复杂环境下的遗留物检测算法

针对在复杂环境下检测遗留物体的问题,提出一种有效的算法。首先,采用局部更新的混合高斯模型与改进的三帧差分法分别得到前景,通过比较得到目标候选区域,并进一步采用阴影消除与连通域分析分割得到暂时静止物团块。其次对达到静止时间阈值的团块采用方向梯度直方图(HOG)行人检测,在排除驻留行人的可能后将其标记为遗留物。最后对检测出的遗留物进行加速分割检测特征(FAST)局部特征匹配,以克服行人遮挡、光线变化对结果的影响。实验结果表明,本算法具有较高的准确性和处理速度,能较好地克服复杂环境中存在的干扰影响。     

基于图像处理的闸机口跳闸事件检测算法

针对传统的闸机传感器识别系统在检测闸机口跳闸事件的不足,文中提出了一种基于图像处理的闸机口跳闸事件检测方法;该方法利用模板匹配的方法进行预处理,得到闸门图像匹配率;其次,根据跳闸事件的连贯性特点,提取一段连续时间序列的匹配率作为分类特征;最后,采取基于最小错误率的贝叶斯分类方法对这段时间序列特征向量进行分类;实验结果表明,该算法可以有效地检测出闸机口的跳闸事件,具有实时性好、不需要额外的传感器、成本低的优点,具有较好的工程应用前景.     

一种基于局部特征匹配的财产保护算法

在加速分割检测特征(FAST)的基础上提出一种在复杂环境中实现财产保护的局部特征匹配方法。首先,检测每一帧视频图像中指定财物区域对应的FAST特征点集合,然后计算每一帧的特征点集合与初始帧的匹配率,最后通过匹配率和时间阈值判断指定财物是否遗失。为验证方法的有效性,进行了两组对比实验。基于局部特征匹配和基于全局特征匹配的对比实验结果分别显示了该算法在响应时间和检测准确性上的性能较其他方法更优。     

复杂环境下的快速逆行检测跟踪算法

提出了一种基于光流法的复杂环境逆行检测方法。计算每一帧视频图像中运动区域的光流矢量,并用于判断图像中是否存在逆行,这就是逆行的速报;扩充速报区域,并连续计算和跟踪新区域的光流矢量,用于进一步确认该事件是否为真正的逆行事件,这就是逆行的精报。为验证该算法的有效性,与传统的光流法检测逆行的效果进行了对比实验,结果表明其在逆行的检测时间和检测准确率上均比传统光流法表现更优。