基于时空代表帧序列的视频近拷贝检测方法

为了解决空域特征与时域特征只能片面地表征视频内容的问题,提出了一种基于时空代表帧序列的视频近拷贝检测方法.首先,根据帧间颜色卡方差与灰度OM(ordinal measurement)差别进行场景分割;其次,对分割后的视频进行降帧率操作,对于每个分割后的场景,进行分段合成,并根据加权的灰度互信息量进行筛选,得到每个场景的时空代表帧(representative image),并对视频代表帧提取灰度的OM、均值、标准差、对比度以及颜色分布描述子和边缘OM序列等特征;最后,对视频的特征进行对比,根据特征的相似程度来判断检测视频是否为近拷贝视频.实验结果表明,该方法具有较好的鲁棒性和检测能力.     

计算机新闻视频检索技术之字幕事件检测算法研究

随着计算机网络的发展,新闻视频成为人们获取信息的主要媒体之一。由于新闻视频数量巨大,如何从海量的新闻视频中找到需要的内容便成为迫切需要解决的问题,新闻视频检索算法便应运而生,而基于字幕帧的检索便是重要的一种,将传统的三种关于字幕帧的提取算法加以改进,得到一种运算速度更快的算法。     

应用变化区域检测方法实现运动车辆分割

研究一种用于视频序列中运动车辆的提取方法,利用3帧对称差分的交集检测出视频帧中的运动区域,并利用2次横纵扫描方法,填充运动目标模板,最后将运动目标模板和当前帧逐像素点相乘,提取出运动目标。实验结果表明:该方法具有良好的分割效果。     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

基于卷积神经网络视觉融合的动态手势识别

为了提高多帧视频序列中动态手势的识别效果,结合计算机视觉分析,提出了基于卷积神经网络视觉融合的动态手势识别方法.采用模糊数据多频谱方法进行多帧视频序列中动态手势视觉图像采集,对采集的图像用Harris角点检测和多传感识别方法进行多模状态分层特征点标定,用卷积神经网络视觉融合方法提取多帧视频序列中动态手势动作的边界轮廓特征点信息,分析多帧视频序列中动态手势的层次化分割特征,用图像分割和边缘信息增强方法,提高动态手势图像的分辨能力,结合角点优化检测技术,用视觉动态跟踪分析实现对手势动作特征点的自动化标定,根据动态手势的帧点分布规则实现多帧视频序列中动态手势动作图像的自适应特征检测和识别.仿真结果表明,采用该方法进行多帧视频序列中动态手势识别的准确性较高、实时性较好.     

基于双目视觉的机器人运动目标检测与定位

针对移动机器人自定位精度低的问题,提出了先由静止的工作机器人进行自定位,再对运动目标进行检测和定位的方法.基于HSV模型颜色特征,工作机器人分割出人工路标并进行自定位,利用帧间差分法将采集到的视频图像序列中相邻两帧作差分运算,提取出运动目标,并通过双目立体视觉视差原理计算出运动目标的绝对坐标,帮助运动目标完成定位.结果表明,该方法定位精度高于传统的移动机器人自定位的定位精度,且算法的实时性好,具有现实的研究意义.     

实时的静止目标与鬼影检测及判别方法

针对视频安全监控中出现的鬼影干扰现象,提出静止目标与鬼影的实时检测及判别方法.建立双背景模型检测出静止前景区域,通过证据累积图像和允许遮挡时间参数减少虚警及处理遮挡问题.采用canny算子提取静止前景的边缘,分别计算静止前景边缘在当前帧与背景帧中的边界颜色对比度.通过对比边界颜色对比度的大小区分静止目标与鬼影.在不同复杂度的视频场景下的实验表明,采用该方法能够有效地从复杂场景中检测出静止目标,并快速判别鬼影,极大地降低了计算耗时且准确率较高.对于图像大小为352×288的视频序列,该算法的平均运行速度约为50帧/s,能够满足实时的监控任务需求.     

