基于YOLOv4算法从视频图像中监测道路积水

针对城区降雨量多,道路易积水而导致内涝且传统道路积水监测方法耗时耗力、成本高等特点,提出了一种针对城市道路积水的检测方法,基于YOLOv4算法从视频图像中监测道路积水.基于有效提取道路积水深度的目的,采用YOLOv4的目标检测模型对参考目标进行检测的方法,通过合成图像数据集训练的检测模型有效地从图像中检测出参考对象,由检测到的参考对象获得道路积水深度.结合视频图像应用案例表明,利用YOLOv4算法对视频图像进行目标检测,能快速、高效、准确地提取道路积水的深度.     

基于YOLOv4算法从视频图像中监测道路积水

针对城区降雨量多,道路易积水而导致内涝且传统道路积水监测方法耗时耗力、成本高等特点,提出了一种针对城市道路积水的检测方法,基于YOLOv4算法从视频图像中监测道路积水.基于有效提取道路积水深度的目的,采用YOLOv4的目标检测模型对参考目标进行检测的方法,通过合成图像数据集训练的检测模型有效地从图像中检测出参考对象,由检测到的参考对象获得道路积水深度.结合视频图像应用案例表明,利用YOLOv4算法对视频图像进行目标检测,能快速、高效、准确地提取道路积水的深度.     

目标视频跟踪方法

通过视频跟踪,首先可以得到目标的运动轨迹,继而深入分析,可以获得更有价值的信息内容。本文主要介绍2种流行方法,即基于深度学习的目标跟踪方法以及新近提出的多任务相关粒子滤波方法。     

智能视频监控系统中一种基于MeanShift的目标跟踪计数方法

本文针对视频监控系统中的目标跟踪问题,以Meanshift算法为核心算法,实现对彩色视频序列图象中运动目标的跟踪。     

论5种视频系统图像文件的存储格式与图像存储

1前言视频系统的图像质量,通常被认为与摄像头的选取、现场的照明度,以及系统的信息传输方式有关。然而除了上述条件之外,视频系统的图像质量还与视频系统图像文件的存储格式有直接关系。无损存储格式是底     

多媒体网络视频数字监控系统

视频监控系统的发展经历了:①第一代:闭路电视系统构建的模拟系统;②第二代:数字信号控制的模拟系统;③第三代:以数字硬盘录像设备为核心的数字监控录像系统;④第四代:数字网络视频监控系统。比较了几种视频监控方案的优劣。着重介绍了多媒体网络视频数字监控系统的核心技术:MPEG-4多媒体应用标准、多点通信、实时传输、异构网络通信平台、嵌入式系统,以及多媒体网络视频数字监控系统的主要构成要素:网络视频编码器、采集工作站、总控工作站、监控服务器。最后介绍了一个网络视频监控系统的应用案例。     

基于视频信息分割分类索引方法的初步研究

本文对视频信息检索的索引方法作一初步探讨,该方法包括:对视频内容进行分割;分割后具代表性的对象赋予数据特征;对视频内容按检索要求进行分类(层);分割对象与检索类型建立对应关系,从而建立索引和检索体系。     

基于RBF神经网络的自适应轨迹跟踪算法

考虑到保障机械手系统工作稳定的需求设计以模型为基础的,结合RBF神经网络的自适应控制器轨迹跟踪算法。兼顾到该自适应控制器外部工作环境的影响因素对其工作形成的影响开展了详细的机械手轨迹跟踪算法。在控制系统中假如使用了RBF审计网络自适应补偿算法控制器,有效改善了外界环境因素对系统形成的不利影响,降低了神经网络的误差,进一步提升该系统工作的安全性与可靠性。得出的Lyapunov函数证明可靠稳定,使得其跟踪轨迹完整而准确。通过数据拟合出运动轨迹曲线结果得出两者之间误差,进一步提升了跟踪准确度,在稳态误差以及超调量方面都有所优化。     

基于IMM的舰载雷达目标跟踪算法研究

首先研究了目标跟踪中的卡尔曼滤波算法和常用的机动目标跟踪模型,分析了各模型基于卡尔曼滤波算法的跟踪性能。然后,引入交互式多模型算法,使用多个不同的运动模型匹配目标不同的运动模式,且各模型之间存在交互。在MATLAB中模拟舰载雷达的目标运动航迹,采用交互式多模型算法,通过对经典交互式模型（即一个CV模型和一个CA模型）的实验仿真,验证了在目标跟踪系统中交互式多模型算法的有效性。     

基于交通视频和深度学习的车辆检测和跟踪1

车辆目标检测和跟踪是智能交通的关键技术,目前已有的车辆检测和跟踪算法种类繁多但是性能各异,难以同时满足交通视频监控中的实时性和高精度要求.该文采集多段交通监控视频,标注多种类型的车辆目标.在此数据集上从多种维度考查多种基于深度学习的车辆检测算法和多种流行的跟踪算法在交通视频上的表现,其中SSD算法满足实时性要求且mAP达0.878.并提出基于SSD和MEDIANFLOW的车流量实时检测方法.经实验证明,该方法在保证实时性情况下车流量的检测准确率达到94.5％.     

