摘要：针对光照变化下图像局部或整体灰度剧烈变化而容易导致目标跟踪失败的问题,提出一种结合颜色信息和Retinex灰度增强的改进时空上下文算法.首先比较单尺度Retinex算法和多尺度Retinex算法,确定使用多尺度Retinex算法对图像进行灰度增强以减弱光照变化对图像灰度的影响;然后比较各种视觉模型的颜色特征,确定引入基于色相信息的目标模型,并将该模型与多尺度Retinex灰度增强模型相结合作为跟踪的目标模型.实验结果表明,文中算法比原算法在跟踪成功率上有较大提升,在Shaking场景下跟踪成功率为95%,比传统的时空上下文跟踪算法的跟踪成功率提高约24%;相比其他主流算法,该算法在平均跟踪成功率和跟踪精度上的表现也更高、更可靠.

摘要：针对R-C3D行为检测网络特征提取冗余度高及边界定位不准确的问题,结合残差收缩结构和时空上下文,提出一种改进的行为检测网络(RS-STCBD)。首先,将收缩结构和软阈值化操作融入到3D-ResNet的残差模块中,设计通道自适应阈值的残差收缩单元(3D-RSST),并级联多个3D-RSST单元构建特征提取网络以消除行为特征中的噪声、背景等冗余信息;然后,在时序候选子网中嵌入多层卷积替代一次卷积,以增加时序侯选片段的时序维度感受野;最后,在行为分类子网引入非局部注意力机制,通过捕获优质行为时序片段间的远程依赖以获取动作时空上下文信息。在THUMOS14和ActivityNet1.2数据集上的实验结果表明:改进网络的mAP@0.5分别达到36.9%和41.6%,比R-C3D方法提升了8.0%和14.8%。基于改进网络的行为检测方法提高了动作边界定位精度和行为分类准确率,有利于改善自然场景下的人机交互质量。

摘要：为解决时空上下文视觉跟踪算法在目标处于遮挡及复杂背景情况下容易产生跟踪漂移的问题,提出了一种基于粒子滤波的时空上下文视觉跟踪算法.通过设置实验参数,自动选择第一帧目标所在的矩形区域,在后续帧跟踪的过程中,利用Bhattacharyya系数作为判断是否遮挡的依据,当目标发生遮挡时,引入粒子滤波对目标在后续帧中位置及运动轨迹进行估计和预测,实现了目标的精确跟踪.实验结果表明,该算法不仅能够适用于光照变化、目标旋转、背景区域干扰等复杂背景下的视觉目标跟踪,并且对目标的遮挡具有鲁棒性,满足实时性要求.

摘要：时空上下文视频目标跟踪算法仅使用单一灰度特征,跟踪精度低,在面内外旋转情况下容易跟踪失败。针对该问题,提出一种改进的特征融合算法。考虑到颜色特征的尺度不变性和光照平衡性,引入能更好表示目标外观的11种基础色表示特征。提取目标及其局部上下文的11维颜色特征并进行自适应降维,融合降维后的颜色特征与灰度特征构建目标外观模型,在线学习并更新时空模型,计算置信图并寻找其最大值作为目标位置输出。仿真结果表明,改进算法提高了原算法在光照变化、遮挡等情况下的跟踪精度,能够处理面内外旋转的跟踪难题。

摘要：针对视频目标跟踪过程中当目标被严重遮挡时基于时空上下文的跟踪算法(SpatioTemporal Context Learning,STC)容易出现跟踪失效的问题,设计了一种基于时空上下文与Kalman滤波的改进视频目标跟踪算法.该算法以Kalman滤波过程为基础,当目标未发生遮挡时,将STC跟踪所得的目标位置作为Kalman滤波器的观测值来对目标位置进行更新;当目标发生严重遮挡时,以Kalman滤波器的预测值作为Kalman的观测值对目标位置进行更新,最终完成目标跟踪.仿真结果表明,改进的视频目标跟踪算法可以克服遮挡带来的跟踪失效问题,且能够实现实时的目标跟踪.

