和里程計(jì)導(dǎo)航信息，進(jìn)一步優(yōu)化了光流追蹤求解效率。多傳感器融合能夠充分實(shí)現(xiàn)各傳感器間優(yōu)勢(shì)互補(bǔ)，提高位姿估計(jì)的精度，同樣受到了廣泛關(guān)注[14-16]。部分研究人員提出基于EKF的單目視覺(jué)與輪式里程計(jì)融合位姿估計(jì)模型[17-18]，可以方便地融合多種傳感器信息，適用于
兵工學(xué)報(bào) 2022年11期2022-12-01
- 基于快速融合技術(shù)在武漢定量降水預(yù)報(bào)的檢驗(yàn)與誤差分析
、交叉相關(guān)法和光流法。本研究利用6 min頻次的湖北雷達(dá)組網(wǎng)拼圖數(shù)據(jù)和10 min級(jí)頻次的自動(dòng)站雨量數(shù)據(jù)，通過(guò)構(gòu)建武漢本地化的雷達(dá)外推與自動(dòng)站雨量融合算法，包含業(yè)務(wù)常用光流法［14］和交叉相關(guān)法（Tracking radar echo by correlation，TREC）［15，16］2種方法，使用受地理邊界限制的Barnes插值方法［17］對(duì)武漢周邊及區(qū)域自動(dòng)站雨量處理，以及半拉格朗日外推算法線性外推［18］和動(dòng)態(tài)Z-I關(guān)系估測(cè)雷達(dá)降水［19］等融合
湖北農(nóng)業(yè)科學(xué) 2022年18期2022-10-29
- 一種基于改進(jìn)FAST 角點(diǎn)檢測(cè)的LK 光流算法
非常重要。3）光流法，通過(guò)計(jì)算圖像灰度值在時(shí)間上的改變和圖像里目標(biāo)結(jié)構(gòu)及其運(yùn)動(dòng)關(guān)系來(lái)檢測(cè)移動(dòng)目標(biāo)，該算法不需要提前知道場(chǎng)景的任何信息，從而避免了背景模型的更新以及幀間時(shí)間間隔的選取問(wèn)題。但其無(wú)法有效地解決物體移動(dòng)形成的背景遮擋和孔徑小等問(wèn)題。文獻(xiàn)[7]將稠密光流法應(yīng)用于運(yùn)動(dòng)目標(biāo)檢測(cè)，將光流信息轉(zhuǎn)化到HSV 空間，并利用Sobel 算子進(jìn)行邊緣檢測(cè)提高了檢測(cè)的效果，避免了“重影”“空洞”及“拖尾”問(wèn)題，具有優(yōu)秀的識(shí)別精確性和抗干擾能力。文獻(xiàn)[8]使用Sift
現(xiàn)代電子技術(shù) 2022年15期2022-07-28
- 基于金字塔LK光流法的電梯內(nèi)異常行為檢測(cè)
。傳統(tǒng)方法通過(guò)光流法、運(yùn)動(dòng)歷史圖（MHI）、方向梯度直方圖（HOG）等提取人體行為特征，如文獻(xiàn)[1]通過(guò)運(yùn)動(dòng)歷史圖提取特征，根據(jù)運(yùn)動(dòng)歷史圖的圖片熵來(lái)建立能量函數(shù)并設(shè)置相應(yīng)閾值進(jìn)行異常檢測(cè)。文獻(xiàn)[2]建立了角點(diǎn)動(dòng)能模型，利用金字塔LK光流法對(duì)運(yùn)動(dòng)前景的角點(diǎn)進(jìn)行光流計(jì)算，通過(guò)統(tǒng)計(jì)圖像中的平均動(dòng)能，實(shí)現(xiàn)對(duì)打斗情形的檢測(cè)。使用深度學(xué)習(xí)進(jìn)行異常行為檢測(cè)方法：齊琦等對(duì)多通道3DCNN的結(jié)構(gòu)進(jìn)行了改進(jìn)，從而對(duì)人體行為進(jìn)行識(shí)別。張怡佳等人提出一種改進(jìn)的雙流卷積神經(jīng)網(wǎng)絡(luò)模型
物聯(lián)網(wǎng)技術(shù) 2022年6期2022-06-21
- 不同天氣背景下京津冀降水臨近外推預(yù)報(bào)
于交叉相關(guān)法或光流法的外推預(yù)報(bào)技術(shù)[1-3]，另一類是包含深度學(xué)習(xí)或機(jī)器學(xué)習(xí)的人工智能技術(shù)[4-7]。目前，預(yù)報(bào)業(yè)務(wù)中前者的應(yīng)用更廣泛。交叉相關(guān)法在二維區(qū)域內(nèi)計(jì)算連續(xù)時(shí)次降水實(shí)況不同區(qū)域的最優(yōu)空間相關(guān)系數(shù)，確定降水過(guò)去的移動(dòng)矢量特征，通過(guò)這些特征進(jìn)行降水外推預(yù)報(bào)。光流是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要概念，指連續(xù)幀之間圖像目標(biāo)的明顯運(yùn)動(dòng)，是二維矢量場(chǎng)，表示從第1幀到第2幀點(diǎn)的移動(dòng)，光流法的核心是從連續(xù)的圖像序列中計(jì)算光流，作為移動(dòng)矢量進(jìn)行外推預(yù)報(bào)。目前，國(guó)內(nèi)外比較知名
應(yīng)用氣象學(xué)報(bào) 2022年3期2022-05-23
- 基于機(jī)器視覺(jué)的齒輪圖像特征匹配優(yōu)化*
提出聯(lián)合金字塔光流法和ORB算法的齒輪圖像匹配優(yōu)化，在ORB算法提取特征后，用金字塔光流法追蹤兩齒輪圖像間的點(diǎn)，暴力匹配后進(jìn)行簡(jiǎn)單的特征點(diǎn)過(guò)濾，最后再用改進(jìn)的RANSAC(random sample consensus)算法進(jìn)行優(yōu)化匹配。實(shí)驗(yàn)結(jié)果表明，該方法能夠提高齒輪圖像匹配準(zhǔn)確率。1 預(yù)處理進(jìn)行ORB特征提取前，需要對(duì)齒輪圖像進(jìn)行預(yù)處理，其主要目的是減少圖像噪聲，主要是進(jìn)行灰度化和高斯模糊。高斯模糊具有線性平滑的特點(diǎn)，對(duì)于去除噪聲十分有效。其本質(zhì)是高斯
組合機(jī)床與自動(dòng)化加工技術(shù) 2022年2期2022-03-04
- 基于改進(jìn)光流法的目標(biāo)跟蹤技術(shù)研究
解決方案是選用光流法[11?12].光流法是一種較經(jīng)典的目標(biāo)跟蹤算法，且該算法不要先驗(yàn)的條件[13]，但由于光流法是通過(guò)遍歷法來(lái)查詢目標(biāo)點(diǎn)的，存在目標(biāo)點(diǎn)偏移現(xiàn)象，使得后續(xù)運(yùn)行處理效率大打折扣[14?15]，然而粒子濾波可以很好地提高其運(yùn)行速率.鑒于此，本研究以光流法處理原理為基礎(chǔ)，在保證較高準(zhǔn)確性條件下，為提高視頻序列的處理效率和精度，提出基于改進(jìn)光流法的目標(biāo)跟蹤技術(shù).1 算法模型建立及理論求解推導(dǎo)1.1 金字塔光流算法光流法是當(dāng)前計(jì)算圖像序列稀疏光流點(diǎn)的
上海工程技術(shù)大學(xué)學(xué)報(bào) 2021年3期2022-01-22
- 一種高分辨率圖像的實(shí)時(shí)光流計(jì)算方案
位移的矢量場(chǎng)，光流法是估計(jì)該矢量場(chǎng)的方法[2]，因此可以通過(guò)光流法獲得對(duì)象的運(yùn)動(dòng)特征。目前光流法已應(yīng)用于目標(biāo)識(shí)別（在文獻(xiàn)[3]中，根據(jù)像素的運(yùn)動(dòng)流對(duì)像素分類，將諸如汽車(chē)之類的剛體與人進(jìn)行區(qū)分）、獲得運(yùn)動(dòng)目標(biāo)掩模[4]等領(lǐng)域。此外，光流法在風(fēng)洞試驗(yàn)?zāi)Ｐ捅砻娴娜帜ψ铚y(cè)量[5]中也是必不可少的。目前為了提高HS光流法[6]的實(shí)時(shí)性，研究人員一方面對(duì)算法進(jìn)行改進(jìn)[7,8]，另一方面利用硬件平臺(tái)對(duì)其加速[9～12]，但對(duì)于高分辨率圖像均難以達(dá)到實(shí)時(shí)光流計(jì)算的效果。
