运动分割

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。

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.

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.

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。

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.

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.

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.

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.

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。

摘要： 边缘在视频序列的运动分割中有着重要的意义，如果图像中的边缘都是可见的，那么只要简单地提取图像的边缘就可以得到很精确的分割结果。本文阐述了如何利用两帧图像之间的运动跟踪获取边缘的运动标记，从而确定区域的运动层次和区域标记的过程。

摘要： 该文提出了一种MPEG-4标准所规范的基于内容表示的图像序列运动分割算法。首先进行图像序列二维运动估计并计算位移帧差；然后，利用位移帧差将运动物体从静止背景中分离出来；最后进行形态滤波以获取分割结果。实验结果显示，在物体存在整体运动的情况下，分割结果表现出了很好的准确度，可以成功地提取出图像序列中的运动物体。

摘要： 这篇论文提出了一种运动分割和运动人脸定位的算法。首先引入运动过零点边缘的概念，并计算运动过零点边缘上的光流场。这样既保证了运动的可分性又有效地防止了光流场的溢出。然后利用一种简单的聚类方法先得出图象序列中的人数，再将每年运动过零点边纣划分给不同的人。最后利用人的头肩轮廓的特点，采用直观的定位算法对每个人进行入脸定位。这种算法具有定位准确和不易受噪声干扰的优点。其中运动分割的方法适用于其它应用领域。

摘要： 步态识别作为一种较新的生物认证技术有其独特优势,在计算机视觉领域是一个难题.本文按步态识别所涉及到的运动分割、特征提取、识别等同题进行了研究,最后对步态识别中存在的问题及未来研究方向进行了讨论.

摘要： 基于对象的视频图像分割是实现MPEG-4基于内容的编码和交互功能的关键.视频对象分割方法可分为帧内分割法、运动分割法和空时联合分割法.该文分别介绍了这几类方法的一些具体算法,包括分水岭算法、对称差分算法和Snake活动轮廓模型.

摘要： 研究了图像运动目标的分割、特征选取、运动状态的检测及跟踪，建立多目标状态辨识矩阵用以检测各种运动状态，并针对不同状态采取相应跟踪策略。整个系统跟踪测试表明对于多数情况下的非高速运动目标检测系统而言，该系统可达到实时、准确跟踪的目的。

摘要： 研究了图像运动目标的分割、特征选取、运动状态的检测及跟踪，建立多目标状态辨识矩阵用以检测各种运动状态，并针对不同状态采取相应跟踪策略。整个系统跟踪测试表明对于多数情况下的非高速运动目标检测系统而言，该系统可达到实时、准确跟踪的目的。

摘要： 研究了图像运动目标的分割、特征选取、运动状态的检测及跟踪，建立多目标状态辨识矩阵用以检测各种运动状态，并针对不同状态采取相应跟踪策略。整个系统跟踪测试表明对于多数情况下的非高速运动目标检测系统而言，该系统可达到实时、准确跟踪的目的。

摘要： 研究了图像运动目标的分割、特征选取、运动状态的检测及跟踪，建立多目标状态辨识矩阵用以检测各种运动状态，并针对不同状态采取相应跟踪策略。整个系统跟踪测试表明对于多数情况下的非高速运动目标检测系统而言，该系统可达到实时、准确跟踪的目的。

摘要： 研究了图像运动目标的分割、特征选取、运动状态的检测及跟踪，建立多目标状态辨识矩阵用以检测各种运动状态，并针对不同状态采取相应跟踪策略。整个系统跟踪测试表明对于多数情况下的非高速运动目标检测系统而言，该系统可达到实时、准确跟踪的目的。

摘要： 提供一种在将运动视频图像按规定时间进行分割、由图像处理装置对分割出的运动视频图像进行规定的处理的情况下能够减少处理所需的时间的偏差的运动视频分割方法、运动视频分割装置以及运动视频处理系统。运动视频分割装置在决定成为包的发送目的地的图像处理装置时，基于包所包含的难易度高的图像的比例来按包计算负荷值，将以前发送的包的负荷值的累积值最小的图像处理装置决定为发送目的地。

摘要： 提供一种提高将运动视频图像分割后进行的运动视频分析的精度的运动视频分割方法、运动视频分割装置以及运动视频处理系统。判定构成包的各图像的难易度，在难易度为Low的图像连续规定值F_cnt张以上的情况下，在连续的图像的比最后靠前1个的图像处对运动视频图像进行分割，形成包。

摘要： 本发明涉及用于在制造材料板的生产线中分割连续运动挤压坯垫的方法和分割装置，该生产线具有连续工作压机(7)，其中在成型带(8)上撒布的挤压坯垫(9)在压机(7)中应用压力和加热被压制和硬化，其中在压机(7)前面不希望的、不可用的或对运行有损害的挤压坯垫(9)之部分被清除并在需要时该挤压坯垫(9)借助分割装置(5，20)以横向于生产方向(24)或相对其成夹角地通过该宽度被分割。本发明还在于：挤压坯垫(9)之在起动运行或停工运行时进入压机(7)中的进入边棱(22)和/或离开边棱(23)借助分割装置(5，20)被如此构成，以便在起动运行时的进入边棱(22)中该挤压坯垫(9)的成型带侧表面(32)首先进入压机(7)中，和/或在结束生产时挤压坯垫(9)的离开边棱(23)中该挤压坯垫(9)的成型带侧表面(32)作为最后者进入压机(7)中。

