检索结果相关分组
- 跨设备虹膜图像的鲁棒识别
- 作者： 校利虎 来源：中国科学院大学 年份：2014 文献类型 ：学位论文 关键词： 虹膜识别 Hough变换 Canny算子 Legendre矩
- 描述：跨设备虹膜图像的鲁棒识别
- 形变虹膜图像的鲁棒特征表达与匹配
- 作者： 张曼 来源：中国科学院大学 年份：2013 文献类型 ：学位论文 关键词： 生物特征识别 图像匹配 鲁棒特征表达 多通道特征融合 形变虹膜
- 描述：不同的角度解决形变虹膜识别问题。本文的主要贡献如下: 1)从图像数据层面入手，将图像扰动方法引入虹膜识别。该方法以数据库中已有注册模板为基础，人为扰动生成大量新的图像，模拟实际采集过程中可能遇到
- 基于视觉结构表达与建模的物体检测研究
- 作者： 张俊格 来源：中国科学院大学 年份：2013 文献类型 ：学位论文 关键词： 拓扑模型 特征融合 视觉结构表达 局部结构化描述子 物体检测
- 描述：着广泛的应用。虽然针对该问题的研究工作已经有许多，但物体检测至今仍然是一个非常难的课题，其中最难的是如何得到鲁棒的物体表达。本文从视觉结构表达与建模的角度对这一问题进行了研究，开展了以下工作: 1
- 基于彩色和深度信息的头部姿势估计研究与应用
- 作者： 唐云祁 来源：中国科学院大学 年份：2013 文献类型 ：学位论文 关键词： 图像预处理 特征提取 姿态感知模型 头部姿势估计 Kinect传感器
- 描述：头部姿势估计是一个典型而复杂的模式识别问题，在人脸识别、虹膜识别、视线估计等研究领域有着广泛的应用前景，具有重要的学术研究价值。本文以Kinect传感器获取的RGB-D图像为头部姿态估计的数据基础，以实时应用系统为目标，对头部姿势估计的各个模块（如图像预处理、特征提取等）展开研究，试图构建统一的深度图像姿态感知模型，来指导头部姿势估计特征设计，并寻找区分性好、鲁棒性强的特征以描述头部姿势的变化规律。具体来说，本文的主要工作和贡献如下: ①针对Kinect传感器采集的RGB-D图像，融合深度图像和彩色图像的物理特性，设计了一种新颖的脸部定位分割算法。与传统多姿态人脸检测算法相比，该算法能精确、快速定位大姿态变化下人脸位置。 ②以人类视觉系统的深度信息处理能力为引导，提出了一个新颖的深度切片姿态感知模型。该模型采用“化整为零”的思想，将整幅深度图像分解成一系列切片，来描述目标的姿态变化规律，比较接近人类视觉系统对深度信息的处理过程，具有实现方式灵活多变、扩展性好和抗噪声能力强的特点。深度切片姿态感知模型为深度图像的表达提供了一个统一框架，为深度图像特征表达的设计提供了理论指导。 ③基于深度切片姿态感知模型，提出了三种新颖的头部姿势估计特征，它们是切片几何中心描述子、切片局部深度描述子和切片局部方向描述子。其中，切片几何中心描述子采用切片几何中心的归一化坐标来描述切片随头部姿态的变化规律，具有抗噪声能力强的特点;而切片局部深度描述子则不仅使用切片的方式沿像素值增长方向提取局部特征，而且还借鉴LBP的思想在切片图像上提取局部特征，把“局部”的思想运用到了极致;最后，切片局部方向描述子综合切片几何中心描述子和切片局部深度描述子的优点，既借鉴了切片局部深度描述子“多重局部”的思想，又吸纳了几何中心描述子高鲁棒性的特点，具有精度高和鲁棒性好的特点。 ④在借鉴积分图思想的基础上，设计了切片坐标积分数组、切片深度积分图和切片坐标积分图，将切片几何中心描述子特征、切片深度描述子特征和切片方向描述子特征的抽取工作简化为简单的减法和除法，分别实现了三种描述子特征的快速提取算法，从而保证了头部姿势估计方法的实时性。并且，以当前流行回归方法为工具，实现了三种实时头部姿势估计方法。 ⑤融合切片局部深度描述子和切片局部方向描述子的特点，设计并实现了一个由粗到精的头部姿势估计系统;同时，基于微软Face Tracking SDK提供的鼻尖位置，实现了一个基于切片方向描述子的实时头部姿势估计系统，并将其应用于人脸识别，提高了人脸识别的易用性。 本文的工作为进一步开展人脸识别、视线估计等相关研究打下了坚实的基础。
- 基于视觉的人的行为表达与识别方法研究
- 作者： 王时全 来源：中国科学院大学 年份：2013 文献类型 ：学位论文 关键词： 行为表达信息 方向统计学 提取特征 行为识别 智能视频监控
- 描述：人的行为识别是计算机视觉、模式识别领域的重要研究问题。其目的是让计算机自动识别出视频序列中人的行为。这在多种应用场合都有强烈需求，尤其是智能视频监控。一般来说人的行为识别首先在视频序列中提取特征，然后描述行为的空间、时间信息并识别。本文从人的视觉认识、学习行为的机理出发，分析表达行为需要的信息，结合方向统计学处理梯度和光流进而完成行为表达和识别。本文主要工作和贡献有: ①提出了行为表达的三类信息:状态、状态转移的过程和状态转移序列，以此对行为识别相关工作进行整理，作为该论文的工作基础。 ②引入方向统计学并结合梯度提出了一种描述状态的特征和一个对应的相似度度量。该特征验证了方向梯度直方图描述目标结构信息的有效性，在行为识别方面具有较好的表现。 ③引入方向统计学并结合光流提出了一种紧致的状态转移特征．该特征针对不规则行为、多视角行为具有较好的鲁棒性，而且计算量小适用于实时应用，还有良好的跨数据库能力。 ④建立了一个单人行为识别数据库，该数据库具有大规模、真实场景、多视角、贴近智能视频监控实际需求的特点，基于该数据库提出了一种统筹管理多行为识别数据库的元数据关系模型。 总的说来，本文在行为识别领域进行了有益的探索，并取得了一些有创新意义的成果。
