一种针对大尺度运动的快速光流算法
光流是空间运动目标在观测成像面上的像素运动的瞬时速度。光流法是目标检测与跟踪的常用方法之一。由于光流法[1]可提供目标运动和结构信息,其具有以下明显的优点:a)计算精度较高,可准确检测到亚像素级位移;b)光流计算可应用于相对复杂的运动中,如平移、旋转、缩放等,因此得到广泛的应用。光流计算的前提是运动一致连贯性假设:a)光照一致假设,即亮度恒定,场景中被跟踪部分的亮度不变;b)小运动假设,即目标小运动,也即目标运动相对于帧率是缓慢变化的;c)局部一致性假设,即相邻的点具有相似的运动,并保持相邻。由于此假设,已有的光流计算方法[1～3]均采用小窗口,存在不适用于大幅度运动以及计算开销大等局限性。对于超出计算窗口的大幅度运动,如果增大计算窗口,将违背运动一致连贯性假设,造成无法计算光流或光流计算错误。为此,文献[4]提出采用支持向量回归(support vector re-gression)计算光流,以得到平滑的光流,消除某些帧的光流...&
(本文共4页)
权威出处：
1引言近年来,随着异常事件和突发事件的增多,视频监控成为了焦点。而视频中大部分是人的行为活动,由于视频数据量大,加上工作人员精力有限,如何让计算机快速准确的进行人体行为分析成为研究的热点。特征点跟踪是人体行为分析的基础,是计算机视觉领域一个具有挑战性的研究课题,该课题在视频监控、人体跟踪、人体行为识别和人机交互方面有着重要的应用[1-2]。近年来,国内外研究者提出不同的算法对特征点跟踪问题进行研究。主要有基于滤波器预测的方法和基于光流的方法。Shan He[3]等人提出使用卡尔曼滤波器的方法对特征点进行跟踪;任少盟[4]等人提出了基于扩展Kalman预测模型的特征点跟踪方法;佟磊等人[5]提出使用强跟踪滤波器预测的方法对特征点进行跟踪。这些方法在一定程度上提高了跟踪精度和跟踪速度,但是存在的不足之处是难以处理较大尺度运动的特征点跟踪问题。在众多特征点跟踪算法中,L-K光流法是最典型的特征点跟踪方法,相对容易实现,计算复杂度低,跟...&
(本文共7页)
权威出处：
图像匹配技术是图像处理、机器视觉领域中的基础技术之一。图像匹配的目的是估计两幅或多幅待匹配图像之间的变换参数使得这些图像在空间上达到最佳对准。随着民用、军用智能系统以及宇宙探索等领域巨大的需求推动,图像匹配技术正在经历着日新月异的发展。然而如何得到鲁棒、高精度、高效、适用于复杂场景的匹配结果仍然是困扰着研究人员的难题。本文针对图像匹配中迫切需要解决的若干关键问题展开工作,围绕基于图像信号的相位匹配技术进行了研究,分别面向结构化场景、高精度要求环境以及复杂场景的图像匹配问题,对基于相位信息的图像匹配及其在基于单目视觉的机器人运动估计中的应用进行了深入研究,并取得了一定的研究成果,具体内容如下：针对结构化环境,提出了一种新颖的鲁棒的匹配Hough谱表征和匹配图像轮廓。并证明了Hough谱所具有的平移、旋转、缩放和周期特性。匹配Hough谱将二维图像轮廓转换为一维信号,用一维Hough谱表征形状的旋转与缩放参数,在Hough密度空间中...&
(本文共108页)
权威出处：
智能交通系统(Intelligent Transportation System:ITS)良好的发展前景和日益提升的应用需求推动着其核心技术——车辆目标检测和跟踪的不断发展。传统的检测方法使得基于视频图像处理技术的车辆检测应用得以推广,但算法的固有缺陷成为系统性能提升的瓶颈。近年来,基于目标本身所特有的一些显著的视觉特征的车辆检测方法在智能交通领域备受研究者瞩目。本文就基于特征提取的车辆跟踪方法的设计和实现进行了深入的研究。在照明度较好的白天,车辆图像的结构信息突出、充分,本文推荐使用角点作为特征,可以实现高效的目标检测。而针对跟踪子任务,采用基于图像金字塔光流的特征跟踪方法,能获得目前针对目标的大尺度运动预测的最好结果。作为对系统性能的改进和完善,傍晚检测基于场景下相对清晰、充分的边缘信息进行；夜间检测则依赖唯一明显、稳定的特征——车头灯的识别来实现。实验表明,上述方法在不同光照条件的卡口监测环境下都具有较高的检测精度和实时的...&
(本文共58页)
权威出处：
在三维空间物体到二维成像平面上,光流即为空间运动目标像素在其成像平面的瞬时速度,主要用于图像分割与运动目标的检测,目前已被广泛应用于医学、军事以及智能等领域.针对Horn-Schunck提出的光流计算变分方法,J.Colliez[1]采用了基于向量的回归方法计算平滑的光流矢量,但不适合在大位移下进行光流的检测.目前,光流的主要研究方法是采用J.Colliez提出的由粗到精的分层细化技术[2],即基于最小二乘法矩阵,在图像较为平坦的区域,灰度梯度为零;在其他一些区域,二次矩阵的特征值可能接近为0.这样图像的孔径问题仍然存在,而且不能提供一个可靠完整的密度流,同时采用高斯分布[3]预处理图像,无法自适应选择平滑阈值,平滑过大,会丢失图像的较多细节信息;平滑过小,又无法有效地去除噪音,导致计算光流存在误差.因此,本文采用一种多尺度多分辨率的全局能量泛函光流计算方法,为防止过平滑而导致目标边缘细节丢失,采用基于ROF模型预处理得到的纹理...&
