基于超像素‑多色彩空间的人体轮廓提取方法.pdf
小寄****淑k
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于超像素‑多色彩空间的人体轮廓提取方法.pdf
本发明提出了一种基于超像素‑多色彩空间的人体轮廓提取方法,从超像素SP和多色彩空间MCS视觉角度出发进行改进,对于一副图像的轮廓信息而言,最主要的差别就是色彩或亮度信息在某一梯度方向上发生剧变或跳跃,将该属性选定为轮廓所分开的区域的特征,该特征具有类内差距小、类间差别大的特点,能够很好的将不同的区域划分开来,再利用区域信息提取完整人体轮廓信息。本发明还提出基于最小阻碍距离MBD的人体轮廓提取方法,能够大大加强较复杂背景下的轮廓提取的准确度和完整性。实验证明,在非接触式人体轮廓提取中的问题在本发明中都很好的
一种基于超像素分割的车辆轮廓提取方法.pdf
本发明公开了一种基于超像素分割的车辆轮廓检测方法,实现少量处理器性能开销下的车辆轮廓提取方法,提高车辆具体信息提取的准确性;针对车辆轮廓提取问题,通过超像素背景差分,结合区域亲和度分类的方法,实现快速车辆轮廓提取,具有准确率高、速度快的特点,避免了轮廓提取消耗大量处理能力的问题,解决了快速车辆轮廓提取的问题。
一种基于超像素的主动轮廓跟踪方法.pdf
本发明公开了一种基于超像素的主动轮廓跟踪方法,对训练图像进行超像素分割得到目标和背景的训练样本池,根据训练样本采用测度学习方法得到距离测度的投影矩阵,构建判别式表观模型,将序列图像的每帧测试图像进行超像素分割,根据构建好的判别式表观模型得到测试图像对应的置信图,从而得到测试图像的速度场,将速度场代入水平集方法的进化方程,得到测试图像的轮廓跟踪结果。相比现有技术,本发明提高了每帧测试图像的轮廓进化效率,同时提高了序列图像的跟踪准确率和跟踪效率。
一种基于深度学习的人体轮廓提取方法.pdf
本发明公开了一种基于深度学习的人体轮廓提取方法,具体按照以下步骤实施:步骤1,提取原始图像的Gabor纹理特征;步骤2,提取原始图像的Canny边缘特征;步骤3,搭建适用于人体轮廓提取的卷积神经网络架构;步骤4,将原始图像、步骤1提取的Gabor纹理特征图、步骤2.提取的Canny边缘特征图共同传入步骤3构建好的卷积神经网络进行训练,生成CNN人物模型;步骤5,对训练好的CNN人物模型的结构进行测试,得到人体轮廓图像;步骤6,通过步骤5的测试过程记录人体轮廓图像的重叠率与耗时,对人体轮廓图像进行评估。本发
一种基于MRF超像素标记的人体姿态估计方法.pdf
本发明属于图像识别领域,为一种基于MRF超像素标记的人体姿态估计方法,将目标图像分割为若干特征相似的超像素图像块,采用超像素MRF模型对超像素图像块的部位标记;以一个超像素为步长完成整幅图像的遍历,将超像素中心作为姿态估计算法中矩形部位检测器的匹配中心,构建以超像素中心点为中心的矩形区域集合,获得目标图像的部位搜索空间;计算K个部位检测器与部位搜索空间内所有矩形的部位匹配分数。根据部位形变模型计算相邻部位的距离分数;将所有部位的部位匹配分数与距离分数相加得到总体姿态估计得分,选择总分最高的姿态作为各个部位