基于肤色和器官定位的实时人脸检测

基于肤色和器官的人脸检测是视觉监控领域中广泛应用的经典方法,但是辨别每个肤色像素和提取候选区域非常耗时且对噪声敏感,很多时候不能满足实时人脸检测的需要。通过引入肤色单元的概念,提高了该方法的快速性和鲁棒性,最终将其应用于实时视频序列中。首先,采用单元化的方法进行肤色分割,提取出人的肤色部分;接着,根据人脸长宽比例的范围,确定出候选人脸;然后,再对候选人脸区域分别进行眼睛和嘴巴的定位;对眼睛和嘴巴定位之后,我们可以利用眼睛和嘴巴呈倒三角关系的几何特征反过来进行人脸的精确定位。实验结果表明,该方法的识别率较高,并能满足实时视频人脸检测的快速性要求。     

基于改进YOLOv3的机坪工作人员反光背心检测研究

文中提出了一种基于先验知识和改进YOLOv3算法的机坪工作人员反光背心检测算法.该方法针对现有目标检测方法速度偏低的问题,基于先验知识生成反光背心检测候选区域来替换初始候选区域,以减少检测区域面积,使用Darknet-37替代Darknet-53作为骨干网络进行特征提取,提高了算法的检测速度.针对反光背心在画面中所占面...     

实时视频中的快速人脸检测方法

提出一种实时视频中的快速人脸检测方法。采用DirectShow获取和回放视频帧,进行前处理。对所得彩色图像进行肤色分割,通过肤色的统计特性得到人脸候选区域,将该区域设置为感兴趣区域。运用基于局部扫描的AdaBoost算法对每个感兴趣区域进行检测。实验结果证明了该方法的有效性。     

基于LBP和FSVM的视频文字定位方法

提出一种基于局部二值模式(LBP)和模糊支持向量机(FSVM)的视频文字定位方法。利用边缘信息和形态学操作进行文字粗检测,采用投影直方图和启发式规则形成候选文字区域,提取LBP作为纹理特征,用FSVM对候选文字区域进行精确定位,生成最终的文字块。实验结果表明,该方法具有较好的视频文字定位能力且鲁棒性较强。     

视频中实时的人脸检测算法

本文提出一种视频中实时的人脸检测算法,该算法是基于Gentle Adaboost的多特征融合的快速算法,首先采用运动和肤色特征提取候选的人脸区域,再使用多层级联分类器定位人脸,为了加快检测的速度,还采用了边缘能量来排除非人脸窗口等策略。实验表明,该算法的检测率到达98.78%,误检率仅为2.04%,且速度达到了每秒27帧,满足各种实时的场合的要求。     

煤矿井下巷道变形巡检视频异常检测方法

采用智能视频巡检技术进行煤矿井下巷道变形检测时,常用的背景差分算法因要求输入图像具有良好的时空连续性而无法满足巡检视频背景建模要求。根据煤矿井下巷道变形巡检机器人匀速、定向运动及周期性采集视频数据的特点,提出一种巡检视频异常检测方法:结合巡检机器人定位信息对巡检视频分段并提取相应关键帧,采用均值哈希算法建立背景模型,对背景模型中图像进行特征跟踪以实现校正,之后将背景模型与关键帧进行差分运算,生成二值掩膜并进行去噪及连通处理后,输出异常检测结果并更新关键帧。实验结果表明,该方法在一定条件下可较准确地定位关键帧并检测出异常目标,检测速度约为50帧/s。     

基于区域神经网络的TFT-LCD电路缺陷检测方法

对薄膜晶体管液晶显示器（TFT-LCD）边框电路中细微、复杂的缺陷进行检测,一直是自动光学检测（AOI）的一个难点。本文提出基于改进的快速区域神经网络（FasterR-CNN）算法对TFT-LCD边框电路的缺陷进行检测。首先在共享卷积层进行特征提取,然后通过多层的区域提议网络结构生成精确候选区域,根据候选区域的特征和目标分类实现对缺陷的识别和定位。同时设计多种有效的网络结构并详细分析网络层深度及卷积核大小对检测效果的影响,最后进行不同算法的比较。在实际构建的数据集上实验,结果表明本文方法具有良好的检测效果,对6种类别的液晶屏边框电路缺陷识别定位达到平均每张0.12s的检测速度和94.6%的准确率。     

