一种基于图像的运动物体检测及高度分析算法

现代监控系统要求做到无人值守，而智能视觉监控能很好满足这个要求。文中为实现这种智能视觉监控系统做了一些算法上的研究工作：实现了对运动物体进行实时检测和追踪，并利用透视几何中的消影点、消影线以及交比的约束方法对运动物体高度进行了分析。试验结果表明，此方法将自适应阈值应用到物体检测中使检测结果更加精确，并且自动估算出的物体的高度误差也很小，具有一定的实用性。     

基于智能视觉的车辆事故预警监控系统设计

针对车辆行驶中驾驶员视觉盲区或注意力不集中而造成的交通事故问题,提出采用智能视觉技术对车辆行驶过程中四周的异常物体进行视频监控,对动态视频场景中的运动目标进行检测、识别与实时测距,通过车辆智能视频监控系统最大程度的为驾驶员提供更多预警信息,预防交通事故的发生;文中介绍了车辆智能视觉监控系统的硬件设计方法与软件工作流程,并研究了运动目标检测算法与单目视觉测距算法,通过仿真实验,验证了该智能视觉车辆监控系统对于运动目标进行检测、识别与智能测距判断的实验结果.     

利用OpenCV的运动物体智能视频图象处理监控系统设计

目前,无论是家庭还是社会安全性一直都备受关注。随着计算机视觉、视频智能识别等技术的高速发展,实现监控系统的实时分析报警已成为了可能,本文从运动物体的检测、运动跟踪及行为判断三大技术出发,利用OpenCV设计了一个运动物体智能视屏图象处理监控系统,该系统不但有效的实现对所监控区域的实时监控与报警,而且也对传统视频监控系统进行了革新,重要场所的安全运行提供了强有力的保障。     

一种综合运动检测和视觉跟踪的智能监控系统

智能监控是当前计算机视觉领域中的热点问题之一。本文提出了一种运动检测与视觉跟踪相结合的智能监控系统,能自动完成轨迹的初始化和终止,能够对数目可变的目标进行自动跟踪。该系统首先利用基于颜色空间模型的阈值化背景减法提取出运动目标,然后结合基于MCMC的颜色粒子滤波器和全局最近邻法对多个目标进行跟踪。并基于OpenCV机器视觉库搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪数目变化不定的运动物体。     

基于三维模型的交通场景视觉监控

视觉监控是计算机视觉研究的前沿方向.动态场景视觉监控就是利用计算机视觉和人工智能的理论和方法.通过对摄像机拍录的图像序列进行自动分析来对场景中的运动物体进行定位、跟踪和识别,并对物体的运动行为作出判断或者解释,达到监控的目的.本文结合交通场景监控这一特定任务,实现一个包括摄像机标定、模型可视化、运动车辆的姿态优化与定位、跟踪预测、基于轨迹分析的行为理解等功能算法的交通场景视觉监控系统.从算法和实现的角度出发，文章对系统中各个功能模块进行了较为详细的描述与讨论.     

采用UKF建模的实时背景提取和运动阴影检测

实时运动物体分割是实现智能视频监控和视频交通流量检测等视觉系统的基础。目前,影响运动检测的因素主要有两个方面,一是背景建模的准确性;二是运动阴影的干扰。提出了基于无偏卡尔曼滤波器(UKF)的背景提取和阴影检测方法,构建整体的运动物体检测框架。该方法通过对背景和阴影建模,分别从帧间差分和背景差分两个层次综合分析像素值的动态变化特性,并利用色彩和亮度变化特性检测出运动阴影,最后借助UKF对两个模型参数进行在线更新,实现实时的运动物体分割。与现有算法相比,该方法背景跟踪速度快、运动检测效果好、计算量较小。实验结果证明了该方法的有效性和实用性。     

基于双目视觉的车辆检测和车速测定

实时运动检测是智能视频监控和视频交通流检测中的一项关键技术。目前广泛使用的单目视觉运动检测方法对光线敏感,存在黑洞、阴影等问题。为解决此问题,提出一种基于双目视觉的运动检测方法,通过双摄像头的视差获取物体的深度信息,根据深度差检测运动物体。在得到运动区域后,利用运动物体在连续帧的深度信息,提出一种适应各种空间角度拍摄情形下的速度测定方法。实验表明,所提的方法能检测运动目标的准确轮廓,解决了单目视觉情形下始终存在的对光线敏感、阴影及黑洞的问题,实现了运动目标的实时检测和速度测定。     

基于卡尔曼滤波的交通参数采集系统

基于计算机视觉的交通监控系统,已成为交通管理的主要手段,车辆的实时检测和追踪是智能交通监控系统的核心.文中介绍了公安部智能交通项目的交通信号采集模块中使用的关于多物体追踪的一些方法,主要采用了子特征提取方法和kalman滤波统计模型,建立起物体的追踪模型.在其基础上实现目标的检测和追踪,及最终的交通参数的测量.     

BDI模型视觉监控智能体的研究

分布式智能视觉监控系统的摄像机一般分布在不同区域内,大部分监视功能要在摄像机端实现,将Agent理论与智能摄像机相结合,构造出一种软、硬件一体化的,专门用于视觉监控的实例智能体,该智能体具有自主推理决策及运动目标跟踪等能力.着重研究了视觉监控智能体的体系结构、BDI模型,提出一种基于历史案例的推理决策机制,并在智能摄像机上予以实现.实验结果表明,视觉监控智能体具有自主跟踪多运动目标的能力,为构建分布式智能视觉监控系统奠定了基础.     

室内监控中一种运动目标检测的精确算法

针对室内环境的特点,本文提出了在室内视频监控系统中进行运动目标提取时算法所需要满足的基本要求,并提出了一种能够满足这些要求的方法.采用基于颜色的混合高斯模型(MoG)给场景中每个象素点建模,根据光照的变化对像素点亮度值的影响的分布情况,实现光照突变检测.利用帧间差分法检测运动物体的灵敏性,加快消除了因物体的移入移出造祆成的"影子"现象.实验结果证明,本文运动目标探测算法对室内视频监控系统的运动检测和消除虚假报警具有较好的实时性和稳健性.