视频监控系统中的行人及其面部侦测研究

采用集成H．264硬件编解码视频处理单元Hi3512来设计视频监控系统。并探讨行人目标的自动侦测问题。在对视频图像进行形态学分析的基础上,利用背景差方法实现运动目标区域的粗提取,通过阴影去除算法实现运动目标的精确定位,再利用连续均值量化变换（SuccessiveMeanQuantizafionTransform,SMQT）算法实现运动区域灰度图像的增强处理,然后利用SNoW（SparseNetworkofWinnows）分类算法实现行人及其人脸部位的侦测。实验结果表明,所采用方法能够自动检测出监控区域的行人目标及其面部信息,可有效地应用于无人值守视频监控场合。     

人体及穿戴特征识别在电力设施监控中的应用

针对电力设施智能监控系统中目标人员及其穿戴特征,本文提出了一种高鲁棒性的检测方法.首先采集行人的目标正样本,以及所要监控的场景中无行人目标的负样本,接着基于HOG(Histogram of Oriented Gradients)特征以及线性SVM(Support Vector Machine)训练行人检测的分类器,检测进入场景中的行人目标;对检测到的行人的头部、腰部区域,采用HSV色彩模型判断人员是否进行安全着装,及时预警,避免危险发生.本文将目标识别及穿戴特征分析技术应用于电力设施作业现场监控中,可以更准确的识别入侵的人员,也可以在应急事故抢修时,加强工作人员规范操作,提前预警,避免危险.     

基于连通性检测的视频监控运动目标提取

针对背景相对静止、主要检测对象为行人的视频监控序列,提出了一种基于连通性检测的目标提取算法,它把形态学滤波与连通性检测相结合,对分割后的二值化图像进行噪声干扰去除,在获得若干连通区域后,利用面积、外界矩形及其特征对连通区域进行识别,通过区域重心标注目标在各帧位置,实现目标提取.实验结果表明,该算法简单可靠,具有实时性,易于硬件实现,可应用于实际系统.     

交通监控系统中车辆和行人的检测与识别分析

在识别以及检测行人以及车辆的过程中主要是将帧间差分结合起来,建立动态交通场景视频图像监控的序列背景模型,之后再借助背景消除法有效检测监控视频中目标的运动状况,将运动目标的轮廓提供出来,最后利用支持向量机,快速识别检测出来的运动目标。研究结果显示,这样的识别和检测的方法更加有助于精确地检测和分类识别,在监控视频中运动的行人以及车辆,自动报警有出现非法入侵的行人。本文探析了在实际的监控交通系统中识别以及检测行人以及车辆的主要状况分析,帧间差分动态更新背景模型的运动目标检测算法,以及基于支持向量机基础之上自动识别行人以及车辆。     

基于图像处理的铁路沿线视频监控算法设计

随着中国火车的不断提速,为了保证铁路沿线人民的生命财产安全,提出一种基于视频图像处理的方法实现对于行人穿越铁路线的监控.首先,从动态场景中提取出静态铁路沿线的状态即背景提取;然后对视场中的危险区域进行划定;其次,当监控区域存在危险情况时系统能够对当前图像实时保存;最后,对保存到的图像进行目标识别.视频处理结果为系统可以自动的检测到穿越铁路线的行人并以图片的方式保存当时的现场信息.实验结果表明了这一方法的有效性,整个算法设计具有一定的可行性和参考价值.创新性在于通过图像处理的方法实现了对行人穿越铁路线的监控.     

DDN前景提取结合映射模型学习的行人再识别

随着视频监控设备的广泛应用,行人再识别成为智能视频监控中的关键任务,具有广阔的应用前景。该文提出一种基于深度分解网络前景提取和映射模型学习的行人再识别算法。首先利用DDN模型对行人图像进行前景分割,然后提取前景图像的颜色直方图特征和原图像的Gabor纹理特征,利用提取的行人特征,学习不同摄像机之间的交叉映射模型,最后通过学习的映射模型将查寻集和候选集中的行人特征变换到一个特征分布较为一致的空间中,进行距离度量和排序。实验证明该算法能够提取较为鲁棒的行人特征,可克服背景干扰问题,行人再识别匹配率得到有效的提高。      

