基于视频的智能交通信息检测算法的研究

该文通过自适应混合高斯模型在一系列连续视频图像中提取出背景并进行更新的基础上,利用背景差法对视频图像中的运动车辆进行检测并进行占道比计算,以实现对高速公路上过往车辆的自动监控功能。实验结果表明,该系统能够快速地适应环境的变化,达到实时的要求,具有较好的效果。     

空中背景混合高斯快速建模算法

由于空中目标存在信噪比小,对比度低的特点,传统混合高斯背景建模较难地把目标从背景中分离出来,且受光照影响较大。针对此问题,提出一种改进算法,对模型建立、初始化和更新,生成新高斯分量,以及删除无效高斯分量等方面进行优化,减少中间的冗余环节;同时通过改变标准差阈值减小光线突变的影响。最终算法单帧运算所需要的平均时间接近单高斯模型算法的1.3倍,达到混合高斯模型算法的0.5倍以下。算法有效提高了地对空、空对空目标的实时跟踪的速度与稳定性。     

基于多尺度背景差的视频前景检测算法

当前监控视频数据呈现海量增长,针对监控视频的前景目标提取已成为未来城市建设的重点研究方向.为了更加准确高效地检测视频前景目标,并且能同时适用于静态和动态背景的视频,提出了一种基于多尺度背景差的视频前景检测算法.该算法以背景差法为基础,加入了多尺度高斯金字塔影像进行改进,充分利用了多尺度图像的优点,在大尺度图像中能检测出更多目标细节,在小尺度图像中能更有效地检测出目标轮廓.运用MATLAB编程与两种常用的视频前景检测算法进行了比较和分析,并且利用Recall和Precision指标进行了精度评定.实验结果表明,这种方法检测精度较高,抗噪能力较强,不管在静态背景还是动态背景的视频中,都能取得很好的检测效果.     

基于二次帧差背景提取的车辆追踪方法

针对智能交通系统对交通参数获取的实时性需求,利用背景的短时不变性,并结合帧差分法与背景差分法,提出一种运动车辆的追踪方法.该方法采用二次帧差法对背景快速提取,再对采用背景差分法获得的差分图像进行二值化,同时,为提高识别率对二值化图像进行了形态学操作,得到了较为完整的连通域.最后以帧间连通域的距离为依据,进行车辆追踪.实验结果表明,该方法具有良好的实时性和精确度以及鲁棒性,能够满足智能交通系统的实时需求.     

面向高速公路抛洒物检测的动态背景建模方法

针对高速公路抛洒物检测中传统的固定背景建模方法容易因开放环境变化产生大量的前景噪声,动态背景建模方法容易因抛洒物的静止特性导致前景对象快速融入背景,提出基于背景分离高斯混合模型（BS-GMM）的动态背景建模方法. 该方法对传统高斯混合模型的背景划分和模型匹配方法进行改进,设计基于像素点的高斯分布背景模型权值的衰减状况进行背景建模和背景更新的方法,既能减少开放环境大量环境噪声的影响,也能对抛洒物快速进入静止状态后的准确检测,在计算性能上能够达到实时检测的效果. 实验结果证明,BS-GMM方法在抛洒物检测过程中产生的噪声数量比其他方法少,且对静止超过20 s的物体能够作为前景目标提取,因此能够有效地应用于高速公路抛洒物的准确识别.     

一种基于视频识别的钱塘江涌潮检测方法

该文介绍了实际应用场景中对钱塘江涌潮的检测方法,通过建立混合高斯模型来构建基于视频识别的涌潮背景模型,然后再利用所得的背景图像与当前视频帧进行相减,得到钱塘江潮水的前景图像,经过平滑去噪处理后,检测出涌潮信息.     

