基于概率的两层最近邻自适应度量分类算法

针对有限样本下,KNN算法距离量的选择以及以前距离量学习研究中没有充分考虑样本分布的情况,提出了一种新的基于概率的两层最近邻自适应度量算法（PTLNN）。该算法分为两层,在低层使用欧氏距离来确定一个未标记的样本局部子空间;在高层,用AdaBoost在子空间进行信息提取。以最小化平均绝对误差为原则,定义一个基于概率的自适应距离度量进行最近邻分类。该算法结合KNN与AdaBoost算法的优势,在有限样本下充分考虑样本分布能降低分类错误率,并且在噪声数据下有很好的稳定性,能降低AdaBoost过度拟合现象发生。通过与其他算法对比实验表明,PTLNN算法取得更好的结果。     

林火视频烟雾检测算法综述

火灾早期时,烟雾相较于火焰特征更为明显,因此早期的烟雾检测对于预防火灾具有重大意义。针对森林、草原火灾早期的烟雾检测,烟雾探测器成本高、检测效果较差且不能提供烟雾大小、方向、位置等信息。随着计算机视觉的发展,基于视频的烟雾检测方法以低成本、覆盖面广、信息获取较全面等优势逐渐成为研究热点。但由于森林、草原背景复杂、烟雾本身易变化,因此视频烟雾检测算法仍面临着巨大的挑战。为研究深度学习的视频烟雾检测中的应用效果,分析了烟雾检测存在的难点问题及传统视频烟雾检测算法的不足,介绍了当前深度学习中各类目标检测算法在烟雾检测中的应用,对比了这些烟雾检测算法,总结了其优点和不足,重点分析了各种烟雾检测难点问题的解决方法,并提出烟雾检测的下一步研究方向。     

稀疏条件下的两层分类算法

在有限样本下距离量的选择对最近邻算法(K-nearest neighbor,KNN)算法有重要影响。针对以前距离量学习泛化性不强以及时间效率不高的问题,提出了一种稀疏条件下的两层分类算法(sparsity-inspired two-level classification algorithm,STLCA)。该算法分为高低2层,在低层使用欧氏距离确定一个未标记的样本局部子空间;在高层,用稀疏贝叶斯在子空间进行信息提取。由于其稀疏性,在噪声情况下有很好的稳定性,可泛化性强,且时间效率高。通过在噪声数据以及在视频烟雾检测中的应用表明,STLCA算法能取得更好的效果。     

基于动态特性的实时视频烟雾检测

针对室外或大空间环境下烟雾的动态特性,实现一种实时视频处理的烟雾检测算法。首先采用高斯混合模型GMM(Gaussian mixture model),利用背景差分方法实现对运动目标的提取;其次在小波域上分辨出烟雾可能出现的图像区域;再次计算目标在空间扩散的动态特性;最后采用支持向量机区分出烟雾目标。实验结果表明,该算法适应背景复杂场景,能够有效抑制环境扰动影响,快速、准确地检测视频图像中出现的烟雾。     

基于YUV颜色空间和多特征融合的视频烟雾检测

针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融 合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度,多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。     

基于视频的实时烟雾检测算法

为了解决实际烟雾检测中的准确率低、适应性差和速度慢三大问题并提高实时烟雾检测效率,提出基于块的实时烟雾改进算法。首先采用一种基于块的背景减除法提取运动块,再使用归一化的YIQ空间烟雾颜色模型对运动块进行色度检测。然后对由运动块组成的连通域进行时间域上的快速运动方向估计,从而获得烟雾区域,并消除运动异常块的干扰。实验结果表明,该算法简单有效,计算速度快,能适应场景光照变化,能实时检测到烟雾。     

基于分块DCT的视频文字检测算法

针对大量视频图像中出现的各种文字信息,本文提出了一种基于离散余弦变换(DCT)的文字提取算法。该方法首先将图像分割为等大小基本块,然后对各小块提取DCT特征。在此基础上,利用图像对比度,设计了一种动态阈值分割方法,可将文字信息和背景信息进行分离。然后依据最小外接矩形算法,获得初始文字检测结果。最终使用Voronoi Diagram算法对初始区域进行合并得到最终文字区域检测结果。算法可以快速而精确定位文字所对应的区域,并且能适用于各种背景条件下的视频图像。     

基于ViBe和目标检测的视频烟雾检测算法

提出了一种基于ViBe与目标检测的VSmokeNet烟雾检测算法。首先,该算法通过改进ViBe算法,减少噪声点的引入,提取到完整的运动前景区域,完成对烟雾的粗筛选;接着,利用大样本数据集训练的改进YOLOv5s网络对粗筛得到的烟雾运动前景区域进行二次筛选,最终实现视频烟雾的精确框定。实验结果表明,该算法在各种场景下有良好的检测效果。     

基于帧间高频能量和相关性的烟雾检测算法研究

针对视频烟雾检测中当干扰物和烟雾极为相似时容易出现误判的问题,对基于帧间高频能量和相关性的烟雾检测进行了研究。首先通过混合高斯背景模型与三帧差法提取运动目标,再利用烟雾的颜色、扩散性、形状提取疑似目标区,对目标区域用离散小波变换获取高频能量,利用帧间高频能量和相关性对疑似区域进行烟雾判断,从而确定目标是否是烟雾并给出报警。通过MATLAB和VS2010进行仿真,结果表明,该算法可以有效提高烟雾识别检测的可靠性,减少误报。     

