基于边缘计算的多摄像头视频协同分析方法

为了减少智慧城市场景下多摄像头实时视频数据的处理量，提出了基于机器学习算法的边缘端视频协同分析方法。首先，针对各摄像头检测到的重要目标物体，设计了不同的关键窗口来筛选视频的感兴趣区域，缩减视频数据量并提取其特征。然后，根据提取的数据特征，对不同摄像头视频中的相同目标物体进行标注，并设计了摄像头之间关联程度值的计算策略，用于进一步缩减视频数据量。最后，提出了基于图卷积网络和重识别技术的GC-ReID算法，旨在实现多摄像头视频协同分析。实验结果表明，与现有的视频分析方法相比，所提方法能够有效降低系统时延和提高视频压缩率，并保证较高的准确率。     

基于主动轮廓模型提取运动目标的图像分割技术

复杂背景下的运动目标分割技术是近年来多媒体通信技术的研究热点之一。文中提出一种基于SNAKE模型的运动目标分割技术。首先，利用运动检测的方法，从视频图像中粗略提取出运动目标；然后再利用SNAKE模型收敛到更为精确的物体边缘。模拟实验的结果表明，该方法对运动目标的提取有较好的分割效果。     

基于多特征融合的运动对象识别算法

为提高视频检索的准确率,提出了一种基于多特征融合的视频运动对象识别算法。该算法首先使用基于背景帧构造及关键帧截取的方法提取视频中的运动对象的区域;然后分别提取运动对象的局部特征SURF描述子和全局特征如颜色直方图、边缘直方图等,并使两者融合为统一的特征向量;最后使用支持向量机对特征进行学习和识别,用以识别视频对象。实验证明该算法有效地提高了视频中运动对象识别的准确率。     

一种新的多面体线条结构提取方法＊

线条结构是简单多面体最基本的结构。在立体视觉中,从简单多面体的透视图象中提取线条结构对于以后的对应点匹配、识别和理解是非常关键的一步。本文提出了一种新的以多面体边缘结构信息为基础提取多面体线条结构的方法。本文利用两步边缘跟踪以及边缘重整等方法进行多面体特征顶点和连接关系的求解,建立了多面体两维特征描述,从而即使在物体图象尺寸较小的情况下也能得到令人满意的结果。     

一种图像分割的快速目标描述方法

提出了一种二值图像分割的快速目标描述算法.该方法以像素标记法为基础,利用相邻扫描行中二值像素点的邻接关系,在一次扫描的过程中完成目标标记的提取以及等价目标标记的合并,最终完成目标的标记和特征量的提取工作,具有速度快,方法简单,处理复杂图案能力强的特点.     

基于边缘多通道梯度模型的多运动目标检测

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。     

基于关键点梯度特征描述的人体行为识别算法

提出一种新的人体行为识别方案并进行了算法实现。通过对视频序列在空间上高斯滤波,在时间轴向上Gabor滤波,提取出视频序列的关键点,对每个关键点邻域20×20的区域使用梯度位置朝向直方图进行描述,描述的序列可以表征视频序列的特征。与其他人体行为识别算法比较,不需要标记特定的特征区域和比较耗时的聚类算法,构建单个支持向量分类器即可达到好的识别率,算法简单有效。     

基于目标规格化与Zernike矩相结合的目标识别算法研究

平面形状的识别是计算机视觉研究的一个重要领域，它也是许多二维或三维视觉处理任务的基本步骤。文章提出了一种基于图像规格化与Zernike矩相结合的目标识别方法。该方法通过把图像进行紧凑化，再结合紧凑化后图像边缘轮廊Zernike矩的计算，使得由于人眼或摄像机的观察视角的不同而引起的物体的各种形变，校正到一个紧凑图像，再通过各高阶Zernike矩的不同特征，进行不同模式的目标识别，实验表明该方法原理简单明了，计算量小，对于特征相关较明显的目标，具有很好的识别效果。     

基于颜色和边缘直方图的多目标跟踪

为了解决基于颜色直方图的多目标跟踪方法对复杂场景适应能力差,容易丢失目标的问题,文中提出一种将颜色直方图与边缘方向直方图相结合的多目标跟踪方法。该方法首先采用一种分块连通域标记方法进行多目标提取,并获得目标的颜色、边缘特征;然后融合目标颜色与边缘两种特征来描述目标的外观模型;最后对跟踪过程中的目标模板进行更新。实验结果表明,该方法对于目标在尺度、光照、姿态发生变化以及目标发生旋转情况下能够实现目标的稳定跟踪,具有很强的鲁棒性。实验中对3组挑战性的视频序列进行了测试,目标数目选定为2个,目标窗口大小为64 pixels× 64 pixels的情况下,本文方法跟踪速度最高可达20 fps,基本上可以满足实时性的跟踪需求。     

视频动目标标识文本检测与识别技术

描述了一种新的视频动目标标识检测与识别技术，讨论了从视频中自动捕获用于识别动目标的最佳帧、动目标标识的自动搜索、标识字符的单字切分和字符图像的BP神经网络识别。实验显示，该技术运用于车牌自动识别系统能适应不同的天气和光照，有很好的鲁棒性。     