基于显著性检测的不同视角下红外与可见光图像融合

融合红外图像的热源目标和可见光图像的清晰背景可以实现低照度条件下与场景关联的异常行为识别。现有以特征匹配为主的融合方法,受监控场景下可见光与红外成像的尺度、视角、目标特性等差异影响,配准及融合效率及准确性受限。针对该问题,本文提出了基于显著性检测的不同视角下红外与可见光图像融合方法。通过预设热敏感目标,计算可见光与红外的视场转换模型,预先配准红外与可见光视场。使用Mask R-CNN网络提取红外图像中的行人目标显著性区域,根据视场转换模型点将每个目标区域与可见光图像局部融合。最后,通过违规入侵行为辨识为目标进行实验验证。实验表明,论文提出的融合方法能够有效地将红外图像的热敏目标信息与可见光的场景进行融合,可以准确地判断是否发生违规入侵行为。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

一种基于CENTRIST方法与显著图分割的行人检测方法

在智能监控系统中,行人是最为关键的目标对象.监控系统可根据当前捕获的行人检测结果,触发跟踪系统持续观察兴趣目标,从而给出兴趣目标的行为与状态信息.考虑到行人检测结果直接影响跟踪系统的输出,基于CENTRIST(Census Transform Histogram)方法的行人检测结果,采用显著图分割技术,将包含行人的前景区域与检测框内的背景区域分离开来,使得跟踪系统能够根据行人的主体运动部分做出准确判断,有效地缓解了背景区域以及行人局部运动(如手、脚运动)对跟踪结果的干扰.实验结果表明,该行人检测方法在提高后续跟踪模块准确率的同时,又能适用于实时性要求较高的智能视频监控系统.     

一种烟幕遮障下的伪装目标协同识别方法

针对单源传感器在迷彩伪装识别特性下的单一性和局限性,提出了一种基于可见光-热红外图像协同识别烟幕遮障下的行人的方法。该方法首先在可见光图像中识别出烟幕遮障,在热红外图像中识别出行人目标,然后利用协同机制最终可以识别出烟幕遮障下的行人。通过本文中实验数据的分析,本文中的方法能够有效地识别出烟幕遮障下的迷彩伪装行人。而且本文中的方法在去除虚警和识别率上都有了大幅度提高。     

行人动态实时监测系统的设计与实现

针对视频场景中行人动态信息监测的需求,设计实现了一种行人动态实时监测系统。首先,通过YOLOv3检测算法对场景中行人进行目标检测,在此基础上结合改进的KCF实现多行人目标的跟踪并获取对应下底边中心点。之后结合场景标定结果完成行人图像与三维空间位置监测、场景行人计数和行人行走速度等动态信息监测。通过实验表明,该系统不仅能够较好地完成视频场景下行人目标检测与跟踪,也能够精准完成以上信息动态实时监测的任务,为实际理论研究与工程应用奠定重要基础。     

基于ADSP-BF561的视频跟踪系统的研究与实现

设计了基于ADSP-BF561的视频跟踪系统,通过控制摄像机姿态实现对运动目标的自动识别和跟踪。系统采用三帧间差分法与图像分割相结合进行目标识别,利用卡尔曼滤波算法进行目标定位,辅以云台运动控制算法完成目标跟踪。经室内测试,该系统能对运动目标进行有效识别与跟踪,且具有一定的实时性及稳定性。     

一种基于实例语义图的屏幕反窃照识别算法

目前防窃照技术手段主要依靠图像采集设备实时采集视频流,对拍照行为进行识别检测,但受复杂环境影响,现有识别方法存在精确度低、实时性差等问题。针对上述问题,提出了一种基于实例语义图的屏幕反窃照识别算法。该算法首先通过图像分割模型U²-Net提取原图像的显著视觉目标后生成实例语义图,然后通过微调单阶段的目标检测模型YOLO-v5实现对语义图中感兴趣对象的目标检测,最后通过设计的基于Inception-ResNet的拍照识别二分类模型实现对屏幕窃照行为的识别。实验结果表明,该算法在实际场景下的平均识别准确率达到95%以上。     

