基于视频图像像素点阵的车辆检测技术

介绍一种基于视频图像像素点阵的车辆检测技术。该方法找出车辆图像中因与背景帧不同而触发的像素点,通过分析这些触发像素点所组成的像素点阵进行对车辆的自动识别和追踪。将每辆车作为一个检测对象,求出每个检测对象的触发像素点阵中存在连通性的最大像素区域,并将这个区域作为该检测对象识别和追踪的唯一标准。该技术具有适应性好、计算量少、识别结果准确等优点。     

实时运动对象分割和检索算法

提出一套实时视频对象分割检索算法,用运动矢量信息标注运动区域,利用背景检测算法检测对象区域。将检测出的对象区域和运动区域进行并操作运算,得到单帧图像的分割。利用改进的Hausdorff距离跟踪算法进行匹配跟踪和检索。实验表明了该算法的有效性。     

基于HEVC的车辆异常事件检测

当前传统交通事故检测和查阅主要通过人工监测的方法,这种方法效率低且实时性差,本文提出一种基于最新压缩域视频编码标准HEVC（High-efficiency video coding）的车辆异常事件检测方法。首先对HEVC码流中提取出的运动矢量信息进行运动矢量累积迭代和中值滤波的预处理,之后根据提取出的块划分信息和运动矢量信息计算运动对象的运动强度,然后根据运动强度值和八连通区域法提取出运动对象,最后根据空间距离法和运动强度判别法检测出视频序列中发生的车辆异常事件。实验证明,该方法可以准确地检测出视频序列中发生的车辆异常事件;对于有着快速移动的运动目标以及多个运动目标的视频效果更好。     

基于场景表示中对象特征语法分析的视频描述

为解决基于编码器-解码器的视频描述方法中存在忽略特征语法分析,造成描述语句语法结构不清晰的问题,提出一种基于场景表示中对象特征语法分析的视频描述方法。编码阶段将视频的2D、C3D特征、对象特征和自注意力机制相结合,构建视觉场景表示模型,描述视觉特征间的依赖关系;构建视觉对象特征语法分析模型,分析对象特征在描述语句中的语法成分;解码阶段结合语法分析结果和LSTM网络模型,输出视频描述语句。所提方法在MSVD和MSR-VTT数据集进行实验,结果表明,该方法在不同评价指标方面性能较好,视频描述语句的语法结构清晰。     

结合SIFT校正的视频对象鲁棒水印

提出一种结合尺度不变特征变换(SIFT)特征点校正和时空域视频对象分割的视频对象水印算法。该算法采用时域和空域结合的方法分割出视频对象,将水印嵌入在视频对象的离散余弦变换域中。在嵌入前提取并注册视频对象的SIFT特征点,在水印检测时,通过与注册机构中特征点集的匹配和计算对视频对象进行几何校正,提取出水印信息。实验结果表明,该算法能够较好地保护视频对象,对几何攻击和常见信号处理攻击具有鲁棒性。     

视频对象分类特征评价与选择方法

视频对象自动分类是智能视频监控的重要技术基础之一.为了提高分类精度,必须选择合适的对象特征.目前常用的视频对象分类方法都缺乏对于分类特征重要性的评价机制.提出一种视频对象分类特征评价与选择方法,该方法基于Adaboost算法的思想,通过对特征贡献进行定量评价实现特征选择.实验将视频对象区分为"单个行人"、"人群"、"车辆"和"骑车的人"四种类别,证明了该方法的合理性和有效性.     

一种基于小波变换的视频对象分割算法

新一代视频编码标准MPEG－4提出了基于内容的视频编码的概念，它充分考虑到视频场景的特点，对不同对象用不同方法进行编码，这样视频对象分割就成为该标准的关键技术之一。该文提出一种利用小波变换分割视频序列中运动对象的算法。算法的主要思想是通过对视频序列在时间轴上作小波变换提取视频对象的运动信息进行视频对象的分割。实验结果证明，本算法能比较准确地分割出运动视频对象。     

一种基于本体的图像检索方法

提出一种基于本体的图像检索方法。该方法结合特定领域专家知识和对象例图,采用视觉对象本体来描述图像内特定对象的视觉特征,从而构建该领域包含视觉描述的知识库。在检索过程中,利用知识库内的对象的视觉本体描述和目标图像库内的图像低层特征相匹配执行图像检索任务,从而实现在高层次语义上的图像检索。实验结果表明了该方法的有效性和可行性,并在一定程度上缩小了视觉低层特征同图像高层语义的鸿沟。     

