基于全方位视觉传感器的车辆违章检测系统的设计

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉等技术来实现对交岔路口的车辆违章智能视频监控,采用ODVS来获取整个交岔路口的全景视频图像;通过混合高斯模型提取在全景视频图像中的车辆对象前景;使用camshift跟踪算法跟踪行驶车辆对象;依据交通法规,通过对比红绿灯、车道和车辆运动等状态来判断车辆对象是否有违章行为;实验结果表明,所设计的违章检测系统能自动检测出多种车辆违章行为,为交通执法部门提供了一种智能化的检测手段。     

基于全方位视觉的独居老人监护系统

现有的独居老人监护系统存在算法复杂度高、监护效率低、不能保护老人日常隐私等问题。为此,提出一种基于全方位视觉的独居老人监护系统。利用全方位视觉传感器(ODVS)获取老人的全景视频图像,设计运动历史/能量图像算法用于目标跟踪,根据ODVS的成像特点,采用与ODVS距离位置不同的人体模型实现姿态识别,建立家庭空间与环境要素之间的映射关联,以提高行为检测的鲁棒性和可靠性,并通过ODVS标定和人体对象跟踪获得老人的活动量信息。实验结果表明,该系统的鲁棒性和实时性较强,检测准确率较高,能满足独居老人监护的需要。     

基于全方位视觉的多目标跟踪技术

为了快速准确地检测并跟踪多目标对象, 提出了一种基于全方位视觉的多目标对象跟踪方法. 首先采用全方位视觉传感器(ODVS)实时地采集现场360°全景视频图像;接着融合运动历史图像算法(MHI)和运动能量算法(MEI)实现了快速高效的MHoEI(Motion History or Energy Images)自动跟踪算法, 对多目标对象进行检测和跟踪;最后, 本文采用面向对象技术融合目标对象进行匹配跟踪实验结果表明本文提出的方法能较好地跟踪多目标对象, 具有鲁棒性高、运算量小、便于硬件实现、高效等优点.     

基于全方位计算机视觉的盗窃事件检测

为了实现公共场所的安防监控智能化,结合全方位视觉传感器（ODVS）、动态图像处理等技术设计出一种盗窃事件检测系统。首先,通过ODVS来获得360°无死角、大范围的全景视频防盗检测区域;其次,提出了一种基于两个不同画面更新率的混合高斯模型进行背景建模的动态图像处理方法来获取特殊背景对象,同时还能区分场景内的运动对象和纯背景对象;将被盗窃的物体作为特殊背景对象进行检测。实验结果表明,该盗窃事件检测系统具有检测范围广、检测精度高、鲁棒性好和实时性高等优点。     

基于全景视觉的移动机器人的运动目标检测

在动态背景下的运动目标检测中,由于目标和背景两者都是各自独立运动的,在提取前景运动目标时需要考虑由移动机器人自身运动引起的背景变化。仿射变换是一种广泛用于估计图像间背景变换的方法。然而,在移动机器人上使用全方位视觉传感器(ODVS)时,由于全方位图像的扭曲变形会 造成图像中背景运动不一致,无法通过单一的仿射变换描述全方位图像上的背景运动。将图像划分为网格窗口,然后对每个窗口分别进行仿射变换,从背景变换补偿帧差中得到运动目标的区域。最后,根据ODVS的成像特性,通过视觉方法解析出运动障碍物的距离和方位信息。实验结果表明,提出的方法能准确检测出移动机器人360°范围内的运动障碍物,并实现运动障碍物的精确定位,有效地提高了移动机器人的实时避障能力。     

基于计算机视觉的违章停车智能监控系统

针对违章停车的检测范围广、时间与位置不确定、车辆大小种类多、车辆身份难以自动识别等问题,设计了一种全方位视觉传感器(ODVS)和高速快球摄像机相融合的违章停车智能监控系统;利用ODVS在动态图像序列中进行大范围多目标车辆对象的检测与跟踪,得到大范围内各跟踪车辆对象目标的位置、大小、运动轨迹等信息;一旦发现车辆对象停留在非泊车位上一段时间后,控制高速快球对车辆对象进行抓拍,接着对抓拍图像进行车牌识别;实验结果表明,通过ODVS和高速快球摄像机的视频图像信息融合,即使在车辆对象非约束的情况下也能很好地获取到可用于车牌识别的图像,同时能满足多目标实时检测与跟踪的要求;该系统不仅能给欲违章停车的司机提供警示信息,同时也能给数字城管、执法部门装备一双智能化的慧眼。     

