国家重点基础研究发展计划(2012CB316304)
- 作品数：14 被引量：115H指数：8
- 相关作者：阮秋琦安高云徐常胜高君宇杨小汕更多>>
- 相关机构：北京交通大学中国科学院自动化研究所对外经济贸易大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划长江学者和创新团队发展计划更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 单幅图像融合参考模型的三维人脸重建被引量：3
- 2014年
- 基于单幅图像的三维人脸重建以其数据获取简易而具有广阔的应用前景.本文提出了一种融合参考模型的方法实现基于单幅图像的三维人脸重建,其主要思想是以球面调和函数表示图像的光照模型,从而建立图像的光照信息与深度信息之间的解析关系;进而可基于参考模型的深度信息获得输入图像的近似光照系数,再根据近似所得的光照系数恢复其深度信息.该法不仅可完全自动化地实现,而且因不需要多个人脸模型的信息而优于基于统计模型的三维重建;由实验中对不同库中人脸图像及真实采集的人脸图像进行重建的结果发现,本文提出的重建方法是切实可行的.
- 李小利阮秋琦安高云阮成雄
- 关键词：三维人脸重建单幅图像参考模型球面调和函数
- 基于深度学习的鲁棒性视觉跟踪方法被引量：30
- 2016年
- 传统的视觉跟踪方法(如L1等)大多直接使用视频序列各帧内的像素级特征进行建模,而没有考虑到各图像块内部的深层视觉特征信息.在现实世界的固定摄像头视频监控场景中,通常可以找到一块区域,该区域中目标物体具有清晰、易于分辨的表观.因此,文中在各视频场景内事先选定一块可以清晰分辨目标表观的参考区域用以构造训练样本,并构建了一个两路对称且权值共享的深度卷积神经网络.该深度网络使得参考区域外目标的输出特征尽可能与参考区域内目标的输出特征相似,以获得参考区域内目标良好表征的特性.经过训练后的深度卷积神经网络模型具有增强目标可识别性的特点,可以应用在使用浅层特征的跟踪系统(如L1等)中以提高其鲁棒性.文中在L1跟踪系统的框架下使用训练好的深度网络提取目标候选的特征进行稀疏表示,从而获得了跟踪过程中应对遮挡、光照变化等问题的鲁棒性.文中在25个行人视频中与当前国际上流行的9种方法对比,结果显示文中提出的方法的平均重叠率比次优的方法高0.11,平均中心位置误差比次优的方法低1.0.
- 高君宇杨小汕张天柱徐常胜
- 关键词：卷积神经网络视觉跟踪鲁棒性计算机视觉
- 基于LPP和改进SIFT的copy-move篡改检测被引量：8
- 2017年
- 图像的复制-粘贴篡改检测是图像篡改检测领域中的重要组成部分。本文基于SIFT算法以及LPP的降维思想,提出了一种新的篡改检测算法。本文在SIFT算法的基础上,使用LPP算法对SIFT算法生成的特征点以及特征向量进行降维。使得传统SIFT算法在实际应用中特征点数目过多、特征向量维数过高等缺陷得到了解决。并使用凝聚型层次聚类算法对相似的特征点进行聚类,完成了对图像复制-粘贴篡改区域的检测。在文章的最后,本文对哥伦比亚大学复制-粘贴图像库里的100张图片进行实验。实验结果表明,不管篡改区域后处理方式是拉伸还是旋转,本文算法都能比传统的SIFT、SURF、PCA-SIFT等算法生成更少的特征点数目和更低的特征向量维度,使得检测效率以及检测正确率得到有效提升。
- 李子健阮秋琦
- 关键词：篡改检测尺度不变特征变换
- 较大尺度运动下的人体特征点跟踪算法研究被引量：8
- 2014年
- 利用光流法可以对视频中运动目标进行特征点跟踪,当目标存在较大尺度运动时,光流法图像一致性假设难以满足,导致特征点跟踪丢失。针对此问题,提出了一种基于Lucas-Kanade(L-K)金字塔光流算法的运动人体特征点跟踪方法。首先,利用帧间差分法得到帧差图像序列,获取行人的运动区域;然后用尺度不变特征变换(SIFT)算法检测选定初始帧中的特征点;最后运用L-K金字塔光流算法跟踪这些特征点在后续帧中的位置。实验结果表明,该算法对较大尺度运动的特征点跟踪有很好的效果,提高了跟踪的准确性。
- 陈婷婷阮秋琦
- 关键词：特征点跟踪图像金字塔
- 基于Hessian半监督特征选择的网络图像标注被引量：4
- 2015年
- 针对半监督特征选择算法进行了研究,采用有标签图像和无标签图像的半监督特征选择方法来提升网络图像标注的性能。基于二阶Hessian能提出一个新的半监督特征选择方法,该方法具有更好的局部拓扑结构保持特性和推断能力,从而能够克服基于图拉普拉斯半监督学习方法的缺点。将所提出的半监督特征选择算法应用到网络图像标注任务中,在两个大规模网络图像数据库上进行了实验,结果表明Hessian半监督特征选择方法优于拉普拉斯半监督特征选择方法,适合大规模网络图像标注。