一种时域和梯度域相结合的视频对象提取算法

为了从复杂背景中精确地提取出视频对象,提出了一种融合时域和梯度域信息的视频对象提取算法,可以有效地提取出复杂背景下的视频运动对象,并解决前景与背景一致情况下,背景剔除方法所带来的空洞问题。首先在时域空间中分别采用背景剔除和帧间差分方法生成初步的视频对象,并利用形态学中的二值腐蚀和膨胀方法对视频对象进行处理;然后,在梯度域空间中用Sobel算子进行视频对象边缘检测,并结合时域空间中的视频对象,生成精确的视频对象轮廓边缘;最后,采用启发式搜索方法连接视频对象轮廓边缘点,进而提取出视频对象。实验结果表明,该方法能够比较完整精确地从复杂背景中提取出视频对象。     

对象和关键帧相结合的监控视频摘要提取方法

参考了基于对象和基于关键帧的视频摘要技术,阐述了一种基于对象的视频摘要技术的主要方法流程,并在传统基于对象方法的基础上融入了改进的关键帧提取方法,以单个运动对象为目标进行视频空间上的压缩,通过实验验证,在不遗漏关键信息的前提下大幅度地减少了视频冗余信息,使用户可以在短时间内更加快速便捷地阅读视频监控内容,找出有用信息。同时提出了一种更为合理的视频摘要合成流程,为视频摘要领域的深入研究提供一定的参考。     

利用Hausdorff距离跟踪视频对象的研究

由于视频系列中对象的运动使对象不同于背景,因此运动信息可以成为从背景中分割视频对象的重要依据.本文首先对视频图象进行低通滤波,滤出高频噪声.然后通过运动检测获得初始的运动对象二值模型,与sobel算子检测出的二值边缘图象相匹配,提出了一种利用修改的Hausdorff距离进行视频对象跟踪的方法.为了容纳对象形状的变化,我们使用活动轮廓模型来进一步匹配运动对象.在IDK平台上的实验表明该方法简单可靠,易于实时实现.     

模拟初级视皮层注意机制的运动对象检測模型

视频监控的广泛应用使运动对象检测成为研究热点,但运动的不确定性增加了检测难度。鉴于人类视觉系统能高效地感知运动对象,研究者从神经生理学和心理学的角度提出了运动检测的生物学模型。根据上述研究成果,提出模拟初级视皮层的运动对象检测模型。使用三维Gabor时空滤波器模拟人类初级视皮层中简单细胞的经典感受野,通过非线性组合获取复杂细胞对运动对象刺激响应的运动能量,应用细胞的中心环绕作用及相关性运动检测增强运动信息并抑制环境干扰,采用信息融合获取运动对象的显著性图,并利用WTA神经网络模型实现对运动H标的感知。实验结果表明,该模型能有效检测到视频中的运动目标,运算速度较其他仿视神经加工的视觉注意模型更快。     

模拟初级视皮层注意机制的运动对象检测模型

视频监控的广泛应用使运动对象检测成为研究热点,但运动的不确定性增加了检测难度。鉴于人类视觉系统能高效地感知运动对象,研究者从神经生理学和心理学的角度提出了运动检测的生物学模型。根据上述研究成果,提出模拟初级视皮层的运动对象检测模型。使用三维Gabor时空滤波器模拟人类初级视皮层中简单细胞的经典感受野,通过非线性组合获取复杂细胞对运动对象刺激响应的运动能量,应用细胞的中心环绕作用及相关性运动检测增强运动信息并抑制环境干扰,采用信息融合获取运动对象的显著性图,并利用WTA神经网络模型实现对运动目标的感知。实验结果表明,该模型能有效检测到视频中的运动目标,运算速度较其他仿视神经加工的视觉注意模型更快。     

一种新的基于吉布斯随机场的视频运动对象分割算法

与现有的视频运动对象分割算法不同, 本文提出一种新的基于吉布斯 (Gibbs) 随机场模型的视频运动对象的分割算法, 该算法将运动对象的运动场作为主分割信息, 空间像素值的一致性作为次要分割信息. 该算法首先对运动矢量场进行累加和滤波处理；然后在 Gibbs 运动场模型的势能函数的定义中引入空间相关影响因子, 采用最大后验概率的方法进行分割；最后细化运动对象边缘. 对多个视频序列的测试, 实验结果表明该算法比现有基于光流的分割算法更准确的分割运动对象.     