制造業(yè)自動(dòng)化 2021年9期2021-09-27
- 一種基于改進(jìn)光流法的視覺(jué)慣性狀態(tài)估計(jì)器
。本文研究基于光流法的視覺(jué)慣性SLAM 系統(tǒng)。我們結(jié)合改進(jìn)的光流法和IMU 信息，然后基于LM 的非線性優(yōu)化算法，實(shí)現(xiàn)了一個(gè)精度較高的視覺(jué)里程計(jì)。本文將從改進(jìn)的光流法、慣性單元預(yù)積分，系統(tǒng)框架三部分對(duì)該方案進(jìn)行描述，最后將通過(guò)實(shí)驗(yàn)展示該系統(tǒng)的運(yùn)行效果。2 正文2.1 光流法Lucas-Kanade 光流法是Bruce D. Lucas 等人于1981 年在文獻(xiàn)[2][3]提出來(lái)的。它被廣泛地應(yīng)用到圖像配準(zhǔn)、運(yùn)動(dòng)追蹤，目標(biāo)檢測(cè)等方面。根據(jù)計(jì)算圖像的部分像素或
科學(xué)技術(shù)創(chuàng)新 2021年10期2021-04-26
- 基于YOLOv4與光流法的行人檢測(cè)和計(jì)數(shù)方法研究
YOLOv4與光流法的行人檢測(cè)和計(jì)數(shù)方法研究◆詹文杰 邱梓逸 蔡振雄（廣州大學(xué)華軟軟件學(xué)院（廣州） 廣東 51000）針對(duì)行人進(jìn)行檢測(cè)與統(tǒng)計(jì)的問(wèn)題進(jìn)行分析和研究，提出一種基于深度學(xué)習(xí)的方法。首先分析YOLOv4算法的優(yōu)越性，并使用監(jiān)控下獲取的行人圖像和YOLOv4算法，訓(xùn)練出深度學(xué)習(xí)模型。再在監(jiān)控下進(jìn)行實(shí)時(shí)行人檢測(cè)和統(tǒng)計(jì)，針對(duì)部分實(shí)驗(yàn)結(jié)果精度較小的問(wèn)題，采用光流法進(jìn)行改進(jìn)。改進(jìn)后的檢測(cè)速度以及檢測(cè)精度基本滿足行人檢測(cè)和計(jì)數(shù)的需求。YOLOv4；行人檢測(cè)；O
網(wǎng)絡(luò)安全技術(shù)與應(yīng)用 2021年3期2021-04-20
- 半稠密光流法的圖像跟蹤匹配算法
要：針對(duì)傳統(tǒng)光流法圖像特征缺失、邊界及遮擋等處容易導(dǎo)致目標(biāo)跟蹤質(zhì)量降低或丟失的問(wèn)題，提出一種半稠密光流法實(shí)現(xiàn)圖像特征的穩(wěn)定跟蹤。首先計(jì)算出圖像中像素梯度變化較大的像素區(qū)域;其次利用時(shí)變圖像灰度的時(shí)空梯度函數(shù)來(lái)計(jì)算像素的速度矢量，進(jìn)而實(shí)現(xiàn)像素區(qū)域的跟蹤;最后將狀態(tài)向量作為剔除跟蹤失敗的依據(jù)，保留跟蹤質(zhì)量?jī)?yōu)良的像素區(qū)域。結(jié)果表明，該算法能有效地提高圖像特征跟蹤能力，保證圖像中重要信息不丟失，同時(shí)保證運(yùn)算速率。關(guān)鍵詞：光流法;半稠密;圖像處理;特征跟蹤中圖分類
軟件工程 2021年4期2021-04-18
- 基于改進(jìn)ORB 特征點(diǎn)的LK 光流算法
度映射關(guān)系。而光流法正是利用光流的這一特性，通過(guò)圖像序列相鄰幀中同一像素在時(shí)間域上的位置變化，從而計(jì)算圖像序列中包含的空間信息和運(yùn)動(dòng)信息[1]。 它被廣泛用于目標(biāo)跟蹤、視覺(jué)導(dǎo)航和圖像分割等領(lǐng)域。目前常用的光流算法如Horn-Schunk 算法，加入全局平滑假設(shè)，估計(jì)全局光流，需要計(jì)算圖像中每一個(gè)像素點(diǎn)的光流，實(shí)時(shí)性較差。 基于神經(jīng)網(wǎng)絡(luò)智能算法的光流法，則需要大量的訓(xùn)練樣本，在某些環(huán)境下無(wú)法滿足需求。 基于特征點(diǎn)的Lucas-Kanade 算法，對(duì)特征點(diǎn)要求
傳感技術(shù)學(xué)報(bào) 2021年1期2021-04-08
- 基于機(jī)器視覺(jué)光流法的渦旋可視化及測(cè)量①
法的廣泛應(yīng)用，光流法主要應(yīng)用于目標(biāo)檢測(cè)和目標(biāo)跟蹤，早期的光流法采用了Lucas-Kanade 方法[2]，2002年Farneback基于圖像恒定假設(shè)提出了Farneback光流法[3]，與Lucas-Kanade 方法相比，其準(zhǔn)確率更高。該方法為稠密光流法，可以計(jì)算每個(gè)點(diǎn)的運(yùn)動(dòng)速度?；诖?，本文將該方法推廣到流體渦旋的測(cè)量。1 實(shí)驗(yàn)裝置與測(cè)量方法1.1 實(shí)驗(yàn)裝置實(shí)驗(yàn)裝置如圖1所示，位于下方的水槽為亞克力板材質(zhì)，100.0 cm×60.0 cm×25.0
廣東石油化工學(xué)院學(xué)報(bào) 2020年4期2020-08-31
- 基于改進(jìn)LK光流的四旋翼無(wú)人機(jī)懸停技術(shù)研究
者的廣泛關(guān)注。光流法定位屬于視覺(jué)定位，可用于輔助四旋翼懸停。光流指的是空間運(yùn)動(dòng)目標(biāo)在成像面上像素運(yùn)動(dòng)的瞬時(shí)速度，它表示圖像亮度變化與場(chǎng)景中目標(biāo)運(yùn)動(dòng)的關(guān)系，根據(jù)像素亮度時(shí)域變化和相關(guān)性確定各個(gè)像素的運(yùn)動(dòng)信息[6]，實(shí)現(xiàn)了光流位置估計(jì)，通過(guò)對(duì)光流值積分估計(jì)其位置信息。文獻(xiàn)[7-8]中D. Honegger等人利用光流法對(duì)速度實(shí)現(xiàn)實(shí)時(shí)估計(jì)，并在FPGA硬件平臺(tái)上進(jìn)行實(shí)時(shí)光流計(jì)算。目前光流法被廣泛應(yīng)用于四旋翼定位與避障中，其中LK光流法為常用算法。LK光流法是LU
機(jī)械制造與自動(dòng)化 2020年4期2020-08-12
- 基于深度學(xué)習(xí)的屏幕通信定位跟蹤算法研究
de, LK)光流法對(duì)抖動(dòng)引入的幀間信息區(qū)域位置變化進(jìn)行估計(jì), 提高了連續(xù)幀處理速率從而提高了系統(tǒng)通信速率。實(shí)驗(yàn)結(jié)果表明, Faster R-CNN平均精度均值(Mean Average Precision, mAP)達(dá)到了90.91%, 同時(shí)引入LK光流法提升系統(tǒng)的處理效率, 克服了終端系統(tǒng)處理能力瓶頸, 相較于僅采用Faster R-CNN算法，處理時(shí)間縮短了59.5%以上。1 可見(jiàn)光屏幕通信系統(tǒng)概述本文涉及可見(jiàn)光屏幕通信系統(tǒng)中接收單元對(duì)Faster
光通信研究 2020年2期2020-06-15
- 基于稀疏光流算法的運(yùn)動(dòng)目標(biāo)檢測(cè)研究
