基于联合直方图的运动目标检测算法

从视频序列图像中检测完整的运动目标一直是计算机视觉研究的热点,基于联合直方图提出了一种运动目标检测算法。该算法利用联合直方图来描述相邻帧间的相似性,通过对视频序列中相邻两帧图像进行逐次分块,计算相邻帧对应分块的联合直方图并结合构造的相似性指标以逐步去除背景块,算法对运动目标本身不作处理,就能有效地避免检测到的运动目标出现空洞现象,最终得到了完整的运动目标。数值实验说明了该算法具有较好的检测性。     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

视频检测的颜色直方图目标匹配算法

文章通过对视频检测系统中运动目标跟踪问题的描述,对颜色直方图、颜色空间和直方图距离进行了介绍.基于RGB颜色模型的直方图,对Euler距离、交集距离、二次方距离以及EMD距离等四种直方图距离进行比较,提出了改进的Euler距离匹配算法,并建立了运动目标的匹配模型.该算法理论上简化了算法复杂度,并去掉了直方图量化的过程.实验中,该算法能满足实时性要求,计算量小,具有很强的鲁棒性.     

基于人工蜂群算法的运动目标检测方法

提出了一种基于人工蜂群算法的运动目标检测方法。利用将运动目标检测问题转化为独立成分分析问题的原理,选用峭度作为求解信号独立成分的判据,使用人工蜂群算法对基于峭度的目标函数进行优化求解,通过去相关方法从序列图像中剔除分离出的信号成分,进而实现对运动目标轨迹的成功提取。针对模拟运动物体和实际运动物体图像的仿真实验表明,该方法可以很好地检测出序列图像中运动物体清晰的运动轨迹。     

逐次分块差分直方图对运动目标的提取

为从视频图像序列中准确且完整地提取运动目标,提出一种基于运动差分直方图的目标提取算法。通过对视频图像序列中两帧相邻图像以及它们的差分图像进行逐次分块,分析对应分块的差分直方图,利用背景区域块与目标区域块对应的差分直方图分布不同,逐步去除背景提取目标,有效避免提取的目标内部出现空洞,以块为单位的处理提高算法运行速度。通过数值实验验证了该算法具有较好检测性。     

基于视频的交通目标跟踪方法研究

交通目标的检测是智能交通系统(ITS)中的一项关键技术,基于视频跟踪方法的检测技术是目前研究的热点.介绍了近年来提出的一些主要的基于视频的运动目标跟踪方法,对各种方法进行了归类,并分析比较了这些方法的优缺点.在此基础上,着重介绍了一种快速运动目标跟踪方法--MeanShift算法.该算法主要利用图像的颜色统计直方图作为特征,利用Bhattacharyya距离作为目标匹配相似性测度,采用梯度优化方法完成对运动目标的快速跟踪.该方法非常适合对交通目标的跟踪.     

基于帧间差分的自适应运动目标检测方法*

本文提出了一种基于帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出连续视频的背景图像;相邻帧利用帧差法得到运动区域图像;利用运动区域图像与背景图像差分的方法提取出运动目标。实验结果表明,该算法能在多个不确定性因素的序列视频中较好的提取背景图像,能及时响应实际场景变化,提高运动目标检测的质量。     

违章车辆快速检测方法研究——基于鲁棒颜色差分直方图

针对传统的智能交通系统中违章车辆检测方法实时性差、易受光照变化条件变化制约,影响后续辨别车辆违章和图像取证抓拍的问题,提出了一种基于颜色差分直方图和卡尔曼滤波的鲁棒、快速的违章车辆检测跟踪算法。该算法采用背景模糊匹配思想,选择初始背景图像;利用对环境变化鲁棒的颜色差分直方图算法检测运动目标;对运动目标团块的质心运动状态采用卡尔曼滤波进行跟踪预测,从而在预测的区域内检测同一目标团块;通过判断其质心运动轨迹,达到辨别违章车辆检测与抓拍的目的。通过对真实道路中不同天气条件下的场景进行检测,实验结果表明该算法能够快速而准确地检测违章车辆。     

基于亮度直方图匹配的运动目标检测算法

提出了一种亮度直方图匹配的运动目标检测算法,采用相邻两帧各子块的直方图匹配程度检测运动目标,通过自适应的最大阈值方差法来选取阈值,在HSV色度空间下检测阴影,用形态学方法进行后处理,得到准确的运动目标;实验结果表明该方法是快速有效的。     

基于自投影和灰度检索的视频帧中异常行为检测

针对智能监控系统,提出了一种基于运动目标灰度直方图和自身投影直方图的检索匹配方法,能够快速实现视频序列中行人的运动方向异常检测。该方法结合目标的灰度直方图和自身投影直方图在人群中快速检索匹配目标,采用目标质心运动历史记录表连续记录目标质心和运动方向,通过比较各个目标的运动方向找出运动人群中的异常目标。实验结果表明,引入目标的自身投影直方图,比只利用灰度图的灰度信息有更高的检测准确性,同时历史移动记录表可完全胜任运动目标信息记录的任务。该方法计算量小,同时利用记录质心的移动速度能实时对目标的运动情况进行预测,对运动目标的相互遮蔽有一定的鲁棒性。     

