高速公路监控视频中运动车辆对象提取

结合高速公路交通视频的特点,提出了监控中运动车辆对象提取的方法。该方法利用混合背景差分法提取运动目标,并对目标进行形态学处理,最后结合后退N帧、半监督学习的阈值选取的思想提取车辆对象特征最显著的视频帧。实验结果表明,该方法有效地改善了传统的混合高斯背景差分提取运动对象过程中出现的孔洞、噪声和车辆对象非完整性及特征不显著的问题,进而优化了车辆对象的提取流程。     

一种改进的复杂背景下视频车辆检测技术

视频运动目标检测是数字视频处理、分析应用的一个重要领域,其目的是把作为一个整体的视频图像序列,通过一定的方法挖掘出具有意义的运动实体数据。该文对传统阈值法的缺陷进行分析,采用改进的二维阈值结合遗传的方法提高求解寻优的速度和效率,并通过帧差结合背景补偿的方式,提出一种适合于在复杂背景环境下实时检测运动车辆的新方法。实验结果表明,该方法有较强的环境适应能力,能够很好地检测出运动车辆。     

视频监控系统中动目标检测算法研究

描述运动目标检测的基本概念,讨论了运动目标检测的广泛应用、目前所面临的主要问题和困难、实现运动目标检测的几种流行算法,对当前主流运动目标检测实现方法的基本思想和最新发展分别进行了叙述,着重讨论了各类方法的主要优缺点,并展望了该领域的发展趋势.     

直方图在视频监控系统中的应用

目标检测是数字视频监控系统中的关键技术。该文提出了一种基于灰度直方图的目标检测方法。背景差法和帧间差法是两种比较常用的目标检测方法。利用图象的灰度直方图对视频序列中的某一帧帧图象进行分析,对相邻帧进行分析比较,设定一个阈值来判断两帧之间的差异性,以此可以快速判断是否有目标出现。实验结果表明,此方法简单实用,能够快速有效地检测出目标的出现。     

监控系统中运动目标检测算法分析

广泛了解当前智能监控技术已有的运动目标检测算法的基础上,对常用的运动目标几种检测算法进行了深入的分析和对比。针对相邻帧的帧间差分、背景减除法和光流场三种检测方法的不同算法的优缺点,介绍了一种基于背景差分和帧间差分相融合的多帧差分运动目标检测算法。通过对运动目标静态场景监控视频图像的准确获取,运用分析改进算法得到更为接近运动目标实际状况的影像轮廓。     

面向高清视频监控系统的实时运动检测算法

针对高清视频监控系统中精确运动检测的高实时性需求,提出一种基于计算统一设备架构(CUDA)的运动检测算法。采用一种改进帧差与背景差分相结合的方法,减少背景更新干扰,提升运动检测的精确性。在CUDA内进行视频运动检测计算,避免传统图形处理器硬解码后视频数据在显示内存与CPU之间传输的问题。运用块内多线程合并访问共享内存的方式,减少52.9%全局内存访问量,解决CUDA大规模访问全局内存延迟较大的问题。实验结果表明,该算法在保证准确性的同时,针对高清视频每秒可传输52.6帧,能够满足实时性要求。     

实用户外视频监控异常检测策略

树枝叶等植物的晃动是造成户外监控背景复杂性的主要因素。该文提出一种基于视频分析的运动对象检测策略，利用快慢双背射模型检测运动变化像素，并通过邻域像素的棚关性检测消除虚假运动对象。实验表明此算法对户外监控不但速度快而且检测效果理想，满足实用化要求。     

监控视频异常检测与质量诊断

监控视频可能会出现一系列影响视频质量的异常情况,如清晰度、亮度异常或者视频画面存在噪声、偏色、画面冻结、水波纹、以及水平杂波等故障的情况。针对这些情况,提出监控视频异常检测与质量诊断算法。算法分析上述各种异常情况,利用图像的灰度统计信息、梯度信息,结合图像的中值滤波和帧间差异分析,完成相应的异常检测与质量诊断。实验结果表明,该方法可以有效地对监控视频进行异常检测与质量诊断。     

车辆视频检测及阴影去除

针对智能交通系统的车辆检测问题,提出了一种运动车辆检测及阴影去除的方法。采用基于背景差与帧间差的方法来检测运动视频中的车辆,对背景差和帧间差检测出的车辆进行或运算得到运动目标。再对检测出的运动目标进行形态学处理,并结合色彩及阴影统计信息建立阴影模型,去除阴影。实验结果表明,该方法能够快速、准确地在动态视频中分割出运动车辆和阴影。     

