基于帧间差分和边缘差分的遗留物检测算法

遗留物检测是智能视频监控系统的核心功能,遗留物一般较小,所处环境复杂,传统的运动目标检测算法直接用于遗留物检测效果一般.提出了一种基于帧间差分与边缘差分的遗留物检测算法,首先进行帧间差分得到运动目标区域,然后将当前帧图像和前一帧的背景图像进行边缘差分运算得到运动目标的边缘,融合二次差分的结果即可得到运动目标的完整轮廓特征,最终通过判断运动目标在场景中的滞留时间是否达到或超过报警系统设置的阈值来标示遗留物,供智能视频监控系统处理.实验结果证明该算法实时性好且识别率较高.     

基于帧间差分的自适应运动目标检测方法*

本文提出了一种基于帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出连续视频的背景图像;相邻帧利用帧差法得到运动区域图像;利用运动区域图像与背景图像差分的方法提取出运动目标。实验结果表明,该算法能在多个不确定性因素的序列视频中较好的提取背景图像,能及时响应实际场景变化,提高运动目标检测的质量。     

一种有效的运动物体检测方法

为了从监控视频中检测出较高质量的运动物体,文章提出了一种基于帧间差分和背景差分相结合的运动目标的检测方法,并且采用像素级和帧级背景更新相配合的一种背景更新策略。算法求取各像素点处的最大概率灰度,从而提取出连续视频的背景图像;相邻帧则利用帧间差分法以及背景差分法得到两幅运动区域图像;将两幅运动区域图像相与,提取出较为准确的运动目标。实验证明,该算法对光线的变化鲁棒性较高,运算速度较快,且能够及时的响应监控视频的实时变化,提高运动目标的检测质量。     

基于动态阈值对称差分和背景差法的运动对象检测算法

提出一种基于动态阈值对称差分和背景差法的运动对象检测算法.首先通过建立一个基于统计的可靠背景更新模型,由背景差法得到基本准确的前景图像;然后与用对称差分法得到的差分图像综合;最后得到完整可靠的运动目标图像.中间采用了一种动态的最优阈值获取方法,然后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来.实验结果表明,该方法快速、准确,有一定的实际应用价值.     

帧间差分与边缘纹理相融合的运动目标检测

提出了一种利用边缘纹理进行背景建模,结合三帧差分算法,获取目标轮廓的运动目标检测方法,进一步通过区域填充得到目标前景.该方法对光线变化不敏感,对阴影去除有比较好的效果,改进了边缘纹理差分和帧间差分的缺陷,取得了比较完整准确的运动目标前景.     

基于SSD卷积神经网络的公交车下车人数统计

传统典型的公交车人数统计方法在准确率和速度方面存在一些不足,且提取目标特征的效果较差.本文提出了基于深度卷积神经网络的公交车人数统计系统解决人群计数问题.首先制作数据集,难点在于所有用于训练的数据集均是手工标注.并且公交车摄像头角度比以往文献覆盖更广区域.本文首先比较了多种不同的深度卷积神经网络模型对乘客进行全身检测的效果.综合考虑检测速率、准确率等方面,最终采用单次检测器深度卷积神经网络模型对乘客进行人头目标检测,在线实时目标追踪算法实现人头的多目标追踪,跨区域人群计数方法统计公交车下车人数.系统准确率达到78.38%,运行速率约为每秒识别19.79帧.实现了人群计数.     

改进的基于区域的运动目标分割方法

针对视频监控系统，提出了一种改进的基于区域的运动目标分割方法。与传统方法相比，在运动检测阶段，结合时域差分和背景差分进行运动检测。并通过自适应方法进行背景更新；在差分图像二值化时，采用自适应阈值方法来代替传统的手工确定阈值法；对于区域分割，使用基于加权平方欧式距离的均值聚类算法代特传统的均值聚类算法。实验结果表明该改进方法比传统方法具有更好的实时性、鲁棒性和有效性。     

基于小波变换的多目标检测方法研究

针对图像序列中多个运动弱小目标的检测问题,提出了一种用于基于小波变换与帧间差分相结合的检测方法.算法首先对原始图像进行小波变换,利用小波变换增强了目标与背景之间的差别,然后使用帧间差分方法对小波变换后的水平分量和垂直分量进行运算,计算出多个运动的弱小目标.与传统的帧差分方法相比,该方法利用小波变换增强了目标与背景之间的差别,帧间差分运算的区域小,速度快.实验结果表明,使用该方法可以对信噪比为2.9的目标正确提取,减小了虚警率,抗噪声干扰能力强.     

基于静态场景下的单目标徘徊检测及跟踪方法

提出了一种单目标徘徊检测及跟踪方法.该方法能够有效地对防区内有徘徊行为的对象进行跟踪报警,简单实现了监控方式由事后取证到提前预防的转变.目标的跟踪是通过背景差分方法检测出运动目标,然后利用矩形逼近目标轮廓,并把该矩形作为目标跟踪时的跟踪框,最后利用Camshift算法弥补背景差分方法的不足.实验结果表明,本方法能满足单目标徘徊跟踪的基本要求.     

一种基于区域生长的多个形变目标跟踪方法

自动获取公交车在停靠车站的上下车乘客数目对于合理、有效地调度车辆运行具有重要意义.利用图像处理技术对运动乘客进行跟踪统计时,由于目标的形状是随机变化的,甚至总是部分出现在视野范围之内,所以不能采用基于形状和特征点的跟踪方法.本文提出了一种基于差分图像和区域生长的,对多个形变目标运动区域特征进行跟踪的方法.实验表明此方法能够实时地、较准确地统计出上下车的乘客数目.     

