高速道路交通视频中车辆目标提取研究

为了能够从监控视频中快速、准确地分析车辆目标,提出了基于感兴趣区域(ROI)的车辆目标提取方法.针对高速公路监控视频,利用混合高斯背景建模,在视频中划定ROI,以排除逆向车道车辆目标的影响,应用图像形态学进行干扰点排除与前景图像轮廓空洞填充,对运动车辆目标进行检测后,用最小矩形方框法自动截取目标,最终,通过图像尺度归一化建立车辆样本数据库,为车型分类和识别提供目标图像.实验结果表明:该方法对车辆目标提取准确率高,且图像数据库样本丰富.     

基于小波包分解和分形法的人群密度等级分类算法研究

为了更好地解决中高密度环境下人群密度估计问题,提出了基于小波包和分形法的人群密度等级分类算法。区别于单一的分形维数表征方法,利用小波包分解后子图的分形维数和原图分形维数共同表征目标人群纹理,最后通过支持向量机实现分类。以查全率和查准率2个指标对密度估计结果进行评价,该算法的查全率和查准率最高,且运行时间最短。     

全天候车辆实时检测系统

为解决全天候车辆检测技术精度不高的难题，提出了一种新型联合检测算法。通过在混合高斯背景建模法中加入膨胀、腐蚀算法，减少了视频车辆图像中的大量断点和随机噪声；利用最小面积法设置外接矩形框并通过不断调整矩形框的大小和位置，准确框选出视频图像中的目标车辆。由于夜间光线场景复杂，以能被明显区分的车前灯作为目标，通过直方图双峰阈值法和分水岭分割法将其从视频图像的背景中分离，并基于车前灯的形态参数，设置合适的车灯匹配条件，提出一种实时的车灯配对、车辆跟踪算法，大幅提高了夜间车辆检测的准确度。提出的新型联合车辆检测算法，有效地消除了由于外界光线环境改变造成的车辆检测误差，为全天候车辆检测提供了新思路，具有很强的针对性和重要的现实意义。     

适用于老年公寓的动作识别设计方法

为帮助老年公寓监护人员及时发现老年人摔倒等动作,提出了一种基于视频监控的动作识别方法。对监控视频,首先通过基于HSV空间的混合高斯背景建模方法提取前景图像,然后利用所提出的运动特征和形态特征相结合的方式进行特征提取,最后通过具有高斯输出的HMM模型实现动作类型的识别。提出的方法能够适应光照变化影响,对不同动作的动作方向和动作幅度变化具有很好的鲁棒性,实验中动作的识别准确率达到90%。结果表明,本方法能够满足老年公寓动作识别的基本要求,具有一定的实用价值。     

基于手部轨迹识别的ATM智能视频监控系统

为实时阻止针对自动取款机的犯罪行为发生，设计一种基于手部轨迹识别的ATM智能视频监控系统。对于采集所得的监控区域内的视频图像，利用混合高斯背景建模方法为视频图像建立背景模型，通过背景剪除法和跟踪算法得到监控区域内的人体信息，分析进入监控区域的人体面积变化情况，由此判断是否有异常行为发生，存在异常则报警，否则采用基于颜色空间的皮肤检测算法和位置约束检测人手部分，利用隐马尔可夫模型对分段的手部运动轨迹分别进行匹配识别，进一步判断是否存在犯罪行为。实验结果表明，该方法对于犯罪行为的识别率能达到88%。     

复杂场景中基于对象的运动目标检测方法

基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题.由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检.本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制.在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检.通过实验表明,在保证较高检测精度的情况下,该方法能够在很大程度上抑制动态背景产生的误检.     

基于卷积神经网络的实时视频下行人检测

行人检测是计算机视觉中的关键技术,是安防监控、视频行人行为分析乃至无人驾驶和驾驶辅助系统等后续研究的基础,因此,对行人检测的精确准度、实时性、鲁棒性都提出了较高的要求。文中给出了一个基于深度混合高斯背景建模和深度神经网络的检测方案,能够快速精准地检测出视频场景中的行人,并采用缩放、滑动的组合窗口策略,有效消除了因光线产生的阴影影响,定位出视频中行人的最佳位置。     

一种实用的运动目标检测和跟踪算法

为使智能视频监控系统在监控时不仅具有较高的准确率,同时也保证系统的实时性,设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理,为算法提供最佳的图像数据,然后用混合高斯背景建模方法实现前景/背景分割,用形态学操作提取前景目标,最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统,实验表明,系统在保证实时性的同时,能够正确检测和跟踪监控场景中的运动目标。     

基于混合高斯模型与三帧差分的目标检测算法

针对传统目标检测方法中光照变化、复杂背景、阴影等难点,提出了一种结合三帧差分法和混合高斯背景建模的算法,既能很好地适应场景中的光照渐变和背景扰动,又能克服普通帧差法中检测目标不准确,容易产生孔洞及双影现象的问题。同时,采用了一种简易的阴影抑制算法和形态学滤波处理,有效地去除了阴影以及噪声。实验结果表明,该算法易于实现,具有较好地实时性和鲁棒性,能精确地检测出运动目标。