一种改进的视频监控背景更新算法

在智能视频监控中,背景及时准确地更新是监控系统自动检测运动目标的关键。针对ⅡR滤波更新算法在实际应用中的缺陷,提出了基于当前帧、背景帧与初始背景帧三帧信息相结合的方法更新背景。实验表明,该方法对光变具有良好的鲁棒性,噪声小,速度快,具有较高的实用价值。     

交通流视频检测中背景初始化算法

为了获取具有运动前景物体的初始背景,提出一种基于聚类识别的背景初始化算法。首先利用滑动可变窗口检测每个像素的所有不重叠平滑子序列,获取可能背景;然后选择每个平滑子序列的中值样本点构建分类序列集,根据未知类别的无监督聚类识别思想获取背景子集,实现背景初始化。选取不同交通状态的视频训练序列,将本文方法同中值法、一致性检测法进行了对比实验。结果表明,本文方法具有良好的适应性,可克服缓慢运动大型前景物体造成的影响,实现覆盖率大于50%的背景初始化。     

交通流视频检测中背景模型与阴影检测算法

提出了基于对象级的混合高斯背景模型更新方法与基于RGB颜色变化度的运动阴影检测算法。根据运动分割、物体识别、Kalman运动跟踪等高层语义表达,结合像素的时空特性,进行基于对象级的混合高斯背景更新。克服了像素级混合高斯模型中交通控制信号或交通阻塞等造成的长时间停车以及交通高峰期交通拥挤等情况下对背景抽取造成的影响;根据运动目标的RGB颜色变化度特点,提出自适应的对象级运动阴影检测算法,克服了运动阴影的影响及其造成的误分类。不同交通状态下的视频处理效果表明,该方法具有良好的鲁捧性和自适应性。     

列车视频监控中视频遮挡报警算法的研究与应用

针对列车视频监控中监控背景易被遮挡的现象,在单高斯背景模型的基础上,提出了一种结合背景减除法和最佳分割阈值迭代思想的图像遮挡提取算法,该算法可以解决列车视频监控中的背景模型更新不及时以及阴影消除的问题。测试结果表明,本文算法可以有效地对列车视频监控场景中遮挡视频的物体进行分析提取,并发出报警提示,为列车监控系统提供数据分析。     

视频图像中的运动检测

视频图像中运动物体分析关键的一步就是从连续的视频图像中提取出运动目标，即运动目标检测。传统的运动目标检测方法有3种：背景图像差分法、时态差分法和光流法，分析比较了它们的优缺点；在此基础上笔者采用了一种结合Sobel算子和自适应背景差分算法的运动目标检测方法；利用Intel公司开发的计算机视觉库OpenCV开发了一个软件，并进行了一系列实验。通过观察、比较实验结果可以看出，这种运动目标检测算法能够正确地检测出视频图像中的运动目标，而且在检测性能上优于普通的自适应背景差分法。     

一类改进的无模型自适应数据驱动滑模控制

针对目前大多数自适应离散变结构滑模控制存在的对受控系统数学模型依赖性和未建模动态问题,提出一类离散时间非线性系统的无模型自适应滑模控制,并对其控制律进行改进。该控制策略本质上属于一种数据驱动控制方法,控制器的设计仅依赖于系统的输入输出数据,不需要任何被控系统模型信息。理论分析表明:该控制算法提高了伪偏导数估计值信息的利用率,加快了系统收敛速度,并通过严格数学推导验证了控制系统的稳定性。通过对直线电机位置和速度信息跟踪的仿真结果表明,该无模型自适应滑模控制具有较好的控制性能,跟踪精度大大提高,鲁棒性增强。     

视频监控中的背景提取与更新算法

为了从复杂场景中获取高质量的背景图像,提出一种基于帧间差分法和背景差分法的改进算法。将帧间差分法获得的背景图像作为视频的初始图像,将当前帧与初始图像的差值和平均差值进行比较,通过加权平均得到视频的背景图像,在背景更新时对背景图像进行选择性更新。改进算法在不同的场景中具有较强的适应能力。     

基于机器视觉的实时视频监控系统设计

基于图像处理与机器视觉技术，设计了一个实时视频监控系统。并对该系统基本构成、工作原理及图像变化检测的算法进行丁研究结果表明，系统能较好地完成自动检测场景变化功能。     

自适应背景恢复差减算法

针对视频图像进行目标分割时,只对目标区域进行分析而未充分利用视频图像中的所有信息,本文提出了基于自适应背景恢复的差减算法。该算法可在背景未知的情况下,对任意运动目标都能实时、有效地进行自动分割。     

嵌入式视频监控系统硬件设计

提出了一种新的嵌入式视频监控解决方案,其通过硬件实现对模拟视频信号的视频解码、图像处理,完成后直接在LCD显示屏或CRT显示器上显示。XScale嵌入式处理器负责网络通信、无线通信和人机交互。本系统功能全面,并有很好的扩展性,比如可扩展实现网络远程监控或者监控视频的数字化存储。     

