基于LHMM的聚众异常事件实时检测改进方法

提出了一种改进的分层隐马尔科夫模型(LHMM)结合熵值的聚众异常事件实时检测方法。使用直方图均衡化对视频帧做预处理,增加图像质量;以分块区域中的人数和总速度作为观察值分两层训练出聚众事件的LHMM。当观察值序列与模型的相似度大于设定阈值时,利用光流法计算该帧熵值,当熵值大于设定阈值时,则认为聚众事件发生;否则,为非聚众事件,继续下一帧的处理。大量实验结果表明:改进的方法具有较高的识别率、较好的鲁棒性和高的处理速度,并且应用环境更广。     

LHMM熵的聚众事件实时检测

提出一种结合分层隐马尔科夫模型(LHMM)与熵值的聚众事件实时检测方法。使用长宽比消除前景中其他物体的影响,以区域中的人数和总速度为观察值,分2层训练出聚众事件的LHMM。当观察值序列与模型的相似度大于设定阈值时,利用光流法计算该帧熵值,若熵值大于设定阈值,则表示发生聚众事件;否则,为非聚众事件,继续下一帧的处理。实验结果表明,该方法具有较高的识别率和较好的鲁棒性。     

基于事件相机的连续光流估计

事件相机对场景的亮度变化进行成像, 输出异步事件流, 具有极低的延时, 受运动模糊问题影响较少. 因此, 可以利用事件相机解决高速运动场景下的光流(Optical flow, OF)估计问题. 基于亮度恒定假设和事件产生模型, 利用事件相机输出事件流的低延时性质, 融合存在运动模糊的亮度图像帧, 提出基于事件相机的连续光流估计算法, 提升了高速运动场景下的光流估计精度. 实验结果表明, 相比于现有的基于事件相机的光流估计算法, 该算法在平均端点误差、平均角度误差和均方误差3个指标上, 分别提升11%、45% 和8%. 在高速运动场景下, 该算法能够准确重建出高速运动目标的连续光流, 保证了存在运动模糊情况时, 光流估计的精度.     

基于改进光流特征的运动目标跟踪

在城市智能视频监控中需要对运动目标进行实时跟踪,针对传统的运动目标检测中出现的跟踪目标易丢失、跟踪率低、实时性差等问题,提出一种基于改进光流特征的运动目标跟踪检测方法,对运动行人目标进行跟踪.该方法首先采用改进的Vibe运动背景建模法对视频中存在的运动行人进行检测,再将Shi-Tomasi角点检测与LK光流法进行结合,...     

基于光流法的不良视频检测算法

提出了一种适用于流媒体中的不良视频检测算法,提出了4点约束光流算法,利用局部光流信息提取     

基于LK光流跟踪法的有效目标点增强跟踪

为了提高基于几何形态的物体跟踪方法的准确率,详细分析了基于几何形态的物体跟踪方法下目标点的正确性,并根据分析的结果 ,在对目标物体采样时选取更容易被跟踪到的目标点,对于跟踪的结果 ,排除由于背景影响产生的无效目标点,从增强有效点和排除无效点这两方面入手,提出了基于LK光流法的有效点增强跟踪算法。实验证明,提出的算法能够更加有效地跟踪物体,尤其是当目标快速运动或者发生形变时,能够有效地减少跟踪目标的中心错误率。     

基于金字塔LK光流法的电梯内异常行为检测

电梯运行环境相对密闭,是打架等异常行为的多发场所。针对电梯轿厢内发生的打架等以方向混乱、动作速度快作为主要特征的异常行为,提出一种基于金字塔LK光流法的异常行为检测方法。首先,获取视频帧中的角点作为特征点,利用光流法预测特征点位置,对运动矢量进行描述并表示成光流图,通过速度大小筛选出有效光流点,消除背景中的噪声光流点干扰,提取运动目标。然后,利用每帧图像中光流点的平均速度与方向直方图熵的乘积定义运动混乱度,作为异常检测的判断依据。最后,设定相应阈值,判断是否发生异常行为。通过对自拍摄的模拟电梯内乘客正常行为和异常行为的数据集进行验证表明,上述方法可以取得良好的检测效果,并且能满足实时性要求。     

基于光流法和卷积神经网络的跌倒行为检测方法

基于光流法和卷积神经网络,提出一种室内跌倒行为检测方法.在数据预处理方面,使用光流法把监控视频转化为由光流图像组成的动作序列;在模型方面,采用卷积神经网络VGG-16对输入动作序列进行训练和优化,根据softmax分类器输出结果不断调整权重和偏量;在训练过程中,制作了跌倒数据集并采用迁移学习训练策略解决训练过程中跌倒行...     

