基于计算机视觉算法的视频智能监控与跟踪系统研究

本文基于计算机视觉算法设计了视频智能监控与跟踪系统.以OpenCV计算机视觉库、Visual Studio与MFC框架开发并实现了系统.首先设计系统整体框架,其次着重分析视频数据预处理,再次以高斯混合背景差分法提取目标,通过阈值二值处理与背景相分离,然后以Camshift与卡尔曼滤波跟踪目标并发出告警提示,最后系统实现结果表明,基于高斯混合背景差分法进行运动目标提取,并通过阈值二值处理,可准确可靠地与背景相分离,目标检测效果显著;可及时准确触发告警机制,发出告警提示信息.     

基于匹配反馈量改进GMM的前景检测算法

传统混合高斯模型在进行运动目标检测时,由于背景模型阈值和模型学习速率均采用固定参数,不能有效适应复杂变化的场景。为解决该问题,提出一种基于匹配反馈量改进混合高斯模型的前景检测算法。通过对模型控制参数进行研究分析,提出一种根据各像素点匹配情况对背景模型阈值进行动态调整,并根据反馈量自适应调节学习速率的策略。实验结果表明,该方法应对复杂变化的视频监控场景时可以有效、准确、快速地提取前景目标。     

基于视觉背景提取的自适应运动目标提取算法

在复杂场景下的视频运动目标提取是视频分析技术的首要工作。为了解决前景运动目标提取的精确度不高的问题,提出一种基于视觉背景提取(ViBE)的改进视频运动目标提取算法(ViBE⁺)。首先,在背景模型初始化阶段采用像素的菱形邻域来简化样本信息;其次,在前景运动目标提取阶段引入自适应分割阈值来适应场景的动态变化;最后,在更新阶段提出背景重建和调整更新因子方法来处理光照变化的情形。实验结果表明,对于复杂视频场景LightSwitch的运动目标提取结果在相似度指标上,改进后的算法与混合高斯模型(GMM)算法、码本模型算法以及原始ViBE算法相比,分别提高了1.3倍、1.9倍以及3.8倍。所提算法能够在有效时间内对复杂场景具有较好的自适应性,且性能明显优于对比算法。     

基于GMM-RBMCDA的实时监控多目标跟踪方法

为了有效提取视频监控场景中的前景目标信息并准确跟踪目标的状态,提出一种基于混合高斯模型和Rao-Blackwellized蒙特卡洛数据关联的视频多目标跟踪方法。该方法根据场景中像素点的特征信息,利用混合高斯模型进行建模,并对前景目标进行检测,使用Rao-Blackwellized蒙特卡洛数据关联算法来降低可能的目标交叉及杂波干扰带来的影响,通过设置目标存在和消失参数,实现了实时多目标跟踪。实验结果表明,该方法不仅能对场景中未知目标的个数进行有效估计,而且可以准确地跟踪目标的状态,取得了良好的实际效果。     

基于改进的高斯混合模型的运动目标检测

运动目标检测是实现目标跟踪、视频监控的基础.针对基于高斯混合模型的运动目标检测算法的不足,提出了一种基于分块思想和高斯模型个数自适应的改进高斯混合算法.利用对视频图像分块的思想,在提高目标检测效率的同时,实现对视频的滤波处理;并利用高斯混合模型中高斯分布个数自适应操作来降低算法复杂度,提高运动目标检测的速度.实验结果表明:该算法比传统高斯混合模型运动目标检测算法具有更快的检测速度和更好的检测效果,并降低了检测噪声,能有效地检测运动目标,适用于运动目标的实时检测.     

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。     

基于监控视频的运动车辆检测优化方法

为满足实时性处理需要,提出了一种基于监控视频的运动车辆检测优化方法.运用自适应ROI(region of interest)提取算法,在获取可能出现运动车辆的区域后,基于帧间差分法与分块处理思想,提出了一种改进的背景提取算法,有效地提取运动目标区城.对提取的多目标运动区域进行分离,分别提取可能是车辆的区域后,提出了一种简单、快捷的阴影去除算法,有效地去除阴影,获得准确的运动目标区城.实验结果表明,该方法速度快、准确率高,能很好地满足实时性要求.     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。     

基于图像分块与特征融合的户外图像天气识别

在视频监控及智能交通等领域,雾、雨、雪等恶劣天气会严重影响视频图像能见度,因此快速识别出当前的天气情况,并自适应地对监控视频进行清晰化处理极为重要.针对传统天气识别方法效果差以及天气图像数据集缺乏的问题,构建了一个多类别天气图像分块数据集,并提出了一种基于图像分块与特征融合的天气识别算法.该算法基于传统方法提取平均梯度...     