一种基于镜头分割的视频水印方案

针对视频水印常见的共谋攻击和时间同步攻击两种攻击方式,在对逐帧嵌入方法抗时间同步攻击问题的基础上提出了一种基于镜头分割的视频水印模型;通过在各帧图像变化不大的场景内嵌入高度相似的水印信息,在各场景之间嵌入不相关的水印信息达到抵抗共谋攻击的目的;通过有限状态机来生成用于各个镜头的嵌入密钥,在检测时有限搜索这些密钥实现时间同步。仿真结果表明,该算法不仅具备了较好的抵抗共谋攻击的能力,同时还提高了逐帧嵌入方法抗时间同步攻击问题的算法对抗帧删除攻击的能力。     

基于静态图片的文本提取技术的研究

部分图片、影视和动漫作品中,固化在图像帧里的文字标签和字幕影响使用的效果.在图像引用时,往往需要一个整洁的背景环境.本文正是基于图片文字标签以及视频字幕的特点,综合运用边缘检测以及灰度聚类等方法对文本进行定位和提取,最后通过图像修复技术实现文字内容的去除.经过大量的实验表明,该方法能够有效地提取并去除文字标签和字幕等文字内容.     

一种基于宏块信息的快速MPEG视频分割算法

提出了一种基于宏块信息的快速MPEG压缩视频场景分割算法。该算法只需要通过直接抽取MPEG视频流中的B帧、P帧中的宏块类型信息,并对其进行计算就可以检测出视频中存在的镜头边界,从而对场景变换进行精确定位。这种方法无需对压缩视频进行解压,所以能够满足实时检测的速度要求。经过选用多个MPEG压缩视频进行实验分析证明,此方法能够精确有效地检测出视频流中存在的镜头边界。     

CUDA框架下的视频关键帧互信息熵多级提取算法

在传统视频关键帧提取过程中,需要对每一帧视频图像进行特征提取、图像匹配、重复检测等大量计算,导致算法运行时间过长。对此,该文提出了CUDA框架下的关键帧互信息熵多级提取算法。在CPU调度及GPU划分线程基础上,依据帧间三通道互信息熵,将视频序列初次划分为静态片段类和动态片段类;运用相邻帧间互信息量极小值法,将动态片段划分成多个关键子类,在关键子类中选取预备关键帧;并运用SUSAN算子分块计算,快速完成帧间的边缘匹配,从预备关键帧中滤除冗余,得到最终的关键帧序列。实验结果表明,与其他算法相比,该算法的查全率和查准率均为91%以上,提取关键帧的数量平均减少约42.82%,降低了视频数据量的存储,与其他CPU串行方法相比,其关键帧提取时间减少约50%,提高了算法运算效率。     

基于视频的微帧组合动态场景生成

针对基于视频的动态场景在时域上的不连续问题,提出了一种新的场景生成方法.以微帧为组成单元,以纹理合成特征匹配为基础,采用平滑过渡的方法达到时域的连续性,以获得具有真实感的视觉效果,同时应用无缝纹理混合方法保持视频帧的完整性和平滑性.实验结果表明,该算法具有良好的适应性,能够生成具有良好真实感的新动态场景,可以应用于三维仿真和虚拟现实等领域.     

基于运动图像序列的啤酒瓶凸性字符快速提取方法

运用基于动态图像序列的运动目标跟踪技术，结合图像边缘提取理论中的检测算子模板，提出了一种快速提取啤酒瓶凸性字符的方法：首先采用单个面阵CCD得到啤酒瓶字符的运动图像序列，然后利用背景在运动图像序列中的镜头突变性和出现的必然性，检测视频流中的背景帧，最后采用基于边缘检测的背景配准方法，得到运动图像和校正背景图像的差分图像，恢复出真正的运动物体(字符)．实验结果表明，该方法比现有的字符图像提取方法具有更好的抗噪性和实用性，加快了字符提取的速度，满足了在线检测的要求．     

