复杂背景下运动目标检测的ViBe改进算法

针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法.通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域.经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场...     

一种基于改进混合高斯模型的运动目标检测算法

针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造"虚拟"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。     

利用自适应阈值的聚类算法实现关键帧提取

聚类算法是关键帧提取的一种常用方法,然而,在对视频内容一无所知的情况下,预先指定聚类算法的阈值是一个很困难的问题,文章首先提出了一种自适应确定聚类阈值的算法,再以视频中的帧序列为数据样本进行聚类,得到最终聚类结果,最后从每一类中提取离类中心最近的帧作为关键帧。实验表明,该方法能较好的提取出视频序列的关键帧。     

基于SIFT算法的ATM视频人脸识别方法

提出一种视频图像中人脸识别的方法。首先将视频分解成单帧图像;然后利用基于肤色的方法计算人脸占图像的比例,进而确定关键帧位置;最后运用SIFT算法进行图像匹配,按照样本训练的阈值输出匹配结果。算法研究表明：该算法不需要大量视频训练并且保证了人脸识别系统的准确性,关键帧提取简单,相对传统的关键帧提取算法缩短了处理时间,为将人脸识别系统实时化提供了支持。其中视频中人脸识别率达到94.5%。     

基于聚散熵及运动目标检测的监控视频关键帧提取

针对公安监控视频检索中根据运动目标准确标注视频关键帧的问题,提出一种基于聚散熵及运动目标检测的监控视频关键帧提取算法。首先通过对视频内容的分析,提出监控视频聚散熵的概念。其次根据聚散熵对监控视频进行子镜头划分,再次根据运动目标检测对子镜头进行划分,从而提取视频关键帧。最后列举出算法在几种典型视频数据库中的实验结果及结果分析。实验结果表明该算法在关键帧提取的准确性和鲁棒性上都有良好表现,该算法针对公安监控视频检索需求,在缩短公安视频侦查时间及智能检索中起到支撑作用。     

基于灰度投影运动估计的ViBe改进算法

传统的ViBe算法在目标检测中是比较常用的检测算法,该算法因为便于实现、运算效率高等优点在运动目标检测方面得到了广泛的应用.但是传统的ViBe算法在分离前背景时经常出现"鬼影现象".针对以上问题提出了一种基于灰度投影运动估计的ViBe改进算法,首先用三帧差分法和ViBe算法对运动目标进行了实时检测,分离了前背景后,发现由于背景发生变化时对检测的前景目标图像有误检现象,为了去除运动背景的影响,采用了灰度投影运动估计的方法,用于估计两帧图像的平移参数和缩放参数,并选取一个参照帧的背景图像作为参考,最后根据将运动参数映射到当前输入的背景图像中,实现了背景的补偿,得到了真实的背景图像.实验结果表明,本文算法在对运动区域的目标进行检测时可避免鬼影、抗动态背景模型干扰等方面有很好的优势,并可以准确的在动态背景下检测出运动目标的位置信息.     

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。     

一种适合于监控视频内容检索的关键帧提取新方法

为减少监控视频的存储容量,便于用户迅速查看视频关键信息,提出一种适于监控视频内容检索的关键帧提取方法.首先,使用背景差分法检测含有运动物体的关键视频段,记录其起始帧和结束帧,然后,在关键视频段中基于联合直方图的方法进行关键帧的粗提取,最后,根据监控视频帧序列的连续性特征,通过图像的信息熵进一步精确提取关键帧.实验结果表明,该方法能有效地提取出监控视频中的关键帧,大大减少了视频数据的存储量,且便于用户浏览关键信息.     

基于改进ViBe算法的视频浓缩

针对监控视频在时间上存在冗余的问题,对ViBe(visual background extractor)算法进行改进,解决了ViBe算法存在噪声和易引入鬼影的问题,通过改进后的算法对视频进行背景建模,并对得到的背景掩模提取外轮廓以确定视频帧中是否存在前景对象。将存在前景对象的视频帧写入视频流中,达到视频浓缩的目的。经过试验验证,该方法可以有效地减少视频中的冗余信息,减小视频的体积,视频中的重要信息同时也得到了完整保留,满足实时性要求。     

基于均值背景与三帧差分的运动目标检测

为了实现对室外监控视频中人体运动目标的准确提取,针对传统的三帧差分法在运动目标检测过程中容易出现"空洞"现象,提出了一种基于均值背景与三帧差分的运动目标检测算法.该算法通过将经均值背景建模得到的视频当前帧的背景加入到三帧差分中与视频当前帧和视频当前帧的下一帧分别进行邻间差分,避免了背景像素点对前景检测带来的影响,解决了三帧差分法在运动目标检测过程中存在的"空洞"问题.仿真结果表明,该算法在完整性和准确性方面要优于传统的运动目标检测算法,可以在复杂背景环境中实现快速的运动目标提取.     

