运动分割
运动分割的相关文献在1988年到2022年内共计166篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、测绘学
等领域,其中期刊论文109篇、会议论文6篇、专利文献121008篇;相关期刊63种,包括中国科学技术大学学报、中国图象图形学报、计算机工程等;
相关会议6种,包括第十一届全国青年通信学术会议、2002机器感知与虚拟现实全国学术会议、第九届全国多媒体技术学术会议等;运动分割的相关文献由367位作者贡献,包括于慧敏、王诗言、张强等。
运动分割—发文量
专利文献>
论文:121008篇
占比:99.91%
总计:121123篇
运动分割
-研究学者
- 于慧敏
- 王诗言
- 张强
- 张运楚
- 梁英宏
- 肖国宝
- 侯叶
- 吴骁伦
- 周东生
- 徐枫
- 戴琼海
- 李智慧
- 杨敏
- 王会靖
- 郭宝龙
- 陈凯
- 黄凤岗
- A·塔亚南坦
- O·埃德勒
- P·斯普林格
- R·奇波拉
- 严严
- 刘允才
- 吴乐南
- 吴晓青
- 周异
- 周文明
- 姚莉秀
- 孙敏
- 岩崎正宏
- 张卫东
- 张婧
- 张桂林
- 张田文
- 张福泉
- 张艳
- 张莉
- 徐戈
- 拉詹·L·乔希
- 施鹏飞
- 曹晓叶
- 朱登明
- 李佐勇
- 李俊
- 李喜来
- 李艾华
- 李莉
- 杨刚
- 杨勇
- 杨新
-
-
王一峰;
赵毅
-
-
摘要:
基于MEMS惯性传感器的运动追踪技术在可穿戴设备、无卫星导航等领域都有着重要的价值,然而目前还没有研究实现基于单个MEMS惯性传感器的任意轨迹实时重建任务,其原因在于轨迹重建过程中二次积分的计算会对传感器数据中的随机误差进行累计,最终导致轨迹重建结果严重失真。为此,设计了一款基于MEMS惯性传感器的可协同运动追踪模块,该模块内置数据增强算法,可有效降低传感器数据在轨迹重建任务中的随机误差。此外,为了减小二次积分过程中的累计误差,提出了一种基于智能运动分割算法的轨迹分段重建方案。实验结果表明,基于该运动追踪模块的轨迹重建方案可实现任意轨迹的精确还原。
-
-
周凯;
罗元;
张毅;
李晋宏
-
-
摘要:
针对传统的视觉里程计算法在动态环境下存在位姿估计精度不高且鲁棒性较差的问题,提出一种融合边缘信息的稠密视觉里程计算法.首先,使用深度信息计算像素点的空间坐标,并采用K-means算法进行场景聚类.分别基于光度信息与边缘信息的聚类构建出光度及几何一致性误差与边缘对齐误差,两者结合并进行正则化后得到数据融合的残差模型.将平均背景深度引入到残差模型中,用以扩大动、静部分残差差距而有利于正确的运动分割.然后,根据聚类残差分布的普遍特征,构建运动似然的非参数统计模型,通过动态阈值进行运动分割,剔除动态物体并得到聚类权重.最后,将加权聚类残差加入到位姿估计的非线性优化函数中,以降低动态物体的影响,提高位姿估计的精度.在TUM数据集上进行实验,结果表明本文算法在静态环境下以及富有挑战性的高动态环境下都能取得较好的结果,在动态环境下比现有算法具有更高的精度与鲁棒性.
-
-
王伟;
郭中华;
兰旭婷
-
-
摘要:
讨论了用于背景减除法的常见颜色模型,针对低饱和度下色度值不稳定的问题,提出一种基于色度、亮度和饱和度空间(IHLS)的改进算法.该方法运用具有饱和度的三维极坐标系统表示颜色的能力,采用饱和度加权色度统计来色度-饱和度关系进行建模,而该饱和度与亮度函数无关.通过CDW2014公开数据集的实验,与基于RGB和HSV的方法进行了比较,分割结果的客观评价指标与主观视觉验证了该改进算法更适合于鲁棒性背景建模和阴影抑制,表明了该方法的有效性.
-
-
马凯;
王伟文;
由从哲(指导)
-
-
摘要:
基于稀疏表示和低秩表示的子空间聚类算法是目前的研究热点,但大多数子空间聚类方法只适用于线性子空间或仿射子空间。针对这一问题,研究了一种能处理非线性模型的核子空间聚类方法。提出学习一种低秩核映射,通过这种映射,特征空间中的映射数据不仅具有低秩性,而且具有自表达性,从而使得低维子空间结构在高维特征空间中得以呈现。通过运动分割和人脸图像聚类问题的实验,验证了方法的有效性。
-
-
马凯;
王伟文;
由从哲
-
-
摘要:
基于稀疏表示和低秩表示的子空间聚类算法是目前的研究热点,但大多数子空间聚类方法只适用于线性子空间或仿射子空间.针对这一问题,研究了一种能处理非线性模型的核子空间聚类方法.提出学习一种低秩核映射,通过这种映射,特征空间中的映射数据不仅具有低秩性,而且具有自表达性,从而使得低维子空间结构在高维特征空间中得以呈现.通过运动分割和人脸图像聚类问题的实验,验证了方法的有效性.
