基于视频分析的智能监控系统

智能监控是当前计算机视觉研究的热点领域之一。针对室内监控的具体特点,实现了一种基于视频分析的智能检测跟踪监控系统。利用基于统计模型的目标检测算法提取运动目标;然后结合Meanshift算法对目标进行粗跟踪;最后针对Meanshift算法无法实时改变跟踪窗大小的缺陷,提出边界力调整算法以自适应更新跟踪窗窗宽。并以DM642数字图像处理DSP为核心,设计并搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪室内运动目标。     

基于粒子滤波的行人跟踪研究及其性能分析

智能监控系统中的行人跟踪功能在很大程度上能够减轻工作人员的大量眼力工作,通过智能的方式自主地跟踪用户感兴趣的目标.在视频监控环境的基础上,利用改进的粒子滤波器,设计了一个行人跟踪系统,并使其具有系统性能分析的功能.通过使用Mean Shift算法进行目标位置的预估计和多特征融合的方式使该系统在视频背景复杂的情况下能够实现对行人的稳定跟踪.并在实际应用中,分析了在遮挡情况下,行人跟踪效果差的原因,并予以改进.在Visual C++集成开发环境中,基于OpenCV和MATLAB编程实现了系统,能够实时地对目标进行跟踪,并对跟踪结果进行反馈.     

海防视频监控系统中运动目标跟踪的设计与实现

针对海防视频监控系统中运动目标跟踪的问题,本文提出了利用上位机软件进行目标跟踪的设计与实现方案。文章首先介绍了海防视频监控系统的总体组成及工作流程;然后阐述了相关跟踪算法与金字塔分层搜索算法的实现,以及利用序贯相似检测算法与金字塔算法相结合的目标检测方法;最后描述了用目标偏移量对云台进行控制实现自动跟踪
踪的过程。通过在实际海防视频监控系统中的应用,对运动目标跟踪实现方案的有效性、实时性等特性进行了验证。     

基于TMS320DM642 DSP的实时视频监控系统实现

为了实现视频监控运动目标自动检测和跟踪的应用要求,设计了基于高性能DSP的运动目标跟踪嵌入式系统。该系统利用视频格式YUV420模型的Y分量进行运动目标检测,并以目标的形心为跟踪点,通过绝对误差和判决标准对运动目标进行跟踪;最终利用协同控制策略对摄像头进行控制,保证运动目标长时间保持在视野范围内。该系统通过基于DSP硬件结构的各软件模块优化,提高系统的处理能力,实现了系统的高效跟踪。     

动态复杂背景下的智能视频监控系统设计与实现

采用二重对称帧间差分目标检测算法和基于压缩感知的目标跟踪算法,设计并实现了一种可适应动态复杂背景下的智能视频监控系统;基于目标检测该系统能提取本地视频文件中局部运动目标并进行视频压缩,减少回放、查看视频时间,可实时播放并处理本地或网络摄像头数据,也可根据光照变化动态调整二值化阀值,实现实时区域入侵检测与报警;基于目标跟踪本系统能在动态背景下对选定目标进行跟踪,可通过客户端手动控制监控云台跟踪,也可对入侵目标实现云台自主大角度追踪;实验表明,此系统能在日常复杂环境下对运动目标准确检测和大角度跟踪,在智能家居和移动安防领域有很好的实用性。     

最少帧差法在智能跟踪系统中的应用

动态目标的智能跟踪系统主要用来实现对动态目标的自动跟踪系统,其硬件系统包括带有镜头的摄像机及其装载驱动器的云台、控制台、自动跟踪伺服系统及联路等.基于该系统,提出了一种使用最少的视频帧数就能实现对运动目标进行实时可靠的检测和智能跟踪,满足特定的监控要求的最少帧差法.并通过了实验验证了其有效性.     

动态背景下基于粒子滤波的运动目标跟踪方法

在智能视频监控系统中,实现对动态背景下的运动目标准确跟踪是一个难点问题。使用一种基于粒子滤波的方法来对动态背景下的运动目标进行跟踪。该方法基于贝叶斯估计,利用粒子集来表示概率,通过递推的贝叶斯滤波来近似逼近最优化的估计结果。实验结果证明,该方法可准确跟踪动态背景下的运动目标,是一种有效的目标跟踪方法。     

改进联合概率数据关联的视频多目标快速跟踪

针对监控范围较大、目标外观特征少的视频多目标数据关联及跟踪问题,本文仅利用目标运动特征,提出了一种基于联合概率数据关联（joint probabilistic data association,JPDA）的复杂情况下视频多目标快速跟踪方法．首先采用murty算法求JPDA的最优K个联合事件,大大降低了计算复杂度;然后根据JPDA的关联概率讨论目标的运动情况,分析在多目标新出现、遮挡、消失、分离（前景检测存在目标碎片）等复杂情况下当前帧量测与跟踪目标的数据关联问题,获取复杂运动的多目标跟踪轨迹．在多个监控视频上的实验结果表明,该方法能大大提高跟踪性能,实现复杂情况下的视频多目标快速跟踪．     