摘 要針對(duì)稠密光流法運(yùn)算量大、計(jì)算時(shí)延大的問(wèn)題，本文基于稀疏光流法，對(duì)目標(biāo)運(yùn)動(dòng)物體的圖像預(yù)處理、角點(diǎn)提取、稀疏光流場(chǎng)計(jì)算等處理進(jìn)行了分析研究，給出了運(yùn)動(dòng)目標(biāo)檢測(cè)的實(shí)現(xiàn)方法。關(guān)鍵詞稀疏光流;目標(biāo)檢測(cè);圖像處理中圖分類號(hào)： TP391.41;TP183 ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： ADOI：10.19694/j.cnki.issn2095-2457 . 2020 . 08 . 500 引言運(yùn)動(dòng)目標(biāo)檢測(cè)是指從視頻圖像序列的背景中識(shí)別并提取出運(yùn)動(dòng)目標(biāo)的過(guò)程。目前
科技視界 2020年8期2020-05-18
- 關(guān)于異常行為檢測(cè)技術(shù)的綜述
測(cè);特征提取;光流法;計(jì)算機(jī)視覺(jué)中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2020）06-0199-03異常檢測(cè)技術(shù)是采用計(jì)算機(jī)視覺(jué)分析監(jiān)控錄像。目前，異常活動(dòng)一直是公共安全領(lǐng)域的一個(gè)重要問(wèn)題，對(duì)其進(jìn)行準(zhǔn)確檢測(cè)具有廣泛的應(yīng)用空間，可在第一時(shí)間發(fā)現(xiàn)異常，并采取相應(yīng)的行動(dòng)和措施以確保相關(guān)對(duì)象的安全性。由于異?；顒?dòng)的種類眾多，很難一概而論，因此對(duì)異常行為的定義也需要兼顧周?chē)h(huán)境才能確定，例如：公共場(chǎng)合發(fā)生打架事件、行人踐踏草坪、呈一定規(guī)
電腦知識(shí)與技術(shù) 2020年6期2020-04-22
- 光流法和顯著性相結(jié)合的動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)方法
提出了一種結(jié)合光流法與顯著性特征的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先利用基于重構(gòu)與分割的顯著性檢測(cè)方法，快速對(duì)圖像中的有用對(duì)象和信息進(jìn)行提取，同時(shí)將不感興趣的信息進(jìn)行排除，然后結(jié)合光流法對(duì)運(yùn)動(dòng)信息的敏感性，采用加權(quán)融合的方式來(lái)減少圖像中大量的背景噪聲信息，提取完整的運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明，提出的算法很好地將運(yùn)動(dòng)目標(biāo)信息從復(fù)雜的運(yùn)動(dòng)背景中提取出來(lái)，在保留目標(biāo)區(qū)域的完整性基礎(chǔ)上，降低了背景運(yùn)動(dòng)所帶來(lái)的影響，具有較好的穩(wěn)定性和魯棒性。關(guān)鍵詞：光流法，顯著性特征，動(dòng)態(tài)背景，目
成都工業(yè)學(xué)院學(xué)報(bào) 2020年1期2020-04-20
- 融合光流與改進(jìn)ORB算法的單目視覺(jué)里程計(jì)*
精度高,可以與光流法進(jìn)行融合,提高視覺(jué)里程計(jì)的性能。1 光流法與改進(jìn)ORB融合方法1.1 基于光流的運(yùn)動(dòng)估計(jì)1.1.1 基于FAST算子角點(diǎn)檢測(cè)在圖像中以像素點(diǎn)p為圓心,以3個(gè)像素單位為半徑畫(huà)圓,通過(guò)求出p點(diǎn)灰度值與該圓周上各像素點(diǎn)灰度值的差值,并統(tǒng)計(jì)該差值的絕對(duì)值大于某個(gè)閾值εd的點(diǎn)的個(gè)數(shù),以此判斷p點(diǎn)是否為角點(diǎn),則角點(diǎn)響應(yīng)函數(shù)N為(1)式中I(i)為p點(diǎn)的圓周上第i個(gè)像素點(diǎn)的灰度值,對(duì)于給定的閾值N0(這里取N0為9),當(dāng)N>N0時(shí),認(rèn)為p點(diǎn)為角點(diǎn)[8
傳感器與微系統(tǒng) 2019年12期2019-12-24
- 基于光流法的運(yùn)動(dòng)圖像目標(biāo)檢測(cè)
重點(diǎn)。本文運(yùn)用光流法探究運(yùn)動(dòng)圖像的目標(biāo)檢測(cè)，以光流矢量場(chǎng)作為基礎(chǔ)，通過(guò)光流模型、背景模型和基于墑等研究途徑，在一幅圖像上分離出目標(biāo)和背景，檢測(cè)出運(yùn)動(dòng)目標(biāo)并作出它運(yùn)動(dòng)軌跡?！娟P(guān)鍵詞】運(yùn)動(dòng)目標(biāo);光流法;熵;數(shù)字圖像處理中圖分類號(hào)： TP391.41文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 2095-2457（2019）21-0045-002DOI：10.19694/j.cnki.issn2095-2457.2019.21.020Moving Image Target Det
科技視界 2019年21期2019-09-25
- 基于光流法與圖像紋理特征的魚(yú)群攝食行為檢測(cè)
-Kanade光流法計(jì)算魚(yú)群的運(yùn)動(dòng)方向矢量，并采用方向熵表征魚(yú)群運(yùn)動(dòng)的混亂程度，最后利用支持向量機(jī)算法對(duì)魚(yú)群攝食圖像進(jìn)行訓(xùn)練檢測(cè)?！窘Y(jié)果】圖像預(yù)處理方法減少了水質(zhì)渾濁對(duì)魚(yú)群圖像檢測(cè)的影響;基于光流法與圖像紋理特征定量分析魚(yú)群的攝食過(guò)程變化，避免了水面抖動(dòng)及水花等復(fù)雜因素的影響。該方法的檢測(cè)準(zhǔn)確率達(dá)97.0%，基本上能檢測(cè)識(shí)別出所有的魚(yú)群攝食狀態(tài)與正常游動(dòng)狀態(tài)圖像;與基于形狀和紋理特征的檢測(cè)方法相比，其檢測(cè)精度提高4.5%（絕對(duì)值），可更好地滿足池塘養(yǎng)殖環(huán)境
南方農(nóng)業(yè)學(xué)報(bào) 2019年5期2019-09-10
- 改進(jìn)LK光流法在復(fù)雜環(huán)境中對(duì)移動(dòng)小球目標(biāo)追蹤①
容是基于LK 光流法的改進(jìn),在假設(shè)亮度不變的情況下[7],通過(guò)亮度相同這個(gè)條件在視頻流中找到與前一幀亮度相同的特征點(diǎn),在追蹤的過(guò)程中會(huì)得到運(yùn)動(dòng)場(chǎng)景中特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度等重要信息,而特征點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度則構(gòu)成了光流法的核心光流場(chǎng).近幾年的研究中光流的計(jì)算方法主要有以下幾種方法:微分法,匹配法、基于能量的方法、基于相位的方法、神經(jīng)動(dòng)力學(xué)方法等[8,9].移動(dòng)目標(biāo)追蹤實(shí)時(shí)性要求高,然而稠密光流計(jì)算需要對(duì)空間所有的像素點(diǎn)進(jìn)行微分計(jì)算,計(jì)算量異常的大,