监控摄像机视频去隔行和CUDA加速

监控摄像机的隔行扫描是造成视频降质的重要因素,因此需要在进一步处理前对其进行去隔行。针对典型的视频监控场景,提出了一种快速有效的运动自适应去隔行算法。采用同极性4场运动检测法提取运动信息,将图像分为静止区域、运动区域和混合区域;对静止区域采用直接的场合并,对于运动区域采用改进的基于边缘的插值,混合区域则采用基于运动向量的加权平均。为提高算法的实时性,基于Nvid ia的CUDA技术对算法进行了GPU加速。实验结果表明,本文提出的去隔行算法插值精度高,边缘处理效果好,经过GPU加速后,处理速度也得到了大幅提高。     

一种基于改进视觉背景提取算法的前景检测

针对视觉背景提取ViBe算法在前景检测中存在的鬼影现象且长时间难以消除的缺点,提出一种改进的视觉背景提取算法。首先,在视频前n帧序列的帧差法中,引入大津（OTSU）算法求自适应阈值,以分割出更为准确的前景区域;其次,利用去除前景区域的前n帧图像合成一张尽量少的包含前景区域的样本图像;最后利用扩展的邻域范围在合成的样本图像中对模型初始化,并把扩大的范围用在ViBe背景模型更新阶段。该算法与各种经典算法在大量视频库中进行了对比实验,仿真结果表明,改进的ViBe算法能快速消除鬼影对前景检测的影响,前景检测更为准确。     

实时交通视频监测中自适应车辆提取算法

在复杂的室外环境中,视频处理技术的应用受到了一定的限制。该文提出一种实时交通视频下自适应的车辆提取算法,提高了视频监测系统在长时间运行条件下对光线变化、阴影和系统噪声的适应性。算法利用图像形态学和图像边缘直方图运算的2种方法对前景目标车辆进行提取,保证了算法的准确率和效率。实时交通视频实验结果表明,该方法取得了较好的成果,为后续的运动车辆跟踪提供了前景信息。     

基于Spark的实时视频分析系统

视频监控技术在交通管理、公共安全、智慧城市等方面有着广泛的应用前景,且向着智能识别、实时处理、大数据分析的方向发展. 本文针对大规模实时视频监控提出了新的解决方案. 基于Spark streaming流式计算、分布式存储及OLAP框架,使多路视频处理在可扩展性、容错性及数据多维聚合分析上具有明显的优势. 系统根据视频处理算法划分为单机处理与分布式处理. 并将视频图像处理与数据分析耦合,利用Kafka消息队列与Spark streaming完成对多路视频输出数据的进一步操作. 结合分布式存储方案,并利用OLAP框架实现对海量数据实时多维聚合分析与高效实时查询.     

基于Spark Streaming的快速视频转码方法

针对单机视频转码方法转码速度较慢和面向批处理的并行转码方法效率提升有限的问题,基于Spark Streaming分布式流处理框架,提出了一种面向流处理的快速视频转码方法。首先,使用开源多媒体处理工具FFmpeg,构建了自动化的视频切片模型,提出编程算法;然后,针对并行视频转码的特点,对弹性分布式数据集（RDD）进行研究,构建了视频转码的流处理模型;最后,设计视频合并方案,将合并后的视频文件进行有效储存。根据所提出的快速视频转码方法设计与实现了基于Spark Streaming的快速视频转码系统。实验结果表明,与面向批处理Hadoop视频转码方法相比,所提方法转码效率提升了26.7%;与基于Hadoop平台的视频并行转码方法相比,该方法转码效率提升了20.1%。     

基于改进型LBP特征的运动阴影去除算法

在局部二值模式（LBP）基础上,运用一种改进的局部三值模式（LTP）纹理特征提取方法。并把这种提取方法运用到运动阴影去除中。该方法首先利用自适应高斯混合模型进行背景建模,得到背景和含有阴影的前景目标;并用亮度属性得到疑似阴影分块,然后再把疑似阴影区域和已获取背景相应位置的LTP纹理相似性进行判断;最后得到准确的阴影区域并实现阴影去除。实验结果表明,该算法能够很好地抑制分割噪声,准确地去除出运动阴影,具有较好的实验效果。     