视频图像的车辆速度实时检测算法研究

在监控视频图像中因拍摄角度的问题,导致图像中的车道线并不是竖直的。针对在此图像中选取对应块,实现车辆速度实时检测的问题,分析了车身的特征及图像中车道线的倾斜角度,选择车灯作为对应块,选取车灯存在的候选区域;然后根据车灯的对称性强度筛选车灯带,实现车灯的准确定位,并把车灯移动的距离通过摄像机标定转换到实际坐标中,从而实现车辆速度的实时检测。实验结果证明该方法运行速度快,定位准确。因此可以广泛的应用于红绿灯路口环境中实现视频图像的车速实时检测。     

基于RPN和FCN的电力设备锈迹检测

针对电力设备在高温、高压、高流速条件下长期连续运行发生锈蚀隐患难以及时发现的问题,提出一种基于区域建议网络与全卷积神经网络相结合的对无规则锈迹进行检测的方法RPN-FCN。首先使用区域建议网络生成带锈迹的候选区域,然后对锈迹候选区域进行全卷积操作,从而在像素级别进行精确的分类定位。通过实验对比,结果表明本文提出的方法对于无规则的锈蚀检测更加准确有效。     

基于肤色特征的人脸检测技术研究

文章提出一种多人脸图像中人脸检测与定位方法,将图像从RGB色彩空间转换到YCrCb色彩空间中,根据肤色点在CrCb空间中的分布情况进行肤色点检测,并滤除肤色检测后的孤立噪声,利用势函数方法获得人脸候选区域。然后,根据人脸的结构特征对候选区域进行人脸区域的判别和定位,最终实现图像中多人脸的检测功能,并通过仿真实验证明了该方法的有效性。     

Temporal Action Detection with Structured Segment Networks

International Journal of Computer Vision - This paper addresses an important and challenging task, namely detecting the temporal intervals of actions in untrimmed videos. Specifically, we present a...     

结合目标检测的人体行为识别

人体行为识别领域的研究方法大多数是从原始视频帧中提取相关特征, 这些方法或多或少地引入了多余的背景信息, 从而给神经网络带来了较大的噪声. 为了解决背景信息干扰、视频帧存在的大量冗余信息、样本分类不均衡及个别类分类难的问题, 本文提出一种新的结合目标检测的人体行为识别的算法. 首先, 在人体行为识别的过程中增加目标检测机制, 使神经网络有侧重地学习人体的动作信息; 其次, 对视频进行分段随机采样, 建立跨越整个视频段的长时时域建模; 最后, 通过改进的神经网络损失函数再进行行为识别. 本文方法在常见的人体行为识别数据集UCF101和HMDB51上进行了大量的实验分析, 人体行为识别的准确率(仅RGB图像)分别可达96.0%和75.3%, 明显高于当今主流人体行为识别算法.     

基于深度学习的围栏跨越行为检测方法

在作业现场的安全管理中,对于非施工人员围栏跨越的监管一直是必不可少的.但目前施工场地普遍存在作业面广、施工人员管理困难等问题,导致人工监察的方式效率低下.而基于视频的人体行为检测技术作为计算机视觉领域重要的研究热点,在公共安全监控方面有着广泛应用.因此针对传统人工监察的不足,结合当前计算机视觉技术,提出一种智能化的围栏...     

基于动作推导引擎下的故障检测方法

本文根据文[2]介绍的软件管理者方法，提出了基于动作推导引擎的软件管理者方法。软件管理者单元是一种自动的实时监控软件故障的软件工具，适用于实时软件系统特别是通信类软件系统的故障侦测。它通过监控目标系统的输入和输出，使用获得的输入和目标系统的管理模型推算出对应此输入序列的期望输出值．与目标系统的实际输出做比较．如果实际输出没有在期望输出集中，则管理者单元断定目标系统出现错误。基于动作推导引擎的软件管理者方法，采用了动作推导引擎产生的目标系统管理模型，使该管理模型独立于软件管理者方法。可以实现管理模块与动作推导引擎同步实时更新．而不会导致软件管理者单元的改动。     

