基于小波变换的森林火灾烟雾检测算法的设计

传统的森林火灾检测技术由于效率低、价格昂贵等缺点,并不适用于森林火灾探测。文中提出并设计与实现了一种基于小波变换的森林视频火灾烟雾检测方法,使用帧间差分法和质心算法提取疑似烟雾运动目标区域,然后对提取的运动目标的前景区域和背景区域进行小波能量特征提取与分析。采用国外研究机构所提供的森林火灾烟雾视频图像,对文中算法进行验证,实验结果表明,该算法能够准确地跟踪和提取疑似烟雾运动目标区域,当森林背景区域和前景区域的高频能量比值的均值大于1.2时,在3~4秒内能够检测出森林火灾烟雾,并且该算法对常见的森林树叶运动目标具有抗干扰能力。该研究工作可实现森林火灾早期预警,对森林火灾及早准确探测具有重要意义。     

采用颜色混合模型和特征组合的视频烟雾检测

提出了一种采用烟雾颜色混合模型和多特征组合的视频烟雾检 测算法。首先利用混合高斯背景 模型提取烟雾视频的运动区域;然后使用新的烟雾颜色混合模型从运动区域中确定出疑似烟 雾区域;最后采用烟雾的动态特征(运动速度均值 和方差,运动方向,面积增长率)组合分析对疑似烟雾区域进行烟雾识别,剔除非烟雾区域 。通过不同类型烟雾视频的 实验结果表明:对于光照正常,烟雾浓的烟雾类型,本文算法取得了96.57%平均检测成功率;对于光照弱或烟雾浓度稀薄的 烟雾类型,本文算法取得了87.67%平均检测成功率。     

基于互信息时空域特征的视频烟雾检测方法

视频烟雾检测在火灾早期预警起到了重要的作用,文章提出了一种基于互信息时空域特征的提取方法。该方法引入了信息论中"互信息"的概念,通过区别干扰物体与烟雾在运动过程中背景图像与前景图像的关联性及其时间域上变化的特性,同时结合视频图像时空域的小波分析和归一化颜色空间中RGB颜色通道在时间域上的一维小波分析,从而实现了烟雾的识别。经过实验的验证和分析,文章提出的方法提高了视频烟雾识别的准确率,减小了视频中烟雾识别的误差。     

基于高斯混合模型的运动动作跟踪研究

为提升运动动作检测及跟踪效果,文中提出基于高斯混合模型的运动动作跟踪方法,该方法利用高斯混合模型经参数初始化、参数更新、背景选取以及前景检测等步骤,确定运动动作目标前景区域,获得清晰度较高的图像运动动作检测结果;并采用卡尔曼滤波算法,经运动目标外接矩形标定、特征信息计算提取运动特征后,通过构建帧间关系矩阵,预测估计运动动作区域,实现运动动作跟踪并输出结果。经实验验证,该方法在图像预处理阶段能够获得较为清晰的待跟踪图形,且运动动作检测准确率较高,跟踪误差小,运动动作跟踪效果好。     

一种基于飘动性分析的视频烟雾检测新方法

该文通过对烟雾飘动特性的分析,提出一种基于视频图像的火灾烟雾检测新方法。首先利用滑动时间窗分析视频中运动区域的飘动性特征,提取出飘动方向、周期飘动强度、周期有效飘动强度和周期逆向飘动强度等特征向量;然后使用神经模糊推理系统训练并检测烟雾。与利用其它特征检测烟雾算法的对比实验表明,该算法具有较好的ROC (Receiver Operating Characteristic)曲线特性,具备较高的实际使用价值。     

基于多特征融合的运动对象识别算法

为提高视频检索的准确率,提出了一种基于多特征融合的视频运动对象识别算法。该算法首先使用基于背景帧构造及关键帧截取的方法提取视频中的运动对象的区域;然后分别提取运动对象的局部特征SURF描述子和全局特征如颜色直方图、边缘直方图等,并使两者融合为统一的特征向量;最后使用支持向量机对特征进行学习和识别,用以识别视频对象。实验证明该算法有效地提高了视频中运动对象识别的准确率。     

基于Android平台的视频字符实时识别研究

针对移动终端处理能力低、内存小等影响系统效率的问题,提出了三阶段视频字符实时识别方法：视频采集及图像预处理、字符区域定位和字符识别。对于字符区域定位,提出了基于感兴趣区域（ROI,Region of Interesting）运动检测的相似帧过滤算法,并通过数学形态学与连通区域相结合的方法进行字符定位;对于字符识别,提出了基于误差阈值筛选的多模板字符识别算法,保证较高识别率。算法均采用NDK开发框架实现。实验结果表明,该方法在每个阶段都提高了处理效率,达到了对视频字符实时识别的效果。     

