基于边缘检测和混合高斯模型的运动目标检测算法

提出一种运动目标检测算法。该算法在时间域上通过混合高斯模型进行背景建模及更新,同时利用基于HSV颜色空间的阴影模型实现阴影检测,提取运动目标的初步形状。然后在空间域上利用Canny边缘检测算子获得运动目标的边缘轮廓,并进一步运算,提取出最终的运动目标。将所提出的算法应用到了越界侦测（报警）中,试验和应用结果表明,该算法能够更有效地检测出运动目标。     

室内照明条件对于运动目标检测算法影响的分析

在室内视频监控系统中,光照条件对于运动物体的检测与分类将产生显著影响。本文归类分析了室内照明条件对于运动目标检测算法的不同影响,提出一种能够快速地适应光照条件变化的运动目标检测算法。该算法结合了帧间差分与背景模型算法的优点,并且引入亮度信息进行前序的处理;因此能够快速准确地检测出运动目标,同时算法对不同光照条件具有较高鲁棒性。通过相关仿真实验,证明了该算法的实时性与可靠性。     

慢运动背景下的实时运动目标检测算法研究

运动背景下的运动目标检测是一项难度大、计算量大的工程,它的难点是难以在实际工程中达到实时性的要求.本文针对这一问题提出了一种利用Lucas-Kanade和层次聚类相结合的方法,能够快速检测运动背景中的运动目标.实验证明该方法速度快,准确性高,在实际工程中具有一定的应用价值.     

结合ViBe和KGC图割的运动目标检测研究

为了提高运动目标检测的准确性和完整性,在背景建模研究的基础上,提出一种结合非参数随机样本集ViBe算法和核图割KGC(Kernel graph cuts)理论的运动目标检测方法。采用改进的ViBe算法进行背景提取,把样本集扩展到阴影空间,抑制目标运动阴影的产生。针对样本随机性和噪声带来的目标不完整性,建立目标边缘轮廓分割约束,对前景区进行KGC分析,把滑动窗局限于目标轮廓最大概率密度区,过滤无效背景,合并有效区域。经过视频测试实验表明,该方法在不增加较大计算的情况下,达到检测实时运行,相对于传统算法获得较好的准确率、完整性和鲁棒性。     

无人值守变电站运动检测算法研究

提出了一种基于比率图像的运动检测算法。针对目前研究普遍使用的差分图像的不足,结合光学知识,得到了比率图像的累计直方图,并根据累计直方图和运动对象在图像中的特点提出了一种可行的阈值分割方法,并与传统Ostu方法的二值化结果比较。最后对该阈值分割方法进行评价。实验及应用结果表明,该算法对于运动物体侵入的异常检测率比较高。     

基于车底阴影的前方运动车辆检测

实时准确检测前方运动车辆的位置信息是车辆安全驾驶的前提,提出了一种在不依赖车道线检测情况下,基于车底阴影的前方运动车辆检测。阴影算法采用两次自适应阈值分割图像从而提取车底与路面的交线,生成目标假设区域,对建筑物或树的投影、光照强弱等干扰能初步有效的排除,提高检测效率;接着,利用熵值归一化的对称性测度来验证,排除虚假车辆。实验结果显示,该算法的正确识别率达到97.2%,平均处理速度为22.5帧/秒,对白天中多种环境能满足实时准确地要求。     

基于双目视觉的运动目标检测算法研究

运动目标检测是实现目标识别与跟踪的基础,它是计算机视觉研究领域的重要组成部分。鉴于传统的运动目标检测算法容易受到噪声、光照及外部环境影响,导致难以准确检测到运动目标的缺点,提出了基于视差的目标检测方法和基于灰度的目标检测方法相结合的算法进行运动目标检测。该方法是将两种算法检测出的前景目标相交部分作为运动目标,克服了双目视觉在目标检测中难以准确的获得目标轮廓,单目视觉容易受环境变化影响的缺点,可以在环境光线发生变化时、物体被照射产生阴影时、目标发生遮挡时准确检测出运动目标,从而提高目标检测的稳定性。     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

基于视频监视系统的运动目标检测技术的实现

介绍一种基于视频监控系统的运动目标检测方法。这种算法主要包括3部分：图像预处理、运动目标的检测、运动速度的求取。这种算法在帧差法的基础之上，提取出运动目标，并对其求取运动速度。这种技术可以用于变电站图像监控系统，用来检测运动目标，对于防止盗贼入侵变电站，有重要意义。     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

一种智能化道路照明控制系统

介绍一种智能化道路照明控制系统,在道路照明系统中加装探测装置、智能控制装置、检测装置、显示或报警装置、通信装置等,实施后可达到既避免无行人或汽车等通过时长时间开灯费电,又避免在有行人或汽车等通过时无法提供足够照明的目的.     