融合多模传感器的室内实时高精度轨迹生成

提出了一种融合多模传感器的室内实时高精度轨迹生成方法,亦即将室内Wi-Fi定位与传感器定位结合起来,生成用户在室内移动的实时轨迹。首先由Wi-Fi定位出用户的初始位置,然后结合Wi-Fi定位的结果以及多个传感器的数据,得到用户的运动速度以及方向,通过航迹推算算法得到用户下一时刻的位置,最后对得出的位置坐标进行卡尔曼滤波处理,得到用户的位置坐标,最终生成用户移动的实时轨迹。实验结果表明,该方法可以得到比Wi-Fi定位更为平滑稠密的移动轨迹,且精确度 比其他同类方法更高。     

一种基于信道状态信息的人员轨迹跟踪方法

针对在室内环境的轨迹跟踪过程中,通信开销较大和算法复杂度较高的问题,对一种基于CSI（channel state information）信号的人员轨迹跟踪方法进行研究。首先从CSI中提取代表目标位置（角度）概率的AOA（angle-of-arrival）频谱,通过MUSIC算法得到的多普勒频移与AOA频谱相结合来确定人员移动速度及位置;最后利用改进的三边定位质心算法确定人员位置、模拟人员移动轨迹,实现了对室内人员精准的跟踪定位。通过与其他算法以及不同人员移动速度的对比,仿真实验表明提出的人员追踪方法可以大幅度提高定位的精确性与稳定性。     

一种基于视距路径识别的设备无关室内定位算法

Wi-Fi技术的广泛应用和部署催生了许多基于Wi-Fi的室内定位技术。近年来,基于Wi-Fi的设备无关定位算法引起了研究人员的广泛注意。设备无关定位算法不需要目标对象携带无线传输设备,而是通过测量目标对象对无线信号传输的影响来反向推断目标对象的位置。由于不需要目标对象携带相关设备,因此可以广泛应用于多种场合,如老人健康护理等。已有的设备无关定位技术通常需要事先采集训练数据,因此容易受室内复杂多变的环境干扰,导致定位精度下降。 提出一种基于视距路径检测的设备无关定位算法。利用物理层信道状态信息CSI,可以判断一对无线收发设备之间的路径是否是视距LoS路径。在此基础上,提出一个新的设备无关定位算法,该算法在监测区域部署一组Wi Fi收发装置,对任意一对无线设备,通过识别它们之间是否存在视距路径来判断目标对象是否在这对设备的菲涅耳区域内。此外,还提出一种基于投票的方法来获得目标对象的最可能位置。在实际设备上的实验结果表明,该定位算法可以达到0.5 m左右的精度,并且不需事先训练,具有较高的实时性。     

基于Wi-Fi和自适应蒙特卡洛的移动机器人定位方法的研究

提出一种基于Wi-Fi和自适应蒙特卡洛的移动机器人定位方法。通过对实验环境中Wi-Fi信号的分布进行测试和分析,利用Wi-Fi信号强度的三角定位法,在ROS平台上实现Wi-Fi-AMCL室内初始化定位系统。对该方法和传统定位方法设计实验进行比较,结果表明前者不仅可以有效加快粒子的收敛速度、缩短机器人的定位时间,而且在一定限度上提高了机器人的初始化定位精度,改善了定位效果。     

利用众包更新Wi-Fi室内定位指纹库的方法研究

Wi-Fi定位是目前较为主流的室内定位方法,而位置指纹库的建立和维护对Wi-Fi定位至关重要。Wi-Fi信号时变性强要求指纹库及时更新。针对由专业人员更新指纹库的人力耗费问题,提出利用众包更新指纹库的方法,允许用户对定位结果进行评价和修正,使得用户在享受定位结果的同时参与到指纹库的维护更新中,特别针对用户的错误修正提出了基于聚类的错误检测方法,能有效避免指纹库被错误指纹污染。开发了室内定位系统,通过在真实室内环境的实验验证了本文提出的方法可以长时间保持较高的定位性能。     

Shadow removal for pedestrian detection and tracking in indoor environments

This paper presents a method of shadow removal to improve the accuracy of pedestrian detection and tracking in indoor environments. The proposed method can be divided into four steps: building a background model which can be automatically updated, extract moving objects region, eliminating moving objects shadows, classifying and track pedestrians. The background model is built with pixel value and the updating of Gussian. The approach for real time background-foreground extraction is used to extract pedestrian region that may contains multiple shadows. In the gray histogram space, based on the depth value of the gray images, a reasonable threshold is set to remove shadows from various pedestrians. In this work, we propose a methodology using the foreground frames without shadows to detect and track the pedestrians across training datasets. Comparative experimental results show that our method is capable of dealing with shadows and detecting moving pedestrians in cluttered environments.     

基于RNN的多传感器融合室内定位方法

针对室内空间内的人员定位困难问题进行了研究,提出了一种基于Wi-Fi指纹法和循环神经网络(re-current neural network,RNN)的多传感器融合室内定位算法.该算法将智能手机接收到的路由器信号强度作为时间序列输入RN N,通过RN N获得对行人精度较高的定位,与此同时获取智能手机中惯性测量单元提供的位置信息.随后,通过粒子滤波算法对两种定位方式的定位结果进行融合.在实际场景下设计了多组实验进行对比.实验结果表明,该算法定位平均误差为0.9 m,优于加权K近邻等算法,可以为行人提供实时的定位.     

基于超宽带技术的室内定位系统应用开发

本文基于超宽带技术搭建了一套室内定位系统,通过分布于室内固定位置的基站测量与目标物体标签距离的方法,采用基于到达时间估计的检测方法以及三边测量法解算出目标物体的坐标位置,并基于Python语言编写的坐标显示软件实时可视化.通过测量在室内的一辆华夫派小车的位置进行了试验,结果表明,本文提出的方法可以实现室内精度较高的实时...