利用多特征判别的烟雾检测方法研究

基于视频图像的烟雾检测对于实现早期火灾预警具有重要意义。为了提高烟雾检测的准确率,本文提出一种利用多特征判别的烟雾检测方法。首先,采取三帧差与时域窗口累加的方法分割出烟雾候选区域,克服了传统算法无法提取稀薄烟雾前景的缺点。然后,根据烟雾的特性,提取其在单帧和多帧方面的特征,并结合烟雾本身动态变化的特点,利用马氏距离度量实现对真实烟雾区域的判别。结果表明,该方法能够在复杂环境下有效地检测烟雾,并且对稀薄烟雾起到很好的检测效果。      

基于多特征融合运行期均值法的烟雾区域检测算法

烟雾检测能够有效预防火灾的发生,以此为出发点,解决了烟雾运动区域出现的“空洞”现象,从而实现了快速、准确地检测视频中烟雾的区域.利用烟雾的非刚体特点,融合颜色、背景模糊以及运动方向的特征对背景更新过程进行建模,然后结合连通域面积消除小干扰区域的影响,提高了基于单一特征的运行期均值法的鲁棒性.实验结果表明,改进的方法能够准确、完整地检测出视频中的烟雾区域,并且处理速度也有所提高.     

基于行为减法的视频异常检测研究

本文提出了一种基于行为减法的视频异常检测研究的方法。与传统的视频异常检测方法相比,该方法不需要先对目标进行标签、识别、归类和跟踪,因此,需要的计算量和内存消耗较少,实时性良好。基于物理世界中的事件都是时空相关的,该方法很好地利用了事件的时空特性。在动态特征检测的预处理基础上,直接在像素点上进行操作。在训练阶段,对每一个像素点,先建立一个时空共生模型,通过建模,计算正常事件概率;然后在检测阶段,采用相同的模型,将计算获得的概率值经过阈值比较的方法,确定该点是否为异常。通过实验证实,该方法在视频异常检测中具有高效性,并且可以应用在很多场合。     

基于多层运动历史图像的飞行时间相机人体运动识别

该文利用飞行时间(Time-Of-Fligh, TOF)相机提供的距离图像,在运动历史图像的基础上提出一种基于多层运动历史图像的人体运动识别方法。计算距离轮廓序列的运动能量图作为整体运动信息,同时根据距离变化量,计算前向、后向的多层运动历史图像作为局部运动信息,共同组成多层运动历史图像。为了解决Hu矩对不连续或具有噪声的形状较为敏感的问题,引入R变换对每层运动历史图像进行特征提取,串联形成特征向量送入SVM进行分类识别。实验结果表明,该识别方法可以有效识别人体运动。     

Human recognition system for outdoor videos using Hidden Markov model

Human recognition is an essential requirement for human-centric surveillance, activity recognition, gait recognition etc. Inaccurate recognition of humans in such applications may leads to false alarm and unnecessary computation. In the proposed work a robust background modeling algorithm using fuzzy logic is used to detect foreground objects. Three distinct features are extracted from the contours of detected objects. An unique aggregated feature vector is formed using a fuzzy inference system by aggregating three feature vectors. To minimize computation in recognition using Hidden Markov model (HMM), the length of final feature vector is reduced using vector quantization. The proposed method is explained using five basic phases; background modeling and foreground object detection, features extraction, aggregated feature vector calculation, vector quantization, and recognition using Hidden Markov model.     

动态前景干扰下的电子稳像算法

针对存在动态前景目标的抖动视频序列,提出了一种以块匹配为基础的块差分平方前景目标去除的电子稳像方法。首先,将图像分成大小为16×16的特征块,通过设定阈值筛选出具有足够梯度信息来估计运动矢量的特征块,从而减少参与计算的特征块数量以提高处理速度;然后,采用归一化互相关(Normalized Cross Correlation,NCC)匹配算法和迭代搜索策略来完成特征块的匹配;最后,采用牛顿迭代法计算仿射变换模型下的帧间运动参数,并根据这些参数完成运动补偿,实现图像序列的稳定。实验表明,算法成功地去除了视频序列中动态前景目标的干扰,对存在平移及旋转运动的视频序列,能够快速有效地去除抖动,获得稳定的视频序列。     

基于双流特征融合的FMCW雷达人体连续动作识别

本文提出了一种基于双流特征融合的FMCW雷达人体连续动作识别方法。首先对人体动作雷达回波信号进行预处理得到距离时间域图与微多普勒时频谱图,之后分别对两个不同维度的图像进行主成分分析提取对应特征并选取相同时间段的主成分分析结果进行融合得到双流融合特征,最后将双流融合特征输入到Bi-LSTM网络中训练与测试,网络对每个时间段的输入特征产生与之对应的动作类别输出从而实现连续人体动作识别。实验结果表明,当采用双流融合特征作为Bi-LSTM网络的输入时平均识别准确率要高于只采用距离时间特征或微多普勒特征作为网络输入时的平均识别准确率。     