- 史彩娟阮秋琦刘健闫晓东
- 关键词：半监督学习
- 结合尺度不变特征变换和Kalman滤波的Mean Shift视频运动目标跟踪被引量：10
- 2013年
- 为解决目标跟踪中运动目标存在较大尺度变化、旋转、快速运动或遮挡时跟踪效果欠佳的问题,提出了一种将尺度不变特征变换(SIFT)特征匹配和Kalman滤波与Mean Shift结合的运动目标跟踪方法。首先,利用Kalman滤波估计目标运动状态,将其估计值作为Mean Shift跟踪的初始位置;然后,当候选目标模型和初始目标模型的相似性测度系数小于某一阈值时,启用SIFT特征匹配寻找目标可能位置,并在该位置处建立新的候选目标模型,同时进行相似性测度;最后,比较两者所得匹配系数,取其中较大者对应的位置作为目标的最终位置。实验结果表明,该算法的跟踪平均误差较单独将Kalman滤波或SIFT特征与Mean Shift结合的跟踪算法减小了约20%。
- 朱志玲阮秋琦
- 关键词：目标跟踪尺度不变特征变换算法KALMAN滤波
- 行人跟踪的多特征融合算法研究被引量：4
- 2016年
- 为了克服遮挡,准确跟踪目标,本论文提出了一种基于最邻近法的多特征混合的跟踪算法。颜色特征和几何特征是视觉跟踪中最直观的特征,而且这两种特征的提取和匹配用时较少,被跟踪目标在没有发生遮挡时,使用颜色特征和几何特征也能准确跟踪被跟踪目标。当发生遮挡时,只依靠被跟踪目标的颜色特征和几何特征将不能继续跟踪。Harris角点可以应对部分遮挡,所以将这三种特征融合起来就能很好的克服遮挡问题。但多特征融合往往会降低系统的时效性,本文采用最邻近法来决定目标匹配的优先度,克服了多特征对系统实时性的影响。实验结果表明,本文提出的算法对目标形变及遮挡具有良好的跟踪准确性和鲁棒性,并且克服了特征融合带来的时效性差的问题。
- 冯星辰阮秋琦
- 关键词：目标跟踪HARRIS角点最近邻法
- 颜色不变量空间下的行人跟踪算法研究
- 2014年
- 为了有效的克服遮挡问题准确跟踪行人,本文提出了一种通过不断学习新的外观模型来自适应跟踪行人的跟踪算法。该算法首先将颜色不变量特征平面作为根特征来表示初始特征空间;然后将跟踪问题转化为0或1的二进制问题,通过局部最小二乘法(PLS)来对目标外观特征和对应的类型标签进行建模得到前景和背景的模板。随着目标外观的变化,本文利用局部最小二乘法(PLS)在颜色不变量平面上分析多个外观特征的样本信息,不断的更新模板,从而达到对遮挡具有很好鲁棒性的行人跟踪效果。通过对通用数据集进行试验表明:该算法在颜色暗淡和颜色鲜明的视频图片中都能达到很好的跟踪效果。
- 张述照阮秋琦安高云
- 关键词：行人跟踪
- 基于区域上下文感知的图像标注被引量：12
- 2014年
- 随着互联网的发展,网络图像指数般增长,图像理解技术变得日益重要.其中图像标注技术作为其关键技术得到广泛关注和研究.现有的图像标注技术大多是在图像层次上训练标签模型,忽略了图像区域之间的关系及其标签之间的关系.为了解决这个问题,文中提出了一种新的算法,结合区域之间的位置关系及其标签之间的共生关系辅助标注图像.具体而言,算法首先使用支持向量机对部分可确定区域赋予语义标签,然后利用区域位置关系帮助聚类标注未知区域.得到一幅图所有的区域标签后,我们提出两种模型对标签共生关系建模辅助修正标签集,一个是随机游走模型,另一个是条件随机场模型.最终算法输出每幅图像的文本标签集.在对图像集NUS-WIDE的标注实验中显示,上述方法和单纯考虑区域关系的方法相比,标注效果和性能有了较好的改善,证实该方法是一种稳定、有效的标注算法.
- 邱泽宇方全桑基韬徐常胜
- 关键词：图像标注上下文信息随机游走条件随机场
- 视频中人体行为的慢特征提取算法被引量：8
- 2015年
- 从复杂的人体行为中提取出重要的有区分力的特征是进行人体行为分析的关键。目前经典的特征分析方法大多是线性的特征分析技术,对于非线性处理会导致错误的结果,为此,提出了一种慢特征提取方法。首先,利用帧间差分法获取帧差图像序列,对选定的初始帧进行特征点检测;然后,利用光流法对特征点进行跟踪,收集训练立方体;最后,利用收集的训练立方体进行慢特征函数的机器学习,提取出慢特征并进行特征表示。实验中提取每种行为的慢特征进行对比,结果显示提取的慢特征随时间变化非常缓慢,并且在不同行为之间具有很强的区分力,表明该方法能够有效提取出人体行为的慢特征。
- 陈婷婷阮秋琦安高云
- 关键词：帧间差分法
