视频显着性检测

MATLAB代码层次分析显着性树新颖性显着检测框架。此代码适用于论文： [1] Z. Liu，W。Zou，O。Le Meur，“显着性树：一种新颖的显着性检测框架”，IEEE Transactions on Image Processing，vol。23，no。5，pp. 1937-1952，2014年5月。仅限非商业用途。如果使用，请引用论文[1]。此代码需要使用VLFeat开源库，可从其官网下载，以及[2]的源代码。P. Arbelaez，M. Maire，C. Fowlkes，J. Malik，“轮廓检测和分层图像分割”，IEEE Transactions on Pattern Analysis and Machine Intelligence，vol。33，no。5，pp. 898-916，2011年5月。[2]的源代码可以在以下位置下载：运行代码（1）对于Windows，请首先使用[2]的源代码（注意，需将ST_win文件夹中的“im2ucm.m”替换为[2]中的原始文件），以生成与[1]中相同的结果。我们使用了调整大小因子0.5以提高运行速度。

总体思路是将根据图像计算出的显着性景观的眼动探索建模为对随机行走觅食者的探索。由此产生的觅食步行是扫视扫描路径。该代码允许运行一个实验，该实验将定义数量的人工观察者付诸行动，每个观察者使用论文中描述的CLE方法的略微增强版本在给定图像上生成视觉扫描路径（一系列注视和扫视）。增强关注：1）可以使用更通用的alpha-stable分布而不是坚持柯西分布如文献中提到的；2）采用明智的策略来采样下一个视线转移，因为下一个视线位置的选择是通过内部模拟步骤获得：n个候选人注视shifts被初步采样并根据增益函数进行评估。最终保留n个候选班次中最好的。软件安装。

这段MATLAB代码基于分层分割进行协同显着性检测，适用于以下论文：[1] Z. Liu, W. Zou, L. Li, L. Shen 和 O. Le Meur，“基于分层分段的共显着性检测”，IEEE信号处理。Lett。，第一卷21号1，第88-92页，2014年1月。代码仅限非商业用途。如需使用，请引用论文[1]。此代码依赖于[2] P. Arbelaez, M. Maire, C. Fowlkes, J. Malik，“轮廓检测和分层图像分割”，IEEE模式分析和机器智能交易，第1卷33，不。5卷，第898-916页，2011年5月。源代码包含在“ lib”文件夹中，也可以从以下位置下载。我们已在Ubuntu 12.04下测试通过。运行Demo.m在MATLAB中，您将获得一个示例。

本代码是基于Panagiotakis等人提出的PMUCOS方法的简单实现，用于发现视频中所有的周期性部分并估计它们的周期，完全无需监督。这些周期性片段可以存在于视频的任何位置，具有不同的持续时间、速度和周期，适用于各种对象（如人、动物、机器等）的运动模式。如需引用相关论文，请参考Panagiotakis等人在IEEE国际图像处理会议上的研究。

基于核心区域顺序度量特征和转换距离，提出了快速高效的视频拷贝检测方法。通过统计分析真实网络拷贝视频特点，选取稳定核心区域提取顺序度量特征，并设计基于最小转换代价的度量标准和快速匹配方法。实验验证了该方法在真实网络和 MUSCLE-VCD-2007 数据上的有效性。

该程序使用Matlab读取视频文件中的图像帧，并对每帧图像进行运动目标检测，实现对视频中运动目标的持续追踪。

这款应用程序可以在视频中检测非刚性光束等物体上的标记，具备英文图形用户界面，支持导入各种视频文件进行分析，并输出标记位置数据。推荐使用Micah Richert的“mmread”进行视频文件的导入和处理。

此项目是为工作项目、毕业设计和课程设计而开发的，所有项目源码经过助教老师测试，运行稳定可靠。请下载后首先查阅README.md文件。

多伦多大学计算机视觉项目中，所有数据（包括clip1-3，火车数据，代码数据，face_final.mat，sift包和track包）均已删除。clip_*目录包含各种新闻节目的3个短片段。train_data包含男性和女性面部的训练示例。Gary B. Huang, Marwan Mattar, Honglak Lee和Erik Learned-Miller提出了学习从零开始对齐的方法。每个男性/女性面部附带一个mat文件，包含左眼、右眼、鼻子和嘴巴的4个点。

[Matlab项目] Matlab视频监控系统，具备即时物体检测功能，并能立即发出报警信号。获取详细信息请访问http://hailiangjc.taobao.com/