摘要： 本发明公开了一种基于分割信度的运动轨迹分割方法，包括以下步骤：获取运动轨迹，针对运动轨迹的每一个属性，获取运动轨迹的属性极值点；选取部分属性极值点作为第一候选分割点；所述运动轨迹的每一个属性分别设定多个带宽阈值，针对任一属性、任一带宽阈值，当第一候选分割点的属性变化率大于对应带宽阈值时，将该第一候选分割点标记为第二候选分割点；计算第二候选分割点所在轨迹点的信度值；设定信度阈值，将信度值小于信度阈值的第二候选分割点所在轨迹点过滤，得到最终的分割点集合。本发明可以消除运动轨迹中由于运动本身和运动采集设备噪声带来的数据不稳定的影响，同时在确保分割准确的前提下保证了分割的简洁性。

摘要： 提供一种提高将运动视频图像分割后进行的运动视频分析的精度的运动视频分割方法、运动视频分割装置以及运动视频处理系统。判定构成包的各图像的难易度，在难易度为Low的图像连续规定值F_cnt张以上的情况下，在连续的图像的比最后靠前1个的图像处对运动视频图像进行分割，形成包。

摘要： 提供一种在将运动视频图像按规定时间进行分割、由图像处理装置对分割出的运动视频图像进行规定的处理的情况下能够减少处理所需的时间的偏差的运动视频分割方法、运动视频分割装置以及运动视频处理系统。运动视频分割装置在决定成为包的发送目的地的图像处理装置时，基于包所包含的难易度高的图像的比例来按包计算负荷值，将以前发送的包的负荷值的累积值最小的图像处理装置决定为发送目的地。

摘要： 本发明涉及用于在制造材料板的生产线中分割连续运动挤压坯垫的方法和分割装置，该生产线具有连续工作压机(7)，其中在成型带(8)上撒布的挤压坯垫(9)在压机(7)中应用压力和加热被压制和硬化，其中在压机(7)前面不希望的、不可用的或对运行有损害的挤压坯垫(9)之部分被清除并在需要时该挤压坯垫(9)借助分割装置(5，20)以横向于生产方向(24)或相对其成夹角地通过该宽度被分割。本发明还在于：挤压坯垫(9)之在起动运行或停工运行时进入压机(7)中的进入边棱(22)和/或离开边棱(23)借助分割装置(5，20)被如此构成，以便在起动运行时的进入边棱(22)中该挤压坯垫(9)的成型带侧表面(32)首先进入压机(7)中，和/或在结束生产时挤压坯垫(9)的离开边棱(23)中该挤压坯垫(9)的成型带侧表面(32)作为最后者进入压机(7)中。

摘要： 本发明公开了一种基于分割信度的运动轨迹分割方法，包括以下步骤：获取运动轨迹，针对运动轨迹的每一个属性，获取运动轨迹的属性极值点；选取部分属性极值点作为第一候选分割点；所述运动轨迹的每一个属性分别设定多个带宽阈值，针对任一属性、任一带宽阈值，当第一候选分割点的属性变化率大于对应带宽阈值时，将该第一候选分割点标记为第二候选分割点；计算第二候选分割点所在轨迹点的信度值；设定信度阈值，将信度值小于信度阈值的第二候选分割点所在轨迹点过滤，得到最终的分割点集合。本发明可以消除运动轨迹中由于运动本身和运动采集设备噪声带来的数据不稳定的影响，同时在确保分割准确的前提下保证了分割的简洁性。

摘要： 描述了用于处理视频数据的技术。该技术包括确定以几何分割模式进行编解码的当前块的第一分割和第二分割，基于第一运动矢量和第二运动矢量确定第一预测块和第二预测块，基于指示对第一预测块和第二预测块中的样点进行缩放的量的权重来对第一预测块和第二预测块进行混合以生成最终预测块，将当前块划分为多个子块，确定子块子集，其中每个子块包括至少一个与最终预测块中的预测样点相对应的样点，该最终预测块是基于第一预测块中的样点和第二预测块中的样点的相等加权而生成的，以及为所确定的子块子集中的每个子块存储相应的双向预测运动矢量。

摘要： 一种对视频数据进行解码的方法，包括：确定对于视频数据的当前块启用几何分割模式；以及确定将当前块划分为第一分割和第二分割的分割线，其中，确定该分割线包括从多个角度中选择该分割线的角度，该多个角度中的每个角度对应于当前块的样点的N:M比率，其中N和M是整数。分割线不在当前块的角上。该方法还包括：使用分割线的角度确定当前块的几何模式权重；使用第一分割的运动信息来生成第一预测块；以及使用第二分割的运动信息来生成第二预测块。