导读:本文包含了单目视频论文开题报告文献综述及选题提纲参考文献，主要关键词:基础矩阵,预检验,RANSAC算法,光束平差法
单目视频论文文献综述
邹云龙,杨杰[1]（2019）在《基于单目视频帧的基础矩阵鲁棒估计算法》一文中研究指出为从视频图像获得鲁棒的基础矩阵,提出一种适用于视频帧的基础矩阵鲁棒估计算法。利用连续3帧为一组,分别在连续帧间两两匹配,确定最优和较优的2个子样本集,在较优子样本集中随机抽取采样,使用新的预检验方法,获得初始矩阵。并结合匹配点的分数和内点率作为权重因子,加权估算出待优化基础矩阵。由第一帧和第叁帧对应于中间帧的两条极线交于同一点,构成约束关系,利用光束平差法对2个待优化基础矩阵同时进行优化。实验表明:该方法在精度和鲁棒性上,相比传统方法均能有明显提升。(本文来源于《传感器与微系统》期刊2019年10期）
陆玉立[2]（2019）在《叁维人体动画单目视频运动轨迹准确跟踪方法研究》一文中研究指出为了提高叁维人体动画单目视频运动轨迹跟踪识别能力,提出一种基于Harris角点检测和模板特征匹配的叁维人体动画单目视频运动轨迹准确跟踪方法。采用帧扫描和块匹配方法进行叁维人体动画单目视频运动轨迹图像的边缘轮廓特征检测,采用电子稳像渲染方法实现叁维人体动画单目视频运动轨迹图像的稳态跟踪,结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息,对重建叁维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准,对叁维人体动画单目视频运动轨迹图像进行平滑去噪,降低叁维人体动画单目视频运动轨迹重建和跟踪的误差,实现叁维人体动画单目视频运动轨迹的准确跟踪。仿真结果表明,采用该方法进行叁维人体动画单目视频运动轨迹跟踪的分辨力较高,特征点的匹配能力较强,提高了人体动画轨迹跟踪的精度。(本文来源于《长春大学学报》期刊2019年08期）
张烨,周晓晶,杨晓童[3]（2019）在《基于单目视频的人体运动测量系统》一文中研究指出针对基于视频的人体运动测量过程中,需要进行相机标定导致测量效率低的问题,提出一种单目视频未标定状态下的人体运动测量系统设计方案。该系统采用极大似然估计算法求解场景中的消失点和消失线,根据射影变换的交比不变量确定人体实时身高。在身高测量的基础上,提出一种左右脚部特征点的提取方法用于测量行人的步幅。通过跟踪质心的运动来估计行人的轨迹、实时速度和步频,并对步行速度测量值进行正弦拟合,验证本系统测量的速度值符合行走客观规律。实验结果表明:身高和平均速度测量结果的相对误差分别不超过0. 84%和3. 72%,证明本系统的精确性和鲁棒性较好。(本文来源于《计量学报》期刊2019年03期）
周润,张征宇,杨振华,黄叙辉[4]（2019）在《基于单应性矩阵的模型迎角单目视频测量方法》一文中研究指出风洞试验中模型迎角的精准测量是降低阻力系数误差的重要途径之一,为此,提出了基于单应性矩阵的模型迎角单目视频测量方法。该方法通过两个单应性矩阵,获取试验过程中相机实时位姿和标记点物方空间位置坐标,应用坐标旋转关系,完成试验模型的迎角测量。数值仿真试验结果表明:迎角测量误差与待测标记点到风洞壁板间的距离偏差近似为线性关系,因此,当标记点不满足共面条件时,可根据该特点进行测量误差修正。静态标定和风洞迎角测量试验结果表明:修正系统误差后,迎角实测数据的测量准度在0.01°以内,精度不超过0.012°。本文方法易于实施,工程实用价值强。(本文来源于《航空学报》期刊2019年10期）
姚萌,贾克斌,萧允治[5]（2018）在《基于单目视频和无监督学习的轻轨定位方法》一文中研究指出基于视觉信息的场景识别定位模块被广泛应用于车辆安全系统。针对目前场景逐帧匹配算法训练数据量大、匹配处理计算复杂度高以及跟踪精度低导致难以实际应用的问题,该文提出一种新的基于局部关键区域与关键帧的场景识别方法,在保证匹配精度的同时满足系统实时性的要求。首先,该方法仅使用单目摄像机捕获的单一序列作为参考序列,采用无监督方式提取序列的显着性区域作为关键区域,并计算关键区域中低相关性的二值化特征,提高了场景匹配的精确度并大幅减少了实时场景匹配过程中特征生成与匹配的计算复杂度。其次,该方法以显着性分数为依据提取参考序列中的关键帧,缩小了跟踪模块的检索范围并提高了检索效率。该文使用香港轻轨系统数据集以及公开测试数据集进行方法测试。实验结果表明,该文方法在实现快速匹配的同时,其匹配正确率较基于全局特征匹配方法Seq SLAM提高了9.8%。(本文来源于《电子与信息学报》期刊2018年09期）
