动态复杂背景下的智能视频监控系统设计与实现

采用二重对称帧间差分目标检测算法和基于压缩感知的目标跟踪算法,设计并实现了一种可适应动态复杂背景下的智能视频监控系统;基于目标检测该系统能提取本地视频文件中局部运动目标并进行视频压缩,减少回放、查看视频时间,可实时播放并处理本地或网络摄像头数据,也可根据光照变化动态调整二值化阀值,实现实时区域入侵检测与报警;基于目标跟踪本系统能在动态背景下对选定目标进行跟踪,可通过客户端手动控制监控云台跟踪,也可对入侵目标实现云台自主大角度追踪;实验表明,此系统能在日常复杂环境下对运动目标准确检测和大角度跟踪,在智能家居和移动安防领域有很好的实用性。     

基于视频分析的智能监控系统

智能监控是当前计算机视觉研究的热点领域之一。针对室内监控的具体特点,实现了一种基于视频分析的智能检测跟踪监控系统。利用基于统计模型的目标检测算法提取运动目标;然后结合Meanshift算法对目标进行粗跟踪;最后针对Meanshift算法无法实时改变跟踪窗大小的缺陷,提出边界力调整算法以自适应更新跟踪窗窗宽。并以DM642数字图像处理DSP为核心,设计并搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪室内运动目标。     

智能监控系统跟踪技术研究

根据小区环境的复杂背景、光照变化以及经济成本等因素,开发了智能报警监控系统,自动控制云台转动,能保证目标在可监视范围之内.针对背景混淆下的跟踪难点,为准确预测目标位置,提出基于谱直方图的特征提取算法进行目标检测,并引入Kalman滤波器预测目标位置的跟踪算法.谱直方图将图像转移到频域进行统计,减少了颜色以及噪声等因素的干扰.仿真实验证明,系统可以保证视频监控的实时性以及自动跟踪的准确性,并且有效地节约了系统开发的经济成本.     

海防视频监控系统中运动目标跟踪的设计与实现

针对海防视频监控系统中运动目标跟踪的问题,本文提出了利用上位机软件进行目标跟踪的设计与实现方案。文章首先介绍了海防视频监控系统的总体组成及工作流程;然后阐述了相关跟踪算法与金字塔分层搜索算法的实现,以及利用序贯相似检测算法与金字塔算法相结合的目标检测方法;最后描述了用目标偏移量对云台进行控制实现自动跟踪
踪的过程。通过在实际海防视频监控系统中的应用,对运动目标跟踪实现方案的有效性、实时性等特性进行了验证。     

基于视频分析和多传感器融合的移动式监控系统

安防场景下,大多数传感器系统（视频、红外、烟雾传感）只能实现单一数据采集、简单处理.提出的移动式智能监控系统以小车为载体,通过对采集视频进行智能分析处理（包括基于背景差分的入侵检测算法和改进的TLD目标跟踪算法）,并辅助多传感器模块进行多信息融合协同监控,可以实现入侵检测、移动跟踪监测等功能.实验表明该系统能提供多种终端形式与用户进行友好交互,实现真正的智能安防.     

基于DM6437的智能视频监控系统设计与实现

针对阵地视频监控系统智能化程度低的问题,提出一种基于DM6437的智能视频监控系统解决方案。在图像处理算法方面,将Vi Be算法中采用第一帧图像建模和基于随机策略进行模型更新的思想用于改进传统码本算法的训练和更新阶段,提出一种基于随机码本的运动目标检测算法以提高检测效果。提出在Mean Shift跟踪过程中采用Kalman滤波器预测目标位置,用于提高目标快速运动和遮挡等复杂情况下的跟踪效果。在系统实现方面,基于DM6437芯片设计了集图像采集与显示、检测与跟踪、JPEG压缩、网络传输等多种功能于一体的智能视频监控系统。模拟阵地环境下的实验结果表明,该系统能够准确地自动检测和跟踪目标,并且帧率可达6、7帧左右。     

最少帧差法在智能跟踪系统中的应用

动态目标的智能跟踪系统主要用来实现对动态目标的自动跟踪系统,其硬件系统包括带有镜头的摄像机及其装载驱动器的云台、控制台、自动跟踪伺服系统及联路等.基于该系统,提出了一种使用最少的视频帧数就能实现对运动目标进行实时可靠的检测和智能跟踪,满足特定的监控要求的最少帧差法.并通过了实验验证了其有效性.     

基于全景视觉的监控系统设计

设计了一个基于全景视觉的多摄像机监控网络。全景相机视野广,可以实现大范围的目标检测与跟踪。云台摄像机视角具有一定的自由度,可以捕捉目标的高分辨率图像。将全景相机与云台相机相互配合,通过多传感器的数据融合,分层次的跟踪算法及多相机调度算法,实现了大范围的多个运动目标的检测与跟踪,并能捕获目标的清晰图像。实验验证了该系统的有效性和合理性。     

码本检测智能视频监控系统的设计与开发

针对视频检测算法在复杂场景下的检测识别率不高的缺陷,在基于码本的监控视频运动目标检测算法的基础上,利用检测算法对运动目标进行提取以分析出视频图像中的变化,以此判定监控目标的变化,从而构建一种实际的智能视频监控系统。     

基于高速公路场景的车辆目标跟踪

车辆目标检测与跟踪是高速公路视频监控系统实时监控获取交通参数的关键步骤.本文提出了一种面向高速公路场景的目标轨迹时序信息结合核相关滤波KCF算法的车辆目标跟踪方法,实现了车辆目标的高精度持续跟踪.该方法首先采用基于深度学习的单目标检测SSD算法,通过建立车辆数据集,实现了适用于高速公路场景的车辆目标的分类与检测.然后,基于目标轨迹时序信息实现目标车辆与轨迹的匹配,并且采用KCF跟踪算法对丢失目标进行预测重定位,从而实现车辆目标轨迹的持续跟踪.实验表明,该跟踪方法精度高,且适应多种不同场景,具有较高的应用价值.