高分辨率卫星海洋背景成像仿真方法

海洋背景的仿真是海面目标场景仿真的关键环节,是海洋目标-背景耦合作用模拟的重要基础,决定了仿真图像中目标与背景差异特征的正确性和真实性。高分辨率遥感成像下,海面细节特征突显,以往视海表为均匀辐射面的处理方法给高分辨率海洋场景仿真造成较大误差。重点研究了海面三维形态、多组分分布与海水方向反射特性的耦合作用和辐射模型,提出了海面高分辨率遥感成像仿真方法。通过频谱分析的方法构建海面三维模型,根据海面组分分布的不同及不同位置海面法向的不同,修正了低分辨率下的海洋BRDF模型,使其满足高分辨率卫星图像的仿真应用,计算出不同组分的海面的方向反射数据,并将其与海面三维模型关联,构建了亚米级海面三维辐射模型,通过光线追踪方法建立海面零视距辐射场,并经过大气影响和传感器效应,模拟不同海况条件下卫星遥感图像。结果表明:将ZY3-02卫星实测海面图像与相同成像条件下的仿真图像对比,图像均值的误差为3.7%,标准差误差为9.9%,可以较真实地模拟高分辨率卫星成像下的海洋背景。     

城市街区星载光学遥感图像车辆目标自动检测方法

针对星载光学遥感图像城市街区复杂背景问题,提出一种车辆目标自动检测方法.首先,利用场景中植被背景的物理属性,通过多光谱波段抑制场景中的植被背景,然后,在分析城市街区地物形态反射率特性的基础上,利用全色波段并结合二值形态学方法抑制场景中的建筑物,最后,引入著名的RX算法对抑制后的图像进行车辆目标检测.将文中提出的方法应用于实际Quickbird影像的车辆目标检测,结果表明所提出的方法具有鲁棒性强,执行效率高,不需要人工辅助等方面的特点,可用于城市街区车辆目标的自动检测.     

基于局部特征差异的异源图像融合算法

针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。     

基于红外运动目标分割的夜视融合系统设计

为了提高夜视系统的质量以及目标探测性能, 设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法, 采用红外运动目标分割电路和融合处理电路互联的结构, 首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标, 然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理, 最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明: 该系统可以提高夜视融合系统目标探测性能和探测概率, 融合结果的各项评价指标提高了90%以上, 有的评价指标甚至提高了7倍以上, 可以很大程度地降低系统的虚警率。     

智能型目标识别系统

介绍了图像目标识别技术中的图像分割，不变性参数提取和目标分类，利用图像目标的均匀性和相应知识自适应地分割和提取图像目标，被提取的每个图像目标的不变性参数由归一化过程和Ｚｅｒｎｉｋｅ矩提取，并利用ＭＰＮＮ模型将图像目标分类，实验结果该识别系统能识别光照不均匀或复杂背景下的图像目标。     

Independent Component Analysis-Based Background Subtraction for Indoor Surveillance

In video surveillance, detection of moving objects from an image sequence is very important for target tracking, activity recognition, and behavior understanding. Background subtraction is a very popular approach for foreground segmentation in a still scene image. In order to compensate for illumination changes, a background model updating process is generally adopted, and leads to extra computation time. In this paper, we propose a fast background subtraction scheme using independent component analysis (ICA) and, particularly, aims at indoor surveillance for possible applications in home-care and health-care monitoring, where moving and motionless persons must be reliably detected. The proposed method is as computationally fast as the simple image difference method, and yet is highly tolerable to changes in room lighting. The proposed background subtraction scheme involves two stages, one for training and the other for detection. In the training stage, an ICA model that directly measures the statistical independency based on the estimations of joint and marginal probability density functions from relative frequency distributions is first proposed. The proposed ICA model can well separate two highly-correlated images. In the detection stage, the trained de-mixing vector is used to separate the foreground in a scene image with respect to the reference background image. Two sets of indoor examples that involve switching on/off room lights and opening/closing a door are demonstrated in the experiments. The performance of the proposed ICA model for background subtraction is also compared with that of the well-known FastICA algorithm.