智能视频监控系统中运动目标检测的研究

为了提高智能视频监控系统中运动目标检测的准确率和实时性,在传统对称差分算法的基础上提出了一种结合背景减法和时空熵图像的改进对称差分算法。首先,通过背景减法得到一个基本准确的运动目标,然后利用对称差分法得到差分图像,综合两者并求出时空熵图像,最后经形态学处理将运动目标准确快速地检测出来。实验结果表明,该算法计算简单、鲁棒性较好、抗噪声能力强,能对运动目标进行有效检测,可以广泛应用于智能视频监控系统中。     

智能视频监控中的运动目标检测技术研究

运动目标检测是视频序列分析中非常一个重要的研究方向,同时也在智能视频监控中发挥着非常重要的作用。目前国内外对运动目标检测的研究非常广泛,方法各异,丈中对当前常用的视频序列中运动目标检测的方法进行了研究和分析,并对这些种方法的优越性和不足之处进行了比较。     

智能视频监控系统运动目标检测技术研究综述

智能视频监控技术的出现是现阶段市场监控系统智能化需求的结果,它旨在实现用摄像机代替人眼,用计算机代替人并协助人来完成监视和控制的任务.智能视频监控系统分析技术在检测运动区域的目标检测技术和追踪预测运动目标运动趋势的目标跟踪技术的基础上,再进行目标行为识别理解.对现有的主要目标检测技术的主要算法进行了综述和分析,并根据各算法的优缺点做出比较.     

智能视频监控系统中运动目标检测技术的研究

运动目标检测是智能视频监控系统中最为关键的技术，针对目标检测方面所面临的问题，本文介绍了三种不同的检测方法原理，并通过实验结果进行了对比，最后讨论了它们各自的优缺点和适用情况。     

智能视频监控系统中运动目标检测的算法研究及实现

智能视频监控系统是目前交通和安全领域的热点,而智能监控中对异常目标的锁定和跟踪是监控软件必备的功能。文章对监控视频中运动目标检测技术进行了研究和验证实现。提出了一种改良的建模方法来消除运动目标检测中的难点,有良好的适应性。     

智能视频监控系统中运动目标跟踪的研究

为了提高智能视频监控系统中运动目标跟踪的可靠性和实时性,在研究Mean-Shift和粒子滤波的基础上提出了一种融合Mean-Shift的粒子滤波目标跟踪算法。该算法利用Mean-Shift的聚类作用,提高了粒子采样效率,有效抑制粒子退化现象;而且,在算法实现过程中加入了目标模板更新环节,很好地解决了目标遮挡问题,在保证跟踪效果的前提下大大降低了粒子滤波的计算量,使得其被应用于实时监控系统成为可能。最后在MATLAB上进行了实验仿真,得到了较好的跟踪效果,可广泛应用于智能视频监控系统中。     

基于视频监控的运动图像检测算法研究

运动图像的检测是目前智能监控技术发展的前沿技术,能够成功地将运动目标从背景图像中检测出来是该智能监控识别系统最关键的一步。文章将传统的图像处理方法运用在运动对象上,通过实验比较,分析背景差分法、光流法和帧间差分法的优点和缺点,为视频监控下的图像缺陷检测或智能识别技术提供一定的参考。     

视频监控运动目标检测算法研究

视频的运动目标跟踪有很多干扰因素,如目标改变、复杂场景、目标变形等。为了解决这些问题,通过对几个常用的运动目标检测方法进行比较分析,提出了一个通过帧间差分和背景消除进行运动目标检测和识别的算法。通过进行模拟实验,结果显示了该算法具有较高的效率。     

智能视频监控系统目标检测和跟踪技术分析

简述视频监控技术发展历史,提出了视频监控系统的智能化是未来监控技术发展的必然趋势.针对智能图像分析中的目标检测与跟踪技术,对目前采用的各种算法进行分类,并对各种方法的技术特点和优缺点进行了分析和比较.最后,根据公安的实战应用需求,总结了该技术的应用范围及前景.     