基于OpenCV的视频监控追踪系统的设计与实现

针对传统视频监控系统利用人工查看视频,效率低,浪费人力物力的问题,论文设计了一套基于Open CV人脸识别和神经网络预测目标路径的视频监控追踪系统。系统采用Qt框架,利用Qt中QLable显示视频监控信息,利用Open CV技术对视频图像进行面部特征提取与人脸特征识别,结合GIS,通过SQL Sever Data Base管理了道路、监控设备位置等空间位置信息,利用Open Gl展示了空间数据,并通过神经网络预测模型对目标的下一个途经地点进行了预测,实现了系统对监控区域的实时视频监控。测试表明,该系统能够快速高效地进行目标追踪和预测以及辅助生成围堵方案。     

A Methodology for Object Identification and Tracking in Construction Based on Spatial Modeling and Image Matching Techniques

Abstract:   Understanding the motion characteristics of on-site objects is desirable for the analysis of construction work zones, especially in problems related to safety and productivity studies. This article presents a methodology for rapid object identification and tracking. The proposed methodology contains algorithms for spatial modeling and image matching. A high-frame-rate range sensor was utilized for spatial data acquisition. The experimental results indicated that an occupancy grid spatial modeling algorithm could quickly build a suitable work zone model from the acquired data. The results also showed that an image matching algorithm is able to find the most similar object from a model database and from spatial models obtained from previous scans. It is then possible to use the matched information to successfully identify and track objects.     

Automated Object Identification Using Optical Video Cameras on Construction Sites

Abstract: Visual recording devices such as video cameras, CCTVs, or webcams have been broadly used to facilitate work progress or safety monitoring on construction sites. Without human intervention, however, both real‐time reasoning about captured scenes and interpretation of recorded images are challenging tasks. This article presents an exploratory method for automated object identification using standard video cameras on construction sites. The proposed method supports real‐time detection and classification of mobile heavy equipment and workers. The background subtraction algorithm extracts motion pixels from an image sequence, the pixels are then grouped into regions to represent moving objects, and finally the regions are identified as a certain object using classifiers. For evaluating the method, the formulated computer‐aided process was implemented on actual construction sites, and promising results were obtained. This article is expected to contribute to future applications of automated monitoring systems of work zone safety or productivity.     

一种基于粒子群算法的暖通空调过程对象辨识方法

暖通空调系统运行效果的好坏依赖于控制系统。传统的控制过程中PID参数需要专业人员根据工程经验进行设定,往往控制精度不够,鲁棒性差。而基于系统传递函数的PID控制虽然表现性能良好,但实际使用过程中往往由于不能得到准确的传递函数而受到限制。采用粒子群优化算法对所研究的暖通空调对象进行模型参数的辨识。在辨识过程中,首先将空调系统中涉及的某个被控对象的传递函数设置为二阶滞后模型,然后采用粒子群优化算法对模型参数进行在线辨识。通过将目标函数设置为最小化模型输出与系统实际输出的偏差值而得到最优参数解,从而得到被控对象的传递函数。通过2个算例说明该方法过程简单、结果准确,且具有一定的鲁棒性。     

视频资源数字对象格式及其码流研究

本文通过理论研究和实验测试,对目前在视频数据库中常用的视频文件格式进行分析,比较和总结各种格式在视频数据库建设中的使用现状、优劣对比,结合视频应用环境的技术发展尤其是网络环境的变化趋势,分析数字视频资源网络呈现领域上最具创新性的新趋势。     

Model-Free Video Detection and Tracking of Pedestrians and Bicyclists

Abstract:   Pedestrian and bicycle monitoring is quickly becoming an avid area of interest as information regarding pedestrian and bicycle flow is needed not only for developing competent access to particular urban corridors and trails, but also for system optimization scenarios, such as transit system operations and intersection controls. In this article, we present a simple, yet effective method for tracking pedestrian and bicycle objects in a relatively large surveillance area, using ordinary un-calibrated video images. Object extraction is accomplished via background subtraction, while tracking is accomplished through an inherent characteristic cost function. Composite objects are used as a means of dealing with occlusions. The algorithm is implemented using Microsoft Visual C# and was tested on numerous scenes of varying complexity, resulting in an average count rate of 92.7% at the specified checkpoints.     

基于ObjectARX的自定义面域研究

国内的很多测绘生产单位都是采用AutoCAD软件作为数据采集平台,这主要是由于它方便易用、图形表现灵活多样,但是AutoCAD中对于面状地物的表现明显不足,更缺少对于面状地物空间操作的支持.本文探讨了自定义面域的实现方法,通过引入Clipper图形裁剪库,使得面域对象支持基本的空间操作.     

基于非齐次FRAME模型的感兴趣目标定位算法

传统的基于形状信息目标定位算法,对目标发生形变及其阻挡的情况下的检测存在较大的困难。为此,本文提出一种基于非齐次FRAME(Inhomogeneous Filters,Random filed,And Maximum Entropy,缩写IFRAME)模型的感兴趣目标检测算法,该模型由能在位置和方向进行局部扰动的基函数组成,是一种可变形模板,因此一定程度上提高定位算法在物体发生形变情况下的鲁棒性。经过多组实验结果表明,本文所提出的算法能较好地解决目标在发生形变、存在遮挡以及复杂背景下的定位问题。