(本文共8页)
权威出处：
利用时变图像序列进行运动分析来确定三维空间中运动物体的结构或物体与观察者之间的相对运动参数是计算机视觉领域中的热门研究课题。三维运动投影至二维图像平面也将形成运动,这种运动以图像平面上亮度模式的流动表现出来,称之为光流,而光流场是一种二维速度场。对光流场的计算是低层视觉计算技术中的一项重要任务。对光流计算技术的研究已持续了将近三十年,其间产生了一大批富有成效的光流计算方法,微分光流算法、匹配光流算法、能量光流算法、相位光流算法、小波光流算法等相继被提出,其中微分光流算法因具有完备的数学理论基础,实现简单,精度相对较高等优点而获得了广泛的应用。然而,这些光流计算方法都是基于图像中的灰度信息进行计算的,忽略了图像中蕴含丰富的彩色信息。光流估计是一个病态问题,彩色信息提供的附加约束可有效克服光流孔径问题带来的影响。彩色光流估计方法大致可分为灰度一致性方法和色彩一致性方法两大类,实验表明其光流估计精度优于经典的灰度估计方法。然而,总的来...&
(本文共133页)
权威出处：
扩展阅读：
CNKI手机学问
有学问，才够权威！
出版：《中国学术期刊（光盘版）》电子杂志社有限公司
地址：北京清华大学 84-48信箱 知识超市公司
互联网出版许可证 新出网证(京)字008号
京ICP证040431号
服务咨询：400-810--6613
订购咨询：800-810-6613
传真：010-
京公网安备75号1305人阅读
& & & & & & 光流是空间运动物体在观测成像面上的像素运动的瞬时速度。光流的研究是利用图像序列中的像素强度数据的时域变化和相关性来确定各自像素位置的“运动”，即研究图像灰度在时间上的变化与景象中物体结构及其运动的关系。将二维图像平面特定坐标点上的灰度瞬时变化率定义为光流矢量。
光流场（optical flow field）是指图像灰度模式的表观运动。它是一个二维矢量场，它包含的信息即是各像点的瞬时运动速度矢量信息。研究光流场的目的就是为了从序列图像中近似计算不能直接得到的运动场。
当人的眼睛观察运动物体时，物体的景象在人眼的视网膜上形成一系列连续变化的图像，这一系列连续变化的信息不断“流过”视网膜（即图像平面），好像一种光的“流”，故称之为光流（optical flow）。光流表达了图像的变化，由于它包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。
1981年，Horn和Schunck创造性地将二维速度场与灰度相联系，引入光流约束方程，得到光流计算的基本算法。人们基于不同的理论基础提出各种光流计算方法，算法性能各有不同。Barron等人对多种光流计算技术进行了总结，按照理论基础与数学方法的区别把它们分成四种：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法。近年来神经动力学方法也颇受学者重视。
1 基于梯度的方法
基于梯度的方法又称为微分法，它是利用时变图像灰度（或其滤波形式）的时空微分（即时空梯度函数）来计算像素的速度矢量。由于计算简单和较好的结果，该方法得到了广泛应用和研究。典型的代表是Horn-Schunck的光流计算方法，该方法在光流基本约束方程的基础上附加了全局平滑假设，从而计算出光流场。基于此思想，大量的改进算法不断提出。Nagel采用有条件的平滑约束，即通过加权矩阵的控制对梯度进行不同平滑处理；Black和Anandan针对多运动的估计问题，提出了分段平滑的方法。虽然很多基于梯度的光流估计方法取得了较好的光流估计，但由于在计算光流时涉及到可调参数的人工选取、可靠性评价因子的选择困难，以及预处理对光流计算结果的影响，在应用光流对目标进行实时检测与自动跟踪时仍存在很多问题。
2 基于匹配的方法
基于匹配的光流计算方法包括基于特征和区域的两种。基于特征的方法不断地对目标主要特征进行定位和跟踪，对目标大的运动和亮度变化具有鲁棒性（robustness）。存在的问题是光流通常很稀疏，而且特征提取和精确匹配也十分困难。基于区域的方法先对类似的区域进行定位，然后通过相似区域的位移计算光流。这种方法在视频编码中得到了广泛的应用。然而，它计算的光流仍不稠密。另外，这两种方法估计亚像素精度的光流也有困难，计算量很大。在考虑光流精度和稠密性时，基于匹配的方法适用。
3 基于能量的方法