基于超像素和局部颜色恒常性的自适应阴影去除

为快速有效地去除监控视频中运动目标的投射阴影,提出了一种基于超像素和阴影区域的局部颜色恒常性的自适应阴影去除算法。首先采用改进的简单线性迭代聚类算法将视频图像中的运动前景分割为互不重叠的超像素;然后计算了RGB颜色空间中背景与运动前景的亮度比率,并分析了阴影区域的局部颜色恒常性;在此基础上,以超像素为基本处理单元,计算亮度比率的标准差,并利用阴影区域标准差的特征及其分布规律提出基于拐点的自适应阈值算法检测并去除阴影。实验结果表明,该算法可以适用于多种真实场景下的阴影检测,且阴影检测率与目标识别率均超过85%;基于超像素处理可以大幅度降低算法的计算复杂度,该算法每帧平均处理时间为20 ms。该算法可以同时满足阴影去除对准确度、实时性和鲁棒性的要求。     

基于达芬奇平台的运动目标跟踪算法

在运动目标跟踪过程中,考虑到达芬奇平台的数据处理能力,结合Vibe算法和Mean Shift算法的思想提出一种改进的运动目标跟踪算法,同时为了解决Vibe算法在目标由运动变为静止后遗留在前景图像中的鬼影难以消除的问题,对视频图像序列中的每个像素点建立前景计数器,根据前景计数器的值判断背景模型的更新速度。针对达芬奇平台对算法进行优化,把改进的运动目标跟踪算法移植到TMS320DM6467T达芬奇平台下进行处理,实验结果表明改进的算法具有良好的跟踪效果。     

Efficient content-based resynchronization approach for wireless video

Recent advances in technology have caused a significant growth in wireless communications, which have resulted in a strong demand for reliable transmission of video data. The challenge of robust video transmission is to protect the compressed data against hostile channel conditions while bringing little impact on bandwidth efficiency. In this paper, using results from a simplified macroblock-based segmentation algorithm, we propose a framework called content-based resynchronization for the effective positioning of resynchronization markers such that the image quality of foreground can be improved at the expense of sacrificing unimportant background. We do this because, in applications such as video telephony and video conferencing, foreground is typically the most important image region for viewers. Experimental results demonstrate that this scheme significantly improve the perceptual quality of video sequences for robust video transmission.     

面向视频监控的TLD改进目标跟踪算法研究

目前智能视频监控对视频目标跟踪算法的实时性、准确性和鲁棒性都提出了很高的要求,而已有算法无法完全满足应用需求。在TLD（Tracking Learning Detector）框架下,提出一种基于视觉背景提取（Visual Background extractor,ViBe）的前景分类算法,提高了TLD算法检测目标的速度;用核相关滤波器（Kernelized Correlation Filters,KCF）实现了TLD框架中的跟踪器,提高了算法的精度及鲁棒性。采用OTB-2013评估基准中针对视频监控的视频序列进行测试,并与其他4种具有代表性跟踪算法进行了对比。测试结果表明：该算法的鲁棒性和准确性均优于对比算法,处理速度可达到40帧/s;相比于标准TLD算法,跟踪距离精度提高了1.52倍,成功率提高了1.2倍;相比于KCF算法,虽然跟踪速度有所下降,但跟踪距离精度提高了2.7倍,成功率提高了2.04倍。     

机载视频空中目标实时优化稳像算法

针对机载飞机视频摄取与监视中,由于背景稀疏和前景的大幅度快速运动,造成实时稳像算法存在的画面不稳定的问题,提出了自适应Shi-Tomasi机载视频空中目标实时优化稳像算法。根据提取特征点分布自适应地改变Shi-Tomasi角点检测阈值,解决单一阈值不能适应空中复杂稀疏背景特征点提取的问题。构建带约束的实时优化算法,计算平滑的视频路径,解决基于滤波的算法缺少约束导致画面偏移过大的问题。比对实验结果表明,自适应Shi-Tomasi优化稳像算法能够应对各类机载稀疏背景视频的稳像,解决了快速运动目标稳像后画面大幅偏移的问题,稳定性提高,速度达到20?frame/s以上,满足实时处理需求。