刘洋[6]（2018）在《基于单目视频序列的非刚性动态目标叁维重建算法研究》一文中研究指出基于单目视频序列的非刚性动态目标叁维重建是指从摄像机获取的二维投影图像序列中恢复出目标物体在每一帧的叁维表面结构,从而获得随时间变化的目标的动态模型。非刚性动态目标叁维重建是计算机视觉的研究热点和重要内容,具有重要的理论意义和应用价值。针对静态刚性目标的叁维重建算法目前已发展成熟,并建立起一套较完整的算法体系,而非刚性动态目标的重建在近几年成为研究热点和待解决的关键问题。对于机器人系统或增强现实系统,对环境中的非刚性动态目标的叁维重建是场景目标感知与理解的基础和关键技术,也是人机交互,虚拟与现实交互的必要前提。同时,动态目标叁维重建也为虚拟内容的产生提供了方便快捷的方法。因此,这项技术在国防军事,机械制造,医疗,教育,通信,娱乐等产业中具有重要的应用价值。动态目标叁维重建算法有很多分类,如基于标记点的方法,双目重建方法,多视角立体重建方法,多传感器方法等。由于传感器设备的限制,环境的多样,单目重建系统具有便捷和应用范围广的特点,对于某些只有普通照相机作为传感器的小型设备以及某些仅有视觉信号有效的场景尤为重要。然而目前大多基于单目传感器的非刚性动态目标稠密重建系统运行速率十分缓慢,远远达不到实时的标准。还有一些单目重建方案是非在线系统,所有的视频序列帧需要在获取之后同时处理。效率问题和非在线问题阻碍了单目动态稠密重建系统的性能和应用。目前高速率的单目动态目标稠密重建系统仍然是一个有待解决的问题。虽然有一些实时的单目重建系统出现,但均为稀疏系统,只追踪了少量关键点,并没有生成稠密的物体表面叁维模型。故本文围绕基于单目视频序列的非刚性动态目标叁维重建算法这一课题展开了研究工作,对其中的关键问题进行了深入探讨,在优化算法重建效果,提高计算效率,增强算法鲁棒性,拓宽重建方法的使用范围,解决非在线问题等方面做了研究。本文的主要研究工作与研究成果如下:1.搭建了一个基于模板的单目相机视频序列动态目标叁维稠密重建系统,采用能量最小化的方法,求得目标物体时变的叁维模型。基于单目传感器的重建系统结构简单,成本低廉,操作便捷。基于模板的重建方案提供了一种序列式的帧到帧在线重建方法,具有达到实时性能的可能性;且在处理基于点的系统,多尺度,遮挡以及模糊的情况下具有优势。采用了基于Iterative Schur(IS)的线性算子,IS算子结合了预条件共轭梯度算法和类似Schur complement trick方法,使得求解达到了更快的收敛,提高了重建效率。采用真实图像序列进行了实验,包括在遮挡情况下的重建,从实验重建效果和效率方面验证了本系统的可行性。2.构建了一种简单可控的基于单目视频序列的叁维模板生成方法,该方法作为动态目标叁维重建算法的预处理阶段,可实现多种复杂物体的模板构建,如人脸,人手等,拓宽了重建方法的使用范围。这一阶段需要刚性移动的目标物体的视频序列或从不同角度拍摄的目标图像集作为输入。首先,利用VisualSFM的标准刚体SFM(structure from motion)方法,得到序列帧的摄像机外部参数以及稀疏特征点重建数据,该算法有较高的准确性和鲁棒性。然后,通过多视角立体算法(Multi-View Stereo)为每帧输入图像计算密集的深度图。过高分辨率的深度重建不仅会大大增加处理的时间,同时也会产生更多噪点,故通过参数控制深度图的分辨率。最后,融合各帧深度数据形成点云,采用浮动尺度表面重建(floating scale surface reconstruction)算法重建一个表面网格模板。