Bidirectional Background Modeling for Video Surveillance

Traditional background model methods often require complicated computations, and are sensitive to illumination and shadow. In this paper, we propose a block-based background modeling method, and use our proposed method to combine color and texture characteristics. Suppression and relaxation are the two key strategies to resist illumination changes and shadow disturbance. The proposed method is quite efficient and is capable of resisting illumination changes. Experimental results show that our method is suitable for real-word scenes and real-time applications.     

基于AR模型的Rao检测算法

将相关噪声看作为AR模型，在未知信号复幅度而已知目标多普勒频移情况下，利用Rao检验方法实现了雷达目标检测。该算法只在编假设条件下对未知参数进行最大似然估计，并通过计算机仿真了该检测算法的检测性能。仿真结果表明该检测算法的检测性能与GLRT算法性能相当，而结构则更为简单，同时文中也给出了该检测算法的渐近性能。     

红外弱小目标多组独立检测方法

针对红外序列图像中运动弱小点目标的检测问题,提出了一种多组独立检测方法。首先,利用神经网络优化的形态学算子进行背景抑制,基于自适应门限实现单帧目标检测。在多帧检测中,先将可能的航迹观测序列进行分组累加,然后进行似然比检验。由于多组独立检测考虑了信噪比过低或者强噪声干扰的影响,一定程度上加速了航迹的确认和删除,提高了多帧检测的性能。基于此提出了多组独立检测方法,并对算法性能进行了详细分析。实测数据结果证明:在相同虚警概率情况下,多组独立检测法的检测性能优于截断序贯处理算法的检测性能。     

一种改进的视频切变检测方法

在分析视频切变类型、常用切变检测算法及问题的基础上,提出了一种改进的累积平均差值视频渐变检测算法,降低了阈值选取难度,取得了较好的实验效果。     

基于非下采样Shearlet和FCM变化检测的入侵植物遥感监测

尝试利用变化检测技术从遥感卫星影像上提取入侵植物蔓延的变化区域,实现对入侵植物的遥感监测。以预处理后的福建罗源湾2000年和2006年的LandsatTM／ETM＋分布影像为数据源。首先采用ENVI软件对预处理过的入侵植物互花米草分布的遥感图像进行配准;然后对配准后的两时相遥感图像采用基于非下采样Shearlet变换和模糊C均值聚类（FCM）的算法进行变化检测,实现入侵植物蔓延区域的位置和边界的检测。实验结果表明：该算法可以自动识别入侵植物生长扩散的的面积和边界,能准确地对入侵植物进行遥感监测。     

一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

行人闯红灯事件视频检测算法与实现

在回顾了现有的基于视频的行人检测研究成果之后,提出了一种基于历史信息和目标快速特征提取的行人闯红灯事件检测算法,并实际应用于位于上海内首个行人闯红灯报警系统中：首先对实时采集到的每时间单位的视频图像序列进行逐帧差分以过滤背景信息;接着对差分后的图像序列添加历史信息;进而对此图像中兴趣区域,采用线扫描的方法来对运动目标方向、轮廓、轨迹等特征进行快速提取、分析与识别,实现实时的人车分离辨识、行人位置确认和运动趋势预测.     

视频序列中目标的检测与跟踪

视频序列中,为降低背景变化对目标的检测与跟踪产生的影响,提出了一种新目标检测与跟踪算法.首先,以像素为基础建立时间序列背景模型,提高了目标检测的精度.然后,采用KD-tree算法进行目标跟踪,获得了运动目标的完整路径.实验结果表明,该方法在视频序列目标的检测与分析中,适应环境变化的能力强,达到实时处理的效果.     

基于低秩背景约束与多线索传播的图像显著性检测

针对当前基于流形排序的显著性检测算法缺乏子空间信息的挖掘和节点间传播不准确的问题,该文提出一种基于低秩背景约束与多线索传播的图像显著性检测算法.融合颜色、位置和边界连通度等初级视觉先验形成背景高级先验,约束图像特征矩阵的分解,强化低秩矩阵与稀疏矩阵的差异,充分描述子空间结构信息,从而有效地将前景与背景分离;引入稀疏感知和局部平滑等线索改进传播矩阵的构建,增强颜色特征出现概率低的节点的传播能力,加强局部区域内节点的关联性,准确凸显节点的属性,得到紧密且连续的显著区域.在3个基准数据集上的实验结果与图像检索领域的应用证明了该文算法的有效性和鲁棒性.     

