关于分布式智能视频监控设计的几点建议

设计分布式网络智能视频监控系统。视频数据利用网络摄像头采集,经过数据压缩远程传输到PC主机,主机对图像进行步态识别、人脸识别等,实现对异常人体的检测,对摄像头云台进行控制实施监视。系统中应用实时控制与传输协议,在网络基础上实现分布式视频采集与处理,系统的实时性与交互性较强,且远程视频监控价格低廉,利于布设。     

刨花切削控制参数优化的计算机视觉方法研究

将计算机视觉技术与数控技术相结合,运用计算机视觉技术对刨花切削过程中产生的视频图像序列进行分析,通过研究刨花切削控制参数与监控所得的视频图像之间的关联采对切削参数进行优化,实现对刨花的尺寸、厚度等形态更灵敏、更精确的控制,进而实现人造板加工过程的数控化、智能化.     

视频监控中的图像拼接与合成算法研究

视频监控常用云台摄像机或多个静止的摄像机监控视场范围比较大的区域,分别研究了多摄像机的视频合成算法和云台摄像机的视频拼接算法.对于多个摄像机的情况,采用高斯混合模型对各个视频序列进行背景建模.然后根据背景图像计算各个摄像机的单应矩阵,并将多个视频序列合成为一个大的视频序列.对于云台摄像机跟随拍摄的情况,提出了一种基于关键帧的视频拼接算法.根据重叠区域的大小和纹理信息的丰富程度选取关键帧,并把各帧图像对准到其前面最近的关键帧,同时更新重叠区域内的背景模型参数.由于关键帧之间具有比较高的对准精度,因而该方法能够较好地重建运动目标所经过的场景的背景图像.     

基于移动终端的智能监控系统设计

随着网络信息技术的迅猛发展,人们对远程控制和性能稳定的视频监控系统提出了更高的要求,基于嵌入式的无线数字视频监控系统的研发与设计就显得尤为重要。这种无线数字监控系统可以实现许多传统有线监控系统无法实现的功能,所以无线远程视频监控正在不断地取代有线监控,在交通、银行、医院、视频会议等诸多领域发挥着越来越重要的作用。作为安防系统重要的组成部分,视频监控的嵌入式与网络化应用将是该领域的重要研究方向。该文实现的系统基于Open Wrt和ARM平台,采用MJPG-streamer软件实现图像信息的压缩、解码和传送;移动终端基于安卓平台设计应用程序;可遥控的小车配备二维云台搭载摄像头,ARM开发板控制步进电机操控云台,遥控小车移动,实现立体监视。     

基于四旋翼机的全景视频监控系统软件实现

利用海康威视网络摄像机SDK开发包,以微软VC2010-MFC框架为软件的基础架构,配合Open CV图像处理库中的拼接类,设计基于四旋翼机的全景视频监控系统软件。该软件可在局域网下进行视频监控,在监控的过程中可采集视频图像和照片并实时传输回地面端,对采集的图像进行实时拼接处理,实现全景视频监控。     

基于监控效用信息的远程视频处理技术研究

为了减少生产现场远程监控系统中最为关键的视频图像的传输时滞效应，提出了一种基于视觉图像监控效用信息的制造现场远程视频监控集成方案，并与DivX视频编码及实时传输协议／实时传输控制协议结合，实现对异地远端的制造系统与生产进程的实时可视化监控。另外，对平面磨床加工流程现场监控的结果进行分析后得出，在保证监控质量的同时，能够有效控制视频传输码率并降低监控数据量，减少繁杂冗余的现场视觉信息对生产监控的负面影响，使系统的实时性与生产监控效率得以提高。     

基于主成分分析法的人脸识别系统构建

人脸识别是机器视觉以及图像模式识别邻域中的关键技术,提取人脸图像特征的主要方法是主成分分析法。考虑到支持向量机在处理小样本、高维数等问题方面有显著优势,提出了两者结合的方法,采用主成分分析法提取图像特征,使用支持向量机对人脸图像进行分类识别,构建了完整的人脸识别系统。仿真实验的分类结果表明,该方法处理速度快,识别率高,可很好地应用于实践。     

