无需人工标记的视频对比度道路能见度检测

为了解决传统的能见度仪价格昂贵、采样有限,及已有的一些视频测量手段需人工标记物、稳定性差等不足,提出基于路况视频对比度的能见度检测算法,进而构建无需人工标记的能见度检测系统.通过分析车道分割线,提取兴趣域,以确保所选像素的高度一致;解析各像素相对于其四邻的对比度,所取的最大值若大于给定阈值即为人眼可分辨像素;结合摄像机标定来计算距摄像机最远的可视像素,并通过Kalman滤波器滤除干扰,得到能见度值.该系统充分利用已有的路况图像,稳定性高、成本低、检测精度高,具有广阔的应用前景.     

基于车道线检测与图像拐点的道路能见度估计

为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步：首先,计算场景活动图,利用区域搜索算法（ASA）结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20m以内,鲁棒性好。     

视频能见度目标物对比显示设计及实现

目标物法是气象监测工作中能见度判定的重要手段之一.通过调用室外监控摄像机管理控制接口,实现视频图像与能见度地标物图片的对比显示功能,以达到通过视频监控图像人工判断能见度的目的.     

基于马尔算法的高速公路视频监控图像能见度研究

根据高速公路沿线的监控摄像机,对监控视频画面中的图像进行采集,通过对视频图像特征的分析处理,建立图像与真实场景之间的关系,根据图像特征随着真实场景的变化,运用图像处理的方法如：灰度变换、图像分割和特征提取等对图像进行图像处理,提出运用马尔算法,分别提取出目标物与背景,并将其逐一进行背景差计算,能够准确的监控图像中汽车的位置变化,确定目标物的位置,进而判别出能见度的大小。     

利用图像识别技术的能见度观测研究

针对传统透射式及散射式能见度技术的局限性以及基于图像算法测量能见度的复杂性,提出了一种基于图像目标物及背景亮度值提取的能见度计算方法。通过对定点目标物的水平图像参数提取,定性、定量地分析图像的色彩、灰阶、对比度及亮度等参数,从而用目标物及背景亮度值来计算出大气消光系数,最终得出大气能见度值。通过试验,对比了图像目标物与背景亮度提取计算能见度的方法。结果表明:以视觉能见度为参考,采用图像局部亮度的方法比整体亮度计算能见度值的方法误差更小;前者误差在10%左右,后者在2%左右。与传统能见度观测方法相比,该方法原理简单、操作方便、抗干扰性强,测量得到的能见度更接近视觉能见度,对推进我国气象能见度观测现代化具有积极意义。     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

基于场景深度的雾天图像能见度检测算法

针对传统能见度测试方法存在硬件成本较高、操作复杂、不能大范围使用等缺陷,提出了一种简单、快速的基于图像的能见度测量方法。首先,对图像进行感兴趣区域的提取、阈值分割和形态学处理。然后,基于大气退化物理模型和暗通道先验原理,估计透射率。再利用同一场景中不同角度所获取的两幅图像提取像素突变点,从而结合摄像机的内部参数估算场景深度。最后,根据能见度检测原理求取大气消光系数,进而获得图像的能见度。试验结果表明,该算法与人眼观测效果一致,准确率较高。与传统方法相比,该方法操作简单、抗干扰性强,不需要任何摄像机标定,并且适用范围广。     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

基于多目标的能见度检测方法

能见度对人类生产生活、交通运输安全等具有重要影响,是地面自动气象观测的重要内容之一,但由于受影响因素较多,目前能见度检测仍缺乏统一的标准和检定规程。现有基于图像的能见度检测方法大多从整幅图像或局部区域中提取视觉特征估计能见度,未考虑不同景深目标物对应子图像的质量衰减程度不同,导致检测结果精确度和稳定性不高。提出一种新的能见度检测方法,使用预训练的神经图像评估,从不同景深目标物对应的子图像中提取视觉特征,并将提取的特征和能见度真值输入到全连接网络,以训练子图像的能见度映射模型。根据子图像与全局图像间的关系,动态建立各目标在能见度整体估计过程中的权重回归模型,按照权重融合各目标物能见度估计值,得到整幅图像的能见度检测值。实验结果表明,该方法能有效提升回归模型的预测精度,其在不同能见度区间的检测正确率均超过85%。     

