利用鱼眼相机对人群进行运动估计

人群运动估计是人群行为分析的重要步骤。特定场景的人群运动分析和监控,是维护公共安全和社会稳定的一个必要措施,也是视频监控领域的一个研究难点。利用鱼眼相机视场大、无视觉盲区的优点,提出了一种基于特征点光流的人群运动估计方法。首先,采用一种基于面积反馈机制的混合高斯背景差分方法,对原始视频图像进行预处理,并利用圆拟合的方法获取兴趣区域;其次,为了在保证准确描述人群目标的同时提高算法的实时性,提出一种基于边缘密度非均匀采样的人群特征点提取方法来描述运动的人群目标,并利用Lucas & Kanade光流法计算光流场;最后,为了解决远近人群的尺寸大小不一致的问题和鱼眼相机的畸变问题,采用鱼眼相机的透视加权模型,计算人群运动加权统计直方图,获取人群在鱼眼图像中的全局运动方向和速度。实验结果表明,针对密集的人群,该方法能有效、实时地估计人群的运动方向和速度,为人群行为分析提供有力的研究基础。     

基于改进滑动窗口算法的手机定位数据用户驻留区域识别

针对手机定位数据分析过程中存在的噪声数据处理不佳、用户路径信息丢失、参数适宜性差等问题,提出基于改进滑动窗口的手机定位数据用户驻留区域识别方法.首先讨论了驻留区域识别过程中噪声信息处理与参数自适应等难点;其次通过样本拟合方法,提出出行范围相关的距离阈值计算方法,对经典滑动窗口算法进行改进,生成位置点聚簇结果;最后对通过空间约束规则对乒乓效应进行识别和优化,并对时空相邻聚簇进行归并.实验结果表明,该方法可提高异常漂移点识别的准确率和召回率,并有效处理乒乓效应,可明显提升用户时空行为刻画效果.     

光流网络的无人机视频运动目标检测方法

针对传统光流技术的无人机视频运动目标检测方法计算效率低等问题,提出一种基于改进光流网络的无人机视频运动目标检测方法.首先利用卷积神经网络分别提取视频序列影像中目标的运动特征,并利用所提取特征进行光流计算;其次通过堆叠网络结构增加网络深度、引入小位移子网络等方法提高光流计算的精度和效率;最后通过光流阈值分割实现运动目标的检测.采用4组不同飞行模式下的无人机视频数据进行实验,实验结果表明,无论是在悬停模式还是在航行模式下,所提方法均能实现单目标、多目标和遮挡目标的检测,检测效果更好、计算效率更高(计算时间≤35 ms),基本能满足无人机视频运动目标实时处理的需求.     

多视角监控视频中动态目标的时空信息提取方法

监控视频中动态目标的精准定位与跟踪作为计算机视觉领域中重要的研究方向,近年来已成为监控领域的研究热点。传统视频动态目标检测仅依赖图像特征数据,忽略了与地理坐标系精准匹配,特别是对于多个摄像机覆盖的区域,拍摄的角度不同,投影后形成的图像空间分辨率也不同,因此,难以满足智能监控在复杂的地理场景中全方位时空信息感知。本文提出一种多摄像头协同的视频监控图像与地理空间数据互映射模型构建方法来获取动态目标的轮廓和地理位置等时空信息,首先建立监控图像信息与地理空间数据的互映射关系,将观测角度不同、尺度不同和空间分辨率的监控图像置于同一坐标系下,并在此基础上通过融合Canny算子与背景减法来检测目标的边缘信息;然后采用质心偏移算法还原目标在该场景的实际位置,从而实现多角度下连续跟踪,提升地理场景的时空理解力和分析力,提高动态目标的精准定位与跟踪能力。     

多层独立子空间分析时空特征的人体行为识别方法

人体行为识别在视频监控、医疗诊断等领域都有重要的意义。目前人体识别的主要方法是将人为设计的二维特征扩展到三维空间,或利用运动轨迹,提取出时空特征。基于深度学习的思想,直接在三维空间中构建多层神经网络,从大量的视频数据中学习不同行为的时空特征。首先,采用独立子空间分析(independent subspace analysis,ISA)方法,构造两层卷积叠加神经网络,从训练视频中学习网络权重。然后,对特征使用K-means聚类,转化为视觉单词,根据视觉单词频率直方图计算支持向量机模型(support vector machine,SVM)判决超平面,最后对待分析视频进行动作分类。使用该方法对Hollywood2数据库的12种行为进行实验,结果表明,ISA学习到的特征权重与Gabor滤波器类似,对图像频率和方向具有明显的选择性,对相位变化具有鲁棒性,能够显著提高认为识别的正确率,符合人眼的视觉特征。     

