视频监控跟踪系统的研究

视频监控跟踪系统是从图像信号中实时地自动识别目标,提取目标位置的有关信息,并自动跟踪目标运动的综合伺服系统.在动力和精度分析的基础上设计了跟踪伺服机械系统,并进行了具有集中-分布式特点的跟踪处理系统,共享存储网络通信系统和微机测控系统的电路硬件、软件设计,探索了新型解耦的并行卡尔曼滤波跟踪算法在系统中的应用.     

嵌入式智能视频跟踪系统

阐述智能视频监控系统的工作流程,重点介绍嵌入式智能视频跟踪系统的设计与实现。以嵌入式处理器PXA270为基础,采用USB摄像头采集视频数据,运用改进的CamShift跟踪算法,实现运动目标跟踪。     

智能视频监控关键技术分析

智能视频监控是计算机视觉领域的一个重要的分支。智能视频监控系统中的相关关键技术引起广大学者关注,特别对于运动目标的跟踪和运动目标的检测问题,本文进行相关重点技术探讨,还包括智能视频监控系统中所处的重要位置,对于智能视频监控发展具有一定帮助作用。     

基于卡尔曼预测和滤波的视频目标跟踪

视频目标跟踪在军事和民用领域有着广泛的应用,其实现算法首选卡尔曼滤波算法,但是在应用卡尔曼滤波算法之前首先要获得目标当前时刻的观测信息,在全帧图像搜索并确定目标需要耗费大量的计算资源。针对这一问题,文章结合目标跟踪时的卡尔曼滤波算法,在每次完成目标状态的滤波估计后,进行卡尔曼一步预测,确定目标下一时刻可能的范围,避免下一时刻确定量测信息时对整幅图像的搜索,极大地减小计算量,提高目标跟踪的实时性和精度。计算机仿真实验验证文中所提方法的有效性。     

基于HSDPA的远程视频监控系统的设计

针对传统的视频监控系统的布线难以及传输速率受限制的缺点,设计出基于3G高速数据传输技术的远程视频监控系统,该系统把第三代移动通信技术运用到视频监控中,利用3G模块对视频数据进行传输,以实现采集数据的高速实时传输。同时通过互联网终端以及无线通信网终端实现了随时随地实时查看的功能。     

基于均值漂移算法的水下视频目标跟踪

鉴于水下的特殊环境,本文利用均值漂移算法对水下视频中的运动目标进行跟踪.首先对水下视频目标对象和候选目标对象分别建立RGB颜色分布加权直方图模型,将这两个模型进行匹配,匹配度用Bhattacharrya系数来表示,搜索出与目标最匹配的候选目标并且更新目标模型,依此类推,从而在视频序列中实现目标跟踪.仿真实验证明,基于均值漂移算法的目标跟踪能够克服水下视频环境中干扰运动目标跟踪的因素:水波、倒影、气泡、游泳池浮标的遮挡等,进一步与基于Kalman滤波器的水下目标跟踪相比(对比),目标跟踪结果表明本文所用的算法能够对水下这种复杂背景的运动目标进行稳定实时的跟踪.     

基于双目视觉的智能监控系统运动目标自动化跟踪方法

传统方法无法对目标精准定位,在动态环境下跟踪精准度低,提出基于双目视觉的智能监控系统运动目标自动化跟踪方法。采用背景差分法构建背景模型,通过计算二值差分图像比较差分图像像素和某特定阈值,确定检测目标具体位置。研究以双目视觉安全防护为基础的监控示意图,利用特征向量线性组合表达不同人脸变化或特性,根据具体实施步骤设计人脸监测与识别流程,采用CamShift跟踪算法求局部最优解,获取重投影矩阵,在监控系统运动目标发生遮挡后再次进行自动化跟踪。以Python为语言基础进行实验对比分析,由实验结果可知,基于双目视觉方法跟踪精准度较高,能够实现对运动目标的精准定位。     

高分遥感视频改进型时空上下文目标跟踪

针对时空上下文(STC)目标跟踪算法在高分辨率视频卫星影像中目标经过复杂背景时跟踪准确度过低的问题,提出适用于视频卫星影像数据的改进型时空上下文目标跟踪算法。算法结合感知哈希算法对STC目标跟踪算法中置信图模型加以改进以提升跟踪算法的目标定位精度,使用帧间学习率自适应更新方法以提升跟踪算法准确度。另外,对系列视频卫星影像进行了仿真实验,结果表明,所提算法在保证实时跟踪速度的同时克服了视频卫星影像中复杂背景对目标跟踪算法的干扰,实现了针对高分辨率视频卫星影像的精准目标跟踪。     

嵌入式网络视频监控系统

介绍了一款基于高性能DSP和ARM9控制器的嵌入式网络视频监控系统。该系统利用DSPADSP-BF533，完成模拟图像的实时采集与视频图像MPEG-4标准的实时压缩，采用ARM9处理器为核心芯片控制并完成数据的网络传输与本地存储等服务。主要介绍了监控终端的系统硬件框架结构与软件处理流程，并给出了采集模块与控制与接口模块的软硬件设计的具体实现及性能指标。     

无线视频监控系统人脸跟踪功能的实现

为实现视频监控的人脸跟踪功能,结合计算机视觉与舵机云台控制技术,设计了一种基于嵌入式处理器的无线视频监控系统.利用 MicroPython 计算机视觉库对采集图像进行滤波处理,以增强图像效果.采用改进卷积神经网络模型进行机器学习和人脸识别,将处理后的监控图像上传至服务器,用户可通过查看浏览器进行实时监控.测试结果表明,当有人脸出现在视频监控范围内时,系统可驱动舵机云台进行有效的人脸识别与追踪.     