视频监控系统中一种运动目标的检测方法

提出了一种基于改进的背景差分法的运动目标检测和识别的方法,该算法用于视频监控系统中运动目标检测和报警。双阈值法和动态阈值法有效地检测出图像中的运动目标。Matlab 7.0中对算法进行了仿真,实验表明,该方法有效去除了运动目标阴影及背景噪声,可准确地检测出运动目标。     

智能视频监控图像中运动目标检测方法的研究

描述了智能视频监控系统的概念及其研究意义。介绍了监控图像中运动目标检测的几种方法,阐述了他们各自的基本原理和优缺点。讨论了目前运动目标检测所面临的主要问题和困难,并展望了该领域的发展趋势。     

基于智能视频监控系统的运动目标检测和跟踪

以DaVinci技术的TMS320DM365作为处理器,完成周边模块的配置以及监控系统的设计,并以用改进型背景更新差分法和Kalman滤波方法对运动目标进行检测和跟踪。实验结果表明,改进后的算法在对运动检测中背景更新和目标提取有更好的效果,同时也满足了系统运算量小、实时性强的需求。     

视频监控图像的运动目标检测方法综述

详细论述了视频监控领域近年来的发展,从目标运动背景、目标运动特性、运动目标检测方法等方面分析了该方向的进展情况.并指出了当前该研究方向上亟待解决的主要问题.     

运动目标检测技术在智能监控系统中的应用

在研究帧差法的基础上,给出了基于连续帧差的一种改进算法:将摄像机拍摄的彩色图像经中值滤波后,采用彩色图像差分模型在连续3帧之间作差分运算,初始分割出移动的飞机,然后设置阈值将图像二值化,经过形态学腐蚀、膨胀处理后,再对得到的两幅差分图像作相与运算来确定移动飞机的位置.实验表明,该方法可完成智能安全监控系统中移动飞机的检测和定位任务.     

铁路视频监控中运动目标检测算法研究

运动目标的正确检测影响着运动目标能否被正确跟踪与分类,因此成为视频监控系统研究中的一项重要课题。文中对运动目标检测算法进行研究,实现对铁路沿线前方目标的有效识别,针对得到的视频序列,通过混合高斯模型进行背景建模,并与混合差分算法结合实现前景的提取与检测。通过与混合差法相比较,其仿真结果表明,该算法具有一定的可行性。     

运动目标智能检测算法研究

随着视频监控系统的普及化和庞大化,传统的运动目标检测技术难以适应检测场景的各种变化,局限性越来越突出,且实时性和准确性难以平衡。为有效解决传统的运动目标检测技术中出现的问题,以固定摄像机视频监控系统为研究背景,使用一种基于的运动目标检测方法,提高了运动目标检测准确性,降低了对光照的敏感性,并保证了实时性。     

基于视频图像的目标检测技术研究

本文基于常用运动目标检测方法进行了研究。首先阐述了视频监控系统中常用运动目标检测方法,并对Surendra背景提取算法及改进的帧间差分法进行了说明。运用对称差分法和背景差分法的融合方法进行运动目标检测,实验表明本文运用的方法对运动目标检测具有准确性与实时性。最后得出运用背景差分和帧间差分法的融合检测方法进行运动目标检测,可以得到好的目标检测效果的结论。     

智能视频监控系统中多视角目标跟踪研究与FPGA实现

为了提高智能视频监控(IVS)系统中运动目标跟踪的可靠性和实时性,提出一种分布式架构的高清多视角IVS系统。首先,前端FPGA模块与高清IP摄像机相连,用于收集视频并进行初级视频处理;然后,FPGA通过网络与后端GPU服务器相连,GPU服务器执行高级视频处理;最终实现目标在多摄像机间的连续跟踪。实验结果表明该系统运行稳定,能够在多视角下快速、准确地跟踪目标。     

视频监控运动目标图像优化检测仿真

针对传统的ViBe检测算法在检测中出现鬼影、静止目标、阴影的缺陷,提出将像素值转化到小波域中进行分频,经过算法的优化设计,实现一种基于小波域中检测的新算法。针对ViBe算法中存在鬼影和静止目标的缺陷,将其背景更新策略设计成阶梯型更新,并赋予前景点也具备传播更新背景模型的特性,从而克服了ViBe算法中的鬼影和静止目标缺陷;接下来,利用小波分析的多尺度空间信息进行算法设计,从而达到去除阴影的目的;最后通过3组视频序列进行综合实验,用3个标准进行评价实验结果。实验结果表明,该算法实现了运动目标的有效检测,且优化了ViBe算法的缺陷。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。