十字-菱形快速运动估计搜索算法改进

为改进视频序列的编码效率,文中提出改进十字-菱形快速运动估计搜索算法.该算法通过预测运动矢量、搜索区域调整、十字-菱形搜索等步骤进行运动估计.实验结果表明本算法减少计算量,提高运算速度,具有很好的重建视频质量.     

三轴机械臂直线运动控制系统

三轴机械臂以其可以构建空间曲线的优势在众多领域有广泛应用价值。本文用触摸屏作信息输入与显示,以施耐德LMC058型运动控制器为中心,通过伺服驱动器和伺服电机构成的三组伺服系统来分别驱动机械臂的三个方向轴,最终实现了空间两点的直线运动控制。     

图象动态检测的微型机控制系统

本文详细介绍图象动态信息的单片微型计算机检测的基本原理和方法，提供微机控制系统的方块图，并详细描述检测窗口信号的产生和控制电路的设计。     

电渣冶炼炉重熔电极运动控制系统的改进

介绍了电渣冶炼的基本原理,分析了电渣冶炼炉重熔电极运动控制系统的原有控制方法,并指出了它的缺点,同时提出了该控制系统改进的方案,该方案在实际应用中取得了良好效果。     

电力系统视频监控中目标检测与跟踪算法研究

对变电站电力设备进行全天候实时监测是电力系统安全防范的有效手段。根据视频监控技术的原理和特点,介绍了视频监控系统中的两大关键技术---运动目标检测和跟踪技术,并对运动目标检测和跟踪技术中常用的算法进行了探讨。介绍了运动目标检测与跟踪算法的基本原理,分析了算法的特点以及存在的问题,选取了适用于电力系统的目标检测与跟踪算法。最后,设计了电力系统视频监控的基本模式,并对电力系统视频监控的实际运行系统及发展趋势进行了详细的分析。     

缩短查找直流接地故障的时间

为保证直流系统的正常运行,查找直流接地故障的时间应尽可能缩短。分析了查找直流接地的方法并形成流程图,从而使查找过程规范化、合理化;并提出直流系统应尽量按分段直流母线进行配置,从而使查找环境得到优化。这两方面都对缩短查找直流接地故障的时间有很大帮助而且具有较强的可行性。     

基于边缘检测算法的智能车循迹系统设计

结合数字图像识别、图像处理和单片微处理技术,研究设计了一种基于边缘检测算法的智能车循迹系统。分别完成了系统的总体设计和软硬件设计,并采用MK60DN512ZVLQ10和TSL1401模块使循迹系统更智能,使小车运行稳定。系统测试结果表明,实现了小车的赛道图像识别、自动循迹的功能,并具有低功耗的特点。     

A License Plate-Recognition Algorithm for Intelligent Transportation System Applications

In this paper, a new algorithm for vehicle license plate identification is proposed, on the basis of a novel adaptive image segmentation technique (sliding concentric windows) and connected component analysis in conjunction with a character recognition neural network. The algorithm was tested with 1334 natural-scene gray-level vehicle images of different backgrounds and ambient illumination. The camera focused in the plate, while the angle of view and the distance from the vehicle varied according to the experimental setup. The license plates properly segmented were 1287 over 1334 input images (96.5%). The optical character recognition system is a two-layer probabilistic neural network (PNN) with topology 108-180-36, whose performance for entire plate recognition reached 89.1%. The PNN is trained to identify alphanumeric characters from car license plates based on data obtained from algorithmic image processing. Combining the above two rates, the overall rate of success for the license-plate-recognition algorithm is 86.0%. A review in the related literature presented in this paper reveals that better performance (90% up to 95%) has been reported, when limitations in distance, angle of view, illumination conditions are set, and background complexity is low.