-
公开(公告)号：CN101127122A
公开(公告)日：2008-02-20
申请号：CN200710045941.7
申请日：2007-09-13
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉与模式分析技术领域，具体为一种内容自适应渐进式遮挡分析目标跟踪算法。在目标跟踪过程中，经常由于没能探测出遮挡物而导致跟踪效果变差甚至丢失目标。现有的算法大多仅仅依靠当前帧感兴趣区域的像素灰度值本身来判断是否有遮挡发生，效果不够理想。本发明利用时空上下文信息渐进地分析感兴趣区域的遮挡情况，并结合参考目标与运动矢量进一步提高分析结果的可靠性。因此，与现有算法相比，本发明的算法能够更好地区分遮挡物与目标。大量实景视频流的实验结果证实了本发明算法的有效性。
-
公开(公告)号：CN101246546A
公开(公告)日：2008-08-20
申请号：CN200810034548.2
申请日：2008-03-13
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉和模式识别技术领域，具体为一种视频目标跟踪中的可变掩蔽模板匹配算法。在视频目标跟踪中，目标经常会被其它物体部分遮挡。在这种情况下，用传统的固定掩蔽模板匹配确定目标的位置会造成精确度的显著下降。为了在目标被部分遮挡的情况下仍然能够精确地定位目标，本发明结合遮挡分析技术，在首次非精确的匹配结果的基础上采用可变掩蔽模板匹配算法进行校正，校正过程中的模板掩蔽动态地随着候选目标位置的变化而改变，使得目标未被遮挡的部分始终能够有效引导匹配算法找到精确的目标位置。基于大量实景视频流的实验结果证实了本发明算法的有效性。
-
公开(公告)号：CN100359536C
公开(公告)日：2008-01-02
申请号：CN200610024305.1
申请日：2006-03-02
Applicant: 复旦大学
IPC: G06T7/20
Abstract: 本发明为一种基于自适应Kalman初始搜索位置选取的图像跟踪算法。本发明在对每一帧图像进行目标搜索前，先预测目标可能出现的位置，并把该位置作为初始搜索位置，以减小初始搜索位置与目标位置之间的距离，提高跟踪鲁棒性并降低计算量。本发明提出了自适应Kalman预测滤波器对目标运动速度进行预测，使得在任何目标运动情况下都能尽可能减小目标速度预测误差。实验证明，本发明提出的算法对基于各种搜索算法的图像跟踪算法都显著地提高了图像跟踪质量，并极大地降低了计算量。
-
公开(公告)号：CN101127120B
公开(公告)日：2011-02-09
申请号：CN200710045939.X
申请日：2007-09-13
Applicant: 复旦大学
IPC: G06T7/20
Abstract: 本发明属于计算机视觉与模式分析技术领域，具体为一种能够有效抑制模板漂移的目标跟踪算法。在目标跟踪过程中，经常会出现模板漂移现象。本发明针对模板漂移的起因提出了一个定量表达式，称为“漂移噪声功率”，并将其纳入卡尔曼模板更新滤波器的框架。包含了漂移噪声功率的卡尔曼模板更新滤波器能够在空间及时间上自适应地实现及时更新目标外观与避免模板漂移之间的最优平衡。在大量不同类型的实景视频流以及合成视频流上的实验结果都证实了本发明算法的有效性。
-
公开(公告)号：CN101127121A
公开(公告)日：2008-02-20
申请号：CN200710045940.2
申请日：2007-09-13
Applicant: 复旦大学
IPC: G06T7/20
Abstract: 本发明属于计算机视觉和模式识别技术领域，具体为一种基于自适应初始搜索点预测的目标跟踪算法。该算法通过对坐标变换参数的变化率进行卡尔曼滤波来更好地预测初始搜索点；更重要的是，该算法有效地在线估计卡尔曼滤波器中的模型噪声功率，而非先验地对它们的取值做出假设，因而能够在没有任何人工干预的情况下动态地根据不同的目标运动状况和搜索精度进行实时调整。大量实景视频流上的实验结果均证实了该算法显著提高了跟踪稳定性，并且大幅降低了计算量。
-
Patent Agency Ranking
公开(公告)号：CN101127120A
公开(公告)日：2008-02-20
申请号：CN200710045939.X
申请日：2007-09-13
Applicant: 复旦大学
IPC: G06T7/20
Abstract: 本发明属于计算机视觉与模式分析技术领域，具体为一种能够有效抑制模板漂移的目标跟踪算法。在目标跟踪过程中，经常会出现模板漂移现象。本发明针对模板漂移的起因提出了一个定量表达式，称为“漂移噪声功率”，并将其纳入卡尔曼模板更新滤波器的框架。包含了漂移噪声功率的卡尔曼模板更新滤波器能够在空间及时间上自适应地实现及时更新目标外观与避免模板漂移之间的最优平衡。在大量不同类型的实景视频流以及合成视频流上的实验结果都证实了本发明算法的有效性。
-
-
公开(公告)号：CN101098461B
公开(公告)日：2010-11-17
申请号：CN200710043465.5
申请日：2007-07-05
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉与模式分析技术领域，具体为一种视频目标跟踪中的全遮挡处理方法。在视频目标跟踪过程中，目标常常会被其它物体完全遮挡一段时间。本发明提出了一种有效探测目标重新出现的时刻并及时再次捕获目标的方法。该方法在目标被完全遮挡后的每隔几帧即选出一个最佳匹配作为可能的重新出现的目标。然后利用遮挡物与刚重新出现的目标在作后向匹配时的不同特性检验该匹配是否真的是重新出现的目标。如果是则将该匹配所在的帧确定为目标重新出现的时刻，该最佳匹配的位置即为目标重新出现的位置。大量实景视频流的实验结果证实了本发明方法的有效性。
-
公开(公告)号：CN100384254C
公开(公告)日：2008-04-23
申请号：CN200510024305.7
申请日：2005-03-10
Applicant: 复旦大学
IPC: H04N7/26
Abstract: 本发明为一种用于视频图像压缩的基于视频图像复杂度的自适应残差帧操作方法。本发明通过定义视频图像复杂度，预测残差帧操作是否会带来更好的压缩效果，并根据预测结果自适应地进行残差帧操作。本发明提出的自适应残差帧操作方法使得残差操作的模式根据视频图像的内容的变化而变化，以保证对任何内容的视频图像流都最大程度地利用帧间冗余，同时又避免了场景转移或背景突变给残差帧操作带来的负面影响。本发明的方法既可以应用于单帧视频图像的自适应残差帧操作，也可以应用于由一定数量的视频图像帧构成的视频图像帧组的自适应残差帧操作。实验证明，本发明提出的方法在相同的压缩倍数下极大地提高了恢复视频图像的质量。
-
公开(公告)号：CN101098461A
公开(公告)日：2008-01-02
申请号：CN200710043465.5
申请日：2007-07-05
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉与模式分析技术领域，具体为一种视频目标跟踪中的全遮挡处理方法。在视频目标跟踪过程中，目标常常会被其它物体完全遮挡一段时间。本发明提出了一种有效探测目标重新出现的时刻并及时再次捕获目标的方法。该方法在目标被完全遮挡后的每隔几帧即选出一个最佳匹配作为可能的重新出现的目标。然后利用遮挡物与刚重新出现的目标在作后向匹配时的不同特性检验该匹配是否真的是重新出现的目标。如果是则将该匹配所在的帧确定为目标重新出现的时刻，该最佳匹配的位置即为目标重新出现的位置。大量实景视频流的实验结果证实了本发明方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.015 seconds)