结合运动信息与表观特征的行人检测方法

提出一种结合运动信息与表观特征的行人检测方法.在对通过表观检测子获得的候选检测窗口执行分割验证的框架中,将运动信息融入到基于图像序列的对象分割算法中,通过获取更准确的分割结果来提高对候选检测窗口的检测准确率.该方法利用运动信息更新运动对象的前景/背景分布模型,将颜色信息间接地融入行人检测中,并通过形状特征表现出来,与行人表观检测子形成互补的特性,获得更好的检测结果.上述结论在CAVIAR视频以及行人检测视频中得到了实验验证.     

基于WLAN的全景视觉煤矿安全监控系统

针对煤矿下复杂环境及其安全管理需求,提出一种基于WLAN(Wireless Local Area Network)的全景视觉煤矿安全监控系统,采用ODVS(Omni-Directional Vision Sensors)配合有线和无线通信方式传输图像、信息、指令和数据,实时获取、传输井下实时全景视频图像,利用无线全景摄像机和无线局域网的相关协议绑定矿工身份信息,并利用绑定的信息将矿工定位和跟踪服务整合到煤矿安全监控系统中;该系统能作为监控煤矿环境安全、煤矿生产安全、煤矿机车运输安全和人员安全的一种全新的解决方案,具有十分重要的应用价值和市场前景;测试结果表明设计的ODVS水平方向的成像范围为360°,垂直方向的成像范围为224°,其中仰角为22°、俯角为63°;压缩后的全景图像分辨率为640×480像素和320×240像素(可选),能够很好地实现煤矿安全的监控。     

主动式三维立体全景视觉传感技术

为了使全方位视觉传感器(Omni-Directional Vision Sensor,ODVS)获取的全景图像上各像素本身具有成像物点的深度信息,文中设计了一种具有单发射中心点(Single Emission Point,SEP)的全景彩色体结构光发生器(Panoramic Color Structured Light Generator,PCSLG)以配合具有单视点(Single View Point,SVP)成像特点的ODVS;然后将ODVS和PCSLG垂直配置在同一轴心线上,实现一种主动式立体全景视觉传感器(Active Stereo Omni-Directional Vision Sensor,ASODVS);最后根据全景图像上各像素点所带光源的颜色信息,通过颜色识别算法以及ODVS和PCSLG的几何关系推断PCSLG的发射角并估算成像物点的深度值.实验结果表明,该文设计的ASODVS能快速实时进行全景立体图像的特征点实时匹配和空间物点深度的测量,实现了一种以观察者为中心的3D主动立体视觉感知.     

基于Adaboost和码本模型的手扶电梯出入口视频监控方法

针对传统视频监控方法无法对密集前景目标进行准确分割的问题,提出一种基于Adaboost和码本模型的多目标视频监控方法。首先,通过训练得到Adaboost人头分类器,利用码本算法为垂直拍摄的手扶电梯出入口图像建立背景模型,提取前景图像对其进行人头检测和跟踪;之后,剔除行人目标得到物件目标,对物件目标进行跟踪;最后,根据行人和物件的运动特征进行监控。对12段出入口视频序列的实验结果表明,监控方法能够准确稳定地跟踪行人和物件,完成逆行检测、客流统计、行人拥堵和物件滞留等监控任务,处理速度达到36帧/秒,目标跟踪准确率达到94%以上,行为监控准确率达到95.8%,满足智能视频监控系统鲁棒性、实时性和准确性的要求。     

动态图像理解技术在ATM智能监控中的应用

探讨了利用动态图像理解技术对ATM进行智能监控,采用全方位视觉传感器(ODVS)实时采集ATM机周围的全景视频数据;从全景视频数据中提取出各活动对象的属性信息,并根据这些属性信息对各活动对象进行识别;通过对各活动对象的跟踪与分析,得到ATM状态、ATM周围相关人员的行为等信息;最后通过行为语义化处理手段对ATM的多种常见的可疑犯罪行为等进行了识别;实验结果表明,对于模拟ATM一些常见可疑犯罪行为的识别方面,系统具有鲁棒性高、安检内容多、监测范围广等优点,为预防ATM机等金融犯罪提供了一种新的手段。     

