基于运动目标识别技术的视频监控系统

设计了一种基于运动目标识别技术的数字视频监控系统,对生产现场有无工人作业进行判断,实现无人值守的智能化监控。系统采用客户机／月良务器模型,利用企业局域网进行视频信号传输;利用帧间差分图像检测运动目标,实现视频运动对象的自动分割;采用边缘检测等技术提取运动目标的特征量;最后利用特征匹配算法对运动目标进行识别,判断目标类型,当现场长时间无工人作业时,发出报警信息。目前系统已投入运行,识别准确性较高。     

基于视频文本识别的拼接识别方法

根据视频相机拍摄的多种画面进行识别是一个具有挑战性的研究课题。由于相机可以记录并利用画面之间的覆盖区域来改善文本图像的质量,以识别文本中较长的线段。在相机抖动产生的失真得到补偿之后,视频画面就应该被记录,如拼接。本文提出了一种拼接识别技术来描述视频拼接和文本识别,同时,通过基于程序的最佳算法使问题得到解决。实验显示,当画面受到各种失真,如旋转、按比例描述、转换以及非线性相机运动速率波动时,本文的方法可以获取良好的拼接图像,其失真的精确评估达到90％,字符识别的正确率超过95％。     

监狱视频识别报警系统的研究与实现

监狱视频监控系统中视频监控、识别、智能报警等形成一个整体并实现联动,真正形成报警系统的整体解决方案。该文拟在具体监狱实际情况和视频图像识别技术的基础上,对基于神经网络分类器和智能终端在监狱报警系统中的应用研究,重点研究了基于BP神经网络的视频图像识别方法。通过实现监狱监控、识别和智能报警一体化,降低了监管人员工作负荷,提高监狱科学管理水平,从而保证监狱安全,减少越狱等恶性事件发生,提高对犯人的监督和改造效果。     

基于智能视频图像分析的安全帽识别

为解决石油行业工作现场人员不佩戴安全帽的情况,避免因违规操作或违反规定,造成不必要的伤亡,提出一套基于施工现场安防监控系统的智能安全帽检测系统。设计一套综合利用安全帽的颜色、轮廓,以及多层神经网络分类建立的统计模型,对是否佩戴安全帽进行检测。结合实例,验证了算法的有效性和系统的可行性。实例结果表明,该系统能很好检测出现场没佩戴安全帽的人员,一定程度上杜绝了安全隐患,减少了事故的发生。     

视频群体行为识别综述

群体行为识别是指给定一个包含多人场景的视频,模型需要识别出视频中多个人物正在共同完成的群体行为.群体行为识别是视频理解中的一个重要问题,可以被应用在运动比赛视频分析、监控视频识别、社交行为理解等现实场景中.多人场景视频较为复杂,时间和空间上的信息十分丰富,对模型提取关键信息的能力要求更高.模型只有高效地建模场景中的层次化关系,并为人物群体提取有区分性的时空特征,才能准确地识别出群体行为.由于其广泛的应用需求,群体行为识别问题受到了研究人员的广泛关注.对近几年来群体行为识别问题上的大量研究工作进行了深入分析,总结出了群体行为识别研究所面临的主要挑战,系统地归纳出了6种类型的群体行为识别方法,包含传统非深度学习识别方法以及基于深度学习技术的识别方法,并对未来研究的可能方向进行了展望.     

基于视频对象的视频内容分级描述模型

本文提出了一种基于视频对象的视频内容分级描述模型.视频序列首先被分成一个个的镜头,在每个镜头内对视频对象进行分割和跟踪.按照镜头、视频对象、视频对象平面和视频对象区域四级框架提取特征,对视频内容进行分级描述.本文对视频内容信息的描述可以用于视频检索、视频注释等应用.     

基于SWMVR的视频考勤系统应用研究*

SWMVR是结合数字图像处理、数据挖掘、模式识别、人体形态学,针对小范围固定人群的视频识别模型。应用它设计了一个视频考勤系统,通过综合视频识别、IC卡手动打卡、考勤监督相结合,实现视频考勤。     

基于Petri网推理的监控视频事件识别

Petri网模型对复合时序事件具有较好的描述和检测能力,提出基于Petri网描述和推理的监控视频事件信息的自动识别方法。将运动目标及其特征间的空间关系用Petri网的库表示,时间关系及其他推理规则用变迁表示,结合低级计算机视觉算法获得的运动目标特征以及基本事件信息,通过对Petri网推理执行,实现监控视频复杂语义事件的交互式查询,通过实验验证了该方法的有效性。     

OCR视频识别技术研发成功

日前，OCR视频识别技术在国内首度研发成功！据技术研发商汉王科技介绍，该技术可以从视频画面里提取出文字，并将其转化成可编辑的电子文文件。它适用于电视台、图书馆、数据室视频数据的编目及系统管理工作。     

