嵌入式视频监控系统中的运动目标检测

在设计实现的基于嵌入式Web的远程视频监控系统上,引入了运动目标检测,将帧间运动信息和帧间边缘信息相融合,提出了一种运动目标检测的新算法,能够对监控范围内人员的非法入侵或非法移动进行侦测和识别,根据识别结果,发出相应的警报,从而实现了监控系统的智能化.实验结果表明,这种检测方法算法简单、运算量小,适合于实时应用.     

智能视频监控系统中的干扰检测及分类

针对智能视频监控系统中的干扰检测问题,提出了一种新的检测方法,并将干扰类型进行了分类.该方法对智能视频监控系统中的遮挡、失焦、亮度异常、偏色和噪声污染五种干扰分别提取检测特征,实现了对不同类型干扰的分类检测.同时,该方法采用了自适应更新阈值的方法,降低了检测方法的复杂度,提高了其实用性.实验结果表明:在能够满足监控系统实时性的要求下,与经典方法相比本文方法的检测性能较好,适用范围较广,分类正确率达到了92.2％.     

视频监控系统中小运动目标分类算法

给出了视频监控中的一个小目标分类算法．首先，利用最大互信息获得一组可靠、独立且具辨认力的目标特征集．然后，用有向无环图的多类支持向量机进行分类．分类器的训练分为两步，首先使用场景无关的特征量训练得到基准分类器；然后再利用与场景相关和无关的特征量，进一步训练分类器，以便提高分类器的精度．实验结果证明该算法不仅能满足一定的分类精度，而且对新场景具有很好的适应能力．     

基于公路监控视频的车辆检测和分类

在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.     

基于运动目标分类的监控视频检索系统

设计了一种面向运动目标类别的监控视频检索系统,用于快速有效地进行视频片段的定位。系统由视频分析和视频检索两部分组成,视频分析包含了运动目标检测、跟踪和分类等基本算法模块。基于视频分析模块所提供的运动目标信息,对不同视频片段进行类别标注,并形成目标类别描述文件。在视频检索过程中,使用者可通过输入的运动目标类别,快速查询到相应的视频片段。实验表明,所建系统能够帮助用户在大量的监控视频片段中快速的找出满足指定目标类别的视频片段,避免繁琐的手动浏览和查找,有效提高了监控视频检索的效率。     

远程视频监控中的目标检测和多播传输

远程视频监控的实现主要涉及到图像处理和网络传输的技术。其中运动目标检测采用帧差法,通过检测相邻图像帧的差别确定运动目标;通过多播技术实现异地监控也是本课题研究的内容,多播可以实现在一个监控中心对多个现场的监控,也可以把一个监控点的数据传送到不同的监控中心,有效地减轻网络负担,避免网络资源的浪费。     

视频监控系统中运动目标的检测和阴影抑制

提出了一种室内静止摄像机条件下的运动目标检测和阴影抑制方法。该方法采用一种自适应的背景估计方法来实时更新背景,用基于概率分类法检测运动目标,并在联合HMMD色彩空间和光度特征来抑制阴影之后,用Sobel边缘检测来修正运动目标。实验结果表明,该方法能够有效地检测运动目标和抑制阴影。     

运动目标检测算法在军用视频监控系统中的应

在充分分析了现有算法在复杂背景下所存在的不足的基础上,提出了一种适用于军用视频监控系统的基于视频序列象素时空相关性检测的运动目标检测方法.该方法首先用每一帧中目标的空间相关性检测出目标;再用序列图像中目标的时间相关性检验目标的真实性,从而最终确定是否有运动目标.实际应用表明,采用该算法的系统能很好地检测出运动目标,并具有较强的抗干扰能力.     

视频监控系统中运动目标的实时检测

实现鲁棒且实时的目标分割是视频监控系统的关键。针对照明条件连续变化的监控环境中背景图像像素灰度不断变化的情况,提出一种能自适应光线变化的背景更新算法,利用帧间差分和背景差分共同确定运动目标。实验结果证明该算法运算量小、鲁棒性好,适用于室内或室外的监控设备。     

视频监控系统中动目标检测算法研究

描述运动目标检测的基本概念,讨论了运动目标检测的广泛应用、目前所面临的主要问题和困难、实现运动目标检测的几种流行算法,对当前主流运动目标检测实现方法的基本思想和最新发展分别进行了叙述,着重讨论了各类方法的主要优缺点,并展望了该领域的发展趋势.     

视频监控系统中运动目标的实时检测

针对眼睛状态检测在实际疲劳监控系统应用中的缺陷,在定位眉毛和眼睛区域的前提下,结合图像处理、复杂度、混合投影和眼睛的几何特征,提出一种快速的眼睛状态检测方法。给出具体检测步骤和主要算法实现。实验结果表明,该算法可用于不同背景、旋转和偏转角度等多种复杂条件下的眼睛检测,通用性好,处理速度快,并解决了偏光和戴深色边框眼镜的情况。     

基于运动检测的视频监控系统

视频监控系统以其直观、方便、信息内容丰富而成为现代安防系统发展的主流。文章利用相邻帧差法对视频监控图像序列进行运动检测,以确定是否对其进行存储或传输,在保证记录有事件的场景的同时,有效地提高了存储空间的利用率及事后检索的方便性。系统使用实时传输协议来传输监控视频流,确保了监控系统数据传输的实时性要求。     

煤矿智能视频监控中的运动目标检测研究

针对煤矿智能视频监控环境存在各种复杂动态场景变化的情况,研究了运动目标检测中的3个重要环节:背景建模与更新、前景检测和运动阴影检测与去除。针对这3个环节,提出了相应的处理方法:基于IFCM聚类算法的自适应背景建模与更新方法,对像素灰度取值进行无监督聚类,自适应选取不同个数的聚类构建各像素背景模型,随场景变化进行聚类修改、添加和删除以完成背景自动更新;联合背景差分信息、三帧差分信息和空间邻域信息的前景检测方法,据此获得较为准确的前景目标;运动阴影检测与去除方法,依据在阴影覆盖前后的灰度图像中,像素具有亮度值相关性和纹理特征值不变性,实现了运动阴影的检测与去除。实验结果验证了本文所提方法的有效性和优越性。     

基于运动检测的低码率视频监控系统

本文提出了一个固定摄像头的低码率视频监控系统。运动检测技术与视频编码结合可以实现较低码率的实时监 控,使在网络传输中对带宽、存储介质的需求更低,更经济,更有效。基于动态阈值和背景更新机制的运动检测算法可 以有效地检测出当前画面的运动区域,仅对运动区域进行编码。根据测试序列的实验结果显示,在不降低视频质量的前 提下,码率得到了有效下降。     

基于运动目标识别技术的视频监控系统

设计了一种基于运动目标识别技术的数字视频监控系统,对生产现场有无工人作业进行判断,实现无人值守的智能化监控。系统采用客户机／月良务器模型,利用企业局域网进行视频信号传输;利用帧间差分图像检测运动目标,实现视频运动对象的自动分割;采用边缘检测等技术提取运动目标的特征量;最后利用特征匹配算法对运动目标进行识别,判断目标类型,当现场长时间无工人作业时,发出报警信息。目前系统已投入运行,识别准确性较高。