基于光流和Snake算法的运动目标检测

提出一种帧间双差分法、自适应光流、snake算法相结合的运动目标检测方法.通过帧间双差分法提取运动区域,针对运动区域进行光流计算,对光流计算结果进行C-均值聚类,最后用聚类结果作为snake算法的初始值,通过贪婪算法对活动轮廓进行收缩,把运动目标的轮廓精确的包围起来.由运动目标真实图像序列的实验结果充分证明了算法的优良性能,可以有效地从复杂自然场景的图像序列中检测出完整的运动目标.     

基于小波变换和稀疏光流法的火灾烟雾检测

传统图像型火灾烟雾检测算法不适用于存在灯光、水蒸气等噪声的图像。为此,通过分析早期火灾烟雾的运动规律,采用分块和背景自适应相结合的方法,提取运动前景,然后分别在RGB空间和HSV空间建立烟雾的颜色模型和亮度变化模型,分割出烟雾疑似区域。在灰度空间使用二维离散小波变换对烟雾疑似区域及对应的背景区域进行能量分析,提取高频和低频能量的比值。用Lucas-Kanade稀疏光流算法跟踪运动区域,获取烟雾运动区域的平均偏移量和相位分布作为烟雾识别特征,根据烟雾识别规则,判断监控区域是否有火灾发生。实验结果表明,该方法具有较强的鲁棒性,能够提高烟雾检测的准确率。     

融合光流速度与背景建模的目标检测方法

为了克服传统基于像素的背景建模方法不能很好地描述背景运动的问题,提出了一种融合光流速度与背景建模的目标检测方法。结合像素的灰度信息、空间信息和时间信息计算出每个像素的光流速度,利用光流速度在时间域上的统计信息为背景建立光流速度场模型。利用建立的背景模型快速、准确地实现运动目标的检测。实验结果表明,融合光流速度的背景建模方法能有效地描述背景的运动,显著降低运动背景产生的噪音,鲁棒地实现运动目标检测。     

基于光流计算的异常拥挤行为检测算法

面向人群场景中异常拥挤行为检测,提出基于光流计算的检测方法。该方法首先采用光流微粒矢量场提取人群运动特征;然后基于社会力模型计算光流微粒之间的相互作用力;最后对相互作用力进行直方图熵值处理来实现人群行为判别。仿真实验表明,本算法可以区分人群场景中异常区域内相互作用力的大小,对异常拥挤行为进行判别和定位。     

基于遮挡修补的TV-L1光流算法

当前比较流行的TV-L1光流算法,在不失精确度的前提下,能够利用双向求解机制来降低运算量,但无法有效地处理由间断、遮挡等因素造成的错误光流分量的缺陷。通过前向光流和后向光流的运动一致性理论来判断遮挡区域的光流分量,通过单调递减函数对遮挡区域进行处理,抑制了遮挡区域错误光流对邻域的扩散,提出了同帧邻域光流的横向修补和相邻帧光流的纵向修补。实验表明,该方法能够很好地处理遮挡情况,提高了光流的计算精度。     

一种改进的帧间差光流场算法

结合运动目标检测帧差法运算速度快和光流法活动目标检测准确度高的特点,提出一种改进的帧间差光流场计算的运动目标检测算法。在帧差部分采用隔帧差分从而可以检测到帧间位移小于1个像元而多帧累积位移大于1个像元的运动点目标;在光流计算时,引入通用动态图像模型（GDIM）建立新的光流约束条件,克服了亮度变化引起的约束方程不成立问题。算法仅对帧差法后图像中不为零的像素进行光流场计算,提高了目标检测的准确性和检测速度。仿真实验证明了该算法的有效性。     