一种基于动态背景的运动目标提取方法

为了实现旋转摄像头下运动目标的监控,提出了一种动态背景下提取运动目标的方法．在全局运动估计过程中,首先提取当前帧的特征点并将其离散化,然后以特征点为中心在当前帧和前一帧之间进行块匹配,其后用3σ准则除去误差块,从而得到全局运动估计量,并且在VC平台上实现了该算法．     

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。     

基于SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。     

Phased smoke detection algorithm using dual network fusion

Existing video smoke detection methods have a low detection accuracy in complex scenes and cannot detect smoke areas in video frames accurately. In this paper, a phased smoke detection algorithm that combines the smoke movement process and the target detection algorithm is proposed. First, an improved ViBe algorithm based on smoke color features is used to extract the continuously moving smoke in video. Then, the YOLO v3 model is used as the target detection network. The channel attention mechanism is added to the residual structure of its backbone network. Focal-loss and GIoU are utilized to improve the loss function. According to the test of the smoke image data set, the detection time of the improved network on a single picture is 38.4ms and the mAP reaches 92.13%, which is 2.19% higher than that by the original model. While extracting smoke motion, the same frame is sent to the improved YOLO v3 for smoke detection. Finally, comprehensive discrimination is made based on the smoke detection results in stages. Public smoke video test results show that the algorithm has an average detection rate of 98.88%, which proves that the algorithm has a strong adaptability, a high detection efficiency in complex scenes and a high practical application value.     

多级分块的交通视频智能识别背景建模方法

为改善视频监控中的背景建模方法对于前景目标物较多或者光线变化的复杂环境效果不太理想的缺陷,提出一种多级分块背景建模方法.该方法以间隔N帧帧差法为基础,采用多级分块,并结合对称二值模式(center-symmetric local binary pattern,CSLBP)和码本(codebook,CB)等算法建立背景模型.通过模型得出背景较为清晰和完整,为下一步进行前景目标的准确识别提供良好基础.采用设计实验检验该方法的有效性,将其与局部二值模式(local binary pattern,LBP)、CSLBP、CB以及经典的混合高斯背景建模(mixture of Gaussian,MOG)等算法进行对比分析,得出采用此方法提取的前景目标物更加完整,边界更加清晰,且无明显分块图形出现.采用评分的方法对几种方法进行综合评分,该方法评分较高.在对前景目标物的提取方法中,该方法效果较好.     

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.     

基于注册和多尺度表观模型的三维头部跟踪

针对人体大范围运动下的头部姿态跟踪问题,提出一种基于尺度不变特征变换（SIFT）局部描述符注册和多尺度表观模型的三维头部姿态跟踪方法.基于SIFT局部描述符的注册算法通过在两帧灰度图像间进行特征点匹配计算两帧间的头部运动,在两帧人脸图像的尺度有一定变化时仍可得到精确结果.多尺度视角表观模型可以减少大范围跟踪时的误差累积,该模型在线选取具有不同头部姿态的关键帧,并通过多次注册的方法来减少当前帧的误差累积.实验结果表明,该方法不仅跟踪结果准确（均方根（RMS）误差为4 °）,而且在人体前后运动约1 m和头部进出摄像机视角情况下均很鲁棒.     

基于双目视觉的运动目标检测系统

为了满足室内环境监控的需求,提出一套基于双目视觉的运动目标检测系统。该系统由数据采集与存储模块、运动目标检测模块、对应点匹配模块和测距模块共四部分组成。运动目标检测模块对采集到的双通道视频分别采用背景差分法进行目标提取,然后对双通道的每帧图像进行粗匹配,并采用尺度不变特征变换算法进行精匹配,找到双通道图像的匹配点对,完成运动目标的距离测量。经实验证明,新系统可以有效提取运动目标,并进行距离测量,尤其可以解决目标物被部分遮挡的距离测量问题。     

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。