一种用于电力监控的行人运动检测与跟踪算法

在传统的行人检测跟踪算法中,主要采用HOG+SVM对视频中的行人直接进行检测,针对传统算法在复杂背景及多行人条件下,行人检测效果较差,且实时性低等缺点,提出一种融合目标运动检测与目标跟踪的行人检测算法。首先采用Vibe算法提取视频中的运动目标,并通过对Vibe算法的改进消除初始帧存在的阴影问题。针对视频中的运动目标采用Adaboost算法对运动目标区域进行行人检测,减小视频中背景的干扰,加快检测速度。最后采用卡尔曼滤波算法和匈牙利最优匹配算法对视频监控中的行人进行跟踪。仿真实验结果显示,该算法能够对电力监控视频中存在的行人进行检测跟踪。     

变电站遥视系统中运动目标检测

运动目标检测是当前无人值守变电站遥视系统的智能视频监控技术需要解决的问题。采用基于负熵最大判据的快速算法(FastICA)又称为定点法(Fixed-point),通过随机梯度法调节分离矩阵W来达到对信号源进行优化的目的。试验表明,在背景亮度发生变化时,FastICA法也可以很好地检测出运动目标,并将其与背景分离,还可确定运动物体的运动轨迹。试验证明了FastICA是一种鲁棒性较强的运动目标检测方法,具有较强的抗图像背景灰度变化的能力。     

多车道视频车流量检测和计数

车流量检测在智能交通领域具有重要的地位,车流量检测的重点是识别监控视频中的车辆并计数,因此,提出一种有效的背景建模和准确的车辆计数方法显得尤为重要。本文提出了背景差分法和混合高斯模型来提高运动车辆的检测质量,并在车道内设置了虚拟线圈,利用连通域分析法、区域灰度均值法两种方法检测运动车辆。实验结果表明区域灰度均值法要优于连通域分析法,区域灰度均值法可以解决车辆漏检的问题,车辆计数的准确度有了显著的提高,准确率可达到94%以上。     

浅谈运动目标检测的基本方法

运动目标检测是视频图像处理过程中重要的环节,提取视频图像中的运动目标是视觉监控领域研究的难点之一,运动目标检测的效果将影响到目标跟踪结果的准确性。若要确定视频图像序列中目标的位置及灰度等特点,就要准确的检测出运动目标,本文介绍了背景消除法,帧间差分法和光流法三种常用的运动目标检测的方法,同时对各自方法的基本思想进行了阐述,对其优缺点进行了分析。     

支持行人检测的智能车载监控终端

大量交通事故的分析表明行人是交通的弱势参与者。为了达到保护行人安全的目的,需要提高车辆的智能水平,通过具备智能监控能力的车载终端来协助发现处于事故危险中的行人,及时进行预警。针对车载智能监控的需要,基于聚合积分通道模型,设计了具有行人检测能力的智能移动视频监控终端。面向TI DM365芯片组与TVP5158组成的多路视频处理平台,设计了基于聚合积分通道模型的行人检测算法,并且进行了典型场景实验。实验结果表明,该终端可以通过移动网络实现远程视频监控,并且有效实现行人检测,提高了车辆智能水平与交通安全性。     

基于运动轨迹的视频语义事件建模方法

人体行为分析是计算机视觉领域的重要课题之一.针对人体行为事件,提出了一种基于运动轨迹的视频语义事件建模方法.首先,采用改进的基于Surendra背景建模算法检测运动行人目标,然后利用Meanshift跟踪算法得到目标行人的运动轨迹路径,最后根据人体行走轨迹特征和所定义语义事件模型进行相关事件判断,并搭建平台实现视频语义事件自动监测.对监控视频公开数据集的实验测试表明,提出的方法可准确有效的识别常见的人体行为,为视频语义领域提供一种可靠、准确的技术方案.     

智能交通系统中的运动目标检测方法研究

本文将针对智能交通监控中的运动目标检测方法进行研究,通过时域检测法来检测监控系统中车辆的运动,并且着重研究了帧间差分法来实现运动目标的检测,运用Matlab平台进行验证。     

室内照明条件对于运动目标检测算法影响的分析

在室内视频监控系统中,光照条件对于运动物体的检测与分类将产生显著影响。本文归类分析了室内照明条件对于运动目标检测算法的不同影响,提出一种能够快速地适应光照条件变化的运动目标检测算法。该算法结合了帧间差分与背景模型算法的优点,并且引入亮度信息进行前序的处理;因此能够快速准确地检测出运动目标,同时算法对不同光照条件具有较高鲁棒性。通过相关仿真实验,证明了该算法的实时性与可靠性。     

电力系统视频监控中目标检测与跟踪算法研究

对变电站电力设备进行全天候实时监测是电力系统安全防范的有效手段。根据视频监控技术的原理和特点,介绍了视频监控系统中的两大关键技术---运动目标检测和跟踪技术,并对运动目标检测和跟踪技术中常用的算法进行了探讨。介绍了运动目标检测与跟踪算法的基本原理,分析了算法的特点以及存在的问题,选取了适用于电力系统的目标检测与跟踪算法。最后,设计了电力系统视频监控的基本模式,并对电力系统视频监控的实际运行系统及发展趋势进行了详细的分析。     