优化匹配的深度重建方法以及浮动尺度的表面重建方法,提高了算法在较强环境变化,不受控图像采集和数据冗余情况下的鲁棒性,使模板构建结果尽可能地保持一定的准确性。3.在AR系统中搭建了单目视频序列动态目标叁维重建系统,实现了动态目标的叁维重建和在虚拟环境中的虚拟动态对象生成与渲染。Hololens是当前应用最广泛,发展也最成熟的AR设备,它具有粗略地重建周围静态场景的功能,目前还不支持动态对象的重建和跟踪。此外,Hololens不向开发人员提供直接访问原始深度传感器数据的权限,而只提供粗糙的3D重建网格的接口。为了完成对环境中动态物体的重建,利用本文的单目动态目标重建方法对Hololens相机视频流数据进行处理是一个可行的解决方案。在应用到AR系统中时,平衡了效率与重建规模,规避了金字塔模型的冗余,采用网络通信将重建系统与AR系统进行分离,以提高运行效率。进行了相应实验,证明了该系统的可行性。(本文来源于《中国科学院大学(中国科学院国家空间科学中心)》期刊2018-06-01）
邓成刚[7]（2018）在《基于单目视频的人体结构分析算法研究》一文中研究指出人体结构分析算法在智能监控、人体叁维重建、人体姿态识别等领域扮演着十分重要的角色,人体骨架模型建立算法是人体结构分析算法中最基础的部分。人体骨架模型建立算法包含两个部分:人体骨架提取算法和人体关节点估计算法。本文对这两个部分进行研究并在原有算法上进行了改进,使得该算法适用范围更广。目前广为采用的人体骨架提取算法是基于轮廓的人体骨架提取算法,该算法主要有四个步骤:(1)计算人体轮廓图的距离变换及距离变换的梯度;(2)提取人体骨架关键点;(3)提取人体骨架特征点;(4)连接人体骨架特征点形成人体骨架。在步骤4中连接人体骨架特征点时,可能会出现无法连接骨架特征点的情况。因此本文结合最小生成树算法对第四个步骤进行改进,提出了基于最小生成树的人体骨架提取算法。最后通过分析和实验验证,改进后的算法相比于改进前的算法,在无遮挡正面的正常人体轮廓图像上能更好的提取人体骨架。常规算法一般利用人体各部件间的比例关系估计人体关节点,然后连接关节点得到13个关节点的人体骨架模型。本文比较了13个关节点和16个关节点的人体骨架模型之间的区别,并且采用了16个关节点的人体骨架模型。不同人的人体轮廓通常是不同的,同一个人在不同姿态下得到的人体轮廓也不相同,所以在计算膝关节点和肘关节点的位置时,利用人体各部件间的比例关系来估计人体关节点会带来较大的误差。针对视频序列中人体运动的变形,本文提出了利用曲率来估计关节点的算法,在数字图像中用夹角近似曲率。由于人体运动时,膝关节和肘关节周期性的伸直与弯曲,本文先利用曲率寻找关节明显弯曲的关键帧,并进行关节点的位置估计,获得关节点离胸部关节点或腰部关节点的距离,在肢体伸直时采用这一距离来定义关节点。在本论文中利用曲率寻找人体关节点时,是在人体骨架上逐个人体骨架特征点地寻找,而不是逐个像素点地寻找,提高了效率。通过实验验证,改进后人体关节点估计算法相比于改进前算法,膝关节点和肘关节点的定位更加准确,得到的人体骨架模型更为合理,更加切合人体轮廓,更好地反映出人体的拓扑结构。(本文来源于《电子科技大学》期刊2018-03-26）
张大伟,王佳,孟森森,邓计才[8]（2018）在《基于单目视频路径移动机器人导航方法研究》一文中研究指出以单目视觉中双视图定位为基础,提出了一种基于单目视频路径的导航方法。算法基于单目摄像机提取一组有序的关键图像,以代表视频路径,使用Harris角点算法提取图像特征点,利用零均值归一化互相关算法进行图像匹配,根据单目摄像机双视图匹配点之间的约束关系求出基础矩阵并优化,得到位姿参数,完成了移动机器人定位,使其在视频路径的指导下实现自主导航。验证表明:方法在室外环境中具有较好的实用性。(本文来源于《传感器与微系统》期刊2018年02期）