- 人脸图像的鲁棒特征表达方法研究
- 作者： 柴振华 来源：中国科学院大学 年份：2013 文献类型 ：学位论文 关键词： 鲁棒编码 局部图像 Gabor特征 模式识别 人脸识别系统
- 描述：的基于量化共生编码统计的人脸局部特征提取框架，主要的工作和贡献包括: 1)针对Gabor特征的鲁棒编码问题，提出了两种改进的特征提取策略。第一种是基于Gabor相位特征改进的人脸表征和识别方法。该方法
- 非重叠场景下的跨摄像机目标跟踪研究
- 作者： 陈晓棠 来源：中国科学院大学 年份：2013 文献类型 ：学位论文 关键词： 非重叠场景 数据关联 跨摄像机目标跟踪 颜色转换 拓扑估计 目标匹配
- 描述：的跨摄像机目标跟踪研究的若干问题，主要包括:(1)多摄像机网络拓扑结构的估计;(2)多摄像机之间光照变化的处理;(3）跨摄像机目标匹配与识别;(4)跨摄像机目标跟踪中的数据关联。本文的主要工作如下
- 复杂场景中的目标检测与跟踪研究
- 作者： 丁建伟 来源：中国科学院大学 年份：2012 文献类型 ：学位论文 关键词： 流形学习 运动模糊 运动目标检测 粒子滤波 马尔科夫随机场 目标跟踪
- 描述：运动目标检测和目标跟踪是计算机视觉领域的两个重要研究问题，在视频监控、人机交互、智能交通和运动分析等都有广泛的应用和商业价值。虽然经过人们多年的研究，目标检测和跟踪技术已有了长足的发展，但是要实现复杂场景下鲁棒的目标检测和跟踪依然还有很多问题需要解决。 本文以复杂场景下的运动目标检测和目标跟踪作为研究对象，针对复杂场景存在的光照变化、杂乱背景、复杂运动等诸多难点问题进行了深入研究，在复杂场景建模、目标的表观模型、跟踪的搜索策略以及严重模糊视频中的跟踪等方面取得了一些成果，论文的主要工作和贡献如下: ①为了提高复杂动态场景下基于场景建模的运动目标检测方法的性能，我们提出了一种基于最大后验概率-马尔科夫随机场的在线非监督的前景提取算法，将前景提取问题看成是像素的分类问题，并最终转化成能量优化问题。在这个优化问题中，我们融合了颜色、位置、时间连续性和空间一致性四种特征信息来提高算法的准确率和鲁棒性。在基于这几种特征来学习前景和背景像素的概率分布时，我们提出了一系列新的非监督的在线学习方式，从而能更有效的判断像素的类别。优化问题的求解是通过最大流算法完成的，这样可以保证求解结果是全局最优的。实验证明，该算法能有效避免前景提取结果中的噪声和空洞，抵抗动态背景干扰的能力大大加强。 ②借鉴交互式分割这种半监督算法，我们提出了基于两阶段优化方法的运动前景提取算法。该方法首先基于颜色和运动信息提取部分可靠的前景和背景像素点，然后根据这些可靠像素点的信息得到前景提取的可靠约束，在最大后验概率-马尔科夫随机场框架下，基于交互式图割算法得到了非常精确的运动前景。该方法吸取了多级过滤方式和弱监督学习算法的优点，能够显著提高算法在复杂场景中的精度和鲁棒性。 ③为了提高跟踪算法在处理复杂场景中如光照突变、姿态变化、杂乱背景以及复杂运动等难题的性能，我们从表观模型和跟踪策略两方面展开研究，提出了一种基于局部表观流形学习和新的SSIR粒子滤波器的跟踪算法。在表观模型方面，我们将原始高维表观数据转换到低维流形空间进行建模，提出了基于在线局部结构化流形学习的方式来描述目标的表观。这种建模方式不仪提供了一种对物体的整体描述，而且更对表观数据在低维流形空间中的分布赋予了局部结构的概念，可以处理高度非线性的数据，并学习得到更鲁棒的表观模型。在跟踪策略方面，我们改善了传统的SIR粒子滤波器在生成粒子过程中的一些缺陷，提出了一种新的SSIR粒子滤波器。基于新的SSIR粒子滤波器，生成的粒子将更加集中于目标最有可能的状态周围，这样最终估计得到的目标状态将更加精确，目标的漂移问题也可以得到缓解。 ④针对复杂场景下视频中存在严重模糊的情况，或者视频是由低速廉价摄像头拍摄的低质量视频，我们提出了一种新的基于粒子滤波框架数据驱动的跟踪算法。算法首先对输入图像做傅立叶分析并提取频域特征，检测图像是否存在模糊，然后基于检测结果进行相应的处理，这样可以提高效率。对于图像中存在模糊的情况，目标的表观模型融入了一系列不同方向和幅度的运动模糊核，以提高模板匹配的准确性，而且在跟踪的运动模型中我们也考虑了目标可能的突然运动模式，这样进一步避免了跟丢目标。实验表明该方法能很好的跟踪视频中存在严重模糊的目标，并且具有较高的效率。 总的说来，本文在针对复杂场景中的运动目标检测和目标跟踪作了有益的探索，取得了一定的研究成果。