-
-
吴骁伦;
杨敏
-
-
摘要:
运动分割的关键问题是根据在运动场景中提取的视觉特征,对视频序列中不同的运动物体进行聚类划分.在对物体运动进行运动分割时,通常会遇到运动物体被遮挡的问题,而传统的运动分割方法如子空间聚类等都没能很好地解决这一问题.而且对于Hopkins155这个数据集来说,视频的场景基本上都比较小,而且相机大多固定,所以要对这种视频进行运动分割,应该有最适合的矩阵模型去对视频的运动进行拟合.针对这些问题,该文提出了一种基于相似度矩阵和单应性矩阵的运动分割方法,用假设估计的方法与单应性矩阵模型去拟合运动场景,有序残差核计算出相似度,再利用特征轨迹之间的相似度构造相似度矩阵,最后对其进行累加以解决遮挡问题.实验结果表明,此方法在对Hopkins155数据集进行运动分割的实验中,取得了不错的效果.
-
-
赖少川;
王佳欣;
马翠霞
-
-
摘要:
针对以往的前景检测方法对场景信息依赖较多的问题,提出了一种实时的无需迭代更新背景模型的前景检测深度学习模型ForegroundNet.ForegroundNet首先通过骨干网络从当前图像和辅助图像中提取语义特征,辅助图像为相邻的图像帧或者是自动生成的视频背景图像;然后将提取得到的特征输入到包含短连接的反卷积网络中,使得最终特征图在与输入图像具有相同的大小,并且包含不同尺度的语义及动态特征;最后使用softmax层进行二值分类,得到最终检测结果.在CDNet数据集上进行的实验结果表明,相比于当前F值为0.82的次优方法,ForegroundNet能够获得0.94的F值,具有更高的检测精度;同时ForegroundNet检测速度达到123 fps,具有良好的实时性.
-
-
王晨捷;
张云;
赵青;
王伟;
尹露;
罗斌;
张良培
-
-
摘要:
目的 视觉里程计(visual odometry,VO)仅需要普通相机即可实现精度可观的自主定位,已经成为计算机视觉和机器人领域的研究热点,但是当前研究及应用大多基于场景为静态的假设,即场景中只有相机运动这一个运动模型,无法处理多个运动模型,因此本文提出一种基于分裂合并运动分割的多运动视觉里程计方法,获得场景中除相机运动外多个运动目标的运动状态.方法 基于传统的视觉里程计框架,引入多模型拟合的方法分割出动态场景中的多个运动模型,采用RANSAC(random sample consensus)方法估计出多个运动模型的运动参数实例;接着将相机运动信息以及各个运动目标的运动信息转换到统一的坐标系中,获得相机的视觉里程计结果,以及场景中各个运动目标对应各个时刻的位姿信息;最后采用局部窗口光束法平差直接对相机的姿态以及计算出来的相机相对于各个运动目标的姿态进行校正,利用相机运动模型的内点和各个时刻获得的相机相对于运动目标的运动参数,对多个运动模型的轨迹进行优化.结果 本文所构建的连续帧运动分割方法能够达到较好的分割结果,具有较好的鲁棒性,连续帧的分割精度均能达到近100%,充分保证后续估计各个运动模型参数的准确性.本文方法不仅能够有效估计出相机的位姿,还能估计出场景中存在的显著移动目标的位姿,在各个分段路径中相机自定位与移动目标的定位结果位置平均误差均小于6%.结论 本文方法能够同时分割出动态场景中的相机自身运动模型和不同运动的动态物体运动模型,进而同时估计出相机和各个动态物体的绝对运动轨迹,构建出多运动视觉里程计过程.
-
-
赖少川;
王佳欣;
马翠霞
-
-
摘要:
针对以往的前景检测方法对场景信息依赖较多的问题,提出了一种实时的无需迭代更新背景模型的前景检测深度学习模型ForegroundNet。ForegroundNet首先通过骨干网络从当前图像和辅助图像中提取语义特征,辅助图像为相邻的图像帧或者是自动生成的视频背景图像;然后将提取得到的特征输入到包含短连接的反卷积网络中,使得最终特征图在与输入图像具有相同的大小,并且包含不同尺度的语义及动态特征;最后使用softmax层进行二值分类,得到最终检测结果。在CDNet数据集上进行的实验结果表明,相比于当前F值为0.82的次优方法,ForegroundNet能够获得0.94的F值,具有更高的检测精度;同时ForegroundNet检测速度达到123 fps,具有良好的实时性。
-