人体检测部分响应特征映射的人体动作识别

在计算机视觉和多媒体领域,利用视觉信息进行语义层面人体运动分析非常重要且具有挑战性.提出一种利用检测信息的底层响应来描述人体动作的语义信息方法.在特定的人体动作下,可变形部分模型的检测结果隐含人体部分的关键信息,可以形成人体动作识别的特征.利用检测器的滤波器响应生成人体描述特征,对人体整体和部分的位置以及表观信息进行编码,由于该特征利用了人体部分相对于整体位置的统计信息,对检测过程中的误检部分具有较强的鲁棒性,基于该特征可将人体检测和动作识别融合成统一框架.在3个数据库上的实验结果显示了方法的有效性,取得了与其他方法相近或者更优的效果.     

基于人体骨架信息的行为检测系统设计

为了解决现有行为检测系统中依赖惯性传感器、检测结果不够准确的问题,设计了基于人体骨架信息的行为检测系统;系统采用Jetson Nano人工智能计算设备作为主控模块,结合图像采集模块、显示模块和以Atmega328单片机为主的报警模块构成;系统利用图像采集模块采集行为视频信息,通过主控模块中的行为检测器对视频中人体行为进行检测,报警模块通过串口接收检测结果并对危险行为进行预警;同时,利用人体骨架的关节空间运动幅度、肢体关联差异,建立了关节帧间位移矢量和骨骼夹角变化的关节行为模型,再借助长短时记忆网络提取行为特征,并训练实时行为检测器;经实验测试,该系统能够有效检测常见的人体行为并对危险行为类别进行报警提示。     

基于最大互信息区域跟踪的人体行为检测算法

人体行为检测问题不仅需要判断行为的类别,而且需要估计行为发生的时间和位置,有重要的现实应用意义. 人体行为检测的主要难点在于参数空间维度高以及背景运动干扰. 针对上述难点,本文提出了一种基于最大互信息区域跟踪的人体行为检测算法. 该算法将行为区域定义为最大互信息矩形区域,采用稠密轨迹作为底层特征,利用随机森林学习轨迹特征与行为类别的互信息函数,利用轨迹的时间连续性对行为区域进行大时间跨度的预测和跟踪. 实验结果表明,该算法不仅能够有效地识别不同类别的行为,而且能够适应现实场景中背景运动的干扰,从而准确地检测和跟踪行为区域.     

Canonical Correlation Analysis of Video Volume Tensors for Action Categorization and Detection

This paper addresses a spatiotemporal pattern recognition problem. The main purpose of this study is to find a right representation and matching of action video volumes for categorization. A novel method is proposed to measure video-to-video volume similarity by extending Canonical Correlation Analysis (CCA), a principled tool to inspect linear relations between two sets of vectors, to that of two multiway data arrays (or tensors). The proposed method analyzes video volumes as inputs avoiding the difficult problem of explicit motion estimation required in traditional methods and provides a way of spatiotemporal pattern matching that is robust to intraclass variations of actions. The proposed matching is demonstrated for action classification by a simple Nearest Neighbor classifier. We, moreover, propose an automatic action detection method, which performs 3D window search over an input video with action exemplars. The search is speeded up by dynamic learning of subspaces in the proposed CCA. Experiments on a public action data set (KTH) and a self-recorded hand gesture data showed that the proposed method is significantly better than various state-of-the-art methods with respect to accuracy. Our method has low time complexity and does not require any major tuning parameters.     

The ABDMAP (Algal Bloom Detection,Monitoring and Prediction) Concerted Action

This paper describes the ABDMAP (Algal Bloom Detection, Monitoring And Prediction) project, which was a Concerted Action funded by the European Commission and carried out from April 1997 to March 1999. In the course of the project a number of workshops were held in various European countries. These workshops were devoted to various scientific aspects of algal blooms and, in particular, to the use of Earth observation (remote sensing) data for the study of such blooms. Great attention was given to the needs of users or potential users from the academic and research communities, from organizations with operational responsibilities for the introduction of legislation or for the monitoring of algal blooms. A state-of-the-art review of scientific knowledge and of applications of this knowledge was compiled and a number of actions were undertaken to widen the appreciation of the potential use of Earth observation (remote sensing) data for the study of algal blooms, including toxic algal blooms.