基于能量的方法首先要对输入图像序列进行时空滤波处理，这是一种时间和空间整合。对于均匀的流场，要获得正确的速度估计，这种时空整合是非常必要的。然而，这样做会降低光流估计的空间和时间分辨率。尤其是当时空整合区域包含几个运动成分（如运动边缘）时，估计精度将会恶化。此外，基于能量的光流技术还存在高计算负荷的问题。此方法涉及大量的滤波器，目前这些滤波器是主要的计算消费。然而，可以预期，随着相应硬件的发展，在不久的将来，滤波将不再是一个严重的限制因素，所有这些技术都可以在帧速下加以实现。
4 基于相位的方法
Fleet和Jepson首次从概念上提出了相位信息用于光流计算的问题。因为速度是根据带通滤波器输出的相位特性确定的，所以称为相位方法。他们根据与带通速度调谐滤波器输出中的等相位轮廓相垂直的瞬时运动来定义分速度。带通滤波器按照尺度、速度和定向来分离输入信号。
基于相位的光流技术的综合性能是比较好的：速度估计比较精确且具有较高的空间分辨率，对图像序列的适用范围也比较宽。同时，这里仍有几个问题值得讨论：
(1)与基于能量的光流技术一样，基于相位的模型既有一定的生物合理性，又有较高的计算复杂性；
(2)尽管相位技术用两帧图像就可计算光流，但要获得足够的估计精度，就必须有一定的整合时间，这个延迟将会降低边缘处运动估计的时间分辨率；
(3)Fleet和Jespon的方法对输入图像序列中的时间混叠比较敏感。
5 神经动力学方法
计算机视觉研究的初衷就是为了模仿人类视觉系统的功能。然而人类理解与识别图像的能力与计算机形成了巨大的反差。视觉科学家们迫切期望借鉴人类处理图像的方法，以摆脱困境。对于光流计算来讲，如果说前面的基于能量或相位的模型有一定的生物合理性的话，那么近几年出现的利用神经网络建立的视觉运动感知的神经动力学模型则是对生物视觉系统功能与结构的更为直接的模拟。
Grossberg等人的视觉运动感知神经动力学模型描述了运动感知中视皮层简单细胞、复杂细胞、超复杂细胞以及视网膜双极细胞之间的相互作用，揭示了运动分割与组合、竞争与合作的神经整合机制。这个称为运动边界轮廓系统的神经网络解释了复杂运动图形上的局部模糊运动如何被积极地组织成一个整体一致的运动信号，给出了整体小孔问题的一个解。这个模型对于整体运动方向的判别非常有效，然而它却不能给出运动速度的大小。
Fay和Waxman模仿视网膜中的时空处理和大脑的视觉运动通路，基于并联动力学提出了一个多层神经网络，它涉及光适应、边缘增强和边缘速度提取等几个处理阶段。网络中，每个节点的动力学特性类似于具有可变电导的细胞膜，光适应利用神经元间的抑制作用来获取，空间对比度增强借助于一个修正的on-中心/off-周边反馈网络来实现，最后的速度估计由一个称为对传活化法的动力学方程来提取。这个神经网络在一并行机上实现了30帧/秒的帧速下的速度提取。遗憾的是它仅能提供运动边缘的法向速度估计，为了恢复整个模式的光流场，还必须用速度泛函方法将估计的法向流整合成一个致密的光流场。尽管用这些神经动力学模型来测量光流还很不成熟，然而这些方法及其结论为进一步研究打下了良好的基础，是将神经机制引入运动计算方面所做的极有意义的尝试。一并行机上实现了30帧/秒的帧速下的速度提取。遗憾的是它仅能提供运动边缘的法向速度估计，为了恢复整个模式的光流场，还必须用速度泛函方法将估计的法向流整合成一个致密的光流场。
尽管用这些神经动力学模型来测量光流还很不成熟，然而这些方法及其结论为进一步研究打下了良好的基础，是将神经机制引入运动计算方面所做的极有意义的尝试。
目前，对光流的研究方兴未艾，新的计算方法还在不断涌现。这里对光流技术的发展趋势与方向提出以下几点看法：
(1)现有技术各有自己的优点与缺陷，方法之间相互结合，优势互补，建立光流计算的多阶段或分层模型，是光流技术发展的一个趋势;
(2)通过深入的研究发现，现有光流方法之间有许多共通之处。如微分法和匹配法的前提假设极为相似；某些基于能量的方法等效于区域匹配技术；而相位方法则将相位梯度用于法向速度的计算。这些现象并不是偶然的。Singh指出，现有
各种光流估计方法基本上可以统一在一个框架之中，这个框架将光流信息分成两类：保持信息和邻域信息，光流场的恢复通过两种信息的提取和融合来实现。光流计算的统一框架的研究是这个领域的又一趋势；
(3)尽管光流计算的神经动力学方法还很不成熟，然而对它的研究却具有极其深远的意义。随着生物视觉研究的不断深入，神经方法无疑会不断完善，也许光流计算乃至计算机视觉的根本出路就在于神经机制的引入。神经网络方法是光流技术的一个发展方向。
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：16265次
排名：千里之外
转载：29篇
(14)(2)(3)(2)(10)