基于遮挡修补的TV-L1光流算法

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (19): 164-168.

基于遮挡修补的TV-L1光流算法

朱珏钰1，刘建2，李峰2，周书仁2

1.湖南第一师范学院信息科学与工程系，长沙 410205
2.长沙理工大学计算机与通信工程学院，长沙 410004

出版日期:2015-09-30 发布日期:2015-10-13

TV-L1 optical flow algorithm based on block repair

ZHU Jueyu1, LIU Jian2, LI Feng2, ZHOU Shuren2

1.Department of Information Science and Engineering, Hunan First Normal University, Changsha 410205, China
2.School of Computer & Communication Engineering, Changsha University of Science & Technology, Changsha 410004, China

Online:2015-09-30 Published:2015-10-13

摘要/Abstract

摘要： 当前比较流行的TV-L1光流算法，在不失精确度的前提下，能够利用双向求解机制来降低运算量，但无法有效地处理由间断、遮挡等因素造成的错误光流分量的缺陷。通过前向光流和后向光流的运动一致性理论来判断遮挡区域的光流分量，通过单调递减函数对遮挡区域进行处理，抑制了遮挡区域错误光流对邻域的扩散，提出了同帧邻域光流的横向修补和相邻帧光流的纵向修补。实验表明，该方法能够很好地处理遮挡情况，提高了光流的计算精度。

关键词: 光流, 遮挡, 光流修补

Abstract: The TV-L1 optical flow algorithm is relatively popular currently, can reduce the amount of computation with taking advantage of the bidirectional solving mechanism, without losing the accuracy, but cannot effectively process error optical flow component defects caused by interruption, occlusion and other errors. This paper firstly judges optical flow component of occlusion area based on motion coherence of forward and backward optical flow, handles occlusion area by means of Monotone decreasing function, suppresses error light flow of the occlusion area spread to the neighborhood, and presents lateral repairing of the same frame neighborhood optical flow and the longitudinal repairing of the adjacent frames light flow. Experiments show that this method can process occlusion very well, and enhance the calculation precision of optical flow.

Key words: optical flow, occlusion, optical flow repairing

朱珏钰1，刘建2，李峰2，周书仁2. 基于遮挡修补的TV-L1光流算法[J]. 计算机工程与应用, 2015, 51(19): 164-168.

ZHU Jueyu1, LIU Jian2, LI Feng2, ZHOU Shuren2. TV-L1 optical flow algorithm based on block repair[J]. Computer Engineering and Applications, 2015, 51(19): 164-168.

[1]	吕栋阳，张磊，张丹，姚兴田，苏波泳. 光流引导下机器人抓取目标物角点动态匹配[J]. 计算机工程与应用, 2021, 57(6): 200-206.
[2]	李松江，吴宁，王鹏，李海兰. 基于改进Cascade RCNN的车辆目标检测方法[J]. 计算机工程与应用, 2021, 57(5): 123-130.
[3]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[4]	李佐龙，王帮海，卢增. 多尺度特征融合重建的行人检测方法[J]. 计算机工程与应用, 2021, 57(4): 176-182.
[5]	於小杰，贺勇，刘盛华. 一种用于无人机室内定位的改进ORB光流算法[J]. 计算机工程与应用, 2021, 57(4): 266-271.
[6]	杨鲁月，张树美，赵俊莉. 基于并行Gan的有遮挡动态表情识别[J]. 计算机工程与应用, 2021, 57(24): 168-178.
[7]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[8]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[9]	黄仝宇，胡斌杰，朱婷婷，黄哲文. 面向驾驶场景的多尺度特征融合目标检测方法[J]. 计算机工程与应用, 2021, 57(14): 134-141.
[10]	张人，何宁. 微表情识别研究综述[J]. 计算机工程与应用, 2021, 57(1): 38-47.
[11]	董艳花，张树美，赵俊莉. 有遮挡人脸识别方法综述[J]. 计算机工程与应用, 2020, 56(9): 1-12.
[12]	王国屹，孙永荣，吴雷，曾庆化. 分块检测尺度自适应的圆形目标相关跟踪[J]. 计算机工程与应用, 2020, 56(8): 177-184.
[13]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[14]	王海涌，梁红珠. 基于改进的GAN的局部遮挡人脸表情识别[J]. 计算机工程与应用, 2020, 56(5): 141-146.
[15]	胡啸，陈黎. 面向遮挡与透视影响的道路凸包梯形检测算法[J]. 计算机工程与应用, 2020, 56(22): 199-204.