利用时空立方体挖掘小微地震时空演变模式

挖掘分析小微地震的时空演变模式，可为地震灾害的分析与预报提供辅助决策参考。本文以四川地区的地震监测数据为基础，利用时空立方体融合地震点的空间、时间与属性数据，基于时空热点统计分析方法挖掘小微地震的时空冷热点分布模式。试验结果表明：在试验数据的时域内，四川地区小微地震的热点模式主要表现为连续热点、逐渐减少热点和振荡热点。冷点模式主要是连续冷点，且冷点覆盖范围比热点覆盖范围广。基于时空立方体的时空热点分析方法能够发挥时空统计学的优势，可有效挖掘分析小微地震的时空演变趋势。     

基于位置点统计的时空异常检测与分析

探讨了位置数据异常分析的一种新思路,给出了面向异常的时空表达模型,建立了基于区域位置点统计的异常检测和分析框架,探寻异常在事件影响下的时空发展趋势和分布特征。通过纽约两个月的出租车出行数据的实验分析验证了框架的有效性,并发现一些有趣的规律,为公共安全、交通管控应急、城市功能区分析等提供指导信息。     

一种移动视频与地理场景的融合方法

快速准确地了解灾害现场状况是救灾过程中的重中之重。通常发生灾害都会使用无人机进行现场勘察，但是无人机视频难以与实际的地理场景关联起来，为此本文提出了一种移动视频与地理场景的融合方法。该方法首先采用具有仿射不变性的ASIFT算法检测特征点，将匹配后的特征点采用RANSAC算法进行迭代剔除噪点，计算视频与地理场景最优的透视变换矩阵模型参数；然后将计算得到的透视变换参数应用到视频数据，恢复视频角点坐标；最后通过内插得出所有视频帧的角点坐标，实现视频与DOM的精确融合。试验结果表明，对视频数据匹配的间隔帧越短，其整体融合精度越高，通过本文方法进行视频与地理场景融合的误差标准差低于10 m。     

基于改进MCNN的密度图在室内定位中的应用

北京商场购物人群众多，易发生人群拥挤踩踏事故，使得确定高密度人群区域的位置变得至关重要，因此本文引入人群密度图，确定图中人群分布情况，得出室内人群的定位信息。首先将采集的人群视频分割为图像帧，并分成训练集和测试集；然后对训练集图片作人头标签处理，生成地面实况密度图，将其作为改进的多列卷积神经网络算法的训练数据生成模型，并将模型应用于测试集图片生成人群密度图；最后运用ArcGIS对人群密度图与室内平面图作地理配准处理，从而实现对高密度人群的定位。研究结果表明，利用人群密度图确定的高密度区域的位置坐标与实际坐标值基本一致，将人群密度图应用于室内定位是可行的。     

可量测视频目标动态轨迹生成及GIS应用

动态目标三维重建是进一步实现目标地理信息时空分析、目标统计、目标查询、异常报警及各种空间数据挖掘应用的重要基础。利用计算机视觉技术将摄像头中目标框的二维像坐标信息实时动态还原成三维物方目标信息,采用基于物方特征域的模式分类方法,通过目标物方尺寸、目标出现的物方位置进行更准确的目标筛查,提高了目标跟踪的准确性,降低了虚警;通过地平面约束实现单目目标立体定位,增加了立体定位的场景覆盖范围;进而把以帧为单位的视频数据解析成为以目标轨迹为单位的空间三维地理对象信息,并将生成的时空轨迹图层集成到地理信息系统,实现了基于地理信息空间分布的视频时空数据管理。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

光流特征聚类的车载全景序列影像匹配方法

提出一种光流特征聚类的车载全景序列影像匹配方法.采用非参数化的均值漂移特征聚类思想,以SIFT多尺度特征匹配点的位置量和光流矢量,构建了影像特征空间的空域和值域;利用特征空间中对应的显著图像光流特征为聚类条件,实现了全景序列影像的匹配;最后以全景极线几何约束为条件进行粗差的剔除.通过相同、不同内点率以及不同数据的试验对比分析,本文方法在匹配正确点数和正确率方面要优于经典的Ransac法和金字塔Lucas-Kanade光流法,尤其在场景复杂造成的低内点率情况下,算法表现较为稳定,并可较好地剔除由重复纹理、运动物体、尺度变化等产生的匹配点粗差.     

