基于背景差和多层背景的目标持续检测研究

传统的目标检测方法只能检测出运动的前景目标,而进入监控场景后停止或移动缓慢的目标将被更新到背景里.文章提出了一种基于背景差和多层背景模型的前景目标持续检测方法,将背景分为动态背景和参考背景两层,采用改进的Surendra算法快速提取背景;曰标检测中,采用动态背景检测运动前景,通过动态背景与参考背景之差检测出静止前景.对...     

铁路场景三维点云分割与分类识别算法

铁路限界侵入检测对保障高速铁路安全具有重要意义,基于激光三维点云分割与分类识别的异物侵入检测具有准确、直观的优点,在诸如隧道口和站台的铁路重点区域监测中具有广泛应用前景。设计了一种带动二维激光雷达进行俯仰运动的装置用于铁路三维点云的采集,基于法线方向一致性原则提出采用区域生长分割算法解决欧氏聚类分割和随机采样一致性(RANSAC)分割造成的过分割和欠分割问题;针对分割后的单物体点云,提出利用视点特征直方图(VFH)进行不同目标的三维点云特征提取,基于不同物体VFH建立KD树,并利用最近点搜索方法完成单物体点云分类识别。铁路场景典型物体的分类实验结果表明,本算法对铁路场景典型物体的分类识别准确率大于90%。     

基于改进深度卷积网络的铁路入侵行人分类算法

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建立了铁路异物侵限报警样本的训练集和测试集,提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法。首先引入了改进的AlexNet深度卷积神经网络模型,提取了自动学习的Alex高层特征,然后将其与HOG特征相结合形成Alex-HOG组合特征,最后利用组合特征对分类网络进行训练。铁路异物侵限报警测试样本库的实验表明,该方法对1 498张测试样本图像的识别准确率高达98.46%,时间为3.78s,实时性和准确率均有较大提高,对降低系统误报率具有重大意义。     

云杂波成像背景的时序多帧投影抑制

为提高空间目标天基实时监视能力,对美国在空间中段实验卫星上搭载的空间目标在轨检测与跟踪信号处理器采用的基于时序多帧投影策略的MTI (Moving Target Indicator)算法进行了深入研究,并提出了一种基于时序差分标准化最大值投影的云杂波背景抑制算法.系统地阐述了时序多帧投影算法的思想与典型投影算子的设计方法;针对云杂波成像场景,对MTI算子提出了两点改进方法,即引入相邻帧差分算子与次序统计量中值估计算子来提高对云杂波成像背景的抑制能力,增强背景抑制算法的稳健性;最后,利用实际获取的云层背景图像数据库,仿真比较了不同投影算法的性能差异及影响算法性能的主要因素.仿真实验结果表明:对于输入信杂比小于2.0的弱小目标图像,本文算法的输出信杂比达到5.8以上,比MTI算法平均提高了1.0左右,有效解决了云杂波成像背景的弱小目标检测问题.     

CenSurE特征和时空信息相结合的运动目标检测

提出一种结合中心环绕极值特征(CenSurE)和时空信息的运动目标检测算法,用于提高动态场景中运动目标检测的速度和目标的完整性.首先,根据CenSurE特征点提取的快速性和精确性,使用该特征和单应性变换模型快速、准确地配准运动序列帧间图像,从而补偿摄像机运动引起帧间背景的平移、旋转和缩放量.然后,在时域对背景配准帧用帧差信息生成运动前景掩模,根据前景掩模的空域信息建立动态更新的实时背景,并使用空域背景减除和一种基于概率统计的自适应阈值分割方法提取较为完整的前景运动目标.最后,通过标准视频序列进行测试以验证算法的有效性.实验结果表明,该算法能够达到15 frame/s的处理速度,且在保证检测速度的同时可得到完整的运动目标,基本满足动态场景中运动目标检测的快速性、抗噪性、光照适应性以及目标完整性等指标.     

