摘要：针对智能船舶在内河航道航行时经常出现的船舶互相遮挡而影响目标检测精度的问题,提出了一种基于多特征聚合的水面遮挡目标检测算法.首先,在骨干网络设置多尺度感受野特征融合结构,融合被遮挡船舶可视区域与周围环境特征;其次,在骨干网络及网络的特征拼接部分添加混合注意力机制,增强网络的长程依赖性,聚合船首和船尾的特征;然后,设计了数据重采样策略,在训练过程中根据船舶类别的数量自适应地调整样本采样频率,缓解数据集中船舶数量的严重不均匀;最后对算法进行验证。结果表明:算法通过聚合被遮挡船舶可视区域与周围环境等多尺度特征,聚合船首、船尾长程特征,相较于原算法精度提升达到了3.3%,有效提升了视觉遮挡状态下水面目标的检测精度.

摘要：提出了一种新颖的利用随机森林检测深度图像中遮挡现象的方法。该方法从一幅深度图像中提取每个像素点的遮挡相关特征,利用随机森林分类器检测每个像素点是否为遮挡边界点,得到图像中的遮挡边界。主要贡献在于:提出了一种新的遮挡相关特征深度值离散度特征,同时引入高斯曲率特征,并将它们与现有特征相结合来检测遮挡边界;以特征重要性和特征提取时间为衡量标准,对深度图像中的各遮挡相关特征进行了分析评估,在此基础上,选取平均深度差、最大深度差、平均曲率、高斯曲率和深度值离散度5种特征用于设计遮挡检测分类器;一种新的遮挡检测方法,利用随机森林解决深度图像的遮挡检测问题。实验结果表明,同已有方法相比,所提方法具有较高的准确性和较好的通用性。

摘要：针对视觉跟踪中目标、背景的复杂变化问题,提出一种遮挡检测的核最小二乘视觉跟踪算法。首先,以带约束的核最小二乘方法建立视觉跟踪优化模型,训练阶段,循环移位基采样构造训练样本集,达到稠密采样目的,利用循环矩阵的优良特性,通过快速傅里叶变换高效计算核最小二乘问题;同时,提出了基于高阶累积量的遮挡、形变等复杂变化的检测方法,改进分类器的更新处理机制。实验结果表明,在各种具有挑战性的视频序列,与现有最好算法对比,在实时性和精度方面,本文所提算法都具有较优的性能。

摘要：稀疏表示分类算法在人脸识别中表现出较好性能,但其对面部遮挡的鲁棒性较差,在特征提取时未利用面部鲁棒特征且实时性差。针对以上问题,本文提出了融合遮挡检测与HOG特征协作表示的人脸识别方法。首先,设计了一种基于HOG特征和支持向量机的遮挡检测方法,根据常见遮挡的分布将人脸分块,在子块上检测遮挡。然后,结合遮挡检测结果,仅提取非遮挡部分的HOG特征并利用协作表示方法进行分类。测试结果表明:对AR人脸库中遮挡图像的平均识别率为95.2%,对AR、Yale人脸库中发生光照和表情变化人脸的识别率分别为97.3%和98.6%,且运算速度比稀疏表示方法提升了约293倍。与基于稀疏表示的分类方法相比,该方法的鲁棒性和实时性都有明显提升。

摘要：针对现有光流计算方法在大位移和运动遮挡等场景下光流估计的准确性与鲁棒性问题,提出一种基于遮挡优化的金字塔块匹配光流估计方法.首先利用金字塔块匹配模型得到初始匹配运动场,构造遮挡检测模型优化匹配运动场,去除初始匹配运动场包含的误匹配点以获取鲁棒稀疏运动场;然后设计边缘约束的鲁棒插值算法获取稠密光流场,并构建全局能量泛函解决局部最优问题,得到最终的鲁棒稠密光流场.最后分别利用Middlebury、MPI-Sintel和KITTI数据集提供的测试图像序列对本文方法和具有代表性的变分光流估计方法、匹配插值光流估计方法、卷积神经网络光流估计方法进行对比分析.实验结果表明本文方法对大位移和运动遮挡场景光流估计的准确性与鲁棒性具有明显的提升效果.

