夜间近红外线视频监控图像人体目标检测

人体目标检测是很多机器视觉应用的难点,如安全视频监控和车辆辅助驾驶等,其检测方法多针对可见光图像,对夜间图像则少有涉及。夜间监控常使用近红外线摄像机,然而其所摄视频图像光线不均、噪声高、对比度差、色彩信息不足,此外夜间监控常伴有感应式照明设施,因此图像人体目标检测难度较大。提出双模式高斯混合模型,即分开建构开、关灯环境的背景高斯混合模式,并由检测感应式照明设施的开、关灯切换高斯模式。试验证明,双模式可较好地对近红外线视频图像中人体目标进行检测,但未对重叠人体目标检测进行分析,这有待于进一步研究。     

视频图像中人体运动目标检测算法研究

视频图像中人体运动目标的检测是人体运动视觉分析的主要研究方向之一,在许多方面有着广泛的应用.主要针对摄像头固定即静态背景下的情况,提出一种基于高斯建模的背景减除法来实现运动目标的检测,并对运动目标实现人体分类判别,不仅可以较为精确地从背景中提取出前景区域,获得人体目标信息,又对环境有一定的自适应性,算法具有比较良好的鲁棒性.     

红外图像中运动小目标的检测

通过对运动点目标的特性分析,讨论几种运动点目标的检测方法。     

红外序列图像中运动小目标的检测

文中介绍了红外图像背景以及运动小目标的特性,将检测算法分为两大类,概述了红外图像中运动小目标检测的一般方法和流程,并具体介绍了几种典型的检测算法,分析了它们各自的特点。     

一种红外小目标的图像检测方法

针对复杂背景条件下的红外图像目标检测问题,将空域滤波和时域滤波相结合,提出了基于数学形态学的目标检测算法.该算法先对原始图像序列作能量膨胀累积以增强目标信息和提高信噪比,然后采用基于数学形态学的Top-Hat变换空域滤波处理技术消除在目标尺度范围外的背景、干扰和噪声,达到探测目标的目的.仿真结果验证了该算法是一种实时、有效,且易于实现的目标探测方法.     

基于红外图像和逆向投影算法的室内人体跌倒检测方法

研究表明跌倒是我国老年人伤害的主要原因,缩短跌倒到救治的时间能降低跌倒造成的伤害。为此,室内老年人跌倒检测需求逐年增加。红外传感器具有受光照影响小,保护隐私等优点,越来越广泛地应用于室内人体跌倒检测中。然而,由于红外图像存在分辨率低、信噪比差等缺陷,导致传统方法的检测精度较低。针对这个问题,本文提出一种基于逆向投影算法的室内人体跌倒检测方法。首先,通过人体温度计算出人体与传感器之间的距离;其次,结合图像信息,逆推出人体在真实世界的高度;最后,对获取的人体真实高度数据进行平滑处理,并根据其变化情况进行跌倒检测。实验结果表明,本文所提方法的检测准确率达到98.57%,优于传统非逆向投影方法,其性能完全可以应用于实际检测中。     

红外图像序列小目标检测预处理技术

文中就如何复杂背景条件下低信噪比的小目标检测概率问题展开了讨论，提出了用空间高通滤的方法改善图像质量，达以抑制背景噪声，增强小目标的目的，并交坑通滤波和中值滤波做了一个简单的比较，随后采用分层投票表决法对目标进行检测，取得了良好效果。     

基于局部熵的红外图像小目标检测

文中采用红外图像的局部熵变化为检测准则,确定红外图像小目标位置,对较大的红外图像目标,局部熵突变发生在目标边缘,用本方法也可确定目标边缘。文章给出了算法的实现过程,最后,用海上红外小目标真实图像进行了实验,得到了满意的结果。     

基于红外序列图像的特定目标智能检测

红外成像探测技术是目前以及未来军事作战需要倚仗的重要技术。以卫星红外序列遥感图像为处理对象,采用人工智能相关技术对图像数据进行目标检测。针对序列图像检测到的特定目标进行关联分析,并通过目标灰度提取以及运动变化信息来生成特定目标的轨迹报告。实验结果表明,多目标检测的平均正确率为90%,部分场景可以达到95%,误检率为7%;多目标跟踪的平均正确率为91%,误检率为6%,为及时发现和预警特定目标提供了信息支撑。     

