双摄像机协同人脸鹰眼检测与定位方法

现代视频监控系统需要获取大范围场景中感兴趣目标的清晰图像,这在目标距离较远并且不断移动时单纯采用摄像机调焦方式通常有一定的困难。为了获取宽范围监控场景中远距离行人的主要面部特征,采用广角静止—窄视场运动双摄像机协同工作方式可以同时获得远距离目标的全局和细节信息。首先采用改进的Codebook背景减法从广角摄像机中检测运动目标,然后指引运动摄像机近距离跟踪观察;若行人停止运动,则利用运动摄像机对其进行放大,然后从中检测人脸,并将人脸置于视野中心放大得到清晰图像。当行人再次运动时,广角相机将初始位置再次传递给运动摄像机,由其再对行人进行跟踪。通过实验室内和室外真实场景的实验表明,广角相机的检测算法具有一定的鲁棒性,运动相机能跟踪放大行人人脸图像,算法运行速度满足实时性要求。     

isMHI结合CAMSHIFT的多目标跟踪

为实现对视频监控场景中多目标的实时跟踪,提出一种基于isMHI与CamShift 的持续跟踪方法。当进入到视频场景中的目标处于运动状态时,该方法基于isMHI对其进行跟踪。当场景中的某些目标转为静止状态时,则基于CamShift 对其进行监视锁定,并确定了两种跟踪状态的承接算法。实验数据表明,该方法通过优点互补克服了基于MHI方法以及基于CamShift 方法各自的缺陷,能够在保持较小错误率基础上实现对视频场景中多个目标的动态或静态状态下的持续、稳定、实时的跟踪,可用于安全保卫应用或交通应用中感兴趣目标的跟踪监控。     

基于非重叠多摄像头的实时监控系统

针对室内外环境的动态特点,描述了一个可扩展的多摄像头实时监控系统,提出了新的基于非重叠多摄像头的运动目标跟踪方法.该方法利用亮度信息在单摄像头内检测和跟踪目标,结合运动目标的亮度特征和路径特征,在多摄像头内估计运动目标外形变化,并建立运动目标路径模型,使用融合算法实现基于非重叠多摄像头的目标跟踪.与其他监控系统相比,该系统不要求摄像头校准,在有亮度变化的非重叠多摄像头场景中能立即准确跟踪目标.实验证明,提出的方法有好的跟踪效果.     

一种基于监控视频的有效的行人自动跟踪方法

行人跟踪是智能视频监控领域一个重要的研究内容,受到广泛关注。在实际应用中,对视频中行人跟踪处理的实时性和准确性都有很高要求,因此,如何在场景复杂多变的视频图像中完成对多行人自动、快速而准确的跟踪,是行人跟踪方法的研究热点。提出了一种有效的行人自动跟踪方法,该方法通过Ada Boost+Haar的检测框架以及SURF特征点匹配,改进原始的在线Boosting跟踪算法,解决了跟踪过程中由于目标尺度变化造成的跟踪误差问题并实现了对视频图像中多行人自动检测跟踪。使用校园内实际监控视频进行实验,实验结果证明该方法有较好的跟踪效果。     

多通道视频目标自动跟踪系统设计

目前,视频监控系统一般都会用到多个摄像机,即监控系统有多个通道的视频内容,这带来一个很现实的需求,就是在多通道视频中对感兴趣的目标进行自动跟踪。为此,基于最近兴起的tracking-learning-detection(TLD)视频目标跟踪算法设计了一个多通道视频目标跟踪系统。针对一个实际的监控场景,布置了设计的目标跟踪系统,并进行了验证实验。实验结果显示该系统能够对多个视频通道中的感兴趣目标进行准确有效跟踪,达到预期效果。     