使用单目摄像头的实时行人计数算法

为解决智能视频监控系统通道入口处的行人计数问题,设计在高斯背景建模下的行人检测计数算法。在该算法中,摄像头垂直放置在入口处的门顶上。为了降低计算复杂度,提高计算精度,设置一个感兴趣的检测区域,在该区域中通过对行人的检测及跟踪进行计数,并采用队列模型处理以提高检测效果。实验结果表明,该算法可以有效地对入口行人进行检测计数。     

智能全方位视觉传感器及其应用研究

全方位视觉传感器(ODVS,Omni-Directional Vision Sensor)是传感器网络的一种重要部件.该文研究了ODVS的设计、嵌入式Linux ODVS系统结构、ODVS视频服务器及ODVS应用系统软件的开发,详细阐述了基于ODVS的多目标自动跟踪系统的具体应用,给出了实验结果,本研究对传感器网络的高效应用有着重要的应用价值.     

遮挡情形下的行人检测方法综述

行人检测在智能交通、智能监控、无人驾驶、行人分析等领域都有广泛应用,随着技术发展,对行人检测技术的精度要求也越来越高。对遮挡情况下的行人检测技术进行了研究,根据遮挡物的不同,将遮挡分为非目标造成的遮挡及需要检测的目标造成的遮挡。分别总结了处理遮挡情况的传统方法和深度学习方法,并对每一类方法模型的主要思想和核心问题进行了分析和讨论。对遮挡下的行人检测技术在未来发展中亟待解决的问题提出展望。     

联合语义的深度学习行人检测

视频行人检测是计算机视觉的一个重要应用,本文利用深度学习检测近似垂直视角的行人,但若单纯检测行人,易受与行人语义相关的行人附属属性（如背包和帽子）的干扰,容易造成误检.本文提出一种基于更快区域卷积神经网络的联合语义行人检测方法：首先调整网络模型,增强对小目标的辨别力,使其可以有效的检测行人和行人的语义属性;然后利用空间关系建立行人及其语义属性的关联,合并行人与其语义信息,并对候选行人目标进行自适应得分调整,结合行人语义属性判断候选行人目标.大量的实验表明,本文的方法精度高,速度快,具有实用价值,且检出的行人与其语义属性还可用于后续的人数统计和行人行为分析.     

嵌入式系统中实时行人检测方法

随着计算机技术的不断发展,智能自动化的人数检测系统不断产生.人数检测对于企业或机构的信息化管理至关重要.传统人数检测方法因为肢体遮挡以及光照变化导致准确率较低.提出了针对人头特征的垂直检测方法,该特征可以保证在人流密度大的情况下无法被遮挡.该方法首先提取前景图像的梯度方向直方图特征,并通过SVM检测人头目标,利用头部的颜色特征,在相邻帧中使用MeanShift算法跟踪人头目标.根据人头目标轨迹进行过线检测,算法在嵌入式系统上进行了应用与测试,实验表明算法有较好的实时性与准确率.     

Real-time force doors detection system using distributed sensors and neural networks

Intelligent security systems have evolved enormously in the last few years. Most of these security systems use a group of physics sensors and algorithms for data analysis and communication systems to notify security alarms. Many security systems that are included in doors can detect intruders when they have already opened the door, but not while intruders are forcing upon the door. However, some security systems include preventive systems, which can detect intruders before they open the door. These preventive systems are usually based on video cameras (image processing) or in-presence sensors, which can generate many false positives, for instance, when a person is next to the door for a few seconds, even if this person is not manipulating the door. This research work proposes a novel force door detection system. The system includes a specific device for monitoring door small vibrations and movements; it analyzes these data using neural networks to detect accurately if someone is forcing upon the door. Artificial intelligence must be able to categorize data records without confusing when someone is forcing upon the door with other actions, like knocking on the door.     

一种融合用户级和内核级拦截的主动防御方案

通过对Windows环境下程序机理的分析研究, 探索采用用户级别拦截、内核级别拦截相结合的主动防御技术实现对恶意入侵行为自动精确检测和自动识别, 保障系统和网络的安全。实验结果表明, 该技术对于未知恶意入侵及其变种的检测能力均优于单一方法和其他传统检测方法。