基于多视角航拍配准的运动小目标检测与跟踪

针对存在3D场景遮挡的航拍视频运动小目标跟踪问题,提出一种基于多视角航拍配准的运动小目标检测和跟踪算法。该算法首先对图像序列间隔采样,利用Harris检测器提取全局特征点,通过Delaunay三角网对待配准图像实现初始匹配,然后利用整合变换模型计算差分图像,并利用累积能量检测出目标,最后通过卡尔曼运动滤波消除运动目标跟踪的抖动。实验结果表明,该算法对城市和郊区场景的航拍视频可以检测出最小30个像素的缓慢运动目标。     

视频图像中运动目标检测算法的提高

基于士兵对抗射击系统,研究复杂环境下运动目标检测算法的提高,从提高算法处理效率和降低外界干扰对算法准确性影响两方面进行讨论. 对士兵对抗射击系统中大尺寸的视频流图像,先在下采样图像中判断运动目标的位置,再根据运动目标的位置,到原图中进行精确分析,从而提高算法的处理速度. 通过背景融合方法更新图像背景,用不断更新的图像背景结合背景差分法获取运动目标,可以有效消除场景光线变化和相机抖动等因素对检测结果的影响,提高算法的准确性.     

基于背景建模的VideoSAR动目标阴影检测方法

针对视频合成孔径雷达(video synthetic aperture radar,VideoSAR)数据进行地面运动目标检测的问题,本文提出了一种基于单高斯背景模型的VideoSAR动目标阴影检测方法.该方法使用一个时间维度的滑窗对视频序列进行处理:首先使用RED20深度神经网络模型抑制VideoSAR图像的斑点噪声...     

基于改进Camshift算法的视频对象跟踪方法

针对Camshift算法限于简单背景下跟踪特定颜色目标的局限性,提出一种改进的Camshift算法.首先在HSV色彩空间建立目标的背景加权三维直方图,将视频图像转化成颜色概率图,然后结合颜色概率分布图与差分图像,根据目标运动速率大小自适应的赋予两者不同的权重,实现了复杂背景下的目标跟踪.实验结果表明,该方法是十分有效的.     

Pedestrian tracking for infrared image sequence based on trajectory manifold of spatio-temporal slice

The research of pedestrian tracking in infrared image sequences is a curial part of video surveillance. Considering the particular characteristics of the infrared image, such as low contrast, fuzzy edge and unknown noises interference, the study of infrared pedestrian tracking algorithm becomes a great challenge. Spatio-temporal slice method is effective due to considering both spatial and time scale. It can extract the trajectory of moving targets, reflecting the trajectory manifold variations of targets along the time, to provide ways to depict the regions of targets. However, traditional spatio-temporal based methods only consider the horizontal slice analysis and usually require a large amount of calculation time; this paper proposes a spatio-temporal tracking algorithm to infrared image sequences, using both horizontal and vertical multi-layer slices to obtain the integral trajectory manifold. The integral trajectory is analyzed to obtain the target boundary and position information, with which the target can be tracked in each frame. The experimental results show that the proposed method has a relatively high tracking accuracy with a fast computing speed. Moreover, it can perform effectively in different infrared image sequences with various motion modes by single pedestrian from OTCBVS/05 Terravic Motion IR Database.

     

一种新的视频图像分割算法

针对传统水平集需要不断重新初始化,不能直接应用到视频图像分割中的问题,提出一种新的视频图像分割算法。该算法根据图像序列中相邻的2帧,利用帧差法进行前期处理,并经过二元休憩和数学形态学的处理得到一个运动目标的模板,将该模板作为新的初始水平集进行演化,可以得到图像序列中的运动目标。实验结果表明,该算法能够得到运动目标的准确位置,避免传统水平集需要不断重新初始化的问题,减少计算复杂度。     

基于小波边缘提取的混合运动目标检测算法

常用的运动目标检测算法易受到噪声、阴影等因素的影响,检测出来的运动目标边缘比较模糊,本文因此提出 一种基于小波边缘提取的运动目标检测算法,将小波边缘检测与帧间差分法和背景差分法相结合来检测运动目标,采用 形态学滤波和连通性分析得到准确的运动目标。实验表明,该算法可以准确的将运动目标从视频图像序列中检测出来。     