网络化视频监控系统的研究与实现

介绍了一种应用于工业生产的视频监控系统的系统结构，以及系统中采用的动态预存储和IP组播等相关技术，并给出了一种动态存储的买现方法。     

视频监控在电梯远程监控管理系统中的实现

介绍了应用视频监控功能的电梯远程监控系统的特点、微软的流媒体发布平台Windows Media Service以及在电梯远程监控系统中的视频监控完成的功能。重点描述了同原有的电梯远程监控系统相结合。视频监控的硬件及软件的实现，并提出了进一步进行视频网络传播的途径。     

一种运动分级反交错算法在视频监控中的应用

在视频监控领域,画质是整个系统的关键。而在模拟摄像机依然占据着主导地位的安防视频监控中,隔行扫描对画质所带来的负面影响始终没有的到很好的解决。本文在现有算法的基础上,通过大量的实验统计,改良出来一种综合性能较强的反交错算法,并且成功的应用于监控产品之中,取得了良好的效果。     

基于多尺度Fourier-Mellin变换的末制导目标跟踪

针对光电成像末制导阶段目标尺寸迅速增大且可能伴有旋转的稳定跟踪问题,采用了一种基于多尺度Fourier-Mellin变换的目标跟踪方法.根据高斯尺度空间理论和Fourier-Mellin变换,构造了基于多尺度Fourier-Mellin的图像变换参数估计策略.利用平均绝对差分匹配准则对模板和待匹配图像进行图像匹配,当匹配误差过大时,基于多尺度Fourier-Mellin变换进行模板参数估计,求出模板与当前目标之间的尺度和旋转变换参数,并利用双线性内插调整模板,求得目标匹配位置,对模板进行刷新.仿真结果表明,该算法能够适应末制导阶段目标尺寸的急剧变化,实现对目标的稳定跟踪,其跟踪精度和稳定性优于传统方法.     

基于节点自治的异构视频监控系统集成技术和模型研究

随着视频监控系统的普及和推广,资源共享已经成为异构视频监控系统集成中亟待解决的关键技术问题之一.而传统视频系统集成模型和技术在应用中存在着扩展性和稳定性方面的不足,针对此问题提出了基于节点自治的系统集成模型及技术.通过定义模型中不同角色节点的服务,既屏蔽了系统间的异构性又保持原系统的独立性;通过对视频服务节点设计的自描...     

多模式融合的目标跟踪算法

为了解决目标跟踪中运动模型复杂,运动场景多变的情况,提出了一种多模式融合的目标跟踪算法.该算法选取目前广泛应用的mean-shift和粒子滤波算法分别跟踪目标,得到当前目标位置的候选值,并采用加权合成参考函数建立参考模板.然后,以侯选目标位置差异和参考模板为标准,确定目标的正确位置.最后,根据当前帧目标模板和参考模板的距离来决定是否更新模板.实验仿真结果表明,与单一的目标跟踪算法相比,本文算法的平均跟踪误差减小了一倍以上.假如参考模板更新错误,下一帧中仍能以67%的概率正确跟踪目标,连续3次模板更新之后,误更新的模板对目标跟踪的影响可以降低到10%以下,有效地降低了模板更新引起的跟踪错误和跟踪不稳定.     

光电跟踪仪目标仿真系统设计

舰载光电跟踪仪需全天候工作,具有信息量大、可视性强、分辨率高等特点,是舰船情报系统的重要组成部分。设计了一种针对舰船和空中目标进行光电跟踪的仿真系统,介绍了该系统的组成和仿真软件的功能模块,通过对该系统的静态和动态目标跟踪能力分析与测试,证实该系统可以对舰载光电跟踪仪跟踪能力进行全面的测试。     

智能图像监控系统异常目标检测算法研究

为实现智能家居中的实时安全监控,提出了一种基于嵌入式平台和无线通讯的智能视频监控系统方案,并设计了智能视频监控系统中的异常目标检测算法。以背景差分法为基础,采用自适应闽值、运动目标跟踪及背景更新等方法,克服了背景光线变化、阴影及小目标带来的干扰,提出并实现了动态目标跟踪检测功能。该系统能够有效地对监控区域目标状态进行监测,并能根据监测结果进行报警等安全操作。实验结果表明,系统具有很高的实时性、可靠性和实用性。     

多ADSP-TS201红外弱小目标实时检测跟踪系统的硬件设计

介绍了红外弱小目标实时检测跟踪系统的硬件设计。重点介绍了系统中信号处理模块部分的设计,该部分采用Analog Device公司的600 MHz高性能数字信号处理器ADSP-TS201,四片ADSP-TS201以松耦方式互联,构成并行信号处理模块。该模块定点运算的峰值速度可达到19.2 GMAC(16Bit),浮点运算的峰值速度可达到14.4 GFLOPS。为完成对序列红外图像中弱小目标的实时检测跟踪处理提供了硬件平台。     

自适应模糊逻辑的多模型跟踪

为了克服基于"当前"统计模型的交互式多模型算法难以恰当地确定当前模型的概率,以及系统参数amax和a-max在跟踪过程中不能自适应调整的缺点,提出了一种基于自适应模糊逻辑的多模犁跟踪算法.介绍了基于"当前"统计模型的交互式多模型算法,给出了算法的基本步骤.在"当前"统计模型算法基础上,提出了一种基于自适应模糊逻辑的多模型跟踪改进算法,采用模糊推理给出了模型的选择概率,以提高跟踪的速度;同时,采用蚁群算法对设计参数进行优化,以提高跟踪的精度.最后,将所设计的基于"当前"统计模型的多模型改进算法用于机动目标的跟踪仿真.实验结果表明:改进的算法使得跟踪精度提高了20%左右,机动目标跟踪一次仿真时间为0.047 s,基本满足高速、高精度跟踪目标的要求.