基于ARM9与移动目标识别算法的安防监控系统设计

介绍了一种基于S3C2440硬件平台和移动目标识别技术的安防监控系统的总体设计方案,在嵌入式Linux平台下实现视频数据的采集、编码与传输;选择时间差分图像检测移动目标算法,实现视频运动物体的捕获与识别,判断目标类型,并及时发出报警信号;通过USB摄像头实现视频实时采集;利用xvidcore作为视频图像编码压缩算法;采用GPRS模块完成无线网络的接入与数据传输;并在嵌入式GUI解决方案QtopiaCore4的基础上,开发了安防监控软件系统;实际应用表明,该系统具有低功耗、抗干扰能力强及可靠性高等特点,提供了一种全新的安防监控应用方案.     

基于非重叠多摄像头的实时监控系统

针对室内外环境的动态特点,描述了一个可扩展的多摄像头实时监控系统,提出了新的基于非重叠多摄像头的运动目标跟踪方法.该方法利用亮度信息在单摄像头内检测和跟踪目标,结合运动目标的亮度特征和路径特征,在多摄像头内估计运动目标外形变化,并建立运动目标路径模型,使用融合算法实现基于非重叠多摄像头的目标跟踪.与其他监控系统相比,该系统不要求摄像头校准,在有亮度变化的非重叠多摄像头场景中能立即准确跟踪目标.实验证明,提出的方法有好的跟踪效果.     

一种基于FPGA的实时视频跟踪系统硬件平台设计

提出一种基于FPGA的视频跟踪系统硬件平台的设计方法,包括主控芯片、CMOS图像采集、多端口SDRAM控制器、图像VGA显示、SOPC系统和云台控制驱动等电路的设计。通过该平台,可以实现实时图像采集、缓存、显示和云台驱动;在SOPC系统中加入代码,可以实现运动目标的检测、跟踪、定位,改变云台转动方向,实现自主跟踪。     

基于背景差分法的煤矿井下视频动目标检测

煤矿井下运动目标的监测是随着工业视频监控、数字图像处理和模式识别等技术的发展而提出的一种安全生产管理的新需求,通过识别井下移动物体,判别其基本属性,跟踪其运动轨迹,分析其所处环境,结合预设参数及专业库,进行危险性判别及预警。针对煤矿井下环境的运动目标检测需求,描述了整个系统的组成及框架,采用背景差分法的基本原理,重点设计了矿井监控视频中的运动目标检测的流程及相关算法,结合Python与OpenCV的编程,混合高斯的建模过程,实现了煤矿井下综采工作面的运动目标的检测。现场应用表明,采用该流程及算法,在K=5,std=20,std_t=20,λ=3条件下,很好地实现了矿井监控视频中人员或矿车的动目标判别。     

基于达芬奇平台的运动目标跟踪算法

在运动目标跟踪过程中,考虑到达芬奇平台的数据处理能力,结合Vibe算法和Mean Shift算法的思想提出一种改进的运动目标跟踪算法,同时为了解决Vibe算法在目标由运动变为静止后遗留在前景图像中的鬼影难以消除的问题,对视频图像序列中的每个像素点建立前景计数器,根据前景计数器的值判断背景模型的更新速度。针对达芬奇平台对算法进行优化,把改进的运动目标跟踪算法移植到TMS320DM6467T达芬奇平台下进行处理,实验结果表明改进的算法具有良好的跟踪效果。     

基于ARM远程监控系统的设计与实现

选取了ARM9处理器S3C2410作为硬件平台,以嵌入式Linux操作系统作为核心,介绍了硬件平台的搭建,操作系统的选型,V4l2（Video For Linux 2）视频采集的设计;通过USB摄像头采集视频信息、嵌入式处理器对完成数据的压缩、传输以及控制,最终实现了视频监控系统的主要功能。通过测试,视频采集能够满足远程客户实时性要求,与以往的监控系统相比具有成本低、性能稳定、维护简单等优点,满足了对现有监控系统的要求。     