一种动态场景下运动对象分割新算法

视频运动对象分割是计算机视觉和视频处理的基本问题。在摄像机存在全局运动的动态场景下,准确分割运动对象依然是难点和热点问题。本文提出一种基于全局运动补偿和核密度检测的动态场景下视频运动对象分割算法。首先,提出匹配加权的全局运动估计补偿算法,消除动态场景下背景运动对运动对象分割的影响;其次,采用非参数核密度估计方法分别估计各像素属于前景与背景的概率密度,通过比较属于前景和属于背景的概率及形态学处理得到运动对象分割结果。实验结果证明,该方法实现简单,有效地提高了动态场景下运动对象分割的准确性。     

基于HVS的抗几何攻击视频水印方案

提出一种基于人类视觉系统(HVS)的抗几何攻击视频水印方案。对原始视频对象进行规范化处理,记录同步信息。在水印嵌入时,根据人类视觉特性,从视频对象中选取高细节区域嵌入水印。在水印检测和提取前,对受攻击的含水印视频对象进行规范化处理,调整一些抖动点的位置,以进一步提高水印检测的性能。实验结果表明,该方案能较好地抵抗高强度几何攻击,协调不可见性、鲁棒性和安全性。     

面向对象分配带宽的极低比特率视频编码器

在低比特率环境下,如何提高图象编码质量是许多人感兴趣的课题,针对此问题,提出了一种面向对象分配带宽（OOBA）的视频编码器,用以提高低比特率环境下编码图象的主观质量,在充分考虑人的主观视觉特性的基础上,该编码器把图象序列分成不同的视频对象,而每个对象以宏块为单位构成,并且对每个对象单独分配大小不同的带宽,以把更多的比特分配人主观感兴趣的对象,来达到在低比特率环境下提高编码图象主观视觉质量的目的。虽然每个对象独立编码,但在比特流的组织上却能与H．263兼容。为了合理地在多个对象间分配带宽,还给出了基于速率－失真（R－D）模型、基于序列分析和比值加权法等3种带宽分配方法。实验结果表明,该编码器与传统的基于帧的编码器相比,在极低的速率下,峰值信噪比虽略有降低,但图象的视觉质量却得到较大的提高。从而表明了该编码器的有效性,也说明在低比特率环境下,仅以客观准则作为评价编码器好坏的标准是不够的。     

基于熵模型的压缩域运动对象检测

随着视频编解码技术的发展,H.264已成为最主要的标准之一。为了能从H.264码流中准确有效地分割和提取出运动对象,提出了一种压缩域下的对象检测算法。该算法主要利用压缩域下对象的运动矢量信息,先对矢量进行中值滤波预处理,目的是为了减少运动估计算法和对象实际运动所产生的误差。然后利用基于熵的原理,建立运动对象在空间和时间上的一致性模型。在该模型基础上,采用最大熵方法自适应获得阈值,检测得到运动对象。实验结果证明,该算法可以获得比较好的检测结果。     

基于压缩感知的监控视频运动对象提取算法

从监控视频场景中提取出运动对象,对于后续场景理解、语义分析、智能处理有着重要的意义。提取运动对象有检测、跟踪等多种手段,本文提出一种基于压缩感知的监控视频运动对象提取算法,将视频数据分解为稀疏和低秩分量,实验表明算法的有效性。     

基于图像分割和对象跟踪的新闻视频镜头边界检测方法

镜头边界检测是许多多媒体应用的一个重要步骤,而现有的镜头边界检测方法大都是首先提取视频帧低层视觉特征,然后构造相异性测度函数,但由于这些方法对低层特征变化、对象运动、摄像机运动和视频质量较敏感,为克服此问题,提出了一种基于图像分割和对象跟踪的镜头边界检测方法。该方法首先采用分区直方图对镜头进行预检,然后利用基于小波分析的无监督图像分割和对象跟踪技术,通过构造相异性测度函数来对镜头边界进行确认。由于分区直方图方法作为第１过滤器,可有效地减少图像分割和对象跟踪的视频帧数目,从而提高了整个算法的效率,而基于小波变换的无监督图像分割和对象跟踪,则对以上问题具有较好的鲁棒性。在3个多小时的CCTV和CNN新闻视频实验中,获得了972%查准率和964%的查全率。