Unsupervised spatio-temporal segmentation for extracting moving objects in video sequences

Extraction of moving objects is an important and fundamental research topic for many video ap-plications. This paper addresses an unsupervised spatio-temporal segmentation scheme to extract moving objects from video sequences. The temporal segmentation localizes moving objects by comparing the motion vector of each block in each frame with the corresponding global motion vector estimated by an outlier rejection (OR) based method. Furthermore, the temporal compensation utilizing the temporal coherence of moving objects is considered in the temporal segmentation to solve the temporarily stopping problem. The detected moving regions usually have discontinuous boundaries and some holes. These regions are then compensated in the spatial domain. In the spatial segmentation, the watershed algorithm considering the global information improves the accuracy of segmentation in the spatial domain. The modified mean filter is presented to suppress some minima. By using a fusion module, moving objects are extracted. Experiments on various sequences have successfully demonstrated the validity of the proposed scheme.     

Surface reconstruction of scanned human body using radial basis functions and adaptive partition of unity

It is important to reconstruct a continuous surface representation of the point cloud scanned from a human body. In this paper a new implicit surface method is proposed to reconstruct the human body surface from the points based on the combination of radial basis functions (RBFs) and adaptive partition of unity (PoU). The whole 3D domain of the scanned human body is firstly subdivided into a set of overlapping subdomains based on the improved octrees. The smooth local surfaces are then computed in the subdomains based on RBFs. And finally the global human body surface is reconstructed by blending the local surfaces with the adaptive PoU functions. This method is robust for the surface reconstruction of the scanned human body even with large or non-uniform point cloud which has a sharp density variation. Foundation item: the National Natural Science Foundation of China (No. 50575139) and the Shanghai Special Fund of Informatization (No. 088)     

沥青混凝土路面开裂破坏的渗流模型分析

渗流模型是处理相变与临界现象的有力工具,在本质上属于概率论的一个分支。沥青混凝土路面的开裂破坏是由于无数条微裂缝之间相互连通而导致的,其微裂缝无限连通的过程在数学上属于渗流问题。将渗流模型理论应用于沥青混凝土路面破坏过程的描述,通过选择合适的渗流模型,对沥青混合料破坏的最近邻、次近邻和第三近邻等3种状态的渗流演变过程进行了计算分析,用重整化群方法求出渗流阈值,用以确定沥青混凝土路面开裂破坏的临界条件,为沥青混凝土路面破坏研究提供一种新的思路。     

道路交通标志信息过载阈值研究

从信息论和驾驶员视认心理角度,提出交通标志信息量的度量标准,通过实验的方法获得交通标志信息过载阈值;根据信息过载的属性,分为信息数量过载和信息质量过载,建立路段交通标志信息量过载阈值计算数学模型,计算出不同速度对应的路段交通标志信息量数量过载阈值及其建议阈值;以西安绕城高速公路的标志设计为实例,为设计、管理人员提供可参考的道路交通标志信息过载阈值建议值.     

机动车左弯待转区设置的临界条件

为寻求左弯待转区的设置依据,分析了交叉口的几何形状,给出了设置左弯待转区的几何临界条件;利用累计曲线和交通波理论建立了左转车排队位置模型,如果交叉口的渠化方案和信号配时方案保持不变,应用排队位置模型可以得出在排队长度约束下的临界流量和极限流量;如果左转车的到达率一定时间段是稳定不变的,可以得到设置左弯待转区的左转相位最短绿灯时间和最长红灯时间.研究成果可为左弯待转区的设置提供理论依据.     

动目标成像跟踪算法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,困难之一是消除运动背景的影响.采用基于均匀稀疏采样仿射变换的参数模型块匹配算法将图像分成许多固定大小的像素块,通过将每一个像素块在下一帧的一定范围内搜索其最优匹配,由此产生的偏移矢量即为该像素块的运动矢量,对上一帧图像进行补偿与下一帧图像差分,用形态学运算图像处理,对图像目标进行识别跟踪.     

基于小波变换的多尺度多阈值语音增强方法

语音信号与随机噪声在不同尺度上进行小波变换时,其小波变换系数和尺度大小的特性关系存在着不同的特征表现。而且,浊音和清音也各有其特性．鉴于此特点,给出了一种基于小波变换的多尺度多阈值语音增强方法．该方法采用软限幅函数对浊音和清音信号的小波变换系数作不同的阈值处理,既抑制了噪声,又减少了语音段的信息的损失,提高了信噪比．仿真结果说明,这是一种有效的语音增强方法．     

一种基于语义分割结果的车道线检测拟合方法

车道线等地面标志物的检测是自动驾驶车辆环境感知的重要内容,能够为车辆提供可行驶区域的信息。文章提出一种基于语义分割结果的车道线检测拟合方法。使用车载单目相机获取车辆行驶过程中采集的道路图像,送入卷积神经网络进行车道线语义分割。将分割得到的仅含车道线的二值图像进行透视变换得到鸟瞰图,筛选有效车道线像素点,对有效车道线点使用最小二乘法进行多项式拟合,输出左右车道线多项式拟合系数,能够有效解决传统车道线检测算法的环境适应性差,鲁棒性不强,对弯道车道线检测信息不够准确等问题。     

基于语义分割网络的路面积水与湿滑区域检测

积水或湿滑路面的道路附着系数远小于干燥路面的附着系数,对交通的安全性和机动性都有很大的影响.通过及时获取路面状态信息而发出预警,可大大减小潜在伤害.本文中研究了基于图像的语义分割网络在积水和潮湿的路面状态识别中的应用,它不仅可预测未来路面状态信息,且可得到路面积水和湿滑区域的分布.该方法利用语义分割网络Res-UNet...     

一种基于深度学习的地铁车体螺栓松动检测方法

现有的螺栓松动检测算法难以适应地铁复杂场景的变化,检测准确度难以提高.对此,文中提出了一种基于深度学习的地铁车体螺栓松动检测方法,并在现场采集的真实图像数据上进行分步试验,试验结果证明了该方法的有效性.