計(jì)算機(jī)系統(tǒng)應(yīng)用 2019年7期2019-08-16
- Farneback光流法在短臨預(yù)報(bào)中的應(yīng)用
rneback光流法在短臨預(yù)報(bào)中的應(yīng)用安晶晶，劉高平，朱佳寧（安徽省氣象臺(tái)，安徽 合肥 230031）介紹了Farneback光流法在短臨預(yù)報(bào)中常用的組合反射率場(chǎng)外推方法中的應(yīng)用。將短臨預(yù)報(bào)業(yè)務(wù)中常用的雷達(dá)組合反射率場(chǎng)經(jīng)過(guò)前處理后，通過(guò)Farneback光流法求得雷達(dá)組合反射率場(chǎng)的運(yùn)動(dòng)矢量，并將該運(yùn)動(dòng)矢量通過(guò)水平無(wú)輻射處理后形成最終運(yùn)動(dòng)矢量，利用該矢量場(chǎng)對(duì)雷達(dá)組合反射率場(chǎng)進(jìn)行外推，實(shí)現(xiàn)最終業(yè)務(wù)中常用的雷達(dá)外推產(chǎn)品。通過(guò)個(gè)例檢驗(yàn)表明，相較于目前業(yè)務(wù)中常用的C
軟件 2018年10期2018-11-17
- 基于光流法與RPCA的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)
差分法[3]和光流法[4]等應(yīng)用在紅外圖像檢測(cè)上是比較經(jīng)典的方法。背景減除法的優(yōu)點(diǎn)是在運(yùn)動(dòng)情況復(fù)雜的環(huán)境中能較為完整地檢測(cè)出運(yùn)動(dòng)的物體，關(guān)鍵是如何建立較好的背景模型；目前最為廣泛的是混合高斯背景建模算法，但是缺點(diǎn)是當(dāng)背景突變時(shí)會(huì)導(dǎo)致檢測(cè)失敗，使得檢測(cè)結(jié)果出現(xiàn)錯(cuò)誤；幀間差分法在檢測(cè)紅外運(yùn)動(dòng)目標(biāo)時(shí)，能夠較為快速地得到目標(biāo)的運(yùn)動(dòng)區(qū)域，這能使目標(biāo)快速呈現(xiàn)在圖像中，并進(jìn)行大致判斷，但是當(dāng)目標(biāo)的運(yùn)動(dòng)速度比較緩慢時(shí)，幀差法檢測(cè)出的結(jié)果較差，“空洞”現(xiàn)象會(huì)存在于前景結(jié)果中
現(xiàn)代計(jì)算機(jī) 2018年23期2018-10-13
- 基于景區(qū)視頻的異常事件檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
游；異常事件；光流法；社會(huì)力模型；灰度共生矩陣Key words： tourism；anomalous events；optical flow method；social force model；gray level co-occurrence matrix中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2018）28-0228-030 引言隨著現(xiàn)今社會(huì)的高速發(fā)展，世界人口增長(zhǎng)速度越來(lái)越快，人群踩踏致多人受傷死亡的事故就頻有發(fā)生。
價(jià)值工程 2018年28期2018-09-20
- 一種飛行目標(biāo)的檢測(cè)方法
文提出一種基于光流法的飛行目標(biāo)檢測(cè)方法?；谙到y(tǒng)的可行性考慮，采用Simulink搭建仿真系統(tǒng)進(jìn)行實(shí)驗(yàn)驗(yàn)證。仿真結(jié)果驗(yàn)證了本文方法的有效性。關(guān)鍵詞：光流法；Simulink；檢測(cè)；0 前言隨著消費(fèi)者對(duì)無(wú)人機(jī)越來(lái)越多的使用，無(wú)人機(jī)檢測(cè)系統(tǒng)對(duì)于安全、隱私等領(lǐng)域已經(jīng)變得越來(lái)越重要。光傳感器價(jià)格低廉，便于推廣、實(shí)現(xiàn)?；谝曨l檢測(cè)原理的系統(tǒng)中，視頻圖像是檢測(cè)任務(wù)的核心，因?yàn)樗梢暂p松覆蓋大面積區(qū)域，并且容易進(jìn)行處理。視頻檢測(cè)系統(tǒng)大多采用靜態(tài)或動(dòng)態(tài)攝像頭對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行
科學(xué)與財(cái)富 2018年22期2018-08-18
- 一種視頻微表情檢測(cè)的改進(jìn)光流算法
ck (HS)光流法改進(jìn)并應(yīng)用于微表情自動(dòng)檢測(cè)的方法。使用預(yù)條件Gauss-Seidel迭代方法改進(jìn)了HS光流法，加快了收斂速度。通過(guò)在自發(fā)微表情數(shù)據(jù)庫(kù)CASME中進(jìn)行實(shí)驗(yàn)，該驗(yàn)證方法在微表情檢測(cè)中有很好的效果。微表情檢測(cè)；光流法；預(yù)條件迭代面部表情是人與人之間重要的傳遞信息的方式，人類的非語(yǔ)言交流大部分是通過(guò)面部表情來(lái)進(jìn)行的。心理學(xué)表明，人類可以通過(guò)面部表情的自我控制，有意識(shí)地產(chǎn)生表情來(lái)達(dá)到欺詐的效果。但心理學(xué)研究表明人們?cè)谠噲D掩蓋自己真實(shí)情感時(shí)，會(huì)流露
圖學(xué)學(xué)報(bào) 2018年3期2018-07-12
- 改進(jìn)三幀差分法與背景差分法結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法
、背景差分法和光流法。其中三幀差分法的優(yōu)點(diǎn)是速度快，背景不用積累，但是對(duì)于與運(yùn)動(dòng)速度較慢物體容易漏檢；背景差分法對(duì)于光照、天氣等外界環(huán)境變化比較敏感；光流法具有精度相對(duì)較高的優(yōu)點(diǎn)，但很難達(dá)到實(shí)時(shí)性[1]。本文所提出的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，能夠達(dá)到最大程度降低噪聲和最快速度反應(yīng)目的。1 應(yīng)用光流法改進(jìn)的三幀差分法利用金字塔Lucas-Kanade光流法對(duì)傳統(tǒng)三幀差分算法進(jìn)行改進(jìn)。采用金字塔結(jié)構(gòu)來(lái)計(jì)算光流，可以減小光流計(jì)算的誤差。金字塔結(jié)構(gòu)是對(duì)圖像的各個(gè)層都計(jì)算光
裝備制造技術(shù) 2018年3期2018-05-21
- 基于動(dòng)態(tài)幀間間隔更新的人群異常行為檢測(cè)①
法.金字塔LK光流法[5-8]是其中最經(jīng)典的一種方法,金字塔LK光流法解決了普通光流法無(wú)法檢測(cè)幅度較大、速度較快的運(yùn)動(dòng)的缺點(diǎn).然而,金字塔LK光流法同時(shí)也增加了算法復(fù)雜度,使得算法計(jì)算量變大,很難做到實(shí)時(shí)監(jiān)控.因此,為了使視頻人群監(jiān)控系統(tǒng)具有更好的實(shí)時(shí)性,本文提出一種基于動(dòng)態(tài)幀間間隔更新的人群異常行為檢測(cè)算法,并通過(guò)實(shí)驗(yàn)驗(yàn)證了該算法的正確性.本文算法的主要工作有:通過(guò)動(dòng)態(tài)更新幀間間隔來(lái)改進(jìn)金字塔LK光流法,并以此算法來(lái)提取運(yùn)動(dòng)信息、通過(guò)獲取的人群矢量交點(diǎn)密
