36、不同人群运动估计算法的比较研究及改进的实时多处理器调度算法

不同人群运动估计算法的比较研究及改进的实时多处理器调度算法

人群运动估计算法相关内容

在计算机视觉领域，运动识别是一个非常活跃的研究课题，有着众多重要应用，如人机交互、基于内容的视频索引、视频监控和机器人技术等。随着技术的发展和安全需求的增加，视频监控变得越来越重要，其核心是自动分析和检测公共场所或公共活动中的异常事件。人群行为分析可分为运动信息估计和异常行为建模两个任务，前者通常涉及人群跟踪，即估计视频序列中人群的速度、方向和位置。

图像识别人类行为的处理策略通常涉及以下一般技术：
1. 运动检测与分割
2. 分类
3. 移动物体跟踪

运动检测方法

运动分割对于将运动流切割成单个运动至关重要，物体检测的任务是从图像的其余部分中分割出与物体对应的区域，这通常涉及分割和物体分类。常见的移动物体检测方法有五种：统计方法、时间差分、基于块的匹配和光流。
- 时间差分 ：为了识别复杂背景的运动，考虑缓慢移动和背景更新，将当前图像帧减去图像序列的前一帧或下一帧，这被称为时间差分。
- 统计方法 ：将图像/视频分解为较小的区域，不与身体部位或图像坐标相关联。基于所有区域的局部特征统计来识别运动，其优点是在计算时空特征时无需明确执行运动检测。这种方法通常基于自下而上的策略，先检测图像中的兴趣点，主要是在角点或斑点状结构处，然后将每个区域分配给一组预选的词汇特征。图像分类将其简化为对所谓的特征袋（BOF）的计算，即统计图像中词汇特征出现次数的直方图。但这种方法对大小或尺度敏感，尤其是当它依赖于角点或边缘等几何特征时。
-