多摄像机目标跟踪系统设计

针对目前大多数基于视频的目标检测、跟踪系统中,仅对单摄像机视频进行目标分析时存在视野有限、无法处理目标遮挡等问题,搭建了一个基于多摄像机的目标检测与跟踪系统,并给出了系统的总体设计方案;详细阐述了多摄像机系统主要模块如视频采集、目标检测与跟踪、多机通讯、数据管理和实时用户交互等的设计思路,针对多摄像机之间的目标交接、云台控制、多机实时通讯、数据编码等关键技术进行了深入分析研究,提出了相应的解决方法,实现了多摄像机之间的目标交接、连续检测与跟踪等功能。     

实时人数计数系统

描述一个实时在线人数计数系统,该系统采用检测加跟踪的方法来实现人数计数功能。在检测阶段,采用MBLBP（multi-scale block LBP）特征,从运动区域上检测出行人。该特征速度快,并且在归一化下,能够适应多尺度的应用;在跟踪阶段,通过一个概率模型,将对行人的跟踪转化为对特征点的跟踪,并且在将检测目标和跟踪目标进行一一对应时,进一步利用各个目标内的特征点来完成相应的操作。最后用实际中不同场景下的视频,对系统的性能进行测试,同时还在一段公开的视频上进行了测试,实验结果表明,该系统能够在不同场景下较准确地实现人数计数功能。     

雷达引导的视频联动监控模型及算法

针对视频安防监控系统中出现的监视区域有限、目标定位困难等问题,利用雷达监测范围广、不受光学条件影响的特性,建立了雷达引导的视频联动监控模型,并在此基础上提出了目标定位算法和多目标选择算法。首先,根据雷达检测到的目标信息,自动计算出运动目标在系统联动模型中对应的摄像机方位角和俯仰角,从而引导摄像机准确锁定目标并实时监控追踪。然后,当监控场景中出现多个目标时,采用多目标选择算法,将目标的离散程度、径向速度及其与摄像机之间的距离进行数据加权融合,选择出优先级别最高的目标进行重点监控。实验结果表明,所提目标定位算法对于行人与车辆的定位准确率分别达到0.94和0.84,能够实现目标的准确定位,多目标选择算法可在复杂环境中有效选择出最佳监控目标,具有良好的鲁棒性和实时性。     

基于粒子滤波的行人跟踪研究及其性能分析

智能监控系统中的行人跟踪功能在很大程度上能够减轻工作人员的大量眼力工作,通过智能的方式自主地跟踪用户感兴趣的目标.在视频监控环境的基础上,利用改进的粒子滤波器,设计了一个行人跟踪系统,并使其具有系统性能分析的功能.通过使用Mean Shift算法进行目标位置的预估计和多特征融合的方式使该系统在视频背景复杂的情况下能够实现对行人的稳定跟踪.并在实际应用中,分析了在遮挡情况下,行人跟踪效果差的原因,并予以改进.在Visual C++集成开发环境中,基于OpenCV和MATLAB编程实现了系统,能够实时地对目标进行跟踪,并对跟踪结果进行反馈.     

一种重叠视域多摄像头协同运动目标跟踪方法

针对重叠视域范围内多摄像头目标跟踪匹配问题,提出一种基于视野分界线的运动目标检测跟踪方法,通过Sift算法与Harris算法相融合对存在重叠视域范围的图像自动获取特征匹配点,利用所获特征匹配点对生成视野分界线,当目标通过分界线时,依据颜色信息的投影不变量方法,通过目标中心位置与视野分界线之间的距离来判断运动目标,进而实现运动目标的交接,完成后续动态目标的追踪.通过设置相同的视频帧数和实验场景与已有文献进行对比实验,所提算法对运动目标跟踪准确率分别为76％、87％、88％,均高于文献算法跟踪精度.实验结果表明所提出的算法能够实现多摄像头间的目标连续跟踪既能解决对同一运动目标的实时跟踪,又可以解决多视角协同重叠视域范围内的运动目标跟踪距离较近而导致运动目标丢失的问题,通有效提高目标跟踪的准确性,为多视角运动目标跟踪提供了一种新的解决方法.