基于视频分析技术的校园智能监控系统设计

针对校园这一特殊环境,为了实现无人值守情况下的实时视频监控和智能分析,在VC6.0搭配OpenCV1.0的软件平台上设计出一套基于视频分析技术的校园监控系统。本系统采用了GMM前景检测、基于Meanshift算法的团块跟踪等多种实用性较强的视频分析技术,完成了对多目标的跟踪,并提出一种基于HSV色彩空间特征的阴影消除新方法,使得系统可以应用于较复杂的监控环境。所设计的系统实现了入侵检测、人数统计、人员聚集检测和徘徊检测等功能,并在实际校园环境中进行了实际测试,结果证明了其实用性和有效性。     

基于多源大数据分析的图像特征智能识别模型

针对图像受噪声影响导致特征识别精度下降的问题,提出了基于多源大数据分析的图像特征智能识别模型。根据改进的自适应二维中值滤波法,对所有小窗口内像素排查,过滤噪声,若检测到未被噪声污染的像素则直接输出,在单尺度模糊数学基础上,利用三高斯模型经过迭代处理均匀图像亮度值,将邻域中心点灰度取值分解为实部、虚部,提取局部二值特征和Brushlet特征,将邻近两个像素灰度值作减法运算,根据启发因子与灰度梯度最大值,智能识别图像特征。仿真实验结果表明：所提模型在图像不清楚情况下能均衡调节分辨率,且保证信息完整,识别结果精准有效,抗噪能力强。     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

一种改进的视频兴趣区目标捕获算法研究

对于视频兴趣区的目标捕获技术提出了一种基于颜色梯度的背景差方法,通过结合阴影去除和连通域分析捕获兴趣目标。实验结果表明：该方法能有效解决光照突变等干扰,较好捕获兴趣区目标,减小误检率。对所实验的6个视频进行分析,在最多同时出现5个目标的视频检测中取得了92．8％的准确率、2％的误检率,且基本满足实时性。     

Robust background subtraction in traffic video sequence

For intelligent transportation surveillance, a novel background model based on Marr wavelet kernel and a background subtraction technique based on binary discrete wavelet transforms were introduced. The background model kept a sample of intensity values for each pixel in the image and used this sample to estimate the probability density function of the pixel intensity. The density function was estimated using a new Marr wavelet kernel density estimation technique. Since this approach was quite general, the model could approximate any distribution for the pixel intensity without any assumptions about the underlying distribution shape. The background and current frame were transformed in the binary discrete wavelet domain, and background subtraction was performed in each sub-band. After obtaining the foreground, shadow was eliminated by an edge detection method. Experimental results show that the proposed method produces good results with much lower computational complexity and effectively extracts the moving objects with accuracy ratio higher than 90%, indicating that the proposed method is an effective algorithm for intelligent transportation system.     

交通流视频检测中背景初始化算法

为了获取具有运动前景物体的初始背景,提出一种基于聚类识别的背景初始化算法。首先利用滑动可变窗口检测每个像素的所有不重叠平滑子序列,获取可能背景;然后选择每个平滑子序列的中值样本点构建分类序列集,根据未知类别的无监督聚类识别思想获取背景子集,实现背景初始化。选取不同交通状态的视频训练序列,将本文方法同中值法、一致性检测法进行了对比实验。结果表明,本文方法具有良好的适应性,可克服缓慢运动大型前景物体造成的影响,实现覆盖率大于50%的背景初始化。     

基于非接触采集下的鲁棒掌纹识别

为了扩大掌纹识别的应用范围,使非接触式掌纹识别系统在复杂背景和光照变化的条件下都能使用,提出了一种适用于非接触采集下的鲁棒掌纹识别算法.该算法使用肤色阈值的方法把手掌从复杂的背景中分割出来,采用一种新颖的指根点检测算法找到指根点,用指根点来定位掌纹ROI,使用对光照具有良好鲁棒性的LBP算法提取掌纹特征,并用Chi平方统计法进行分类.实验使用的数据库是在不同光照和复杂背景下采集的,当等错率为3.098 6%时,正确识别率达到97.833 7%.实验结果表明,该方法能够扩大掌纹识别的应用范围,使非接触掌纹识别系统在复杂背景和可变光照的条件下达到较理想的识别效果.     