People-flow counting in complex environments by combining depth and color information

People-flow counting is one of the key techniques of intelligence video surveillance systems and the information of people-flow obtained from this technique is an very important evidence for many applications, such as business analysis, staff planning, security, etc. Traditionally, the color image information based methods encounter kinds of challenges, such as shadows, illumination changing, cloth color, etc., while the depth information based methods suffer from lack of texture. In this paper, we propose an effective approach of people-flow counting by combining color and depth information. First, we adopt a background subtraction technique to fast obtain the moving regions on depth images. Second, the water filling algorithm is used to effectively detect head candidates on the moving regions. Then we use the SVM to recognize the real heads from the candidates. Finally, we adopt a weighted K Nearest Neighbor based multi-target tracking method to track each confirmed head and count the people through the surveillance region. Four datasets constructed from two surveillance scenes are used to evaluate the proposed method. Experimental results show that our method outperform the state-of-the-art methods. Our method can work stably on condition of kinds of interruptions and can not only obtain high precisions, but also high recalls on four datasets.     

Scene-adaptive accurate and fast vertical crowd counting via joint using depth and color information

Reliable and real-time crowd counting is one of the most important tasks in intelligent visual surveillance systems. Most previous works only count passing people based on color information. Owing to the restrictions of color information influences themselves for multimedia processing, they will be affected inevitably by the unpredictable complex environments (e.g. illumination, occlusion, and shadow). To overcome this bottleneck, we propose a new algorithm by multimodal joint information processing for crowd counting. In our method, we use color and depth information together with a ordinary depth camera (e.g. Microsoft Kinect). Specifically, we first detect each head of the passing or still person in the surveillance region with adaptive modulation ability to varying scenes on depth information. Then, we track and count each detected head on color information. The characteristic advantage of our algorithm is that it is scene adaptive, which means the algorithm can be applied into all kinds of different scenes directly without additional conditions. Based on the proposed approach, we have built a practical system for robust and fast crowd counting facing complicated scenes. Extensive experimental results show the effectiveness of our proposed method.     

基于码书的运动目标检测方法

运动目标检测是视频监控系统需要解决的关键问题之一。背景差法是固定的单摄像头监控中常用的一种运动目标检测方法,其核心是背景的构造。提出了一种基于码书的背景构造方法,它能在有限的存储空间开销下使用长时间的图像序列估计背景模型。该方法首先对每一个像素点的抽样进行聚类分析,即构造初始的码书;然后根据背景模型的条件从中挑选出合格的码字构造背景码书;最后通过判断当前的像素值是否可以划归于背景码书以区分背景点和前景点,同时做相应的更新。实验结果表明,即使背景本身存在运动和光照条件发生变化,该方法构造的背景也能有效检测运动目标。     

监控视频运动目标检测减背景技术的研究现状和展望

在很多计算机视觉应用中，一个基础而关键的任务是从视频序列中确定运动目标，其中对于固定摄像机的监控视频运动目标的检测，最常用的方法是减背景技术。其思想是将视频帧与一个背景模型做比较，其中区别较大的像素区域被认为是运动目标。但由于构建背景模型需要考虑光照变化等很多因素，因此开发一个好的减背景算法面临很多挑战。为了使人们对该技术有个初步了解，该文首先对利用减背景技术实现运动目标检测的过程、目前各种典型背景建模算法的原理和优缺点做了较为详细的阐述和归纳，然后总结了各种减背景算法的总体特点，并结合实验和文献资料对部分算法进行了对比评价，最后指出了减背景技术的未来研究重点和发展方向。     

基于AdaBoost和帧间特征的人数统计

视频监控中出入口人数统计的难点在于人流密集时对每个人体的准确分割。通过学习的方法得到人头检测的分类器,并在垂直拍摄图像中提取人头候选区域,以分离相互靠近的人体目标,进而根据人头的运动特征剔除静止误检区域,根据误检目标检测频率低及其响应位置不连续的特征剔除动态误检区域。最后提出一种简易可行的过线跟踪方案以完成计数。实验中对各种复杂情况的过线视频进行测试,正确率能够达到95%以上。与传统方法相比,本文方法解决了多人过线或搬货物过线时传统方法难以准确完成的行人分割和计数,更适于实际情况的人数统计。     

基于运动检测与运动搜索的多目标跟踪

提出一种新的单摄像机多目标跟踪方法,采用全局背景减法得到当前帧所有运动区域,利用kalman滤波器及局部背景减法得到已跟踪目标在当前帧的预测区域,根据全局减法运动区域及预测区域的位置及大小来判断是否有遮挡发生,并用不同匹配方法进行目标跟踪。实验表明,该方法能有效提高单摄像机跟踪对目标合并、遮挡等问题的处理能力。     

自适应网格在布匹疵点检测中的应用研究

工业现场检测布匹的方法多样,但是检测速度较慢;为了快速且全面检测布匹疵点,主要利用自适应网格法对布匹图像进行处理进行;首先利用图像差影法粗分疵点存在的区域,其次利用网格模板把图像区域分成相等的部分,检测疵点存在的区域,在疵点存在的区域,继续缩小网格模板,再次检测疵点的区域,直到不能缩小为止,最后仅对疵点存在的小区域进行图像分析检测疵点;通过实验证明此方法减少图像处理时间,实现快速检测疵点的目的,达到工业快速检测布匹疵点的要求。     

基于边缘相似性的背景差鬼影判别方法

背景差视频运动目标检测算法存在的鬼影问题对智能视频监控应用有着严重的影响。通过实验发现鬼影和真实目标的前景差分图像具有不同的边缘相似特性,根据这一特性,定义图像边缘相似性度量函数,提出一种基于边缘相似性的鬼影判别方法。实验结果表明,与传统方法相比,该方法具有速度更快、适应性更好等优点。