陈伟[9]（2017）在《单目视频中目标的叁维运动跟踪方法研究》一文中研究指出视频图像中的运动目标跟踪是指在视频图像中搜寻特定运动目标的位置来实现运动目标的自动跟踪。运动目标跟踪技术一直是计算机视觉领域中的一个重要研究方向,已广泛应用于虚拟现实、工业控制、军事设备、医学检测、视频监控和智能交通等多个领域。在运动目标的跟踪技术中,基于单目视频的目标叁维运动跟踪方法是一种较新的运动目标跟踪方法,它具有方法简单、运行速度快和应用范围广等诸多优点,已成为当前运动目标跟踪技术中的一个研究热点。目前在基于单目视频的目标运动跟踪技术中,大多数研究工作都是基于目标的二维运动信息而展开的,虽然理论研究相对比较成熟,但是仍然存在一些尚未解决的技术难题。如:目标的二维跟踪方法中由于图像信息量的缺乏,在一些需要目标的叁维运动信息的应用场景(例如,互动娱乐需要人体或人手的叁维运动姿态)下显得无能为力;另外,在目标的二维运动跟踪方法中,由于单目视频下图像信息容易丢失,也使得恢复图像目标的叁维运动姿态更具有挑战性。因此,研究单目视频中目标的叁维运动跟踪方法具有重要的现实意义。本文对基于单目视频的目标叁维运动跟踪方法进行了系统的分析和研究,重点对与单目视频中的目标叁维运动跟踪方法紧密相关的柱状叁维模型构建方法、射影变换无关性特征提取方法和基于重建叁维模型的目标叁维运动跟踪方法等叁个关键技术问题进行了深入研究。论文的主要研究工作和取得的创新成果如下:(1)提出了一种在线构建目标叁维柱状模型(Three-Dimensional Columnar Model of Target,TDCMT)的方法,并在此基础上实现了目标叁维运动跟踪。TDCMT方法的主要思想是:首先建立摄像机投影模型,该模型由一个比例因子确定;然后建立了该比例因子及目标外观模型优化目标函数,并采用Levenberg-Marquardt算法对该目标函数进行求解;最后在已构建的目标外观模型基础上给出了基于模型的目标叁维运动姿态跟踪算法。与传统的手工标识目标外观模型相比,该方法构建的目标模型更精确。(2)提出了一种具有射影变换无关性(Projective Transformation Invariance,PTI)的特征提取算法,该算法能够提高特征匹配的精度及匹配数量。PTI算法的基本思想是:根据摄像机投影过程来恢复特征点描述子采样真实区域,从而达到消除由于视点变化对特征提取造成的不良影响。具体过程是:根据上一帧跟踪结果在透视投影模型下将特征的原采样区域投影到当前帧下,从而获得当前帧中特征的采样区域,为了消除目标快速移动对采样区域的影响,PTI中使用了一个迭代优化算法来进一步求精。PTI算法的主要创新之处是:首先提出了一种鲁棒性更强的SIFT描述子的构建方法,由于是在透视投影下将模型进行投影得到特征描述子的采样区域,因此特征具有视点变换无关性,匹配的特征数量更多;其次是在姿态提取中加入了平滑因子,该平滑因子作为一个惩罚因子可以过滤掉由于遮挡等原因产生的外点数据。因此,PTI算法提高了特征匹配的精度及匹配数量。(3)提出了一种基于重建叁维模型(Reconstructed Three-Dimensional Model,RTDM)的目标叁维运动跟踪方法。RTDM方法首先由被跟踪目标的前几帧通过Structure From Motion(SFM)算法重建出被跟踪目标的叁维模型;其次,为了使得重建的模型更精确,RTDM算法中又增加了背景点去除、可用于模型重建的帧校验和稠密叁维模型重建这叁个步骤;最后,在后序帧中采用了Extended Kalman Filter(EKF)方法对目标进行叁维运动跟踪。相比较于传统方法,因为RTDM跟踪方法中的叁维模型不需要事先采用3D扫描仪进行模型构建或者采用几何模型近似目标叁维模型,所以目标叁维运动跟踪速度非常快、使用也很方便。而且由于采用了基于视觉的方法进行模型重建,所以重建后的模型精度很高,从而使得目标的跟踪效果更好。(本文来源于《华南理工大学》期刊2017-10-13）
