基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于灰度级连通性的FLIR图像的目标检测方法

通过对灰度级连通性及其算法的分析,文中给出目标k级成分区域提取算法,并针对前视红外(FLIR)图像序列提出一种目标检测的新方法。这种方法分为帧内和帧间处理:帧内处理利用目标k级成分区域提取算法实现单帧目标检测,帧间处理利用目标时间连通性实现序列图像间的目标关联和目标检测。仿真结果表明:在噪声和杂波干扰下,所提出的方法对红外图像序列弱小目标检测是有效和稳健的。     

基于光流改进与YOLOv3的烟雾检测方法

火灾严重威胁着人们的生命和财产安全,而烟雾作为火灾前期的一个重要特征,应当作为火灾检测的首选目标.为了解决传统火灾检测在准确度和实时性上存在的不足,提出了一种基于传统光流改进与YOLOv3结合的烟雾检测模型.该模型针对烟雾的动态特征,通过改进光流算法对动态前景区域进行目标框定完成一次筛选;利用大样本数据集训练的YOLO...     

基于分形模型的指纹图像中心三角区域的检测

提出了基于离散分形布朗运动的指纹图像模型表示指纹图像数据,并给出了一种利用模型的分形参数构成判别器的方法来粗找中心、三角区域.实验结果表明该方法弥补了以往仅用单一维数不足以描述纹理图像的缺陷,同时弥补了传统方法在确定指纹中心、三角区域时对噪声敏感的不足.     

基于约束局部模型的人眼区域检测研究

为了提升人眼区域检测的精确性与稳定性,通过基于统计学习的逻辑回归法和卷积神经网络法2种不同的局部检测器,提出一种基于约束局部模型的人眼区域定位方法。首先,在原始图片中检测出人脸区域;然后,在人脸区域中定位出人眼关键点位置,将关键点的外界矩形作为人眼区域的检测结果。结果表明：基于约束局部模型的人眼区域检测方法不仅对不同肤色、光照及头部姿态的测试者都能精确检测出眼睛区域,基于卷积神经网络的局部检测器的检测结果也更加准确。基于约束局部模型的人眼区域检测方法具有较好的精确性与稳定性。     

用于视频交通检测监控系统的车牌自动识别算法研究

针对视频交通检测监控系统对车牌自动识别算法的要求,提出了基于Hough变换改进的几何失真矫正方法以及基于马尔可夫随机场模型和遗传算法的函数优化二值化算法.实验表明,采用这两项改进算法能够有效地提高车牌自动识别的正确率和识别速度,其功能和技术指标满足视频交通信息检测监控系统的要求.     

一种基于隐私保护的云端视频监控移动物体检测方法

随着云计算技术的快速发展,许多监控视频数据的存储和处理被外包到云端.然而,把原始数据直接发送到云端会威胁到我们的隐私安全.利用云计算技术在保证视频监控应用的同时隐私信息不被泄露,是目前亟待研究和解决的热点问题.针对这一问题,本文研究并实现了一种基于反色、置乱、矩阵乘的有效视频帧加密方法,使用者可以将加密后的视频保存在云端而不需要担心隐私泄露,同时在加密的视频中还可以有效地进行移动物体的快速检测.实验结果表明:该方法与在未加密的视频帧中进行移动物体检测具有相似的精度.     

An analysis method for correlation between catenary irregularities and pantograph-catenary contact force

Pantograph-catenary contact force provides the main basis for evaluation of current quality collection; however, the pantograph-catenary contact force is largely affected by the catenary irregularities. To analyze the correlated relationship between catenary irregularities and pantograph-catenary contact force, a method based on nonlinear auto-regressive with exogenous input （NARX） neural networks was developed. First, to collect the test data of catenary irregularities and contact force, the pantograph/catenary dynamics model was established and dynamic simulation was conducted using MATLAB/Simulink. Second, catenary irregularities were used as the input to NARX neural network and the contact force was determined as output of the NARX neural network, in which the neural network was trained by an improved training mechanism based on the regularization algorithm. The simulation results show that the testing error and correlation coefficient are 0.1100 and 0.8029, respectively, and the prediction accuracy is satisfactory. And the comparisons with other algorithms indicate the validity and superiority of the proposed approach.     

基于前景区域生成对抗网络的视频异常行为检测研究

为提高视频异常行为检测的准确率,本文提出了一种基于前景区域生成对抗网络的改进方法。通过提取实际视频帧的前景和背景掩码,确定生成对抗网络输出视频帧的待检测前景区域。针对待检测前景区域,应用前景区域峰值信噪比准则,计算异常行为检测得分,完成视频异常行为检测。实验结果表明,本文的检测方法在Avenue数据集、UCSD-Ped1数据集、UCSD-Ped2数据集上均能有效提高视频异常行为检测准确率,并能降低检测运行时间。     

视频监控中的人群逃离行为检测与定位

对视频监控系统中的人群异常逃离行为检测和定位的问题进行研究。提出一种不仅能检测出异常事件,而且能够识别异常的可能位置的新算法。人们通常本能地逃离异常或者危险发生的地点。基于这个理论,提出了一种新的检测发散中心的算法：发散中心暗示异常发生的可能位置。首先建立正常和异常的人群运动模型。通过光流场来计算出运动矢量的位置和方向,并获得矢量的交点。然后使用KNN最邻近搜索法获得交点集的密集区域即发散中心。最后,通过判断运动速度、能量和发散中心识别逃离行为。对多个视频数据进行实验测试,结果验证了所提方法是有效的。     

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.     

基于数字孪生的航班保障预警系统

传统机场场面滑行冲突检测主要依靠管制员目视判断冲突风险,随着航空运输量的增长,依靠人工判断方式的短板日益突出,急需一种降低人工依赖的冲突判定方法。目前大多数冲突模型存在模型与场面真实情况交互不及时等问题;因此本文提出一种基于数字孪生的机场场面滑行冲突预测模型,该模型通过物理系统与孪生系统数据交互从而及时对场面冲突进行预测。进一步,考虑孪生系统时延要求,基于4G、5G和AeroMACS(aeronautical mobile airport communications system)等机场场面主流的通信方式,进行了时延建模与分析。仿真结果表明,该模型能预测各冲突类型中航空器到达最小安全距离的时间,并在5G和AeroMACS组网条件下满足典型业务时延（0.5~20 ms）,可为机场场面系统的网联化与智能化发展提供技术参考。

     

视频监控的数据驱动背景模型

针对现有背景模型假设引起的失效问题,根据数据驱动思想,建立了一种基于数据驱动的背景模型表示方法。该方法通过全格式动态线性化的无模型自适应控制方法,引入系统的伪梯度向量,结合多步历史数据,建立背景表达和选择性更新策略,获取视频背景。实验过程通过不同场景视频序列和经典背景模型方法进行对比,实验结果表明:本文算法具有背景更新效果较好、计算量适中、鲁棒性强等优点,且克服了机理模型中对模型假设的依赖及模型失效等问题。因此,本文基于数据驱动的背景模型算法可为在线视频检测系统的背景抽取提供有力的技术支持和参考。     

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.     

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。     

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.     

基于DBAN的监控视频数据挖掘

视频挖掘主要涉及三个层次的工作:视频数据预处理,视频特征数据提取及视频模式发现与表示.针对监控视频数据,以人体姿势识别和行为理解为挖掘任务开展视频数据挖掘研究.提出了一个带有二维身体部位表示法的动态贝叶斯动作网(DBAN)基本框架来提高人体姿势定位的准确性及行为识别的精度,并通过实验证明了该方法的有效性.