面向监控视频的行为模式挖掘

行为模式挖掘技术是监控视频语义分析的重要组成,由于先验知识的缺乏与特征维数约束,难以准确定义参数化挖掘模型的结构复杂度,通过非参数化的无限高斯混合聚类运动特征得到原子行为模式,并估计其持续时间分布,使用局部特征维测试验证了挖掘模型的运动相似性假设。结果表明所得到的行为模式集准确刻画了场景的潜在运动语义,而通过行为中存在的时间多形态分布进一步发现了隐藏运动知识。     

数字视频监控中视频分级传输研究

探讨了视频分级技术,针对数字视频监控中实际应用的需要,提出了一种新的混合型视频分级传输架构,该传输架构基于联播和FGS(finegranularityscalable)中的流传输控制思想,针对不同带宽的用户发送不同质量的视频流,从而实现了一个基于视频分级传输的数字视频监控系统.实验证明,该系统可以适应不同的网络带宽环境下的视频应用.文中给出了关键技术的实现算法.     

监控视频图像过曝光区域检测

提出一种融合多种特征的图像过曝光区域检测算法。利用像素的亮度特征和颜色特征,并新引入亮颜特征和边界邻域特征来构成特征向量,用L2正则化逻辑非线性回归方法对训练样本的特征向量进行训练,得到最优分类器模型。对实验图像进行过曝光区域检测,结果显示,相较于亮度阈值法和基于亮度和颜色特征的常规检测方法,引入新特征后的改进算法检测出的过曝光范围区域连通性更好。     

数据驱动的粮食产能组合预测模型

针对长短期记忆网络(LSTM)在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题,提出一种数据驱动的粮食产能组合预测模型.在超参数部分,通过引入动态权重和拉普拉斯变异的秃鹰算法(WLBES)对LSTM进行超参数寻优,避免了手动调参的过程.在预测部分,利用岭回归(RR)对预测结果进行残差修正,弥补LSTM数据丢失的缺陷;同时加入注意力机制,以权重大小区分主次特征,提升粮食产能相关性较大特征的重要性.研究结果表明,WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比,均方根误差(RMSE)分别下降了75％、19％,相较于其他优化LSTM的组合模型,RMSE大幅下降,该组合模型在粮食产能预测上具有更高的预测精度.     

Robust background subtraction in traffic video sequence

For intelligent transportation surveillance, a novel background model based on Marr wavelet kernel and a background subtraction technique based on binary discrete wavelet transforms were introduced. The background model kept a sample of intensity values for each pixel in the image and used this sample to estimate the probability density function of the pixel intensity. The density function was estimated using a new Marr wavelet kernel density estimation technique. Since this approach was quite general, the model could approximate any distribution for the pixel intensity without any assumptions about the underlying distribution shape. The background and current frame were transformed in the binary discrete wavelet domain, and background subtraction was performed in each sub-band. After obtaining the foreground, shadow was eliminated by an edge detection method. Experimental results show that the proposed method produces good results with much lower computational complexity and effectively extracts the moving objects with accuracy ratio higher than 90%, indicating that the proposed method is an effective algorithm for intelligent transportation system.     

监控视频中的车型分类方法

采用BIT-vehicles数据集、标准SVM分类器和mAP评价指标,验证HOG直方图和HU矩、小波和HOG直方图以及SIFT特征提取技术对于车型分类的效果,结果显示,基于多特征融合的分类方法精度比基于单特征的分类方法精度高。对比发现,SVM分类器的分类精度在基于SIFT和稀疏编码的特征提取方法下比卷积神经网络要好。     

视频监控平台互联互通方案的研究

文章重点讨论了基于分布式结构的适合异构视频监控系统的互联互通方案,并讨论了异构系统的具体实现细节。该方案为异构视频监控系统的互联互通提供了一种解决思路,可作为组建大型视频监控网络时的参考。     

视频监控系统中的多摄像头跟踪优化设计

针对分布式广域视频监控系统,提出了一种基于多摄像头融合的跟踪优化方法.该跟踪优化算法根据目标优先级和目标在各个摄像头中的遮挡状态及其分割图像大小进行数据加权融合,优先分配高优先级目标给具有最佳权值的摄像头进行跟踪,并动态平衡各个摄像头的跟踪负载,将跟踪负载过重的摄像头中的低优先级目标分配给其他摄像头进行跟踪.为了有效地建立重叠摄像头之间目标的对应关系,对于摄像头远离监控地平面和目标的场景,通过摄像头监视背景图像之间的SIFT特征匹配自动生成对应点,利用这些对应的关键点确定重叠摄像头之间的单应性变换矩阵参数,再根据目标质心坐标之间的单应性变换进行一致性匹配;对于摄像头近邻监控地平面和目标的场景,通过目标分割图像之间的SIFT特征进行一致性匹配.实验结果表明:该方法能有效地实现广域监控场景中多摄像头的协同跟踪,达到了较高的跟踪性能.     

主动方式的视频监控系统连接方案研究

为提高对网络环境的适应能力,满足大型监控联网系统的需要,提出一种新的应用在视频监控系统的监控设备连接方案.该方案通过改变网络连接的方向,使监控设备以主动方式向客户端提供视频服务.实验表明:该方案提升了监控设备的局域网穿透能力,增强了网络自恢复和网络负载均衡能力.