基于Log-Gabor和ULBP改进算法的人脸识别

为进一步提升人脸识别系统的识别率,加强其对光照、表情、姿态变化的鲁棒性,针对人脸识别中的特征提取问题,提出一种基于Log-Gabor与均匀局部二值模式（Uniform Local Binary Pattern,ULBP）改进算法的人脸识别方法。该算法采用多尺度、多方向Log-Gabor滤波器对图像进行滤波来提取Log-Gabor特征,再通过旋转不变均匀模式的LBP进行运算编码,并利用局部空间直方图来描述人脸,最后通过加权的卡方距离对直方图匹配完成人脸识别。在Yale、GT人脸数据库上的测试结果表明,该方法具有更好识别性能,且对环境鲁棒性较好。     

交通流视频检测中背景模型与阴影检测算法

提出了基于对象级的混合高斯背景模型更新方法与基于RGB颜色变化度的运动阴影检测算法。根据运动分割、物体识别、Kalman运动跟踪等高层语义表达,结合像素的时空特性,进行基于对象级的混合高斯背景更新。克服了像素级混合高斯模型中交通控制信号或交通阻塞等造成的长时间停车以及交通高峰期交通拥挤等情况下对背景抽取造成的影响;根据运动目标的RGB颜色变化度特点,提出自适应的对象级运动阴影检测算法,克服了运动阴影的影响及其造成的误分类。不同交通状态下的视频处理效果表明,该方法具有良好的鲁捧性和自适应性。     

基于领域空间多层协调的企业过程建模

为提高模型的动态性，根据过程建模的特点，在建模时引入领域空间，通过领域空间把企业划分为不同领域及领域层次，给出了过程在不同领域的划分规则来保证建模与模型划分的正确性，用不同粒度、不同层次的模型相互协调构成整个企业过程模型，提高了模型的可重用性、可扩展性及描述能力，并简化了建模过程．     

基于数学形态学的交通图像滤波处理方法研究

针对智能交通视频图像中常见的几种噪声源，阐述了数学形态学在交通图像滤波中的应用.结合实际拍摄的动态交通图像，提出了基于数学形态学和帧差法的交通图像噪声滤除方法.根据提出的算法方案，编写了Visual C++程序，进行了实验验证，并在此基础上比较了不同形态学算法对同一组交通图像的处理结果.从实验结果得出，该算法有效分离并较完整地保留了交通图像中的运动车辆，取得了良好的降噪处理效果.     

基于低分辨率局部二值模式的人脸识别

为提高人脸识别的准确度,提出了一种基于低分辨率局部二值模式的人脸识别方法。该方法将原始人脸图像滤波下采样处理成低分辨率图像,将其划分成若干块矩形块图像,对每一块图像进行局部二值模式计算,统计出每一块LBP图谱的直方图,再连接在一起成为这幅图片的最终特征向量。经实验表明,该算法在ORL和YALE上均取得了更好的识别效果,且对光照、表情、姿势等的变化具备鲁棒性。     

基于雷达回波视频信号的目标智能识别方法研究

为了提升常规雷达目标识别的能力,以含有更多目标原始信息的回波视频信号为基础,研究了目标回波视频信号的特征提取,提出一种基于支持向量机的目标识别方法.最后通过仿真实验验证了本文方法的有效性.仿真结果表明,采用本文方法对目标大小识别的准确率与信噪比、采样率有关;对目标机型识别能得到较高的准确率.     

基于H.264压缩域的背景建模与前景对象分割

提出了一种在H.264压缩域下进行背景建模和对象分割的方法.首先利用I帧的DC和AC系数信息生成块残差能量图,再通过Intra.预测信息对该能量图进行滤波,最后采用混合高斯模型对背景进行建模并分割出前景对象.实验结果表明,用该背景建模和对象分割方法可以获得很好的分割效果.