基于改进的SECOND网络与MobileNet V2网络的视频监控与追踪技术实现

为提高作业现场视频监控水平,提出一种基于深度学习的视频监控与追踪方法。该方法通过采用Res2SENet网络作为SECOND网络的卷积模块,并使用可变形卷积替代SECOND网络的标准卷积,以实现SECOND网络的改进。首先,基于改进的SECOND网络对目标进行检测,实现作业现场视频监控目标检测;然后,通过采用空洞卷积替代MobileNet V2网络的普通卷积,并使用改进后的MobileNet V2网络作为目标追踪算法,实现作业现场视频监控目标检测与跟踪;最后,在典型的包含大量激光点云图像的KITTI数据集上进行测试。结果表明,该方法利用改进SECOND网络对作业现场视频监控三维目标检测的平均精度和检测时间分别为81.62%和0.048 s,相较于标准SECOND网络、特征金字塔网络(Feature Pyramid Network,FPN)、F-PointNet网络,改进SECOND网络具有明显优势;利用改进的MobileNet V2网络对作业现场视频监控三维目标跟踪的准确度、精确度和跟踪数分别为81.62%、80.55%和57.30%,丢失数和跟踪轨迹中行人ID瞬间转换次数分别为11.08%和22%,具有较快的运行速度,为39 f/s,相较于MobileNet V2网络、马尔可夫决策过程(Markov Decision Process,MDP)网络、平滑支持向量机(Smooth Support Vector Machine,SSVM)网络,改进的MobileNet V2网络在各项指标上均具有一定优势,可以满足作业现场视频监控目标的检测与实时跟踪需求。     

面向卫星在轨实时处理的遥感视频动目标提取算法

针对现有动目标检测算法应用于卫星视频存在较多伪运动误检且难以在轨实时运行,同时短程跟踪算法难以寻回丢失目标的问题,提出一种卫星在轨实时提取运动目标算法.面向运动区域设计图像分类算法以优化运动检测结果,准确筛选动目标;用短程跟踪代替逐帧检测,以降低整体算法复杂度,并设计多特征融合与时空约束的重识别机制关联短程轨迹,应对跟...     

基于云计算的视频取证监控系统*

在视频取证过程中,面对多摄像头非协作工作方式的视频取证的缺陷以及海量的视频数据和复杂的取证计算问题,提出了一种基于云计算的视频取证监控系统的解决方案。在该方案中,各摄像头采用协作工作方式,监控系统中的视频数据保存在云计算系统中,终端用户需要的视频监控服务由云计算平台来提供,取证过程中的目标识别和跟踪等复杂计算也由云计算平台提供。该系统可以充分利用云计算平台的虚拟存储和虚拟计算能力,解决取证现场的多摄像头的协作工作能力,提高视频取证的处理效率和取证的准确性以及提高各种终端用户的监控灵活性和方便性。     

六足机器人动态目标检测与跟踪系统研究

动态目标检测与目标跟踪是图像领域的热点研究问题,为研究其在移动机器人领域的应用价值,设计了六足机器人动态目标检测与跟踪系统。针对非刚体运动目标容易被检测为多个分散区域的问题提出区域合并算法,并通过对称匹配、自适应外点滤除对运动背景进行精确补偿,最终基于背景补偿法实现对运动目标的精确检测。研究了基于KCF（Kernel Correlation Filter）的目标跟踪算法在六足机器人平台上的应用,设计了自适应跟踪算法实现六足机器人对运动目标的角度跟踪。将运动目标检测及跟踪算法应用于六足机器人系统。实验表明,在六足机器人移动过程中,系统可对运动目标进行精确检测与跟踪。     

基于区块链技术的高速移动视点视频监控跟踪系统设计

针对传统高速移动视点视频监控跟踪系统视频信号收集能力差,追踪准确率低,课题在区块链技术基础上设计了一种新的视点视频监控跟踪系统。系统硬件设计分为视频监视模块、数据定位模块以及视频监控跟踪模块三个模块进行研究操作,在视频监控跟踪模块中根据硬件元件结构与性质对其进行系统掌控,辅助BDL9830QD监视器强化内部系统监视功能,时刻保持系统中心监控操作,在数据定位模块中,综合数据所处状态,选择数据微型定位器对信号进行追踪定位,标定定位目标,调整数据状态,在视频监控跟踪模块中选用HX-YT01 自动视频追踪器加大对数据信号的跟踪力度,实现精准化监控跟踪,由此完成系统硬件设计。在系统应用程序设计中综合硬件元件特点进行程序改造,构建区块链空间,实现对系统的整体设计。实验结果表明,基于区块链技术的高速移动视点视频监控跟踪系统的追踪能力提高了15.21%,追踪结果准确率提高了22.8%。该设计能够在较高程度上强化系统监控跟踪性能,同时缩减系统操作所需时间,提升整体系统运行效率,能够更好的为使用者提供优质理论研究操作。     

基于失真激励式机会模糊控制的视频跟踪机制

为了提高目标跟踪精度和跟踪视频质量,研究了一种具有失真激励功能和基于机会模糊控制的视频跟踪机制及其系统架构。首先,针对目标行为空域和模糊集群,通过建立群内模糊集且依据目标移动速度构建了机会模糊控制系统。然后,在分析跟踪目标的差异性和目标移动速度的随机性的基础上,以激励模糊集群用户的机会逻辑控制为目标,提出了基于失真激励的视频跟踪机制及其系统架构。最后,实验结果表明,提出的算法在系统执行效率、视频传输时延和跟踪视频质量等方面具有明显优势。