Video Acceleration Magnification
来源:互联网 发布:大禹网络 编辑:程序博客网 时间:2024/06/05 15:30
Abstract
放大或者减小图像随时间的微小变化的能力在如视频编辑,医学视频分析,产生高质量的控制和运动等上下文场景中有很大作用。在这些上下文场景中,存在有这样的问题,大位移的存在会严重的扭曲当下的线性的视频放大方法。在这工作中,我们提出一种方法用于处理大的位移同时依然放大小的变化。我们作出以下两个观测:
Introduction
只有在运动时,动态目标的重要性质才会变得清晰 。比如飞行中的无人机的机械稳定性,正在做运动的运动员的肌肉,或者一个在运动中的帕金森病人的震动。在这些情况中,感兴趣的性质并不会在静止时不会出现。重要的性质是只有发生在运动过程中的小变化。
很难被裸眼观测到的微小的时间上的变化可以被令人印象深刻的视频放大的算法增强。这些方法的优势是源于使用欧拉的运动分析而非拉格朗日运动分析。拉格朗日方法使用了昂贵的并且自身也是一个尚未解决的研究课题的光流。而欧拉的运动放大方法在目标和摄像头保持静止的情况下如放大血流、心跳和小呼吸等情况下,给出了出色的结果。不幸的是,这些方法在运动目标上是失败的,因为大的位移淹没了小的时间上的变化。
一个有用的处理大运动的视频放大技术由Elgharib等研发出来。它提供了欧拉和拉格朗日方法的一种融合。通过人工地选择放大区域,这些区域可以用拉格朗日的方法跟踪,然后暂时的使用一个单应矩阵进行对齐。对齐以后,标准的欧拉放大方法可以被应用,产生阿訇的放大结果。这种方法的一个缺点是,感兴趣的区域需要人工的选择,这是费时的而且容易出错的。并且,拉格朗日区域跟踪是昂贵的,对遮挡和三维旋转敏感的。再者,对齐是以单应性矩阵存在为假设前提的,这对于一个非静止的摄像机和非平面的目标而言通常是不正确的。这里有需要改进的空间。
在这文章里,我们提出在大运动存在情况下用于小变化的视频加速度放大。我们的方法不需要人工的区域标注跟踪或者区域的对准。作为替代,我们的方法比较接近朴素简洁的原始欧拉方法。我们观察到,在小变化的规模下,大运动是典型线性的。通过仅仅放大线性运动的小的导数,我们达到加速度放大的效果。
这篇文章的贡献有以下这些方面:
- Video Acceleration Magnification
- DXVA(DirectX Video Acceleration)
- Video Decode Acceleration Framework Reference
- 欧拉影像放大算法(Eulerian Video Magnification)的原理和实现
- Acceleration
- HW Video Acceleration in Chrome/Chromium HTML5 video 视频播放硬件加速
- TCP acceleration
- acceleration transducer
- Hardware Acceleration
- Hardware Acceleration
- Hardware Acceleration
- Hardware Acceleration
- video
- Video
- video
- Video
- video
- enable DirectDraw acceleration
- 设置单文档窗体黑色背景色,并输出红色的文字
- 标准接口
- Sql性能优化之索引
- centOS环境安装python virtualenv
- java简单理解spring控制反转
- Video Acceleration Magnification
- 音视频图像质量分析评分
- 验证必做
- java按指定编码写入和读取文件内容
- ubuntu16.04 caffe+cuda8.0+cudnn6.0+opencv2.3.14 配置
- JDom解析xml文件
- Python进阶
- 关于MUI的一些样式修改
- 样式主题与自定义View