牛津大学
视频播放
加载播放器
  • 提供配置文件

  • 主动视觉组努力提高计算视觉知识,特别是在检测和跟踪移动对象领域,从校准和局部校准图像恢复结构

    Group开发监视应用、可穿辅助计算应用、认知视觉应用、增强现实应用应用、人文运动分析应用、远程操作应用和导航应用
产品组合

  • 智能监视

  • 这项研究结合活动识别领域主动感知重点特别放在数据采集过程分层次分辨主动感知,包括更高层次推理

    下描述题目集合视觉跟踪技术、活动识别技术,并智能控制板/板/索姆设备,以便能够理解视觉场景、推理因果关系并检测异常或趣味行为

    行为头波
    项目的目的是自动识别人们从远程摄像头向高层次推理系统提供输入人所面向的方向能很好估计他们的视线方向,可用以推断人或兴趣对周围环境的熟悉度可视之为缩小距离对人粗描述与四肢更详细运动之间的差距,通常从近距离获取工作部分由HERMES供资,HERMES分包3和4

    活动场景探索
    有效使用资源是这个项目的底层主题相关资源由一组摄像头组成,它从不同透视角度忽略公共区。摄像头异同并有不同的参数控制,例如偏斜缩放摄像头信息定理测量法用于选择这些摄像头的最佳监视参数,而最优则可用更高层次推理或人操作符定义当前,工作侧重于信息理论和传感器数据聚合技术应用的客观功能,以作出知情决策。

    HERMES项目的一部分,目标是建立感知/动作周期,并具体考虑各种缩放层次分布式摄像系统可解读为抽象传感器,内容高端目标输入

    代理最粗度表示法被认为跟踪代理并记下它们的轨迹,并加之其他粗度比例特征,这些特征对行动和意向识别有帮助。目的是生成行为和概念描述代理自身及其关系相对于现场其他代理和预定义对象

    认知计算机视觉
    最近视觉跟踪和摄像控制工作已研究贝叶斯网络使用参数和非参数信传播活动识别问题,并开始触及因果性问题当前研究将所有这些领域推向前进最终目标将是合并这些技术制作泛工照相机系统/或摄像头网络,通过理解场景可智能方式分配注意力,从视觉数据自动推断出

    题目直接与EU项目HERMES相关联,HERMES位于智能视觉监控这个令人振奋并具有社会相关性的领域。研究的目的是开发摄像头系统,通过开发算法和文理理解视觉场景来显示突发认知行为

  • 认知计算机视觉

  • 最近视觉跟踪和摄像控制工作已研究贝叶斯网络使用参数和非参数信传播活动识别问题,并开始触及因果性问题当前研究将所有这些领域推向前进最终目标将是合并这些技术制作泛工照相机系统/或摄像头网络,通过理解场景可智能方式分配注意力,从视觉数据自动推断出

    题目直接与EU项目HERMES相关联,HERMES位于智能视觉监控这个令人振奋并具有社会相关性的领域。研究的目的是开发摄像头系统,通过开发算法和文理理解视觉场景来显示突发认知行为

    在此背景中,初步调查基于模糊时间逻辑的解决方案,把模糊推理与行动连接起来,以试图实时控制板/板/索姆摄像头算法网由摄像头节点测试,每个节点都配有计算机单元供局部处理并低层次控制启动程序

    项目的另一个重要方面是探索新方法认知视觉,重点是智能监控设备更具体地说,对视频因果推理进行研究,并结合活动识别工作、视觉跟踪算法、主动控制板/板/索姆装置和适用于创建智能视觉监视装置大问题的其他技术

  • 行为头波

  • 开发算法通过随机化fern分类器新用法估计头部姿势分类器不直接测量图像头部姿势,而是按头部姿势分组图像头表示估计器在现实世界中有效,它必须能够处理不同的皮肤和毛色以及灯光方向、强度和颜色大变异多数现有分类器易受这些变异影响,并需要例子说明照明条件和皮肤/头发颜色变异的不同组合,以便精确分类方法有效学习模式 皮肤和毛色为每个新人观察, 使它基本不变 光线和视频中人个特征结果是分类程序运行极低分辨率视频,头部直径只有10像素

  • 避免视觉SLAM外端移动

  • 单向SLAM制作的地图以视频速率工作,势必稀疏,使它们敏感误入移动点以及通过暂时隔离删除有效点系统提供并行实施单片同步定位映射程序3D对象跟踪器,允许推理移动对象和隔离slam进程向对象跟踪器提供信息向地图框架登记对象,对象跟踪器允许特征标识,或移动对象移动特征,或使用边缘生成伪特征或对象隐蔽特征传统单片系统假设环境僵硬会降低性能,有时甚至是极性化,当运动特征包含时,合并系统对动态环境更强健性能此外,知道某些静态特征隐蔽而非不可靠性避免需要引用比较繁琐的特征删除过程,随后或许不必要地重新启动,允许隐蔽静态特征存续

    对象跟踪器使用修改版 Harris'RapiD跟踪器识别并显示初始化目前由手动完成视频展示校验回收几何并显示单片系统对摄像头布局的冲击,包括并避免移动特征系统无对象跟踪器提供不正确的相机布局 因移动特征, 但仍生存到视频结束系统与对象追踪器, 另一方面估计更正确相机通过图像序列的布局

  • Perseus:追踪手促进计算机交互

  • 项目的目的是提供自然直觉方式与计算机交互作用,即时解释手势和手势以非入侵方式获取成本有效方式是使用摄像头视觉感知

    核心项目算法集分三维使用简化三维手模型估计人手三维跟踪非硬表达式对象(像人手)必须先跟踪三维僵化非表达式对象

    算法中包含3D形状信息 跟踪2D僵硬对象跟踪算法 由Charles Bibby和Ian Reid在他们的论文Robust实时视觉跟踪使用像素WisePose算法视图像为像素包(像素位置视随机变量),然后使用像素后代函数演进级集函数这种方法实时操作标准硬件正努力增加一个新的前端值:3D对象模型生成与图像分割区间差规范,三维对象模型配置适当调整布局参数和图像分割区间差由级集函数定义后此区域向三维对象投影演化

    上方算法应优化刻板对象的布局参数,但获取非僵硬表达式对象的布局可能太慢。高斯进程前端变量模型映射

    系统使用定制三维引擎传统三维生成引擎(像OpenGL或DirectX)在转换前失去三维点并产生二维预测外引擎能保持关系并用线框、填充和轮廓单模式制作三维对象,应用 Scharr滤波器并计算距离变换数数分数几毫秒性能水平使用为NVIDIA CUDA框架开发并行算法实现

  • 同步识别并定位场景增强

  • 开发出一种系统,将单片SLAM(同时定位映射)与特征识别既定方法相合并除使用标准显像特征搭建摄像头环境联机地图外,它还能够识别并定位现场已知平面对象,并把它们几何绘制入世界地图持续测量这些绘图对象提高估计地图的精度和跟踪系统强健性手持或可穿戴视觉方面,系统用已知对象增强生成地图能力提高地图对人操作员的价值,并允许对用户周遭作有意义的自动注解所提出的解决办法介于高顺序丰富地图(如现场分类)和努力引进高几何原语(如线性概率映射)之间对象检测使用SIFT完成数据库已知对象与场景图像比较,并发现匹配对象三维位置时使用同系法计算并放入高精度SLAM地图

    上头视频播放单目SLAM系统运行比对系统没有对象检测松散跟踪因特征不足, 并在此点视频减慢以突出显示这一点系统继续物体检测 视频尾端它成功检测到所有五大对象 并精确定位世界

  • SLAM丢失相机重定位