計(jì)算機(jī)系統(tǒng)應(yīng)用 2018年2期2018-03-02
- 基于改進(jìn)光流算法的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究
、幀間差分法和光流法，而且均呈現(xiàn)出各自一定的優(yōu)缺點(diǎn)[2]。其中，背景減除法原理簡(jiǎn)單，檢測(cè)效果好；缺點(diǎn)是難以得到絕對(duì)的靜態(tài)背景模型，并且需要對(duì)背景模型進(jìn)行實(shí)時(shí)更新。幀間差分法對(duì)于圖像序列的變化有較強(qiáng)的適應(yīng)能力，更新、識(shí)別速度快；缺點(diǎn)是對(duì)于得到的運(yùn)動(dòng)目標(biāo)易產(chǎn)生“空洞”現(xiàn)象，檢測(cè)的目標(biāo)不完整。光流法不僅包含了被提取運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)信息，也包含目標(biāo)場(chǎng)景的三維結(jié)構(gòu)信息，最重要的是該方法適用于攝像頭運(yùn)動(dòng)的情況；其缺點(diǎn)是容易受到遮擋、光照突變和噪聲等因素的影響，而不能獲得
智能計(jì)算機(jī)與應(yīng)用 2018年1期2018-03-02
- 基于高斯混合模型的人群異常檢測(cè)
SIFT特征；光流法；高斯混合模型DOIDOI：10.11907/rjdk.171847中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）0110114070引言近年來(lái)，人群異常檢測(cè)在智能監(jiān)控視頻中扮演著越來(lái)越重要的角色。異常本身是指行為不規(guī)則、不尋常、偏離正常類型，例如摔倒、斗毆、逆行、闖入禁止區(qū)域等[1]。因此，在不同應(yīng)用上，異常定義方式不同。本文在監(jiān)控視頻場(chǎng)景下對(duì)異常的定義是低概率發(fā)生的事件，或者是出現(xiàn)次數(shù)很少的事件[
軟件導(dǎo)刊 2017年11期2017-12-02
- 基于LK光流法的單目視覺(jué)里程計(jì)
06)基于LK光流法的單目視覺(jué)里程計(jì)陳偉杰，孫作雷(上海海事大學(xué) 機(jī)器辨識(shí)與交互研究組，上海201306)在移動(dòng)機(jī)器人快速發(fā)展的今天，視覺(jué)里程計(jì)是通過(guò)視覺(jué)傳感器進(jìn)行導(dǎo)航定位的主要方式之一。文章介紹了基于單個(gè)攝像頭的單目視覺(jué)里程計(jì)的一種實(shí)現(xiàn)方法，使用SURF算法提取特征點(diǎn)，用LK光流法進(jìn)行特征追蹤，相比于傳統(tǒng)特征匹配在運(yùn)算效率上有極大的提高，再對(duì)特征點(diǎn)計(jì)算位移與旋轉(zhuǎn)量，以里程計(jì)的方式達(dá)到定位目的。詳細(xì)介紹了視覺(jué)里程計(jì)的數(shù)學(xué)原理以及SURF算法和LK算法的原理
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2017年21期2017-11-20
- 基于光流法算法的Visual Map快速建立方法
0001)基于光流法算法的Visual Map快速建立方法馬 琳， 趙 航， 譚學(xué)治(哈爾濱工業(yè)大學(xué) 通信技術(shù)研究所， 哈爾濱 150001)Visual Map是一個(gè)含有豐富位置信息的圖像數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)中每一幅圖片或圖片的特征在存儲(chǔ)時(shí)會(huì)加入相應(yīng)的位置信息. 室內(nèi)定位的性能與Visual Map 圖片的數(shù)量有關(guān). 建立龐大的圖片數(shù)據(jù)庫(kù)能夠使得定位結(jié)果更加準(zhǔn)確，但是花費(fèi)時(shí)間成本會(huì)更大. 針對(duì)這個(gè)問(wèn)題，本文提出了使用光流法算法來(lái)建立圖片數(shù)據(jù)庫(kù)Visual Ma
哈爾濱工業(yè)大學(xué)學(xué)報(bào) 2017年11期2017-11-08
- 結(jié)合光流法與最近鄰算法的運(yùn)動(dòng)目標(biāo)檢測(cè)
1000)結(jié)合光流法與最近鄰算法的運(yùn)動(dòng)目標(biāo)檢測(cè)魯春，楊會(huì)成，楊文斌，朱文博(安徽工程大學(xué)電氣工程學(xué)院, 安徽蕪湖241000)運(yùn)動(dòng)目標(biāo)檢測(cè)具有廣泛的理論和現(xiàn)實(shí)意義，光流法是檢測(cè)運(yùn)動(dòng)目標(biāo)的重要方法之一。但是用于運(yùn)動(dòng)目標(biāo)檢測(cè)的光流算法卻有著計(jì)算量大、處理復(fù)雜的問(wèn)題。一種聚類分析算法和改進(jìn)的LK光流法相結(jié)合檢測(cè)方案可以很好地解決此類問(wèn)題。對(duì)基于改進(jìn)的LK光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)算法進(jìn)行了分析和仿真，再加以聚類分析使得檢測(cè)出的運(yùn)動(dòng)目標(biāo)更加準(zhǔn)確。首先對(duì)圖像序列進(jìn)行采樣與
- 視頻場(chǎng)景人群運(yùn)動(dòng)異常狀態(tài)檢測(cè)
常檢測(cè)方面利用光流法獲取人群的運(yùn)動(dòng)信息，包括運(yùn)動(dòng)速度和運(yùn)動(dòng)方向。實(shí)驗(yàn)結(jié)果表明，該方法的精度及實(shí)時(shí)性均高于傳統(tǒng)方法，對(duì)確定視頻場(chǎng)景中人群運(yùn)動(dòng)狀態(tài)是有效的，可以為防止大規(guī)模安全事故提供參考。關(guān)鍵詞： 視頻分析； 人群運(yùn)動(dòng)狀態(tài)檢測(cè)； BP神經(jīng)網(wǎng)絡(luò)； 光流法中圖分類號(hào)：TP391.9文獻(xiàn)標(biāo)志碼：A文章編號(hào)：2095-2163（2017）04-0044-050引言近年來(lái)，公共場(chǎng)所的大規(guī)模安全事故屢有發(fā)生，造成了一定的人員傷亡和財(cái)產(chǎn)損失[1]。其中一個(gè)重要原因是未能及
智能計(jì)算機(jī)與應(yīng)用 2017年4期2017-09-18
- 基于光流法的視頻中目標(biāo)跟蹤
院 王晨捷基于光流法的視頻中目標(biāo)跟蹤武漢大學(xué)測(cè)繪學(xué)院 王晨捷1 引言視頻信號(hào)是視覺(jué)信息的一大源頭，它是由按序列排放的圖像組成，即幀（Frame）。這些圖像通過(guò)有規(guī)律的間隔進(jìn)行拍攝（以幀率的形式指定），它們展示了動(dòng)態(tài)的場(chǎng)景。一旦我們能夠提取視頻中的某個(gè)單獨(dú)幀，就可以通過(guò)比較相鄰幀的方式對(duì)物體進(jìn)行跟蹤，本文研究利用光流法來(lái)進(jìn)行視頻中目標(biāo)的跟蹤。2 光流法光流的概念最初是由Gibson在1950年首先提出來(lái)的。它是在成像平面中運(yùn)動(dòng)物體的像素運(yùn)動(dòng)的瞬時(shí)速度。利用時(shí)