智能视频监控关键技术分析

智能视频监控是计算机视觉领域的一个重要的分支。智能视频监控系统中的相关关键技术引起广大学者关注,特别对于运动目标的跟踪和运动目标的检测问题,本文进行相关重点技术探讨,还包括智能视频监控系统中所处的重要位置,对于智能视频监控发展具有一定帮助作用。     

基于DM642的实时视频处理系统设计与实现

针对图像处理过程中数据量大、算法复杂以及需要大量的数据搬移等特点,设计了以TMS320DM642(简称DM642)为核心处理器的实时视频图像处理系统.详细介绍了系统的总体框架,给出了各功能模块的硬件连接图.该系统具有视频信号采集、处理以及显示的功能,可应用于交通、视频监控和目标识别等领域.     

适用于新型智能机器人的高性能低功耗视觉系统

根据新型智能机器人的工作使命和作业特点,设计了一种适应性强、针对性好的高性能低功耗视觉系统.该视觉系统选用TMS320DM642作为核心处理芯片,负责处理复杂的算法,底层图像处理系统选用Altera Stratix Ⅱ系列FPGA,利用FPGA配置硬件器件和处理底层数据.DSP和FPGA采用两帧轮换的数据存储方式,具有处理速度快、可扩展性好的优点,能够提高视频图像的运算和处理效率,能够满足新型智能机器人对视频图像进行实时处理的要求.     

基于网络的人脸识别系统的设计

随着人们对社会安全的重视,以及网络广泛应用,对网络视频进行了研究,设计了一个基于以太网的人脸识别系统。系统基于ARM＋Linux实现了一个嵌入式的网络摄像头设备,该设备通过网络传输视频至服务器,服务器接收视频帧,调用OpenCV图像处理库对获取到的视频帧进行处理,从而实现了远程的人脸检测、识别功能。     

基于肤色和运动信息结合的人脸跟踪识别

生物模式识别技术近几年已成为世界高端技术研究的热点.而人脸检测技术由于在一定的正确率下可以远距离检测目标,越来越得到人们的重视.本文提出一种新的动态图像人脸检测跟踪方法,即基于肤色和运动信息的人脸跟踪识别.该方法在简单的背景下,能有效地跟踪人脸,对存在近肤色物体的背景具有一定的鲁棒性.     

人脸特征识别

人脸识别是模式识别、图像处理等学科的一大研究热点,可以广泛地应用于安全部门、电视会议、身份鉴别、数字监控等领域。人脸识别技术因其广泛的应用领域而成为最具吸引力的研究方向之一。人脸是一个非常复杂的模型．因此即使一个小孩也可以轻易地识别出一张人脸．但是应用计算机进行人脸识别却是一件困难的事情。人脸识别技术有着广泛的应用前景和迫切的现实需要,是当前模式识别领域最热门的研究方向之一。一般的人脸识别系统主要包括预处理,特征提取．样本学习和识别过程四个部分。其中特征提取的好坏将直接影晌到识别效果。     

Fast and Simple Motion Tracking Unit with Motion Estimation

Surveillance system using active tracking camera has no distance limitation of surveillance range compared to supersonic or sound sensors. However, complex motion tracking algorithm requires huge amount of computation, and it often requires expensive DSPs or embedded processors. This paper proposes a novel motion tracking unit based on different image for fast and simple motion tracking. It uses configuration factor to avoid noise and inaccuracy. It reduces the required computation significantly, so as to be implemented on Field Programmable Gate Array(FPGAs) instead of expensive Digital Signal Processing(DSPs). It also performs calculation for motion estimation in video compression, so it can be easily combined with surveillance system with video recording functionality based on video compression. The proposed motion tracking system implemented on Xilinx Vertex-4 FPGA can process 48 frames per second, and operating frequency of motion tracking unit is 100 MHz.     

