基于摇晃实时视讯之强韧式火焰侦测法 我们的论文被 2019 工程科技应用研讨会 所接受。会议日期是公元二零一九年四月十二日，地点在台北城市科技大学的工程学院。 我们将研究成果放在 GitHub，网址是 https://github.com/laitaiyu/ComputerVision__HEFD-MCS ，我们提供部分的程序原始码，以及完整的实验档案。 火焰侦测的两个关键问题是高准确率和低误报率，本研究主要关注后者。在过去，来自监视的静态视频 - 用于分析和发现火焰。然而，这些研究是使用背景方法进行的，后者无法处理动态视频，例如用手机拍摄的视频。为了实现静态和动态视频的全自动火焰检测，本研究采用了两种高效策略。首先，特征提取：建立强Sobel边缘和火焰纹理，然后增强图像边缘。火焰颜色过滤器规则有助于过滤火焰候选区域。其次，高性能分析方法：通过运动向量法和填充率过滤火焰或非火焰，然后使用组来建立火焰的轮廓。我们的实验结果表明，静态，动态（包括摇晃）和实时视频的结果为92.83％（TP），9.76％（FP），1.77％（FN）。 本研究旨在从不稳定的火场景镜头或从不同角度拍摄的镜头中检测火焰。 本节讨论了所提出的火焰检测方法的可行性和可靠性。 使用所提出的方法构建高效火焰检测移动相机系统（HEFD-MCS）。 实验结果证明HEFD-MCS可以正确捕捉火焰。 图１ 火焰侦测系统流程图 图１显示了所提出系统的过程。 火焰检测有两个主要步骤。 首先，特征提取：建立强Sobel边缘和火焰纹理，然后增强图像边缘。 火焰颜色过滤器规则有助于过滤火焰候选区域。 其次，高性能分析方法：通过运动矢量法和填充率过滤火焰或非火焰，然后使用组建立火灾探测轮廓。 大多数摇摇欲坠的视频来自I.M.C. 数据库（中山大学智能媒体计算实验室）。 按照I.M.C. 火灾数据集网站截至2015年1月19日，http://vision.sysu.edu.cn/systems/fire-detection/）。 森林火灾1 (forst 1)和森林火灾2 (forst 2)视频都来自A. E. Cetin [2]。 （截至2018年11月12日，基于计算器视觉的火灾探测软件.http://signal.ee...

  作者：赖岱佑 学术心得： 以视觉为基础之人 類行 为分析系统 论文名称： 以视觉为基础之人 類行 为分析系统 论文作者： 唐嘉宏、田志强、张扬凯、 林靈逸 、 連 振昌 中华大学资讯工程学系 论文出处： 影像与 識 别 2007 Vol. 13 No.1 发表日期： 2007 论文简介 作者们想要运用计算机视觉的技术针对居家照护、犯罪预防作出基础的可行性系统，但是该论文并非是系统建构的论文，而是针对关键技术作深入的研讨，他们将系统切为三大部分，第一部分是个双相机之多目标物特写追踪；第二部分是全方位之人类步伐分析；最后是于低分辨率上之脸部表情分析。因此您看这篇论文时，首先要知道这不是讨论如何建构完整系统的论文，而是将寻找如何建构该系统的关键技术。 心得评论 首先他们探讨传统的侦测运动目标物作法，并举出各种方法之优缺点，进而提出自己的改良想法。第一种为常见的背景相减法（ background subtraction ），第二种为时间差异法（ temporal differencing ），第三种是光流法（ optical flow ），但是这些传统的作法都不适合于多（双）摄影机的系统，除了大量的计算问题，无法应用于实时（ run-time ）系统之外，多（双）摄影机的重建空间（三度空间），也必须透过大量的运算。而且还分为未经校正法及预先校正法。而他们的想法就是利用两台摄影机，第一台命为场景摄影机；第二台是 PTZ 相机。个人依照他们的流程图描述，发现场景摄影机的功能就是提供数据，而 PTZ 相机负责追踪。看见流程方块图的描述，所采用的方法大致如下所述，一开始取得背景模型然后用型态学的方式处理，目的是要取出特征，有了特征之后再次的减化数据为索引。到这里之后我们先再次回到前面，因为 PTZ 相机与场景摄影机所获的的数据还必须反馈，而 PTZ 相机更是忙碌，必须作好『初始画面』、『传送影像』、『缩放影像』的工作，而后将三种东西（数据或控制），再次传送到各个建构区块内，区块会产生各种矩阵数据。此时，数据方向就分为两条，其中一条用来选择处理方法，是要用『 Close form Solution 』还是『 Fundemental Matrix 』，经过处理后，再与另外一条数据作结合，目的是设定...

作者： 赖岱佑 文章撰写日期： 2007/5/21 论文名称： A FAST ALGORITHM FOR VIDEO SEGMENTATION AND OBJECT TRACKING 论文作者： D. D. Giusto, F. Massidda, C. Perra 论文出处： CNIT@UniCA – Multimedia Communications Lab . DIEE, University of Cagliari. Piazza d’Armi, Cagliari 09123 Italy. ddgiusto@unica.it, {fmassidda, ceperra}@diee.unica.it 发表日期： 2002 研讨会： IEEE DSP 论文编号： 0-7803-753-3/02 论文简介 这是一篇由意大利的多媒体通讯实验室所发表的论文，主要是讲求应用在实时通讯上的快速影像切割及对象追踪，应用范例指的是影音电话以及视频会议，因为这一类的拍摄影像主要是以半身人类为主，且几乎是固定座位。 一开始他们所提出最近的研究（ 2002 之前），对于影像的切割都必须计算到 n 维度，因此速度上就会慢了很多，可是在实时的图像处理上讲求的是速度。因此他们调查了一些以型态学方式来作运算的分割技巧，因而提出了他们的作法。 他们的系统是这样规画的，首先要有一个初始的轮廓，而这个轮廓会自动成长，直到符合要分割的范围。怎么做到的呢？ 1.      Motion detection （动态侦测）：利用画面差异法（他们命名为 interframe ，事实上没有这个字，这可能是他们发表的专有名词），在二值化的处理下，能够快速的利用两张影像的差异，找到大概的范围，当然与门坎值有关。因此门坎值的设定会影响此一部分。 2.      Edge extraction （边缘萃取）：藉由动态侦测所留下来的结果，还是有非常多的噪声，以及未封闭的轮廓，以至于需要透过边缘萃取将轮廓封闭起来。而完成了一个所谓的 interframe binary motion mask （二值化动态差异屏蔽），并且将轮廓内的空白处填满，基本上就是为了制作...