電子世界 2017年14期2017-08-02
- 采用STLK算法的高密度人群行人計(jì)數(shù)
-Kanade光流法以目標(biāo)區(qū)域的光流方向作為角點(diǎn)的運(yùn)動(dòng)方向，再通過(guò)多個(gè)特征點(diǎn)的運(yùn)動(dòng)狀態(tài)在短時(shí)間內(nèi)相似的特性消除趨同的角點(diǎn)，從而獲得人數(shù)。最后通過(guò)Python平臺(tái)和opencv庫(kù)設(shè)計(jì)一個(gè)演示環(huán)境，實(shí)現(xiàn)對(duì)高密度人流的識(shí)別，算法的計(jì)數(shù)精確度達(dá)到89.77%，具有較好的識(shí)別效果.行人計(jì)數(shù)；角點(diǎn)檢測(cè)；光流跟蹤；STLK算法1 視頻人數(shù)統(tǒng)計(jì)背景近年來(lái)，隨著大規(guī)模群眾性活動(dòng)的不斷增加，使得公共場(chǎng)所的人流密度增大，導(dǎo)致公共場(chǎng)所踩踏事件發(fā)生的概率增加，對(duì)于視頻中高密度人群的
長(zhǎng)春理工大學(xué)學(xué)報(bào)（自然科學(xué)版） 2017年3期2017-07-25
- 基于零相位與光流法的混合超聲彈性成像算法的研究
0基于零相位與光流法的混合超聲彈性成像算法的研究李元瑞，張勇德中國(guó)醫(yī)科大學(xué) 生物醫(yī)學(xué)工程系，遼寧沈陽(yáng) 110000鑒于超聲彈性成像傳統(tǒng)的時(shí)域互相關(guān)算法在估計(jì)組織位移時(shí)效率低下這一問(wèn)題，本文提出了一種基于零相位與光流法的混合超聲彈性成像方法。首先利用零相位法來(lái)獲得組織壓縮前后的位移場(chǎng)，將結(jié)果作為光流法的初始位移；然后采用經(jīng)典光流法對(duì)為位移場(chǎng)進(jìn)行矯正，抑制由于組織橫向形變所帶來(lái)的去相關(guān)；最后采用最小二乘法對(duì)位移場(chǎng)進(jìn)行計(jì)算獲得了組織的軸向應(yīng)變。本文利用仿真數(shù)據(jù)對(duì)
中國(guó)醫(yī)療設(shè)備 2017年6期2017-06-27
- 基于背景分類的監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)檢測(cè)算法綜述
算法則主要采用光流法、高斯建模、ViBe算法，最后對(duì)五種算法進(jìn)行了總結(jié)和對(duì)比。關(guān)鍵詞：復(fù)雜背景；運(yùn)動(dòng)目標(biāo)；檢測(cè)；光流法；高斯模型1 概述運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)控系統(tǒng)的重要的基礎(chǔ)技術(shù)，也是視頻系統(tǒng)中行為識(shí)別、目標(biāo)跟蹤等智能分析技術(shù)的基礎(chǔ)，在國(guó)家和社會(huì)公共安全、航空航天等重要領(lǐng)域以及很多民用領(lǐng)域都有著舉足輕重的作用，在目標(biāo)跟蹤、人機(jī)交互、交通管控、視頻檢索等領(lǐng)域都有實(shí)踐價(jià)值。視頻系統(tǒng)中的運(yùn)動(dòng)目標(biāo)檢測(cè)的應(yīng)用前景非常巨大，市場(chǎng)需求廣泛，所以受到了全球相關(guān)領(lǐng)域研究
科技創(chuàng)新與應(yīng)用 2017年8期2017-04-26
- 光流法以及結(jié)合機(jī)器學(xué)習(xí)在臨近預(yù)報(bào)中的應(yīng)用
寧 劉 銘?光流法以及結(jié)合機(jī)器學(xué)習(xí)在臨近預(yù)報(bào)中的應(yīng)用林 青 潘 寧 劉 銘福建省氣象臺(tái)通過(guò)采用Gunnar Farneback的稠密光流跟蹤法對(duì)雷達(dá)反射率進(jìn)行2h外推，并結(jié)合半拉格朗日外推方法，保持天氣系統(tǒng)回波的旋轉(zhuǎn)效應(yīng)，可有效提高回波短臨預(yù)測(cè)的精準(zhǔn)度。結(jié)合該方法外推的回波結(jié)果及歷史降水觀測(cè)，采取機(jī)器學(xué)習(xí)中ConvLSTM(空間深度學(xué)習(xí))的模型結(jié)合Z-R關(guān)系進(jìn)行1h降水預(yù)測(cè)，結(jié)果表明其降水預(yù)測(cè)的空漏報(bào)率低于SWAN業(yè)務(wù)系統(tǒng)QPF預(yù)測(cè)結(jié)果。光流法 機(jī)器學(xué)習(xí)
海峽科學(xué) 2017年12期2017-04-03
- Matlab下視頻處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
處理技術(shù)并選取光流法對(duì)視頻進(jìn)行處理，最終實(shí)現(xiàn)對(duì)視頻中運(yùn)動(dòng)物體的檢測(cè)。該研究可為運(yùn)動(dòng)物體的跟蹤與預(yù)測(cè)技術(shù)奠定基礎(chǔ)。關(guān)鍵詞：Matlab；視頻處理；物體檢測(cè)；光流法DOIDOI：10.11907/rjdk.162508中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2016）012-0071-030 引言在日常生活和科學(xué)研究領(lǐng)域，數(shù)字圖像（視頻）是人們獲取外界信息的主要媒介。隨著圖像處理研究的不斷深入，出現(xiàn)了許多亟待解決的問(wèn)題。如今，圖像處理
軟件導(dǎo)刊 2016年12期2017-01-21
- 基于幀間差分和金字塔光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)
間差分和金字塔光流法的運(yùn)動(dòng)目標(biāo)檢測(cè)郝慧琴，王耀力(太原理工大學(xué) 信息工程學(xué)院，山西 太原 030024)針對(duì)用于運(yùn)動(dòng)目標(biāo)檢測(cè)的光流算法存在處理復(fù)雜、計(jì)算量大等問(wèn)題，提出一種幀間差分算法和金字塔LK光流法相結(jié)合的運(yùn)動(dòng)目標(biāo)檢測(cè)方案。該方法先對(duì)視頻圖像進(jìn)行幀間差分處理，得到圖像的運(yùn)動(dòng)區(qū)域，再對(duì)該運(yùn)動(dòng)區(qū)域進(jìn)行金字塔LK光流計(jì)算，減少了計(jì)算區(qū)域，提高目標(biāo)檢測(cè)的速度。最后在搭建的視覺(jué)避障平臺(tái)上使用LabVIEW語(yǔ)言進(jìn)行算法程序驗(yàn)證，實(shí)驗(yàn)結(jié)果證明了算法的有效性。幀間差分
電視技術(shù) 2016年7期2016-08-22
- 視覺(jué)定位系統(tǒng)實(shí)習(xí)平臺(tái)開(kāi)發(fā)