基于FPGA+DSP架构的嵌入式视觉跟踪系统

针对视觉监控应用的实时性需求,提出了一种基于FPGA+DSP架构的嵌入式视觉跟踪系统。以FPGA作为主控制器,负责视频的采集,并对图像进行了自动调光、色彩插值、中值滤波和白平衡预处理,通过PCIE接口将DSP的处理结果输出至上位机进行了显示。DSP通过EMIFA接口从FPGA接口获得了高质量的图像,采用基于均值漂移的跟踪算法进行了目标跟踪。阐述了系统各个模块的接口设计及主要算法的实现,并进行了系统的优化设计。实验结果表明,经过预处理后,图像亮度适中,图像色温得到了校正,系统能够获得高质量的图像。经过代码优化后,跟踪算法能够稳定跟踪目标,算法处理每帧图像平均时间为13ms,能够满足实时性要求。     

基于图像特征的运动目标识别与伺服跟踪

本文研究了一种在室内相对复杂背景下机器人的运动目标识别与跟踪方法.基于Intel的计算机视觉库OpenCV进行图像处理与特征提取,采用图像的区域特征--图像矩作为特征信息,在有干扰的情况下,实现运动目标的形状识别和基于特征的视觉伺服跟踪控制.为提高系统性能,建立曲线拟合模型来预测运动目标的动态趋势和特征.实验结果表明,系统在不需要摄像机精确标定、背景有干扰的情况下,能够实现对运动目标进行实时稳定快速的识别和跟踪.     

支持向量机技术在人脸识别考勤机上的应用

以人脸识别考勤机为硬件基础,在Vertex—Ⅱ平台下,通过从实时图像中识别出面部特征。该技术介绍了一个根据视频图像对面部特征进行识别实时的方法,并使用一个自动的面部特征跟踪方法对面部进行定位和特征抽取,提取的面部特征作为支持向量机分类器的输入。实验证明,该方法能够有效的提高考勤机对人脸的识别准确度。     

基于实时预测学习分类的脸像快速检测方法

视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点。提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法。首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像位置区域,然后采用AdaBoost算法对预测区域进行脸像检测。该方法在时间维度对AdaBoost算法进行扩展,减小脸像搜索范围,提高检测效率。利用该方法对离线视频文件和CCD图像传感器实时脸像视频进行检测,实验结果表明,与支持向量机、传统AdaBoost和基于优化肤色模型的AdaBoost改进算法相比,ARMA-Boost算法脸像检测准确率高,实时性更好,可以对视频脸像进行快速检测应用。     

单样本的低分辨率单目标人脸识别算法

针对只给定单幅目标图像的情况下,而要在监控视频中查找出该目标人脸图像的问题,提出了一种单样本的低分辨率单目标人脸识别算法。考虑到待识别样本集中的目标与非目标对象数量严重不均衡,以及单目标问题无法利用不同类别间的互斥关系。首先在待识别样本集中,通过聚类算法,将单目标的识别问题转化为多目标识别问题,进而提高开集人脸识别算法的鲁棒性;其次,利用迭代标签传播算法不断优化待识别样本的归属类别;在迭代过程中,按照置信概率估计每个类别的人脸确认阈值,以解决单样本无法训练分类器的问题。在多个人脸数据集上的实验结果表明,该算法对于单目标的单样本的人脸识别精确率既能逼近100%,也具有较高的召回率。     

双眼运动控制生理神经回路功能图谱的创建

机器人视觉系统在较恶劣的实际环境中应用时,往往不能平滑稳定地跟踪目标,会出现跟踪视频图像的跳动、跟踪目标的丢失以及图像模糊等。面对存在的问题,视觉专家从图像处理和运动控制的角度对这些视觉技术进行了研究,一定程度上解决了视觉中的基本问题,但专家们尚无本质上的解决方法。文中试图从人眼的生理学解剖学研究角度,通过对运动神经回路的分析,建立双眼球运动控制的生理神经回路及其各个神经环节的功能图谱,为演化出仿生机器人双目运动控制模型提供生理学基础,从而从本质上解决上述问题。