摘要：因果关系普遍存在于群体交互行为中,体现出主动体行为对被动体行为的有向影响.因果关系检测的难点在于交互双方的行为具有复杂的时间动态性.现有方法使用循环神经网络,来描述交互关系的时间变化特性,并使用时间注意力机制,来描述时间依赖关系.上述方法忽视了对多人依赖关系的分析,难以区分交互双方中的主动行为者和被动行为者.本文设计了一种基于Granger因果关系的时空图推理模型,来学习交互双方的主动和被动关系.为了实现Granger因果关系检测,该模型对单个个体时序特征进行自回归建模,来描述行为对个体自己的依赖.该模型对两个个体时序特征进行相关回归建模,来描述行为对两个个体的依赖.该模型通过比较自回归误差和相关回归误差,当自回归误差明显大于相关回归误差,则说明相关个体改变了另一方个体的行为特征,从而检测出相关个体为主动个体,另一方为被动个体.相关回归模型考虑了多种时间延迟量的两个个体的时序特征序列,用于学习两个个体之间行为的时间延迟量.该时间延迟量用于将主动个体时间特征与被动个体时间特征进行对齐.时间对齐后的主动个体特征提供了被动个体的时间和空间上下文特征,并与被动个体特征进行通道级的融合.为了充分描述个体之间的外观模式,位置约束,因果关系的交互关系,该模型构建多尺度外观的因果图,并使用图推理学习融合上下文的个体特征和群体特征.本文对Granger因果关系检测进行消融分析,并说明时间延迟量,交互融合通道比例,多尺度图推理,能够有效改善个体特征、群体特征的描述能力.本文方法在Volleyball和Collective Activity数据集上优于现有群体行为识别方法.本文的可视化结果说明Granger因果关系可以捕获群体中关键的交互关系.

摘要：遮挡问题是导致目标跟踪任务失败的重要因素,如何提升算法的抗遮挡性能是跟踪领域的研究热点。本文首先剖析了遮挡易导致跟踪失败的原因,论述了构建强判别性的鲁棒目标模型对提高跟踪算法抗遮挡性能的重要意义,分析了抗遮挡目标模型的构建方案。其次依据目标模型利用的信息类型,将代表性抗遮挡性能较优的算法分为基于有效特征信息、状态估计信息与稳定时空信息三类。而后详尽分析了基于卡尔曼滤波、粒子滤波、局部空间信息、时间上下文信息、时空上下文信息跟踪算法的抗遮挡思路方案、适用遮挡场景、优缺点及改进方案。最后通过不同类型算法在遮挡场景下的跟踪性能比较,对目标模型构建方案抗遮挡的有效性提出思考与分析,并指出学习语义信息轻量化网络设计、场景上下文预测、仿生视觉机理的应用发展方向。

摘要：连续图片序列中的运动对象与其局部背景保持相对稳定。相邻图像序列的目标局部灰度分布具有相似性。针对红外小目标跟踪杂波干扰与运动模糊问题,设计了基于局部相似的目标增强方法,并提出一种基于局部相似和运动估计的跟踪算法。该算法根据目标的局部相似性构建搜索空间,采用运动估计机制缩小搜索域,然后利用时空上下文学习跟踪算法产生跟踪结果。实验表明,本文方法能够有效应对杂波干扰和运动模糊情况,实现红外小目标的稳健跟踪,且具有较好的实时性。

摘要：对空巢家庭的老人和设备的异常检测与即时预警是智能家居系统的重点和难点问题。利用多模态联合传感技术获取时空上下文信息,由各类感知组件进行处理而获取居住者的动作,用改进的多层隐马尔科夫模型对离散的动作进行抽象而获得人的高层行为——事件。居住者常态的表示模型被构建并作为行为正常与否的分类器来检测异常行为。为了表达上下文信息,采用语义分级、逐层抽象的方法设计了一套多媒体本体,用于智能家居系统中对媒体信息的语义化标注和推理。改进了针对室内多活动设备的多交叉事件的悲观情感模型,用以解决视频组件难以检测的活动设备状态变化的问题。实验证实该方案在异常检测和预警方面有很好的性能。

摘要：提出了远程目标跟踪系统的概念并实现一种远程目标跟踪系统。系统主要分为移动机器人端和远程服务器端,主要功能是移动机器人通过USB摄像头采集到实时现场视频,将实时采集到的现场视频从YUV格式硬编码为H.264格式,再通过WiFi传出给远程服务器,服务器将接收到的视频流解码并对指定目标进行跟踪算法处理后控制移动机器人追踪目标。实验结果表明:该系统可以有效实现远程的目标跟踪,验证了该设计的可行性。