基于腐蚀-膨胀比的视频场景运动状态鲁棒检测

针对智能视觉分析中视频场景状态检测问题,提出了一种鲁棒的方法。首先,用高斯金字塔算法预处理输入帧;对比3种帧间差计算方法,其中,先灰度化再差分的帧间差计算方案性能最佳。通过分析帧间差灰度图中高亮点在空间分布和形态学上的差异,提出了基于腐蚀-膨胀比的场景状态检测算法REDP。将算法应用于不同场景、亮度、天气条件下的视频序列,实验结果说明了算法不仅可指示获取场景中运动对象位置和轮廓信息的时机,而且,验证了算法对于场景状态检测的有效性。通过增大参与帧间差运算的帧间间距,可进一步提高算法对场景状态检测的鲁棒性。     

视频人脸识别中高效分解卷积与时间金字塔网络研究

随着大量视频监控和摄像头网络的架设,非受限场景下的连续视频帧人脸识别愈发引人关注.传统的连续视频帧人脸识别方法大多存在识别结果易波动和计算资源消耗密集的问题.因此,该文对比了不同的帧间汇聚方式,采用注意力机制优化帧间汇聚过程,并采用3D分离卷积进行视频人脸建模,有效降低了视频人脸识别的计算消耗,提高了识别准确率.此外,...     

基于改进SSD模型和自适应滤波算法的水面漂浮物目标检测跟踪方法

水面漂浮物严重破坏河道景观和水生态环境,通过摄像头实施河湖可视化监管以改善河湖面貌,已成为积极落实“河湖长制”政策的重要技术手段。但由于河流环境复杂多样,存在水波扰动、动态光影和强光反射等诸多噪声问题,现有方法难以满足水面漂浮物实际管理需求。本文结合单帧检测与多帧滤波,提出了一种基于深度学习的水面漂浮物目标智能检测跟踪方法。在单帧检测中,删除5*5及以下低分辨率特征图,通过特征求和方式增强76*76高分辨率特征图以提升SSD检测算法在小尺度漂浮物目标的检测精度;在多帧滤波中,基于时空相关性和运动信息构建自适应滤波AF算法框架,计算视频帧中帧与帧之间的关联性,根据漂浮物目标的空间位置的变化幅度自适应删除偏离运动轨迹的漂浮物目标检测结果,以降低漂浮物跟踪漂移;在信息融合阶段,通过特征对比融合检测和滤波信息,实现检测信息和跟踪信息动态互补,并以不同检测跟踪场景数据集进行训练与验证。结果表明：在简单水面场景下中心位置误差为8个像素点时该方法的检测跟踪精度达到100%,成功率面积为0.94,平均速度达到17.27FPS,计算复杂度为7.18Billion;在复杂水面场景下中心位置误差为10个像素点时该方法的跟踪精度和成功率面积分别为93.24%和0.81,平均速度和计算复杂度分别为15.02FPS和8.76Billion,在复杂环境下兼顾了检测跟踪精度和效率。     

三维蚁堆算法在视频关键帧提取中的应用

为了有效、且自适应的提取出视频中的关键帧,提出了一种改进的三维蚁堆新算法。该算法首先提取每一帧中H-S-V颜色空间的三维特征向量,并将其表示为H-S-V三维欧式空间中的点,之后通过改进的三维蚁堆算法,自适应的聚类,从而提取出视频中的关键帧。通过MATLAB仿真并与传统算法对比,结果表明:相对于传统算法,该算法的查全率和查准率都有了一定程度的提高。     

Key Frame Extraction of Surveillance Video Based on Fractional Fourier Transform

With the vigorous development of national infrastructure construction and public information construction, video surveillance systems have gradually penetrated various fields. The current key frame extraction technology has inadequate target details and inaccurate judgment of local actions. Addressing this problem, a key frame extraction method based on fractional Fourier transform is proposed. This method obtained the phase spectra information of different orders by performing fractional Fourier transform on the surveillance video frames. Next, the method designed an adaptive algorithm based on the golden section point to select the transformation order.Then, the phase spectrum information of two adjacent frames was used to characterize the changes in the global and local motion states of the target. The final step was to extract key frames based on this. Experimental results show that, compared with the previous methods, the key frames extracted by the method proposed in this paper can correctly capture the changes in the global and local motion states of the target.     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。