基于红外视频的加油枪油气泄漏检测方法

加油站如果发生油气泄漏将造成巨大危害。针对加油枪泄漏油气具有的浓度低、动态发展等特性,提出一种基于红外视频的加油枪油气泄漏检测方法:利用红外相机采集加油枪工作区域的视频信号,针对其建立混合高斯背景模型,联合帧差法和背景消除法得到疑似泄漏图像;对该图像进行形态学和滤波运算,提取帧图像的形状和扩散特征,根据油气泄漏的特征范围,消除信号噪声干扰;建立图像灰度与油气浓度间的映射方程,按照国家油气泄漏浓度标准的相关规定,判断是否泄漏超标。本研究以水蒸气为模拟实验对象进行测试,结果表明该方法能较为精准的判断泄漏情况。     

一种改进的视频切变检测方法

在分析视频切变类型、常用切变检测算法及问题的基础上，提出了一种改进的累积平均差值视频渐变检测算法，降低了阈值选取难度，取得了较好的实验效果。     

基于图像运动区域的红外多行人跟踪

针对红外视频监控中的多行人跟踪问题,提出了一种基于图像运动区域的跟踪算法。首先应用三维中值滤波方法建立背景模型,然后使用背景差分法得到运动区域;基于运动区域之间特定的匹配准则,建立帧间运动区域匹配矩阵,从而实现目标的跟踪。使用实际红外图像序列进行测试,该算法鲁棒性好,能够快速有效地实现多行人的跟踪。     

视频检索中的边界检测算法

从视频检索技术的发展背景出发，重点介绍了视频检索技术中镜头的边界检测技术。分别介绍了基于解压的全图像序列的算法，基于压缩视频的算法以及基于确定变换模型的算法三类算法。最后，对基于内容的视频检索提出一些值得进一步研究的问题。     

红外光控人流量统计系统

为了实时统计教室、实验室、图书馆等开放教学场所的人数,实现教学管理自动化。系统采用对红外光线的通断检测的方法来统计进出实验室人数,当有人通过时挡住红外光,输出信号与可编程逻辑器件连接,通过红外收发输入信号顺序的判断,主程序对两路信号进行加减计数;经译码、显示、报警等模块的连接实现可逆流量统计功能。实验表明该系统具有测量精度高,抗干扰能力强、功耗低等特点。设计的创新在于红外检测与可编程器件结合了成本,提高了实时可靠性。     

无人机视频图像运动目标检测算法综述

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中,无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化,会对运动目标的检测产生影响。因此,如何降低干扰、提高检测精度,让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测,检测思路基本一致,但干扰因素众多。本文以此为切入点,分类综述了适用于无人机视频图像运动目标检测的算法及其改进,主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法;通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据,背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理;上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时,要根据其运动信息及数据特点选择合适的算法,才能获得好的检测结果。     

新的红外图像小目标检测方法

在分析了海空背景下舰船目标红外图像特征的基础上．提出了一种基于背景粗糙度估计的红外图像小目标自适应检测算法,该算法利用LOG算子检测目标的大致轮廓,确定目标的中心点作为区域生长的种子点,可以看作是为后续处理压缩数据量的一种方法。它可以减少运算量,提高检测速度,抑制对不必要的种子点的区域生长,提高目标的检测概率。     

一种新的多特征融合视频篡改检测方法

三网融合的视频防插播、防篡改技术已成为信息安全领域重点攻关的关键技术。针对多媒体业务被恶意篡改的问题,提出一种新的多特征融合的视频篡改检测方法：结合LM算法对BFGS进行融合改进,提出改进的BFGS神经网络,通过提取视频特征平均梯度和信息熵,采用改进的BFGS神经网络进行融合篡改检测。实验结果表明,该算法收敛速度快,学习精度高,能有效地对视频篡改进行检测。     

红外运动目标的灰度分层检测算法

为了减少复杂背景下红外序列图像运动目标检测中的漏检与误检,采用了基于灰度分层的瞬时帧差检测算法。该算法根据红外图像的特点,使用自适应门限将当前帧图像分为两层,采用基于区域的像素间差分代替传统的基于空间坐标的像素间差分,通过对高灰度层检测时得到的高置信度的检测结果去引导对低灰度层的检测。实验表明,该算法可对多类多个运动目标进行有效检测,且具有较高的实时性与鲁棒性。