基于视频监控的烟雾检测算法

突发灾害事件应急响应的关键是预警系统是否能够提供早期的报警。该文通过分析早期火灾烟雾的运动规律,提出了一种利用背景运动检测和YUV空间建立烟雾的颜色模型,分割出烟雾疑似区域。在灰度空间使用二维离散小波变换对烟雾疑似区域及对应的背景区域进行能量分析,并改进了论文[11]中稀疏光法在多目标检测时必须手动标注的问题。我们使用该方法对森林火灾、操场和室内烟雾的视频进行了测试,效果十分理想。     

基于颜色直方图和小波变换的视频烟雾检测

从视频中自动识别烟雾在火灾早期预报警、尾气识别等实际应用中具有重要意义。烟雾检测的难点之一在于如何排除与烟雾颜色相近的运动对象的干扰。为了保证检测效果和实时性,提出使用静态的小波统计特征来排除汽车、行人等干扰区域。该算法首先使用背景剪除法获取运动区域,然后利用颜色直方图映射来提取符合烟雾色彩特征的疑似区,最后分别对背景和相应的视频帧做小波变换并对二者求差,根据差值图像的统计特征来去除疑似区域中的非烟雾物体。实验结果表明,该方法正确率较高,检错率较低,且基本达到实时效果。     

基于纹理的皮肤检测

实时敏感图像检测可以有效地控制国际互连网中的色情图像传播。它的检测手段主要是对皮肤区域进行辨识,而皮肤纹理检测又是皮肤区域辨识中的重要内容。该文采用基于DCT变换和Gabor小波变换两种方法进行皮肤纹理的特征提取,提取的特征作为高斯混合模型(GMM)输入向量,然后通过GMM进行皮肤纹理检测。实验是在360幅敏感图像以及2400幅经过分类的非敏感图像的测试集进行,结果表明基于Gabor小波变换的皮肤纹理检测取得了比基于DCT变换更好的效果,其正检率可以达到95%。     

一种低码率快速视频编码方案

一、前言图像信息尤其是视频信息其信息量巨大而难以得到有效及时的处理,特别是在低码率信道更显突出。因此人们正致力于研究新的方法来解决,如结合小波变换、基于2-D DCT(二维离散余弦变换)运动补偿及帧间顶测、小波与分形相结合、3-D DCT等。离散余弦     

基于三阶中心矩区域分类的视频运动目标检测

针对室外视频监视环境复杂,现有的运动目标检测方法难以在克服背景干扰的同时准确地检测到慢速目标和运动着的小目标,且存在准确性低的问题,提出一种基于三阶中心矩场景区域分类的运动目标检测方法.由于前景区域、扰动区域和背景区域内真实运动、无意义运动、背景噪声像素值变化规律不同,采用三阶中心矩建立区域内像素值变化和区域类型的对应关系,设计了基于三阶中心矩的分类器以完成自适应场景区域分类,最终在区域分类的结果上检测运动目标.实验结果表明,该方法针对室外监视视频区域分类结果良好,能够克服树枝叶晃动、水面波动等背景干扰,可以准确地检测到慢速目标和运动着的小目标.     

融合多特征的视频火焰检测

对于复杂的场景,人类视觉系统选择性注意机制能够不需要训练而快速地定位到图像中的显著目标上.文中结合火焰的先验信息,基于显著性的四元数离散余弦变换算法来检测视频中的火焰.首先根据火焰在RGB空间中3个颜色分量之间的特殊关系改进了2个火焰颜色特征公式,得到2幅火焰颜色的特征图;然后通过计算疑似火焰区域的LBP特征向量的距离得到火焰的纹理特征图;再根据火焰内部的动态纹理、火焰闪烁频率特征计算改进后的火焰高频过零次数,得到火焰的动态特征图;最后将这4幅火焰特征图构成一个四元数,利用四元数离散余弦变换得到最终的火焰显著图.在Bilkent大学的火焰视频库中进行实验的结果表明,该方法具有准确率高、鲁棒性强的特点,优于对比的其他视频火焰检测算法.     

基于HVS的自适应鲁棒视频水印算法

视频水印与静止图像比较,包含有运动部分,具有变化的特性。根据人眼对快速运动的物体敏感度会下降的特点及DCT域视觉掩蔽模型,提出一种自适应的鲁棒视频水印算法。算法首先通过比较I帧与相邻帧的同一区域的DCT直流系数,得到一个快速运动图像块集,然后在该图像块集中根据视觉掩蔽模型计算图像块的DCT中频系数,选择区域自适应嵌入水印。仿真实验表明,该水印算法不仅能很好地抵抗MPEG压缩,而且能较好地协调不可见性和鲁棒性,并能抵抗一定的几何攻击。     

基于视频的行人车辆检测与分类

针对传统智能监控中行人车辆检测与分类算法存在目标分割不完整、分类准确率低等问题,提出一种基于视频的行人车辆检测与分类算法。利用领域信息动态调整置信区间构造混合高斯模型,采用卡尔曼滤波预测目标下一帧的位置。通过自适应EM聚类方法提取目标长宽比和面积作为特征,将目标分为行人和车辆。在模型估计过程中假设相邻帧目标做匀速直线运动,推导出目标面积变化满足线性关系,并对目标跟踪和分类进行修正,进一步提高检测准确性。实验结果表明,该算法的人车检测准确率达到90%以上,分类准确率达到80%以上。     

变时长变速XYZ视频编码

将数字视频序列可以看作是从模拟视频信号中抽样得到,帧间相关性过强是由于采样过密造成的;而帧间相关性太弱是由于采样频率太小造成的。本文从采样定理的角度提出变时长变速XYZ编码方案,得到很好的编码效果。     

基于公路监控视频的车辆检测和分类

在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.     

基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法,首先对人脸图像作二维离散余弦变换,取离散余弦变换系数作为特征,然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类,取得了很好的分类效果。