四川大学 计算机图形图像研究所，成都 610064
针对运动阴影检测时单一阴影特征难以完全将前景和阴影正确分离，提出一种多特征联合运动阴影检测方法。考虑运动阴影的光照、色度、纹理和区域统计特性，提出采用小邻域光照的对数比值不变性来判定阴影，接着联合阴影HSV 颜色空间特性和梯度方向小块合并的阴影区域统计特性来实现多特征联合运动阴影检测。为了客观评价方法性能，采用一种改进的量化方法，对不同光照和环境条件下的视频序列进行测试。实验结果表明，该方法效果好，前景检测率和阴影检测率高，可应用于智能视频监控的目标检测。
阴影检测 多特征联合 邻域光照比值不变性 HSV 颜色空间 shadow detection integrating multiple features illumination ratio invariability of neighborhood s HSV color space
四川大学 计算机学院 图形图像研究所，成都 610064
针对ASPCM模型处理转动角度较大的人脸图像时出现的不足，提出CASPCM模型。以样本与模型中心的距离为依据将训练样本分组，为每个分组训练ASPCM模型；将局部ASPCM模型的合成映射结果加权平均得到CASPCM模型的合成结果；提出利用梯度下降法使分解映射的姿势估计逐步精确。采用精确性和概括性两个标准衡量该模型的分解性能和合成性能。实验表明，CASPCM模型的分解性能和合成性能均优于ASPCM模型；基于该模型的人脸识别系统在处理转动角度较大的人脸图像时，识别率比ASPCM模型高7%。
图像处理 人脸识别 形状表示 纹理表示 分解合成主成分映射 组合的分解合成主成分映射 image processing face recognition shape representation texture representation analysis synthesis principal component mapping(ASP combined analysis synthesis principal component ma
四川大学,计算机图形图像研究所,四川,成都,610064
在计算机视觉与模式识别领域,人的视频身高肩宽范围检测与识别具有相当广泛的应用前景.本文提出一种新的方法从双目动态图像序列来获得人体身高肩宽范围.文中主要论述了该方法中对人体三维特征的重建部分,在无手工标注实现摄像机标定的基础上,应用人体特征三角形在双目摄像机投影下的几何意义,结合人体三维模型知识重建三维信息,决策身高肩宽范围.最后给出了实验结果及其在WMFVR(加权多特征视频识别)中的应用.
摄像机标定 三维重建 视频身高检测 加权多特征身份识别
四川大学 计算机图形图像研究所,四川,成都,610064
提出一种身份识别模型WMFVR(加权多特征视频识别).模型分三层:先验层,建立识别群体视频样本库,通过数据发掘可识别
(区分) 的视频特征点,如身高、肩宽、人脸等,每个特征点聚类建立特征分布,如按身高聚为高、中、低三类;识别层,在相对静止背景下获取连续图像,检测跟踪运动目标,重建人体三维运动,按时间序列识别各个特征点,结合先验知识库,加权决策识别结果;后验层,根据识别结果,更新视频特征分布,刷新先验知识库.与传统视频身份识别相比,WMFVR充分利用连续动态图像下的视频特征,并引入后验机制,提高了视频识别的可应用性.基于WMFVR设计的视频考勤系统识别率为94.872%,表明在固定场景小范围人群的身份识别中具有良好的鲁棒性.
加权多特征点视频识别 特征提取 模式识别 三维重建