基于运动检测的低码率视频监控系统

本文提出了一个固定摄像头的低码率视频监控系统。运动检测技术与视频编码结合可以实现较低码率的实时监 控,使在网络传输中对带宽、存储介质的需求更低,更经济,更有效。基于动态阈值和背景更新机制的运动检测算法可 以有效地检测出当前画面的运动区域,仅对运动区域进行编码。根据测试序列的实验结果显示,在不降低视频质量的前 提下,码率得到了有效下降。     

智能视频监控中运动目标检测的研究

针对某武器试验中背景复杂,现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,以及对近地目标提取检测困难的问题,提出一种改进的背景差分法。该算法采用结合邻域信息的背景差分法和最大方差阈值法,能够在一定程度上减小背景滞后更新引起的运动目标检测误差,且使目标边缘提取更加明确,从而提高了系统的运行速度,实现复杂背景下的运动目标检测。在Visual C＋＋6.0中用OpenCV实现了相关算法的设计,并给出了完成系统任务所需的部分关键代码,实现了运动目标和试验场景的分离与提取。仿真实验验证了该算法的有效性以及实时性。     

Unsupervised Learning Approach for Abnormal Event Detection in Surveillance Video by Hybrid Autoencoder

Neural Processing Letters - Abnormal detection plays an important role in video surveillance. LSTM encoder–decoder is used to learn representation of video sequences and applied for detecting...     

视频图像序列中运动目标区域检测算法研究

文章针对视频图像的特点,提出一种基于背景差分法的运动目标区域检测算法。该算法利用当前图像与背景图像作差分,并采用一阶Kalman滤波实现动态背景图像的更新,接着采用自适应阈值法进行运动区域分割,经过滤波处理即可得到运动目标区域。实验结果表明所提出的算法具有较理想的效果。     

智能视频监控中的遗留物检测技术

对智能视频监控中的遗留物检测技术进行研究,提出一种能够自动检测视频监控环境中的遗留物并发出警报的检测方案,给出详细的检测算法分析。该方案基于动态阈值的背景差分算法和背景更新算法,提高系统对于复杂场景的适应性,能够准确地检测出复杂背景中的箱、包等遗留物,并能够提供关键帧,便于找到遗留物的失主。实验结果表明了该方案的有效性。     

监控视频的异常检测与建模综述

随着物联网技术的不断发展,监控设备在交通干道、学校医院、商场超市、小区楼宇等公共区域进行了广泛部署.这些监控设备为人们提供了一种隐性安全保障,也产生了大量的监控视频.基于监控视频的异常检测一直是图像处理、机器视觉、深度学习等相关领域的研究热点.对视频异常进行了直观描述和异常检测概述,对出现的一些综述文章进行了分析,针对其覆盖范围不全和特征表示以及模型没有清晰划分.首先从异常检测特征表示、异常检测建模2方面对传统经典的和新兴的视频异常检测算法进行分类和描述.然后从基于距离、概率、重构3个方面将不同的算法进行比较,分析不同模型的优缺点以及每种模型的特性.并对现存算法的评估标准进行归纳并指出了新的更加准确有效的评估指标.最后,介绍了监控视频异常检测常用的数据集,汇总了不同算法在常用数据集上的检测效果,并对未来的研究在实际应用中面临的一些挑战和研究方向进行了探讨.     

基于改进型时间分段网络的视频异常检测

视频异常检测是计算机视觉领域的一个重要研究课题,广泛应用于道路监控、异常事件监测等方面。考虑到异常行为的外观、运动特征与正常行为存在明显差异,提出一种改进型时间分段网络,利用该网络学习视频中的外观和运动信息,从而对视频异常行为进行预测。为了提取更多的视频信息,将RGB图和RGB帧差图相融合作为输入,以提取RGB图中的外观信息并通过RGB帧差图获得更有效的运动特征。将卷积注意力机制模块加入到时间分段网络模型中,从空间和通道2个不同的维度学习注意力图,利用学习到的注意力权重区分异常和正常的视频片段,同时运用焦点损失函数降低大量简单负样本在训练过程中所占的权重,使得模型更专注于难分类的样本,从而解决视频异常检测中正负样本比例不平衡的问题。实验结果表明,改进型时间分段网络在UCF-Crime和CUHK Avenue数据集上的AUC值分别达到77.6%和83.3%,检测性能优于基准方法TSN（RGB流）以及ISTL、3D-ConvAE等方法。     

桥墩安全监测系统中背景重建技术的研究

长江航道上船撞桥的事故时有发生,对船舶和桥梁的安全都构成了极大的危害。为此,文中基于视频图像技术设计了视频监控的桥墩防撞监控系统,并重点讨论了Ostu图像分割的算法。在此基础上,文中利用Kalman滤波对算法进行了改进。该方法比传统的背景提取算法具有更好的适时效果。系统设计利用了Intel公司的开放源代码视频图像处理工具包OpenCV。