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。     

复杂场景下的交通视频显著性前景目标提取

目的 在城市交通检测中,智能视频的广泛应用使得人工智能技术及计算机视觉先进技术对视频中的前景目标检索、识别、特征提取、行为分析等成为视觉研究的热点,但由于复杂场景中动态背景具有不连续的特点,使得少部分的前景目标图像信息丢失,从而造成漏检、误判。方法 本文提出一种RPCA（鲁棒主成分分析）优化方法,为了快速筛选与追踪前景目标,以基于帧差欧氏距离方法设计显著性目标帧号快速提取算法,确定关键帧邻域内为检测范围,对经过稀疏低秩模型初筛选的前景目标图像进行前景目标种子并行识别和优化连接,去除前景目标图像中的动态背景,同时将MASK（掩膜）图像中的前景目标分为规则类和非规则类两种,对非规则类前景目标如行人、动物等出现的断层分离现象设计前景目标区域纵向种子生长算法,对规则类前景目标如汽车轮船等设计区域内前景目标种子横纵双向连接以消除空洞、缺失的影响。结果 本文前景目标提取在富有挑战性干扰因素的复杂场景下体现出较高的鲁棒性,在数据库4组经典视频和山西太长高速公路2组视频中,动态背景有水流流动、树叶摇曳、摄像头轻微抖动、光照阴影,并从应用效果、前景目标定位的准确性以及前景目标检测的完整性3个角度对实验结果进行了分析,本文显著性前景目标提取算法取得了90.1%的平均准确率,88.7%的平均召回率以及89.4%的平均F值,均优于其他同类算法。结论 本文以快速定位显著性前景目标为前提,提出对稀疏低秩模型初筛选的图像进行并行种子识别和优化连接算法,实验数据的定性与定量分析结果表明,本文算法能够更快速地将前景目标与动态背景分离,并减小前景目标与背景之间的粘连情况,更有效地保留了原始图像中前景目标的结构信息。     

基于视觉传达的后继帧视频图像目标跟踪仿真

现阶段所采用的跟踪方法对后继帧视频图像目标跟踪存在跟踪效果不理想、跟踪效率较低等问题。提出基于视觉传达的后继帧视频图像目标跟踪方法。利用图像差分方法获取视频图像运动目标可能出现的区域,并对这个区域视频图像目标进行运动估计,采用形态学方法来降低聚类区域的数量,得到后继帧视频图像目标区域;采用均值漂移法估计后继帧视图像核概率密度,对后继帧视频图像进行分割处理,找出后继帧视频图像目标区域最显著的特征,通过迭代运算找到目标位置,实现目标跟踪。实验结果表明,所提算法具有较好的后继帧视频图像跟踪效果、并且跟踪效率较高,具有一定的应用价值。     

Geolocation of Multiple Targets from Airborne Video Without Terrain Data

The task of geolocating targets from airborne video is required for many applications in surveillance, law enforcement, reconnaissance, etc. The usual approaches to target geolocation involve terrain data, single target tracking, gimbal control of camera heads, altimeters, etc. The main goal of this research is to eliminate those requirements and still develop an accurate, efficient, and robust vision-based method for geolocation that can be carried out for multiple targets simultaneously. In that sense, our main contributions to the state-of-the-art in geolocation are fourfold: 1) to eliminate the requirement for gimbal control of the cameras or any particular path planning control for the UAV; 2) to perform instaneous geolocation of multiple targets; 3) to eliminate the requirements for geo-referenced terrain database (elevation maps) or for an altimeter that provides the UAV’s and target’s altitudes; and 4) to use one single camera while still maintaining good overall accuracy. In order to achieve that, the only requirements for our proposed method are: that the intrinsic parameters of the camera be known; that the on board camera be equipped with global positioning system (GPS) and inertial measurement unit (IMU); and that the height of the vehicle can be calculated using feature points extracted from the ground surrounding the image of the targets. To satisfy the first two requirements, we developed and tested a robust calibration procedure that can estimate not only the intrinsic parameters of the camera, but also the IMU-camera parameters (also know in the robotic circles as the hand-eye calibration). The last requirement was addressed using a pseudo-stereo vision technique that maximizes the distance between stereo pairs (baseline) while keeping large the number of common feature points extracted by the algorithm. The result is a method that can reach approximately 25 m of accuracy for an UAV flying at 155 m away from the target. Such performance is demonstrated by computer simulation, in-scale data using a model city, and real airborne video with ground truth.