位；圖像序列；光流法作為機(jī)器視覺(jué)與圖像處理技術(shù)的一個(gè)重要分支[1]，視覺(jué)定位技術(shù)在國(guó)防領(lǐng)域和日常生活中有著廣泛的應(yīng)用[2]，如主動(dòng)視頻監(jiān)控、人機(jī)交互等。在工業(yè)方面，視覺(jué)定位技術(shù)可以用于工業(yè)機(jī)器人系統(tǒng)中，機(jī)器人通過(guò)對(duì)目標(biāo)的識(shí)別，定位出目標(biāo)的位置。為本科畢業(yè)生將來(lái)的就業(yè)和進(jìn)一步學(xué)習(xí)奠定基礎(chǔ)，哈爾濱工業(yè)大學(xué)為學(xué)生提供了校內(nèi)實(shí)習(xí)的機(jī)會(huì)，搭建了視覺(jué)定位系統(tǒng)。首先，根據(jù)系統(tǒng)本身的特點(diǎn)，采用基于金字塔分層的LK光流算法；其次，在VC++6.0環(huán)境下利用OpenCV庫(kù)對(duì)算
實(shí)驗(yàn)科學(xué)與技術(shù) 2016年3期2016-07-22
- 基于運(yùn)動(dòng)顯著性的移動(dòng)鏡頭下的運(yùn)動(dòng)目標(biāo)檢測(cè)
測(cè)。首先，采用光流法提取目標(biāo)的運(yùn)動(dòng)特征，用二維高斯卷積方法抑制背景的運(yùn)動(dòng)紋理；然后采用直方圖統(tǒng)計(jì)衡量運(yùn)動(dòng)特征的全局顯著性，根據(jù)得到的運(yùn)動(dòng)顯著圖提取前景與背景的顏色信息；最后，結(jié)合貝葉斯方法對(duì)運(yùn)動(dòng)顯著圖進(jìn)行處理，得到顯著運(yùn)動(dòng)目標(biāo)。通用數(shù)據(jù)庫(kù)視頻上的實(shí)驗(yàn)結(jié)果表明，所提方法能夠在抑制背景運(yùn)動(dòng)噪聲的同時(shí)，突出并準(zhǔn)確地檢測(cè)出場(chǎng)景中的運(yùn)動(dòng)目標(biāo)。關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測(cè)；視覺(jué)注意；顯著性；光流法；貝葉斯模型中圖分類號(hào)： TP391.41TP391、TN911.73 文獻(xiàn)標(biāo)志
計(jì)算機(jī)應(yīng)用 2016年6期2016-06-28
- 移動(dòng)機(jī)器人行人目標(biāo)活動(dòng)區(qū)域快速檢測(cè)算法
動(dòng)區(qū)域；室內(nèi)；光流法；顯著分析法在室內(nèi)環(huán)境中，移動(dòng)機(jī)器人時(shí)常要觀察行人的運(yùn)動(dòng)，以便有效識(shí)別或者躲避行人。由于移動(dòng)機(jī)器人上固定的攝像機(jī)會(huì)隨本體一并移動(dòng)，采集視頻中行人運(yùn)動(dòng)目標(biāo)與背景均會(huì)呈現(xiàn)出各自獨(dú)立的運(yùn)動(dòng)狀態(tài)[1]。同時(shí)環(huán)境中各種物品的出現(xiàn)，將會(huì)不同程度的對(duì)人體目標(biāo)進(jìn)行干擾，使得機(jī)器人視覺(jué)檢測(cè)會(huì)出現(xiàn)大量的冗余信息和觀測(cè)噪聲，在這樣的室內(nèi)環(huán)境中，如何快速檢測(cè)出運(yùn)動(dòng)的人物目標(biāo)成為機(jī)器人視覺(jué)領(lǐng)域中一個(gè)重要課題。文獻(xiàn)[2]采用固定攝像機(jī)的HU不變矩分析方法來(lái)檢測(cè)運(yùn)動(dòng)
大連民族大學(xué)學(xué)報(bào) 2016年3期2016-06-15
- 戰(zhàn)場(chǎng)運(yùn)動(dòng)目標(biāo)快速跟蹤研究*
提出了快速微分光流法，并利用Matlab仿真實(shí)驗(yàn)驗(yàn)證了該技術(shù)的可行性。關(guān)鍵詞：HS算法，LK算法，光流法0 引言戰(zhàn)場(chǎng)偵察設(shè)備的運(yùn)動(dòng)目標(biāo)提取和測(cè)量［1］與民用系統(tǒng)相比，有著不同的特點(diǎn)。根據(jù)對(duì)戰(zhàn)場(chǎng)偵察圖像信息［2］的分析，其需要處理的圖像中的運(yùn)動(dòng)目標(biāo)具有以下特點(diǎn)：（1）目標(biāo)在圖像中的投影面積小戰(zhàn)場(chǎng)環(huán)境中，由于被偵察的目標(biāo)一般都處于距離較遠(yuǎn)的位置，無(wú)論單個(gè)還是多個(gè)目標(biāo)，其投影面積均遠(yuǎn)小于圖像背景面積。一般情況下，偵察圖像目標(biāo)投影所占的像素面積小于圖像總面積的1/
火力與指揮控制 2016年2期2016-03-24
- 基于光流法和Hough變換的車(chē)道偏離預(yù)警系統(tǒng)
，該系統(tǒng)集成了光流法和Hough變換技術(shù)，建立了運(yùn)行算法，以確定是否應(yīng)該發(fā)出警告信號(hào)。當(dāng)不能檢測(cè)到車(chē)道邊界時(shí)，使用LK光流法跟蹤；能夠檢測(cè)到車(chē)道邊界時(shí)，使用車(chē)道檢測(cè)技術(shù)?；谟布蛙浖到y(tǒng)進(jìn)行了廣泛的道路測(cè)試。測(cè)試結(jié)果表明，在系統(tǒng)運(yùn)行過(guò)程中，假警報(bào)發(fā)生率僅為1.18%。此外，其它因素也可能影響系統(tǒng)性能。由于所提出的方法只需要很少的車(chē)輛橫向運(yùn)動(dòng)特性信息集，因此該方法在車(chē)輛中的應(yīng)用更加可行。LDW系統(tǒng)應(yīng)能夠檢測(cè)到汽車(chē)偏離車(chē)道的危險(xiǎn)，并觸發(fā)報(bào)警提醒駕駛員及早采取
汽車(chē)文摘 2015年11期2015-12-14
- 一種改進(jìn)的運(yùn)動(dòng)目標(biāo)跟蹤方法
問(wèn)題，使用基于光流法和立體視覺(jué)的目標(biāo)跟蹤系統(tǒng)，同時(shí)結(jié)合自適應(yīng)濾波方法來(lái)預(yù)測(cè)跟蹤目標(biāo)三維速度的期望值。采用模糊控制系統(tǒng)解決不同速度的耦合問(wèn)題，通過(guò)計(jì)算跟蹤算法與預(yù)測(cè)算法的速度差值來(lái)判斷運(yùn)動(dòng)目標(biāo)是否受到遮擋。實(shí)驗(yàn)結(jié)果表明：在確保91.2%識(shí)別率的前提下，該算法識(shí)別運(yùn)動(dòng)目標(biāo)平均每幀耗時(shí)15ms。該跟蹤算法具有較好的魯棒性和實(shí)時(shí)性。目標(biāo)跟蹤；光流法；立體視覺(jué)；自適應(yīng)濾波；遮擋；模糊控制0 引 言目標(biāo)跟蹤是通過(guò)視頻圖像序列來(lái)處理運(yùn)動(dòng)目標(biāo)的相關(guān)問(wèn)題。目標(biāo)跟蹤技術(shù)廣泛應(yīng)
中國(guó)測(cè)試 2015年7期2015-03-07
- 先驗(yàn)信息光流法在運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用
24）先驗(yàn)信息光流法在運(yùn)動(dòng)目標(biāo)檢測(cè)中的應(yīng)用李倩倩，劉彥隆（太原理工大學(xué)通信與嵌入式實(shí)驗(yàn)室，太原 030024）針對(duì)運(yùn)動(dòng)目標(biāo)的智能跟蹤檢測(cè)提出一種基于先驗(yàn)信息的光流檢測(cè)法。首先，通過(guò)利用區(qū)域生長(zhǎng)法獲取的道路先驗(yàn)信息并結(jié)合幀差法確定運(yùn)動(dòng)目標(biāo)的大致范圍。其次，采用光流法對(duì)處理后的圖像進(jìn)行分割，并由形態(tài)學(xué)方法對(duì)進(jìn)行圖像處理后檢測(cè)出運(yùn)動(dòng)目標(biāo)。最后，基于MATLAB平臺(tái)對(duì)其進(jìn)行仿真計(jì)算。結(jié)果表明，該方法克服了傳統(tǒng)光流法在運(yùn)動(dòng)目標(biāo)檢測(cè)中易受干擾的問(wèn)題，并為軍事人員對(duì)運(yùn)動(dòng)
