基于DSP目标入侵检测系统的设计

随着计算机技术的快速发展,针对运动目标入侵检测的智能监控系统已成为生产和生活中一个重要的应用。本文以TI公司的TMS320DM642搭建视频处理平台,对采集的背景图像建立混合高斯背景模型,将实时图像与背景模型做像素比对,判断监控区域中是否存在运动目标。如果存在运动目标,则采用背景帧差法和连通性分析等相关技术对目标区域进行定位,并判断是否进入禁区。如果进入禁区,系统将实现报警提示,以保护监控区域安全。     

基于图像处理技术的行人运动轨迹提取方法

为了实现复杂场景中多运动行人目标的检测和跟踪,采用计算机视觉技术对真实场景下行人运动视频进行处理。利用基于高斯混合模型的背景消减法提取运动目标前景,并通过形态学运算进行目标清晰化处理。采用基于预测的Kalman滤波算法对运动目标进行跟踪,并对画面中的人数进行实时统计和更新。输出多运动行人目标的实时坐标和运动轨迹。研究结果表明:本文提出的算法能够快速准确地检测和追踪多运动行人目标,初步提取行人运动轨迹。     

混合高斯模型与三帧差分法相结合的建模新算法

针对三帧差分法所存在的不足,提出一种改进的基于混合高斯模型与三帧差分相结合的建模方法。为每一个背景像素建立多维混合高斯模型,融入三帧差分法实时判定背景区域和运动区域,使之去除三帧差分带来的空洞现象,并且加入可跟随目标移动的外接矩形框,在其内生成高斯模型,从而减少因高斯模型的介入导致计算量过大的问题,节省运算时间,并且达到理想的除噪效果以及排除外界不必要的干扰等。通过实验进行验证分析,实验结果表明:该方法相比三帧差分法具有更好的除噪效果和减少更多的计算量,适用于实时的单目标检测。     

融合多特征的禁停区域车辆检测方法

本文提出一种用于禁停区域车辆违章停放的检测算法。首先确定感兴趣区域,然后利用混合高斯模型建立监控区域背景,采用背景差分法检测出运动对象;再经过Hough椭圆拟合、紧凑性特征提取,以及车轮圆形度等多个特征检测,将驶入禁停区域的车辆检测出来。实验表明,该算法对禁停区域可以达到良好的监测效果,从而有效地保障消防通道等禁停区域的通畅。     

面向语音增强的约束序贯高斯混合模型噪声功率谱估计

提出了一种基于极大似然的噪声对数功率谱估计方法,采用高斯混合模型对每一个频带上的功率谱包络构建统计模型,将时序包络划分为语音和非语音类,它们分别对应于高斯混合模型的两个高斯分量,描述语音和非语音的统计分布,其中非语音高斯分量的均值即为噪声功率谱的最优估计.采用序贯学习的方法,在极大似然准则下逐帧更新模型参数,并逐帧给出噪声功率谱的最优估计值。此外,由于序贯更新过程中语音信号长时缺失,容易导致模型失稳,提出了一种在线的最小描述长度准则(MDL)来判断语音信号是否长时缺失,从而保证了模型的稳定性.实验表明,算法性能整体优于经典的MS和IMCRA算法。     

目标跟踪中的特征研究

运动目标的检测研究以及跟踪是一项重要的项目,在很多领域都受到广泛运用,比如在军事科研领域等。因此,研究目标的特征以及跟踪是非常必要的。本文利用Intel公司的开源Open CV计算机视觉库,基于微软VC++平台,运用混合高斯模型,进行目标的检测以及特征的研究。运用高斯混合模型建立背景图像并检测前景图像,检测前景图像采用膨胀腐蚀方式对图像进行降噪处理,然后找到目标轮廓画出目标的矩形框,最后再研究目标框的大小以及目标的颜色信息。经过实验结果的论证,本文采用的跟踪方法能基本实现跟踪任务,具有比较强的实用性和稳定性以及准确性。     

视频监控中遗留物检测算法研究

本文首先介绍了混合高斯模型的算法原理,并且提出一种利用递归法检测多个前景物体的方法,然后提出一种基于慢高斯的遗留物检测算法,该算法利用混合高斯模型进行背景建模,利用递归法对检测到的前景物体分别计时,当计时器达到阈值时进行标记并报警。     

结合角点特征的CamShift目标跟踪算法研究

在传统的CamShift目标跟踪算法中,仅仅依赖目标的颜色特征,而缺乏目标本身的一些特征,例如,角点,尺度和方向等信息,这将导致跟踪中容易出现中心偏移和无法抵挡目标受干扰等问题。为了能够实时有效地跟踪目标,本文提出一种结合角点特征的CamShift目标跟踪算法。该算法融合了角点的特征不变性,采用基于灰度图像的Harris角点检测算法,在图像的目标区域和候选区域提取包括图像信息的局部特征点,在视频图像相邻帧之间,通过特征点匹配,剔除虚假特征点,得到真实特征点的位置和主方向,用于引导和调整CamShift算法中搜索区域的位置和方向。测试结果表明,与传统的CamShift算法相比,该算法具有更好的跟踪效果和鲁棒性。     

基于改进混合高斯模型的前目标提取算法

前目标提取问题已经得到广泛的研究,而传统的混合高斯背模型提取的前目标含有许多误差点。针对这一缺点,本文对静态态背和动态背两种情况建立一种基于局部密度特征的改进的混合高斯模型,并设计相应的提取算法。实验结果表明,新算法可以精确地将前目标与背目标分离,得到的提取效果基本不含误差点,明显优于传统的混合高斯模型。     

最优可免域补体免疫网络边带模糊红外目标提取算法

针对边带模糊红外图像目标区域与背景区域特征差别较小、目标边缘模糊等问题,以生物免疫系统中先天性免疫、适应性免疫与补体系统的相互作用为参考,提出了一种最优可免域补体免疫网络边带模糊红外目标的提取算法,通过设计补体免疫分类器,提取深度模糊手部红外图像类别特征及方向特征,实现对深度模糊红外图像目标区域的准确提取。实验结果的定性及定量分析证明所提算法相较于其他传统算法,提取到的目标更加准确、有效。