基于前—后向光流点匹配运动熵的视频抖动检测算法

目前大部分视频监控系统面临着高效实时性智能分析与低效滞后的人工故障排查的矛盾。视频质量智能诊断系统可以为此提供有效的解决方案。针对视频质量诊断系统中的画面抖动异常检测问题,提出一种简单有效的实用算法。该算法通过有效融合图像的稀疏光流与特征点匹配算法,根据前向-后向误差标准估计图像帧的全局运动参数,引入连续帧的运动熵用于衡量视频画面片段运动的混乱程度,判断是否存在视频抖动现象。算法在不同分辨率的实际监控录像数据集上进行了测试和比较。实验证明,该算法在一定程度上克服了大位移抖动的影响,具备良好的实时特性以及较高的检测精度,能够满足实际工作的需求。     

基于光流法的卫星视频交通流参数提取研究

抽样分辨率达1米的高清卫星视频已经能够实现对地面较小的运动目标的实时监控。针对卫星视频中运动车辆目标仅显示为一个或几个像素点的特点,提出了一种基于光流法的卫星视频交通流参数提取的思路与方法。该方法利用卫星视频中车辆目标为像素点的特点,结合Shi-Tomasi角点检测方法实现车辆检测及车辆计数;在车辆检测的基础上利用光流法得到的连续视频帧中角点的位置信息进行双向车辆平均车速的计算,并对实验结果进行了对比分析。该文是基于卫星视频中小微运动车辆目标进行交通流参数提取的一次有益尝试。     

动态背景下的稀疏光流目标提取与跟踪

目的 针对背景和摄像机同时运动情况下的运动目标提取与跟踪,提出一种基于稀疏光流的目标提取与跟踪新方法。方法 首先,利用金字塔LK光流法生成光流图像匹配相邻两幅图像的特征点,依据光流图像中的位移、方向等光流信息初步划分背景和前景目标的特征点;然后利用中心迭代法去除不属于目标运动区域的噪声特征点;最后,通过前N帧图像目标特征点的最大交集得到属于目标的稳定特征点并在后续帧中进行跟踪。对于后续跟踪图像中存在的遮挡问题,引入了一个基于特征点的遮挡系数,运用Kalman预估算法得到目标位置的预测,并且在目标重新出现时能够迅速定位目标。结果 与已有的光流匹配算法相比,本文算法的目标特征点误检率降低了10%左右,成功跟踪率达到97%;引入预估器使得本文算法对有遮挡运动目标也能够实现准确跟踪和定位。结论 本文算法对复杂动态背景下无遮挡和有遮挡的持续运动目标跟踪均具有准确识别定位性能,满足实时要求,适用于缓慢或者快速移动的运动场景目标提取和目标跟踪。     

Mission parameters derived from optical flow

Optical flow refers to the apparent motion of objects in the image plane, due to either camera or object motion. Applications of optical flow include robotics, image enhancement by means of frame integration, moving-target indication and passive navigation. The purpose of this paper is the simplest and clearest formulation of the dependence of optical flow on the mission and trajectory parameters. Once the canonical equations are established, their invertability is addressed: to what extent can mission parameters be obtained from optical flow? Analysis shows that there are eight independent mission parameters (excluding focal length), so there need to be exactly four relationships among the 12 flow coefficients. These are explicitly exhibited. It is then shown that the solution for the eight mission parameters in terms of the remaining eight independent coefficients hinges on a cubic resolvent. The roots of this resolvent are closely connected to the velocity-to-altitude ratio, and the solution can be constructed in terms of these. This solution generally turns out to be double valued with both sets of mission parameters producing identical optical flows. Fortunately, one of these values can usually be eliminated as inappropriate within the context. The recognition of the dual solution and its explicit equations are believed to be a new contribution. To make the paper more self-contained, algorithms, window selection, correlation measures, and data editing are covered. Much of this material has been previously published by others. The paper concludes with a discussion of the focus of expansion. It is shown that only camera-rotation-free parameters or their conjugates give rise to a focus of expansion. Explicit equations for these parameters are given.     

基于近似最近邻搜索的并行光流计算

Barnes近似最近邻算法是当前匹配性能优秀的近似块匹配算法,将其应用于稠密光流的计算中,并与OpenCV中实现的两种稠密光流算法进行对比。针对Barnes算法不易并行化的不足,对Barnes算法中的传播过程进行修改,使其易于在GPU上实现并行加速。实验表明,经并行加速后的光流算法比原算法快两倍以上,而在精确度上与原算法接近,并且都优于OpenCV实现的两种稠密光流算法。