刘宁[10]（2017）在《基于单目视频流的前方车辆检测与识别》一文中研究指出智能驾驶车辆在社会进步和科技发展中成为主要话题,为传统的汽车解决许多棘手的安全问题。因此,智能车辆障碍检测技术的研究越来越受到重视,而可靠地检测前方车辆对于智能驾驶具有重大的研究意义。本文是通过在电动车前方架设CCD摄像头来获取道路信息,信息处理过程包括图像处理、车道线检测、感兴趣区域划分,对称性及几何特征识别前方车辆。基于CCD摄像头的前方车辆检测便可以时刻监测道路前方环境,对构成潜在安全隐患的前方进行检测。论文主要研究内容包括四个方面:1.单目视频流的采集及图像预处理。介绍了经CCD摄像头采集到的视频流是由连续的静态帧组成的,并在检测前方车辆前需要对图像预处理。图像预处理过程主要包括图像的灰度化及二值化、图像滤波、图像的边缘检测,其中选择基于Canny算子检测图像边缘,实验表明二阶微分算子在边缘检测中可以有效提取图像中边缘信息。2.感兴趣区域的提取。对前方车辆进行检测与识别时,首先需要确定前方车辆的候选区域,本文针对改进的Hough变换对车道线进行识别和标注,利用区域分割方法标注感兴趣区域,即感兴趣区域含有待检测的前方车辆,并通过划分结果验证系统车道线检测的结果。3.车辆检测识别。在前方车辆检测的算法中,本文论述了基于对称性及提取车辆特征点等算法,重点在于特征点提取中的改进的Harris角点检测,在实时性取得突破,在除去边界点检测方面加以创新并作为改进算法的核心思想,为下文对称性及几何特征匹配车辆阶段奠定基础,确保了车辆检测结果的准确性。4.基于时空上下文的视频流车辆跟踪。确定静态帧的车辆检测结果后,需要对视频流中的车辆进行跟踪,以此作为智能驾驶系统中保持安全距离必不可少的部分。本文用时空上下文算法在视频流序列中的车辆追踪,满足了围绕视频序列前后帧的空间上下文特性。前方车辆检测技术可以有效减少交通事故并保障车辆安全驾驶,障碍检测不仅应用于交通领域,同时在工业应用、科学探测、救灾抢险、国防军事等领域也有着广泛的应用前景。(本文来源于《吉林大学》期刊2017-06-01）
单目视频论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了提高叁维人体动画单目视频运动轨迹跟踪识别能力,提出一种基于Harris角点检测和模板特征匹配的叁维人体动画单目视频运动轨迹准确跟踪方法。采用帧扫描和块匹配方法进行叁维人体动画单目视频运动轨迹图像的边缘轮廓特征检测,采用电子稳像渲染方法实现叁维人体动画单目视频运动轨迹图像的稳态跟踪,结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息,对重建叁维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准,对叁维人体动画单目视频运动轨迹图像进行平滑去噪,降低叁维人体动画单目视频运动轨迹重建和跟踪的误差,实现叁维人体动画单目视频运动轨迹的准确跟踪。仿真结果表明,采用该方法进行叁维人体动画单目视频运动轨迹跟踪的分辨力较高,特征点的匹配能力较强,提高了人体动画轨迹跟踪的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
单目视频论文参考文献
[1].邹云龙,杨杰.基于单目视频帧的基础矩阵鲁棒估计算法[J].传感器与微系统.2019
[2].陆玉立.叁维人体动画单目视频运动轨迹准确跟踪方法研究[J].长春大学学报.2019
[3].张烨,周晓晶,杨晓童.基于单目视频的人体运动测量系统[J].计量学报.2019
[4].周润,张征宇,杨振华,黄叙辉.基于单应性矩阵的模型迎角单目视频测量方法[J].航空学报.2019
[5].姚萌,贾克斌,萧允治.基于单目视频和无监督学习的轻轨定位方法[J].电子与信息学报.2018
[6].刘洋.基于单目视频序列的非刚性动态目标叁维重建算法研究[D].中国科学院大学(中国科学院国家空间科学中心).2018
[7].邓成刚.基于单目视频的人体结构分析算法研究[D].电子科技大学.2018
[8].张大伟,王佳,孟森森,邓计才.基于单目视频路径移动机器人导航方法研究[J].传感器与微系统.2018
[9].陈伟.单目视频中目标的叁维运动跟踪方法研究[D].华南理工大学.2017
[10].刘宁.基于单目视频流的前方车辆检测与识别[D].吉林大学.2017