边缘环境下的视频行为识别

边缘智能是一种新兴的智能计算模式,其将人工智能技术和边缘嵌入式设备结合,被广泛应用于物联网系统。智能摄像机是典型的边缘设备之一,它能提供低延迟的视频处理能力,适用于智能家居、智能交通、智能监控等领域。然而,由于摄像机的计算资源有限,传统的行为识别模型难以在本地完成计算任务。为解决这一问题,文中提出了一种基于边缘计算的架构,利用深度学习目标检测算法YOLO v3对视频行为进行识别。在该架构中,智能移动终端负责数据采集和压缩,边缘服务器承担大部分目标检测任务,而检测困难的目标和模型训练则由云服务器负责。为更好地适应边缘设备,本文采用轻量化的神经网络MobileNet替换YOLO v3模型的特征提取模块。经过测试,该架构能有效提取和识别视频中的静态和动态行为,为实现边缘计算环境下低成本、大规模的行为识别提供了有益的参考。     

基于MATLAB的红外图像中坦克特征量的提取方法

为对红外图像中坦克的特征进行定量分析,探讨了使用MATLAB软件对红外图像中坦克的特征量进行提取的方法,总结出一组能识别红外图像中坦克的特征量.通过对仿真的坦克红外图像进行计算和处理的结果表明:该方法提取的特征量可以全面描述红外图像中坦克特征,能够为目标识别技术发展提供研究基础.     

机载视频影像运动目标检测与跟踪技术

<正>针对运动物体的检测和追踪，目前已有多种技术手段，但大多是针对静态场景下的运动物体进行探测和追踪。这是由于在静态环境中运动目标较易于探测和追踪；而在移动环境中，物体的识别和追踪是比较困难的，尤其是在无人机上，由于其图像的纹理特性和快速的变化，使得运动对象的识别和追踪成为一个很大的难题。目标检测与追踪技术分为三大类：图像预处理、目标检测和运动追踪。本文对无人机机载视频影像运动目标检测与跟踪技术进行了分析和探讨。1机载视频影像概述视频影像又叫动象，是对静止象的一种扩充，相对于静止象，动象的最大特征是其灰度的改变，从而能反应出运动讯号。     

基于OpenCV图像对准技术在倒车定位系统中的应用

在介绍Intel公司的开源OpenCV计算机视觉库的基础上,研究一种基于视频图像对准技术。通过对准标记的选取、图像预处理、标记定位技术,有效提取对准标记特征,通过误差模型,完成车辆倒车过程中与目标精确对准。实验结果证明了该方法的有效性、优越性、可行性。     

基于OpenCV图像对准技术在倒车定位系统中的应用

在介绍Intel公司的开源OpenCV计算机视觉库的基础上,研究一种基于视频图像对准技术。通过对准标记的选取、图像预处理、标记定位技术,有效提取对准标记特征,通过误差模型,完成车辆倒车过程中与目标精确对准。实验结果证明了该方法的有效性、优越性、可行性。     

基于多尺度形态学的弱目标图像处理方法

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法，针对弱目标和背景噪声的结构差异，选择合适的结构元素和合理的形态算子达到较好的滤波效果。形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器。由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用，结构元素的形态决定了这种动算所提取的信号的形态信息，因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性，使数学形态学在描述信号形态特征上具有独特的优势。通过改变结构基元的尺度，对图像进行多尺度分析，能准确提取图像在不同尺度下形状的分层特征和有用信息。     

基于稀疏编码和矩阵分解的视频去雪算法

视频中的雪花会降低视频图像的质量，影响计算机对视频中目标自动检测、跟踪和识别等操作。视频中雪花去除是一项具有挑战性的任务，现存的算法除雪方法效果不佳。根据不同的空间特征，将一个视频中的雪花分为近景雪花和远景雪花。首先，利用低秩矩阵分解提取视频的背景信息。然后，采用多尺度卷积稀疏编码对远景雪花进行检测。利用马尔可夫随机场对运动物体进行建模，之后使用连通域阈值去除被判断为运动物体的雪花。实验结果表明，提出的算法有效地去除了视频中的近景雪花和远景雪花，同时保留了相关的背景和运动物体的信息。     

基于图像检测的机场人员异常行为分析技术研究

针对机场环境安保问题,研究了一种基于图像检测的异常行为智能分析技术。用YOLO v3模型对视频帧进行人员目标识别,并利用卷积姿态机(Convolutional Pose Machines,CPM)对目标范围进行骨骼关键点提取;采用Multitracker多目标跟踪方法对视频进行多目标跟踪。通过训练模型,对异常行为进行在线识别。经测试验证,该技术具备良好的识别效果,能快速识别出持枪、持械攻击、投掷、攀爬、快速接近五种异常行为,可广泛应用于机场内外场景。     

基于小波变换方法的红外动目标检测

红外目标的成像跟踪是一种新的制导技术，它是以人工智能、图像识别、计算机技术和高分辨率传感技术为基础的。图像识别，或称为目标识别的关键是目前边缘的准确提取即目标检测。本文介绍一种基于小波变换方法的目标检测。小波分析技术近几年来取得了突破性进展，它可以把信号分解成基本的建筑块，对不同频率成分的时域取样步长可调，是一种多尺度描述信号的方法，在空域和频域都便于定位，因此小波变换可以表征信号的局部奇异性。     

融合多尺度信息和MRF的序列图像运动目标分割

提出融合小波域多尺度信息和MRF模型的序列图像运动目标分割算法。对视频每帧图像进行小波多分辨率分析,融合每一尺度的特征信息,在此基础上构建每一尺度MRF模型的特征场和标记场;标记场采用Potts模型建模,同一尺度观测特征场采用混合高斯模型建模,同标记的特征场采用高斯模型进行建模,相邻尺度间标记场用一阶Markov转移概率描述;最后,利用迭代条件模式(ICM)实现MRF模型中后验分布函数最优,完成运动目标分割。实验结果表明,该算法能较好的提取运动目标信息,在固定场景的视频监控中具有一定的适用价值。