基于视频序列的车型识别算法设计

针对复杂背景下的目标车型识别问题,提出一种基于视频序列的检测识别算法。运用帧差序列图像进行背景建模与更新,采用背景差分和LBP纹理分析法进行运动车辆的分割及阴影消除,提出车辆形状投影量的概念,将视频车辆二维形状信息降至一维,并设计二维输入模糊分类器,根据形状投影量和车高/车长比,完成车型的多种类精细识别。实验结果验证了该算法的有效性。     

一种基于智能图像识别的远程视频监控系统

设计了一种以网络硬盘录像机为核心的远程视频监控系统,介绍了系统的组成、主要功能和实现方法。该系统将数字图像处理技术和智能模式识别技术与视频监控技术进行了融合,可以通过分析被监控现场的实时图像资料准确判断出被监控现场的异常状况,并根据相应模式进行有效处理,从而实现智能无人监控。     

基于视频的人脸识别系统研究

人脸识别系统的人脸库的建立是一个十分麻烦的工作,需要耗费研究者大量的时间和精力。针对这个情况,提出了一种基于视频建立人脸库的新思路,并通过构建一个人脸识别系统来验证该方法的可行性。首先利用基于肤色的改进的Adaboost算法提取视频中的人脸样本,建立人脸库;然后结合改进的2DPCA人脸识别算法构成一个基于视频的人脸识别系统,用待测视频来检测该系统的人脸识别性能。实验结果表明,该系统有着不错的人脸识别率,解决了人脸库建库难的问题。     

基于实时视频的人脸识别技术的研究

人脸识别是机器视觉、模式识别等领域的研究热点,具有广阔的应用前景,提出了一种基于实时视频的人脸识别方法,重点介绍了相似度计算,图像二值化,以及人脸识别的编程实现过程,并结合实际图片进行了人脸识别测试,实践结果表明系统效果良好。     

基于视频监控的人脸识别方法

目前人脸识别方法主要针对静态图像进行识别,而在监控视频中,不同视频帧人脸具有相关性且只有部分人脸能够有效反映人脸信息。根据监控视频中人脸图像变化特性,提出了一种基于监控视频的人脸识别方法。首先通过结合人脸检测与跟踪技术获得视频人脸序列,然后以视频人脸序列中部分人脸图像识别结果为导向选取全部人脸序列图像中的代表人脸图像进行识别,最后根据选取的全部人脸图像识别结果综合反映人脸信息。实验结果表明,该方法能够在确保识别率和误识率的前提下有效提升监控视频中人脸识别的实时性。     

基于多属性层次识别的车辆视频 检索系统设计研究

交通监控视频中车辆的有效检测和实时跟踪,是车辆行为分析和识别的前提,也是智能交通系统（ITS） 的核心内容和关键技术。本文在深入分析当前车辆属性识别方法以及车辆视频检索关键技术的基础上,结合交通监控 视频的自身特点,从应用的角度出发,设计一款融合车牌、车身颜色、车型等多个车辆外观属性进行层次识别的机动车辆 检索系统。该系统可为用户提供多种查询方式,从而实现交通监控视频中相关机动车辆的准确检索。     

基于聚类算法的视频内容识别研究

本文研究了视频网站内容监播、监控的规律,并且依据新的规律改进了现有的K-MEANS聚类算法。受互视频内容数据非结构化因素的影响,K-MEANS聚类算法进行聚类识别和计算效率上存在明显的缺陷。K-MEANS聚类改进算法的优势在考虑到了视频帧序列关系,并保持了可接受的检索速度。     

基于层级注意力模型的视频序列表情识别

长短期记忆网络(LSTM)广泛应用于视频序列的人脸表情识别,针对单层LSTM表达能力有限,在解决复杂问题时其泛化能力易受制约的不足,提出一种层级注意力模型:使用堆叠LSTM学习时间序列数据的分层表示,利用自注意力机制构建差异化的层级关系,并通过构造惩罚项,进一步结合损失函数优化网络结构,提升网络性能.在CK+和MMI数据集上的实验结果表明,由于构建了良好的层次级别特征,时间序列上的每一步都从更感兴趣的特征层级上挑选信息,相较于普通的单层LSTM,层级注意力模型能够更加有效地表达视频序列的情感信息.     

基于特征融合和流形增强的视频人脸识别

提出一种在视频环境下的人脸识别算法(FFME)。将人脸划分为不同的区域,并融合针对人脸不同区域变化特点的不同类型局部特征,建立K-NN模型,根据sum rule划分人脸分类,利用流形建立参考人脸图集,以此重排分类结果,增强人脸识别准确率。在视频人脸数据库Mobo数据集和Honda/UCSD数据集上的实验结果表明,FFME的识别性能优于主成分分析、线性鉴别分析、隐马尔科夫模型、局部线性嵌入,以及流形距离等方法。