摘要：在多视纹理映射中,Z缓冲区算法和光线追踪算法是两种主流的可见性检测算法。但其精度受限于人工设定的偏差。本文提出一种无需设定偏差的可见性检测方案。首先,根据倾斜摄影的投影参数设计了一种基于着色器编程的影像模拟算法,生成各影像视角下的初始可见性图(initial visibility map,IVM)。其中,完全不可见面元在模拟的过程中会被深度测试自动剔除。然后,基于矢量栅格化准则和像素深度对IVM中的可见面元执行投影区域优化(projection coverage refinement,PCR)。最后,提出惰性投影(lazy projection,LP)和迭代点边采样(iterative vertex-edge sampling,IVES)快速区分出IVM中的完全可见面元和非完全可见面元。利用两个数据集对本文算法进行了论证。结果表明本文算法的效率和精度均优于主流算法。

摘要：针对传统动态规划立体匹配算法具有速度快的优点,但常伴随条纹现象的问题,设计了一种AD(absolute difference)与Census变换相融合的相似性测度算法,结合新的线性平滑项和动态变搜索半径的方法有效避免了上述问题,提高了匹配的速度和准确性.遮挡现象在双目视觉中难以避免,针对这一难题,采用左右一致性的遮挡检测算法对遮挡区域进行遮挡检测,设计了一种基于颜色和距离相似性的视差优化插值算法,改善了遮挡区域的视差估计.实验结果表明,该立体匹配算法能够快速、准确地估计出视差值,满足立体重构的需要.

摘要：提出了一种识别遮挡图像表情的方法。先用主元分析(PCA,principal component analysis)算法对遮挡图像重建;然后根据正态分布理论检测出遮挡区域,并根据图像的部分相似性,将遮挡图像嵌入到流形空间中;最后用支持向量机(SVM,support vector machine)实现表情分类。本方法较好地消除了遮挡区检测误差对表情识别的影响,对遮挡图像的表情识别具有良好的鲁棒性。通过Cohn-Kanade和JAFFE人脸库上的表情识别实验,验证了本方法有较强的鲁棒性、较高的识别率和较高的运行效率。

摘要：提出了一种改进的粒子滤波算法,在遮挡情况下,能鲁棒地跟踪运动目标。该方法是把改进的颜色直方图结合到粒子滤波的观测模型中,并提出了一种判断目标遮挡的分块检测遮挡的方法。首先对传统的以核函数赋权值的方法进行改进,把目标中心附近的像素都赋予最大的权值,目标的边缘由于遮挡等原因采用指数分布赋权值;在遮挡检测时,提出了把跟踪窗分为左右两个子部分,分别计算相似性度量的方法,提高了遮挡检测的实时性和准确性;同时,该算法对旋转和尺寸的变化具有鲁棒性。实验结果表明,与基本的粒子滤波算法相比,提出的新算法能更好的处理目标跟踪中的遮挡问题。

摘要：视频目标跟踪受到姿态、相似背景和遮挡等因素干扰,导致传统跟踪学习检测(TLD)算法无法实现视频目标准确跟踪。为解决传统TLD算法的局限性,获得理想的视频目标跟踪结果,提出基于改进TLD的视频目标跟踪算法。采用卡尔曼滤波器对目标区域进行预估,减少目标检测范围,采用L1跟踪器代替传统TLD算法的跟踪器,在Matlab 2014平台上进行视频目标跟踪仿真实验,实验结果表明,相对于传统TLD跟踪算法,改进TLD算法解决了目标遮挡和漂移难题,提高了视频目标跟踪精度,加快了视频目标跟踪的速度,增强了相似背景的视频目标跟踪性能。