均匀分布与结构描述ASIFT相结合的SAR与可见光图像配准算法

针对SAR与可见光图像配准中存在的非线性灰度差异与斑点噪声,同时考虑不同的成像视角问题,提出了基于均匀分布与结构描述ASIFT的SAR与可见光图像配准算法。该算法首先采用引导滤波建立引导尺度空间以达到噪声抑制与边缘保持,在特征点提取阶段,由于非线性灰度差异引入相位一致性强度信息,并与尺度空间网格划分相结合,指导筛选图像中均匀特征点的获取;然后在特征描述阶段,引入扩展相位一致性方法计算SAR与可见光图像的一致性梯度幅值和方向,提高了主方向和描述符的准确性;最后利用Optimal-RANSAC进行特征描述符匹配实现有效配准。通过对4组实测图像进行试验及结果分析,证明该算法相比SAR-SIFT与传统ASIFT算法具有更准确的配准精度。     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析了图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价了检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合了所有波段的边缘信息,减少了多波段图像边缘信息的不一致性,引入的量化邻域模型能够有效地获取完整的多尺度边缘点。     

基于时空轨迹数据的传染病传播风险评估

本文利用CRAWDAD提供的2009年10月份纽约市的出租车时空轨迹数据,依据复杂网络理论在城市交通网络中的应用,提出了一种方法求解出租车空间密度表示移动人群的时空密度变化,并用不同时段的平均速度表示人群的移动速度综合判定传染病在市内传播的高风险区域,重点分析了13时传染病传播的风险区位。通过建立空间密度与平均速度的二维特征空间,并将齐夫定律与能够遍历曼哈顿区的最大速度作为条件确定传染病传播的风险边界。结果反映在二维特征空间中,由最大遍历速度、安全行驶的空间密度临界值与数据上边界围成的三角区内节点对应的实际区位为传染病传播的高危区域。     

基于时空自相关的建筑物变化检测

针对传统基于像素级的变化检测方法在变化分析中难以利用像元间的时空关系、变化检测结果精度低的问题,提出了一种基于时空自相关的建筑物变化检测方法。首先,利用形态学建筑指数(Morphological Building Index,MBI)进行建筑物提取,并通过长宽比、面积等剔除道路信息优化建筑物提取;其次,采用时空自相关模型分别构建两期MBI特征影像的时空自相关性指标值作为对应像元的相似性测度;最后,利用最大类间方差(otsu)法确定最优阈值,得到变化检测结果。实验表明,该方法所得变化检测结果更完整,漏检率和误检率均低于对比算法,该方法基本满足变化检测需求,为高分影像建筑物变化检测提供一种新的技术手段。     

高分辨率遥感影像建筑区域局部几何特征提取

及时准确地获取城市建筑区域的空间分布及其变化信息对于城市规划、空间地理数据库建设及区域社会经济分析具有重要意义。本文提出一种基于多尺度Gabor变换和感知聚类方法即张量投票TV (Tensor Voting)相结合的自适应局部几何不变特征检测方法,并将其应用于高空间分辨率遥感影像建筑区域提取。首先,考虑到高分辨率遥感影像复杂的几何结构特征,使用Gabor滤波器组对影像进行多尺度多方向变换检测奇异性特征。然后,在感知聚类框架下,根据张量投票理论将不同方向子带系数位置编码为相应的二阶对称方向张量,为了突出影像几何特征,对不同尺度、不同方向子带中任意像素位置方向张量使用滤波器响应系数加权并求和完成多尺度特征融合。再次,对张量特征分解得到点结构与线结构显著性图并使用非极大抑制提取相应角点和曲线等局部几何特征,同时生成约束准则筛选角点以确定建筑物坐标。最后,利用概率密度估计结合局部角点特征生成全局概率密度场描述影像中像素从属于建筑目标的概率,并使用最大类间方差法(Otsu)阈值分割自动提取居民地多边形区域。使用分辨率分别为0.49 m、0.98 m的Google Earth及0.8 m的高分二号等影像数据集进行实验,实验结果表明本文方法相对于已有的Harris和HSCD点检测算法,在建筑区域提取质量上(Quality)上分别提高了4.79%,5.96%;1.47%,3.76%和1.91%,4.08%。     

基于光流的旋翼无人机障碍物检测方法

针对传统光流法检测障碍物准确性不高、适应性差的问题,提出了一种基于金字塔LK光流的旋翼无人机单目视觉自主障碍物检测方法。该方法通过金字塔LK光流法获取光流信息,结合光流大小和拍摄间距与物距的关系设定自适应阈值,比较光流与阈值的大小并对障碍物进行检测与判定。实验证明:该方法可以有效地检测到障碍物,能满足无人机在多种条件下的避障需求,具有较高的准确性、鲁棒性和适应性。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。