基于运动目标自适应检测的改进ViBe算法

传统视觉背景提取(ViBe)算法检测结果存在Ghost区域,且受环境变化影响,在提取前景时容易产生误检或漏检。针对这些问题,提出了一种基于运动目标自适应检测的改进ViBe算法。首先在背景模型初始化过程中,通过对均值背景建模设置调节参数方式获取真实背景,利用该背景初始化ViBe背景模型;其次在前景检测过程中,根据场景变化引入自适应半径阈值对前景进行自适应检测;最后对检测结果中存在的空洞进行数学形态学闭运算填充。实验结果表明,改进算法能够有效抑制Ghost区域,并在环境变化的情况下较完整地检测前景目标,与传统ViBe算法相比,检测的精确率提高了10%以上,误检率和漏检率分别降低了20%和7%,且改进算法满足实时性要求。     

基于色彩相似度的前景有效提取算法研究

提出一种将辅助背景滤波与色彩相似度检测相结合的前景有效提取算法。该算法首先运用背景差分构建辅助背景来描述环境噪声分布,并用辅助背景对疑似前景区域进行空域滤波,以增强算法对背景变化的适应能力;然后建立色彩相似度作为前景目标评价标准,进行前景目标检测;最后对检测结果进行形态学操作,得到比较完整的前景目标。多场景实验表明,该算法检测效果良好,具有较强的鲁棒性,对阴影和光照变化具有很好地抑制作用;同时实时性好,空间复杂度低。     

采用目标背景建模的毫米波弱小目标检测

基于被动毫米波成像特性,提出了改进的稀疏表示——圆周中心差(ISR-CSCD)算法来解决被动毫米波图像中弱小目标与背景区分度较弱,目标可提取特征较少的问题。该算法通过改进稀疏表示方法完成背景抑制与目标增强。依据目标与周围背景特征先验,提出了圆周中心差背景抑制算法对检测图像进行背景抑制。然后,融合改进稀疏表示方法和圆周中心差背景抑制算法的结果得到抑制了背景的目标增强图像。最后,基于恒虚警率的检测方法完成了弱小目标的检测。对不同场景下的毫米波图像进行了实验检测,结果表明,与主流算法图像稀疏表示(SR)法、鲁棒规则核回归牛顿算法(NRRKR),空时联合分类稀疏表示算法(STCSR)和累积中心与周边差异测量算法(ACSDM)相比,ISR-CSCD算法具有更低的虚警率、更高的检测精度、更强的鲁棒性。对各种虚警率、信噪比之下的毫米波弱小目标检测结果显示,ISR-CSCD检测率相对于其它算法平均提高了约15%。     

基于单高斯背景模型和双差分融合的运动目标检测算法

提出了一种新的运动目标检测算法,实现了只对帧图中感兴趣的运动目标区域进行背景匹配更新,能够较精确地检测出运动目标。该算法首先提出了双差分模型确定运动目标最大分布的可能区域,然后融合单高斯背景模型对此区域进行背景重建,再运用背景差分得到精确前景目标。仿真试验结果表明,该方法降低了运算的复杂程度,提高了检测精度,具有很好的鲁棒性。     

一种基于改进混合高斯背景模型的运动目标检测方法研究

提出了一种固定摄像头下自适应的运动目标检测方法。该方法基于改进的混合高斯背景模型,通过在线更新模型学习率,实现背景模型更新。最后用背景差分法检测出运动目标。实验结果表明,与传统混合高斯模型的运动目标检测方法相比,该方法有较好的自适应性,能快速适应场景的变化。     

基于CNN的高速铁路侵限异物特征快速提取算法

高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界。为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法。针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降的问题,提出将卷积层的卷积核进行预先训练;最后为防止因全连接而导致的对称性特征提取,提出加入稀疏性参数的快速特征提取算法。改进后的卷积神经网络,在保证准确率的基础上加快了计算速度,同时满足了实时性和高准确率的要求。实验表明处理单幅图像的速度为0.15 s,准确率为99.5%。     