基于统计的灰度视频自适应背景建模算法

针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。     

Using labeled data to evaluate change detectors in a multivariate streaming environment

We consider the problem of detecting changes in a multivariate data stream. A change detector is defined by a detection algorithm and an alarm threshold. A detection algorithm maps the stream of input vectors into a univariate detection stream. The detector signals a change when the detection stream exceeds the chosen alarm threshold. We consider two aspects of the problem: (1) setting the alarm threshold and (2) measuring/comparing the performance of detection algorithms. We assume we are given a segment of the stream where changes of interest are marked. We present evidence that, without such marked training data, it might not be possible to accurately estimate the false alarm rate for a given alarm threshold. Commonly used approaches assume the data stream consists of independent observations, an implausible assumption given the time series nature of the data. Lack of independence can lead to estimates that are badly biased. Marked training data can also be used for realistic comparison of detection algorithms. We define a version of the receiver operating characteristic curve adapted to the change detection problem and propose a block bootstrap for comparing such curves. We illustrate the proposed methodology using multivariate data derived from an image stream.     

直接探测激光雷达系统的建模与仿真

从直接探测激光雷达系统的建模、激光雷达仿真系统的研究、计算机仿真实验等方面介绍了进行激光雷达系统仿真设计的理论和实践。从虚警概率、探测概率、信噪比和阈值噪声比决定最大探测距离的这一角度阐述建立直接探测激光雷达模型;假设在直接检测方式下,探测器噪声可以用高斯概率密度函数表示;考虑了大气分子和气溶胶的吸收和散射作用;仿真系统参数输入中尽可能考虑了实际系统的各种参数要求。仿真实验表明仿真软件能够客观地反映直接探测激光雷达在不同条件下应该探测的结果。     

基于熵图像和隶属度图的高斯混合背景模型

经典的高斯混合背景模型中,高斯分量的个数是固定的,近邻像素间的相关性也没有被考虑。作为对这种模型的改进,该文利用熵图像来度量背景像素亮度分布的复杂程度,进而给出了根据熵图像为各像素选择高斯函数个数的方法,在保证检测精度的前提下节约计算资源;并利用隶属度来表示像素属于背景的可能性,通过融合各像素邻域的局部信息来对其进行有效的分类,使得分类决策的结果更可靠,而计算量却增加不多。多种真实场景下的实验证明了这种算法在计算速度和精度上的良好性能。     

基于双支路的人群视频异常检测算法研究

该文对人群异常检测任务进行了研究,针对人群场景视频背景较冗余,易受光线与噪声影响以及实际部署等问题,提出了人群异常多尺度特征记忆网络(CaMsm-net)。为了从多角度判别异常的发生,并将各类信息更好地融合,该网络采用了一种双支路共享单元结构,将原始帧与经背景建模后的帧同时输入网络结构中,分别对两条支路进行预测,采用预测误差进行异常的判定,并且从实际应用角度出发,框架结合了深度可分离卷积、数据扩增等方法,保障了检测的准确性与部署的可行性。在公开的美国明尼苏达大学(UMN)人群数据集与实际监控下的火车站出站口数据集中的实验表明,曲线下面积(AUC)指标分别达到了99.2%与84.1%,平均检测准确率分别为95.9%与81.7%,证明了所提算法能够较好地检测到各类人群异常现象的发生,并具有更广的适用性。     

基于压缩域的场景变换检测

简单介绍了视频压缩标准，从视频编码数据的特征分类出发，总结了基于压缩域的场景变换检测技术，深入浅出地介绍了一些最新的技术，并分析了应用各类特征的优缺点，最后指出了基于压缩域的场景变换检测技术的发展的方向和要解决的问题。     

基于控制论的网络行为建模研究

首先介绍了控制论的概念及当前主要的行为建模方法,然后重点对网络系统的行为分类进行了研究,讨论了网络行为的相关概念及网络行为的描述方法。详细分析了各种网络行为,总结得出了网络行为的框架描述。最后,以入侵检测系统为例,研究网络入侵检测行为过程,用控制论的相关理论对网络中入侵检测的行为进行建模,并对该模型进行了简单的仿真分析和效果评估。     

利用背景高斯核密度估计的运动目标检测方法

运动目标检测是当前计算机视觉、图像理解、信号处理领域的研究热点之一,在研究了现有大量算法的基础上,通过比较各种算法之间的有效性,并结合工程实际,提出了一种利用图像灰度信息进行背景高斯核密度估计的运动目标检测方法.由于该方法保留了背景的多个模态,通过引入面积阈值来消除大的噪声和判断背景是否发生了突变,当出现大的噪声未被消除或者背景发生突变的情况时,能够重新更新背景样本集,适应背景突变.实验结果表明:该方法不仅可以很好地处理背景中存在周期运动干扰的情况,并且可以适应背景突变,较好地去除了虚警、误警,有效地降低了摄像机抖动、树叶摇动、下雨天气等背景复杂情况下的误检率,准确地检测到了运动目标.