多传感器智能视频监控系统关键技术研究

为了提高视频监控系统对高速运动目标的自主快速跟踪能力和跟踪精度,提出了一种智能视频监控方案。采用声源定位技术实现对动态目标的快速定位,并应用相邻三帧差分法实现运动目标的提取,然后将提取出的动态目标的形心参数作为云台控制系统的控制信号,以驱动云台带动摄像机实现对运动目标的实时跟踪监控。实验及仿真结果表明,所采用的方案完全能够满足监控要求。     

Analogic CNN algorithm for estimating position and size of moving objects

An analogic CNN algorithm is proposed for detection of multiple moving objects in high resolution, grey‐scale images taken from a fixed camera. The algorithm, based on simple 3 × 3 templates, can be implemented using CNN hardware, providing the real‐time operation required in surveillance and traffic control applications. Efficient separation of moving objects from the background is obtained through automatic threshold selection. The performance of the proposed method is shown using real‐life indoor and outdoor video sequences. Copyright © 2004 John Wiley & Sons, Ltd.     

基于视频的入侵检测系统

文中介绍基于视频的实时入侵检测系统的框架,采用动态背景生成和背景帧差方法检测入侵并分割入侵目标。该系统可广泛应用于对特定区域进行的安防监控。     

一种适用于实时交通监控的视频编码方法

提出了一种修改的基于内容的实时可伸缩H.264编码器,该技术适用于实时交通视频监控系统.在提出的方法中,首先对视频序列进行滤波,从而去掉噪音,之后从罔像中首先提取运动区域,然后从运动区域中提取运动窗,大大提高了运算速度,然后使用零块的预先判决算法来加快其编码速度,最后根据运动窗的速度和大小将其分为快速运动窗、慢速运动窗和远处运动窗,根据其特点来分别降低其时间冗余度和空间冗余度,以便适合于实时传输.实验证明该方法与其他方法相比,其压缩率和编码时间都有较大提高,同时视觉质量也没有明显的下降,适合实时交通视频监控,另外提出的系统完全能够遵从H.264编码器标准,完全符合传统H.264解码器.     

基于像素值聚类的运动目标检测方法

提出了一种基于像素值聚类的运动目标检测方法。在RGB空间进行背景提取,将一幅图像中的每个像素点在时间轴上进行聚类,提取背景模板;之后采用当前图像与背景模板进行比较,从而检测出运动目标,并同时进行背景模板的更新。在此过程中采用了模板替换机制以节约存储空间;在背景建模部分加入结束判定部分,以自适应的建立背景模板。相比于经典的混合高斯（GMM）和codebook方法,该算法的运行时间至少缩短了1／4,提高了检测速度。实验结果表明,该算法能够在不同条件下快速准确的检测运动目标。     

煤矿井下人员视频图像识别跟踪的研究与应用

随着数字图像处理技术的发展,图像识别开始应用到煤矿的安全领域。基于背景差分法的研究,采用混合高斯模型的背景建模法,设计了井下视频图像中运动人员检测的流程和算法,来应对监测场景图像、光线强度的不断变化,并开发了实时监测平台,实现了对井下监控图像中人员进行识别和运动轨迹跟踪。实际应用结果验证,该算法能有效增强检测的效果,实现了在诸多不确定性因素的序列视频中较好的自适应构建背景,从而高效地检测出移动中的井下工作人员,并进行标注跟踪显示。     

Stereo- and neural network-based pedestrian detection

Pedestrian detection is essential to avoid dangerous traffic situations. We present a fast and robust algorithm for detecting pedestrians in a cluttered scene from a pair of moving cameras. This is achieved through stereo-based segmentation and neural network-based recognition. The algorithm includes three steps. First, we segment the image into sub-image object candidates using disparities discontinuity. Second, we merge and split the sub-image object candidates into sub-images that satisfy pedestrian size and shape constraints. Third, we use intensity gradients of the candidate sub-images as input to a trained neural network for pedestrian recognition. The experiments on a large number of urban street scenes demonstrate that the proposed algorithm: (1) can detect pedestrians in various poses, shapes, sizes, clothing, and occlusion status; (2) runs in real-time; and (3) is robust to illumination and background changes     

Learning-based spatio-temporal vehicle tracking and indexing for transportation multimedia database systems

One key technology of intelligent transportation systems is the use of advanced sensor systems for on-line surveillance to gather detailed information on traffic conditions. Traffic video analysis can provide a wide range of useful information to traffic planners. In this context, the object-level indexing of video data can enable vehicle classification, traffic flow analysis, incident detection and analysis at intersections, vehicle tracking for traffic operations, and update of design warrants. In this paper, a learning-based automatic framework is proposed to support the multimedia data indexing and querying of spatio-temporal relationships of vehicle objects in a traffic video sequence. The spatio-temporal relationships of vehicle objects are captured via the proposed unsupervised image/video segmentation method and object tracking algorithm, and modeled using a multimedia augmented transition network model and multimedia input strings. An efficient and effective background learning and subtraction technique is employed to eliminate the complex background details in the traffic video frames. It substantially enhances the efficiency of the segmentation process and the accuracy of the segmentation results to enable more accurate video indexing and annotation. The paper uses four real-life traffic video sequences from several road intersections under different weather conditions in the study experiments. The results show that the proposed framework is effective in automating data collection and access for complex traffic situations.