基于快速DBSCAN聚类的铁路异物侵限检测算法

在铁路建设及运营阶段,侵入限界的异物对既有线的安全行车构成极大威胁。将复杂的空间侵限检测转换为简单的平面内异物检测,研究利用二维激光测距传感器构建三维幕墙的侵限检测方法。在异物检测过程中,正常通过的列车不能认作异物,必须设计合理的算法检测并予以剔除。由于列车主要体现在轨道平面的检测结果中,重点研究通过分析扫描点云的分布特征对轨道平面内侵限物体进行分类的算法,提出了利用测量序列极值点作为核心对象的快速DBSCAN(density-based spatial clustering of applications with noise)聚类方法,并利用点簇的运动及分布特征判断是否为正常通过列车。现场试验表明,该方法能够有效区分侵限异物和正常通过的列车。     

基于Shi-Tomasi的太赫兹人体图像边缘物体识别

为了提高太赫兹安检系统对人体图像边缘物体识别的准确率,提出了一种基于Shi-Tomasi算子的角点特征识别算法.首先对原始图像进行预处理,经二值化、腐蚀膨胀、边缘平滑后消除人体轮廓中孤立的噪声和边缘刺峰;然后将Shi-Tomasi算子筛选后的人体轮廓强角点与垂直方向阈值范围内的相邻角点连线,并根据连线两侧遍历像素变化点...     

[BIM模型与智能设计]高速铁路线性BIM模型快速拉伸算法研究

针对目前BIM软件在建模过程中存在的难以快速对实体进行拉伸的问题，提出了BIM软件中的快速拉伸算法，包括二维平面曲线离散转三维空间曲线算法和平面空间变换几何算法; 开发出针对高速铁路项目的专用BIM模型拉伸工具，实现了高速铁路线性BIM模型的快速拉伸; 基于所提算法在实际高速铁路项目中开展了区间三维设计，实现了高速铁路线性BIM模型的快速创建，且设计效率提高了100%。     

基于背景差分的巡检机器人视觉识别方法

针对巡检机器人检测异物范围受限,只能检测经过训练的异常物体问题,提出了一种基于视频对齐的背景差分技术。巡检机器人由于运行速度不稳定、摄像头角度存在偏差,会导致视频无法对齐,识别准确率低,因此采用一种改进的联合优化算法对视频进行处理。首先使用改进的DTW算法逐帧查找与目标视频对应的帧,将视频对应帧提取出来;再采用SURF算法提取对应帧的特征点,进行筛选后使用DeepFlow算法得到对应帧图像的变形场矩阵,进而将图像角度修正,并进行像素级的匹配。实验结果表明,DTW-SURF-DeepFlow联合算法可以将图像进行完全的对齐,经过对齐的图像通过背景差分即可以检测出任意的异常物体,提高了异物检测的准确性。     

Multi-scale wavelet transform filtering of non-uniform pavement surface image background for automated pavement distress identification

Non-uniform background of pavement images results in difficulties when segmenting pavement images for pavement distress identification. A novel and fast non-uniform background removal algorithm based on multi-scale wavelet transform is presented. The algorithm uses multi-scale wavelet transform to decompose pavement image and then reconstructs image background using low-wavenumber components through inverse wavelet transform. Brightness of image background is then corrected to achieve uniform background pavement image. The multi-scale wavelet transform algorithm is compared with median filter algorithm and morphological closing algorithm. Experimental results show that the proposed algorithm possesses the advantage of extracting tiny cracks more effectively than the other two algorithms, demonstrating its suitability to be used in automated pavement distress segmentation and identification.     

复杂场景中基于变块差分的运动目标检测

针对复杂场景中包含的摄像机扫描运动、随机抖动和目标运动,提出一种基于帧间可变块差分的运动目标检测算法.首先,利用全局特征点估计运动参数对帧间背景进行补偿,提取图像的全局特征点并匹配,以特征点集的最小位置误差和作为目标进行迭代,获取误差不大于0.5 pixel的全局运动参数,并精确补偿当前帧实现背景校正.然后,利用可变块...     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。