Moving object detection and tracking from video captured by moving camera

This paper presents an effective method for the detection and tracking of multiple moving objects from a video sequence captured by a moving camera without additional sensors. Moving object detection is relatively difficult for video captured by a moving camera, since camera motion and object motion are mixed. In the proposed method, the feature points in the frames are found and then classified as belonging to foreground or background features. Next, moving object regions are obtained using an integration scheme based on foreground feature points and foreground regions, which are obtained using an image difference scheme. Then, a compensation scheme based on the motion history of the continuous motion contours obtained from three consecutive frames is applied to increase the regions of moving objects. Moving objects are detected using a refinement scheme and a minimum bounding box. Finally, moving object tracking is achieved using a Kalman filter based on the center of gravity of a moving object region in the minimum bounding box. Experimental results show that the proposed method has good performance.     

基于运动矢量多级分析的视频全局运动估计

基于运动矢量场的视频全局运动估计相较于基于像素的估计方法具有较低的计算复杂度,因而广泛应用于视频分割及视频压缩等领域中。然而噪声和前景目标等外点区域的存在,降低了全局运动估计的准确性。为了提高全局运动估计的准确度,该文提出一种基于运动矢量多级分析的全局运动估计算法,该算法根据局部运动与全局运动的运动特性差异自适应地滤除前景目标区域,由邻域矢量间相似性度量检测出纹理平滑周期区域,最后滤除孤立的噪声区域,由滤波得到的内点区域求解全局运动参数。实验结果表明,该方法能有效地滤除外点区域,提高全局运动估计的准确性。     

一种背景运动视频中运动目标的检测方法

针对成像平台运动情况下的运动目标检测问题,提出了一种从特征点稀疏运动场估计到运动分类的目标检测算法.首先通过快速特征点检测与跟踪恢复出图像稀疏运动场;然后依据特征点之间运动一致性关系实现属于同一运动模式的特征点分类,根据分类得到的各组特征点计算场景图像重建误差,剔除重建误差最小的特征点组,实现对前景目标的检测.仿真实验对该算法在复杂场景中检测运动目标的有效性进行了验证.     

基于时空压缩特征表示学习的毫米波雷达手势识别算法

针对现有无线射频信号的手势识别研究中的数据预处理和特征利用问题,该文提出一种用于调频连续波(FMCW)雷达的时空压缩特征表示学习的手势识别算法。首先对手部反射的毫米波雷达回波信号的距离-多普勒(RD)图进行静态干扰去除和动目标点筛选,减少杂波对手势信号的干扰,同时减少计算数据量;然后提出一种压缩手势时空特征的表示方法,利用动目标点的主导速度来表示手势的运动特征,实现多维特征的压缩映射,并保留手势运动的关键特征信息;最后设计了一个单通道的卷积神经网络(CNN)来学习和分类多维手势特征信息并应用于多用户和多位置的手势识别。实验结果表明,与现有其他手势识别算法相比,该文提出的手势识别方法在识别精度、实时性以及泛化能力上都具有明显的优势。     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现,也是一种不曾意识到的瞬时脸部表情,持续时间短,强度弱。为了提高其准确率,提出了基于Radon变换的微表情识别算法。首先,对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法(Two-dimensional Principal Component Analysis,2DPCA)降维预处理,使用光流法对降维后图像提取运动特征;然后使用Radon变换算法对光流图像进行处理,得到对应微表情的特征值和特征图像;最后使用支持向量机进行微表情分类识别。实验结果表明,使用Radon变换后得到的微表情特征图像得到了较好的识别效果,在微表情数据集CASME和CASMEⅡ上识别率分别为81. 48%和82. 17%,通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

Fall detection for elderly person care in a vision-based home surveillance environment using a monocular camera

Fall detection is one of the most important health care issues for elderly people at home, which can lead to severe injuries. With the advances and conveniences in computer vision in the last few decades, computer vision-based methods provide a promising way for detecting falls. In this paper, we propose a novel vision-based fall detection method for monitoring elderly people in house care environment. The foreground human silhouette is extracted via background modeling and tracked throughout the video sequence. The human body is represented with ellipse fitting, and the silhouette motion is modeled by an integrated normalized motion energy image computed over a short-term video sequence. Then, the shape deformation quantified from the fitted silhouettes is used as the features to distinguish different postures of the human. Finally, different postures are classified via a multi-class support vector machine and a context-free grammar-based method that provides longer range temporal constraints can verify the detected falls. Extensive experiments show that the proposed method has achieved a reliable result compared with other common methods.