火力與指揮控制 2015年10期2015-01-08
- 初始段安控圖像目標(biāo)識(shí)別方法研究
直線檢測(cè)算法和光流法運(yùn)動(dòng)檢測(cè)算法，利用火箭發(fā)射初始段安控電視錄像進(jìn)行測(cè)試實(shí)驗(yàn)，實(shí)現(xiàn)了對(duì)發(fā)射場(chǎng)初始段火箭箭體的識(shí)別。該研究使用數(shù)字化圖像處理方法對(duì)現(xiàn)有的安控電視系統(tǒng)進(jìn)行有效改進(jìn)，為安控圖像實(shí)時(shí)判讀提供了可靠的依據(jù)，并為下一步研究提供了有意義的參考。通過(guò)對(duì)上述幾種之間的特點(diǎn)和處理所需的時(shí)間的比較分析，形態(tài)學(xué)邊緣檢測(cè)算法的效果優(yōu)于其他兩種方法。關(guān)鍵詞： 初始段安控圖像； 目標(biāo)識(shí)別； 形態(tài)學(xué)邊緣檢測(cè)； 霍夫變換； 光流法中圖分類號(hào)： TN911?34 文獻(xiàn)標(biāo)識(shí)碼：
現(xiàn)代電子技術(shù) 2014年14期2014-07-24
- 基于ZYNQ的稠密光流法軟硬件協(xié)同處理
ZYNQ的稠密光流法軟硬件協(xié)同處理王芝斌，陽(yáng)文敏，張圓蒲，柴志雷江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院，江蘇無(wú)錫 2141221 引言光流法在許多視頻或圖像應(yīng)用中有廣泛的應(yīng)用前景，比如運(yùn)動(dòng)物體檢測(cè)、運(yùn)動(dòng)物體估計(jì)、視頻壓縮等。光流法是由于場(chǎng)景中前景目標(biāo)本身的移動(dòng)、相機(jī)的運(yùn)動(dòng)，或者兩者的共同運(yùn)動(dòng)所產(chǎn)生的。對(duì)光流算法的研究，真正提出有效光流計(jì)算方法還歸功于Horn-Schunck[1]在1981年創(chuàng)造性地將二維速度場(chǎng)與灰度相聯(lián)系，引入光流約束方程的算法，是光流算法發(fā)展的基石。通
計(jì)算機(jī)工程與應(yīng)用 2014年18期2014-07-19
- 虛擬果園視頻跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
開(kāi)發(fā)了一種基于光流法和背景差分法的虛擬果園視頻跟蹤系統(tǒng)，以期解決這一問(wèn)題。1 系統(tǒng)的總體設(shè)計(jì)與實(shí)現(xiàn)該系統(tǒng)的硬件平臺(tái)包括：裝有Windows 7系統(tǒng)的計(jì)算機(jī)一臺(tái)，USB攝像頭一個(gè)。軟件平臺(tái)為帶有OpenCV2.4.4庫(kù)的Visual Studio 2010及百度云同步軟件。該系統(tǒng)可實(shí)現(xiàn)光流法和背景減法的融合，并最終實(shí)現(xiàn)3個(gè)功能：運(yùn)動(dòng)目標(biāo)屬性顯示功能（包括運(yùn)動(dòng)目標(biāo)的位置、速度和大小的顯示）；郵件發(fā)送功能，即將運(yùn)動(dòng)目標(biāo)的屬性通過(guò)郵件進(jìn)行實(shí)時(shí)傳輸；圖像共享功能，即
浙江農(nóng)業(yè)科學(xué) 2014年11期2014-02-06
- 基于集成光流法和霍夫變換法的車(chē)道偏離預(yù)警系統(tǒng)
基于集成光流法和霍夫變換法的車(chē)道偏離預(yù)警系統(tǒng)介紹了一種基于集成L-K光流法和車(chē)道檢測(cè)方法相結(jié)合的車(chē)道偏離預(yù)警系統(tǒng)（LDW）。應(yīng)用L-K光流法跟蹤一幀幀圖像上但有一種情況是不應(yīng)該預(yù)警的，即車(chē)輛偏離車(chē)道是由于駕駛員有意換道。因此，為判斷駕駛員主動(dòng)換道的情況，兩種條件應(yīng)該同時(shí)被滿足，即車(chē)輛的側(cè)向位置距離車(chē)道線邊緣在閾值內(nèi)，并且駕駛員開(kāi)啟轉(zhuǎn)向指示燈。通過(guò)道路試驗(yàn)來(lái)檢測(cè)LDW算法的準(zhǔn)確性。當(dāng)車(chē)輛偏離車(chē)道中心超過(guò)閾值的情況下發(fā)出聲響報(bào)警。道路試驗(yàn)結(jié)果表明，該系統(tǒng)的誤警
汽車(chē)文摘 2014年3期2014-02-03
- 光流法在運(yùn)動(dòng)目標(biāo)識(shí)別領(lǐng)域的理論與應(yīng)用
可歸納為4種：光流法[2]，相鄰幀差法[3]，背景減法[4]和運(yùn)動(dòng)能量檢測(cè)法[5]。背景差法預(yù)先選取不含前景運(yùn)動(dòng)目標(biāo)的背景圖像，然后將當(dāng)前幀與該背景圖像相減。但背景往往會(huì)發(fā)生變化，所以對(duì)背景圖像的自適應(yīng)性提出了更高的要求。相鄰幀差法能夠適應(yīng)環(huán)境的動(dòng)態(tài)變化，實(shí)現(xiàn)實(shí)時(shí)的運(yùn)動(dòng)檢測(cè)，但分割出的運(yùn)動(dòng)目標(biāo)不完整。光流的概念是Gibson于1950年首先提出的。光流是空間運(yùn)動(dòng)物體在觀測(cè)成像面上的象素運(yùn)動(dòng)的瞬時(shí)速度；光流場(chǎng)是指圖像灰度模式的表面運(yùn)動(dòng)[6]。光流的研究是利用
電子設(shè)計(jì)工程 2013年5期2013-06-23
- Horn-Schunck光流算法在運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤中的運(yùn)用研究
表明，利用HS光流法計(jì)算能近似得到圖像中每個(gè)像素點(diǎn)的運(yùn)動(dòng)矢量，通過(guò)找到其中光流值不為零的像素點(diǎn)組成的最大連通區(qū)域，可以實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤。檢測(cè)；跟蹤；光流法；運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)分析是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向，其主要應(yīng)用于運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤[1]。近年來(lái)，隨著計(jì)算機(jī)硬件技術(shù)的迅猛發(fā)展，計(jì)算機(jī)對(duì)圖像的存儲(chǔ)和處理都有了長(zhǎng)足的進(jìn)步，為運(yùn)動(dòng)圖像的研究和分析提供了許多便利，從而極大地促進(jìn)了運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤技術(shù)的發(fā)展。對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤的實(shí)質(zhì)是對(duì)運(yùn)動(dòng)圖像