-
公开(公告)号：CN110210277A
公开(公告)日：2019-09-06
申请号：CN201810498271.2
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 由于运动目标和场景的复杂性与多变性，当前主流的运动目标检测算法检测结果中都难以完全避免检测出的运动目标不出现空洞现象，本发明提供一种运动目标空洞填充算法，针对空洞区域和附近被检测为前景的区域的性质，提出了基于超像素分割与显著性检测相结合的运动目标空洞填充算法，该方法通过给出的相似度函数能够找到精确的需要填充的区域，将这些区域与VIBE算法检测结果相加，得到比较理想的结果。实验结果表明，本发明方法可以将空洞区域很好地填充上。
-
公开(公告)号：CN109035293A
公开(公告)日：2018-12-18
申请号：CN201810498274.6
申请日：2018-05-22
Applicant: 安徽大学
CPC classification number: G06T7/215 , G06K9/6218 , G06N3/04 , G06T7/11 , G06T7/246 , G06T2207/10016
Abstract: 为了解决现有技术的不足，本发明提供一种适用于视频图像中显著人体实例分割的方法：将视频序列中运动目标的运动持续性和时空结构一致性引入，实现基于此两者约束的一种将光流聚类、显著性检测和多特征投票相结合的人体实例分割方法。对于运动连续性，采用基于光流区域聚类的前景目标概率计算策略，即基于光流特征对区域进行聚类并以区域面积大小为权重计算前景概率，对于时空结构一致性，我们提出采用以融合显著性检测和基于粗轮廓的多特征投票策略，并结合显著性检测、区域邻帧光利差相，对具有完整轮廓的目标前景进行像素级别上的能量约束优化，从而实现未被遮挡的移动行人的实例分割。
-
公开(公告)号：CN110210277B
公开(公告)日：2022-12-09
申请号：CN201810498271.2
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 由于运动目标和场景的复杂性与多变性，当前主流的运动目标检测算法检测结果中都难以完全避免检测出的运动目标不出现空洞现象，本发明提供一种运动目标空洞填充算法，针对空洞区域和附近被检测为前景的区域的性质，提出了基于超像素分割与显著性检测相结合的运动目标空洞填充算法，该方法通过给出的相似度函数能够找到精确的需要填充的区域，将这些区域与VIBE算法检测结果相加，得到比较理想的结果。实验结果表明，本发明方法可以将空洞区域很好地填充上。
-
Patent Agency Ranking
公开(公告)号：CN109035293B
公开(公告)日：2022-07-15
申请号：CN201810498274.6
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 为了解决现有技术的不足，本发明提供一种适用于视频图像中显著人体实例分割的方法：将视频序列中运动目标的运动持续性和时空结构一致性引入，实现基于此两者约束的一种将光流聚类、显著性检测和多特征投票相结合的人体实例分割方法。对于运动连续性，采用基于光流区域聚类的前景目标概率计算策略，即基于光流特征对区域进行聚类并以区域面积大小为权重计算前景概率，对于时空结构一致性，我们提出采用以融合显著性检测和基于粗轮廓的多特征投票策略，并结合显著性检测、区域邻帧光利差相，对具有完整轮廓的目标前景进行像素级别上的能量约束优化，从而实现未被遮挡的移动行人的实例分割。
-
公开(公告)号：CN108805897A
公开(公告)日：2018-11-13
申请号：CN201810498273.1
申请日：2018-05-22
Applicant: 安徽大学
CPC classification number: G06T7/215 , G06T7/194 , G06T7/254 , G06T2207/10016
Abstract: 针对经典的VIBE前景提取算法当输入的第一帧含有运动目标时后续检测就会出现“鬼影”现象、像素判别时模型中的固定半径在复杂场景检测效果不佳等问题，本发明提供一种改进的运动目标检测VIBE算法，区分静止区域是“鬼影”区域还是静止目标，并描述当前像素与背景模型中样本之间的差异程度，且在像素判别时根据描述字来动态调整判别模型中半径的大小，使得在场景变化程度较小时有更多的前景点被检测出，变化程度较大时能够阻止波动较小的像素点被检测为前景点，减少检测结果中的噪声。有益的技术效果：与原始的VIBE算法相比较，本发明能够在更少的帧数内去除“鬼影”，并使得检测出的运动目标更为准确。
-
公开(公告)号：CN109544605B
公开(公告)日：2022-01-21
申请号：CN201810497909.0
申请日：2018-05-23
Applicant: 安徽大学
IPC: G06T7/277
Abstract: 目前的移动阴影检测算法检测结果不够理想的问题，本发明提供基于时空关系建模的移动阴影检测方法，该方法利用HSV颜色空间和LBP纹理特征相结合的阴影特征，在阴影区域两步预检测的基础上，通过计算区域阴影程度的似然概率和其在帧内相邻域基于阴影特征两步特征分项比较和帧间相邻区域基于区域面积加权相结合得到的先验概率，实现基于马尔可夫随机场的迭代优化式阴影区域分割求解。实验结果表明，对于视频中移动阴影的检测，该方法有很好的效果。
-
公开(公告)号：CN108805897B
公开(公告)日：2022-01-21
申请号：CN201810498273.1
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 针对经典的VIBE前景提取算法当输入的第一帧含有运动目标时后续检测就会出现“鬼影”现象、像素判别时模型中的固定半径在复杂场景检测效果不佳等问题，本发明提供一种改进的运动目标检测VIBE算法，区分静止区域是“鬼影”区域还是静止目标，并描述当前像素与背景模型中样本之间的差异程度，且在像素判别时根据描述字来动态调整判别模型中半径的大小，使得在场景变化程度较小时有更多的前景点被检测出，变化程度较大时能够阻止波动较小的像素点被检测为前景点，减少检测结果中的噪声。有益的技术效果：与原始的VIBE算法相比较，本发明能够在更少的帧数内去除“鬼影”，并使得检测出的运动目标更为准确。
-
公开(公告)号：CN109544605A
公开(公告)日：2019-03-29
申请号：CN201810497909.0
申请日：2018-05-23
Applicant: 安徽大学
IPC: G06T7/277
Abstract: 目前的移动阴影检测算法检测结果不够理想的问题，本发明提供基于时空关系建模的移动阴影检测方法，该方法利用HSV颜色空间和LBP纹理特征相结合的阴影特征，在阴影区域两步预检测的基础上，通过计算区域阴影程度的似然概率和其在帧内相邻域基于阴影特征两步特征分项比较和帧间相邻区域基于区域面积加权相结合得到的先验概率，实现基于马尔可夫随机场的迭代优化式阴影区域分割求解。实验结果表明，对于视频中移动阴影的检测，该方法有很好的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
