上海理工大学光电信息与计算机工程学院, 上海 200093
提出了一种基于监控视频的异常事件识别模型, 该模型可以实时监测视频中的前景目标, 并通过分析目标的运动信息判断是否有异常事件的发生。首先, 采用背景建模的混合高斯算法提取前景目标; 然后, 用金字塔迭代的 L.K特征点跟踪算法得到前景的光流运动信息, 并通过分析前景的面积比例、速度方差、整体熵判断视频中是否有异常事件的发生; 最后, 利用爆炸、人群短时聚集和分散两种异常事件做仿真实验。结果表明, 该模型可以准确提取前景目标区域, 并可以快速、精准地判断监控视频中的异常事件, 可以为管理部门及时发现和控制异常事件提供有效的帮助。
模式识别 混合高斯 L-K特征点跟踪 光流信息 pattern recognition hybrid Gaussian L-K feature point tracking optical flow information
针对在无人机视觉导航过程中光流信息易受前景运动物体与噪声影响造成测速精度下降的问题, 基于Mean-Shift算法提出了一种光流测速优化方法。该方法使用Lucas-Kanade光流算法计算出稀疏光流后, 采用改进的Mean-Shift算法对光流数据进行聚类处理, 根据速度的一致性剔除光流数据中的干扰项。实验结果表明, 该优化方法可以有效地减少前景运动物体和噪声对无人机光流测速的影响, 提高无人机测速的精度。
无人机 视觉导航 光流信息 光流测速 UAV visual navigation optical flow information optical flow velocimetry Mean-Shift Mean-Shift
1 华东理工大学信息科学与工程学院, 上海 200237
2 东华大学信息科学与技术学院, 上海 201620
针对红外图像存在纹理信息不丰富和边缘信息较少导致深度估计精度难以提高的问题,本文设计一种深层神经网络估计红外图像的深度,该网络融合了一个二维(2D)残差神经网络和一个三维(3D)卷积神经网络。传统单幅红外图像的深度估计方法遗漏了帧间信息,容易出现物体轮廓模糊甚至丢失的情况。在2D和3D网络输入端分别加入稠密光流和前后帧图像。进一步将3D卷积网络提取的视频特征与2D残差网络的特征图做权值连接。不同于传统神经网络的全连接层,全卷积层突破了输入图片的尺寸限制。实验结果表明,本文提出的红外图像深度估计方法具有较高的精度,估计出的物体轮廓更清晰完整。
图像处理 红外图像 深度估计 光流信息 残差神经网络 卷积神经网络 激光与光电子学进展
2018, 55(6): 061010
