互信息熵和Prewitt差测度的Lasso模型关键帧提取

针对视频关键帧提取过程中,需要对视频中每帧图像进行大量诸如特征提取、图像配准、冗余消除等高复杂度的计算,占用大量的运算时间等问题。提出了1种互信息熵和Prewitt差测度的Lasso模型关键帧提取算法。该算法首先利用视频分割技术,将视频按照镜头变化分割得到了视频片段;其次利用互信息熵和Prewitt双重特征量提取视频片段中的关键帧并采用边缘匹配算法消除冗余帧序列。最后,得到的关键帧序列用Lasso模型检验收敛性。理论分析和实验结果表明,与基于加权的多视图关键帧提取算法相比,关键帧提取时间平均缩短了28.7s,验证了本文算法的高效性。     

基于无人机视频的公路可量测三维重建方法

针对目前无人机视频信息在公路建设和管理中未能得到充分利用的现状,提出了一种基于低空无人机视频流影像的可量测三维重建方法。该方法首先是对无人机摄像机CCD传感器进行检校,然后直接从无人机获取的视频中自动提取关键帧影像,再根据提取关键帧时间信息对全球导航卫星系统信息进行内插和同步得到关键帧影像拍摄位置信息;最后,通过多视角多视图三维重建技术,生成彩色密集点云数据并进行三维量测分析,实现基于无人机视频图像的量测和分析。通过试验分析,利用该方法可以根据无人机获取的动态视频信息,快速进行高精度三维场景重建和量测分析,可满足公路建设和管理中远程勘测调查的精度、大范围和快速性的要求。     

基于图像处理的火灾烟雾检测算法研究

在综述视频火灾探测技术的基本原理和现有视频火灾烟雾检测算法的基础上,提出了一种结合烟雾静态特征与动态特征进行研究的视频火灾烟雾检测算法。介绍运动区域目标检测与提取方法及效果,以及烟雾静态特征和动态特征的提取和分析。测试结果证明该算法能够准确且迅速地探测出火灾烟雾,误报率低,可靠性好。     

基于内容的视频检索系统设计与实现

视频数据库的不断庞大使基于内容的视频检索成为研究热点,文中设计和实现了一个基于内容的视频检索系统,并进一步将检索内容分为视频片段与单一视频帧进行处理。将视频的多种特征与相关反馈技术中相结合,进行检索。实验表明:该方法能有效的提高系统的检索效率。     

基于用户兴趣的视频片段提取方法

视频精彩片段提取是视频摘要、检索等领域的热点研究问题。若自动提取视频片段能考虑用户个性化需求,将能在电影推荐、新闻摘要等实际应用场景中发挥巨大作用。针对基于用户兴趣的视频片段提取问题,提出了使用互联网图像的用户感兴趣视频精彩片段提取框架,使用近义语义联合组权重模型权衡由不用的描述词检索得到的存在差异但语义相近的图像组,根据图像组与视频内容的相关性为不同的图像组分配不同的权重。实验结果表明了所提出的方法对提取用户感兴趣内容的有效性。     

基于视频图像的建筑室内空间数据矢量化提取方法

为提高建筑室内空间规划能力,需对建筑室内空间数据进行矢量化提取。为此,提出基于视频图像的建筑室内空间数据矢量化提取方法。设计建筑室内空间视频图像采集模型和空间装饰特征点边缘特征检测模型,采用分块检测方法重构建筑室内空间视频图像区域,结合RGB特征分解方法进行建筑室内空间数据矢量化分割,提取建筑室内空间视频图像的模糊度匹配特征量,通过分块模板匹配实现建筑室内空间数据矢量化提取。仿真结果表明,采用该方法进行建筑室内空间数据矢量化提取的准确性较高,图像的分辨能力较好,提高了建筑室内空间数据矢量化分割和装饰特征量的检测能力。     

基于视频图像识别的电梯限速器校验方法及其仿真分析

针对传统的电梯限速器校验方法存在打滑导致测速偏差大、检测结果溯源难、存在安全隐患等问题,提出了一种基于视频图像识别的非接触式限速器速度检测方法。该方法基于图像识别算法提取拍摄视频中的图像帧,获得限速器位置后,通过检测特征点的旋转角度来判别限速器的电气动作速度与机械动作速度,从而实现自动化判定。实验验证结果表明,该方法的检测精度较高,相对误差在±5%以内,并且可以提供视频追溯,保障了检测结果的可信性。     

基于背景差分法的视频目标检测算法研究

运动目标的检测是数字图像处理和模式识别以及计算机视觉领域研究的主要内容之一,也是计算机视觉研究的一个重要领域。对基于背景差分法的视频目标检测的算法进行了研究。以Matlab为主体研究工具,对视频中的运动目标进行检测。对背景差分法的原理和算法进行了研究,并对其进行了详细的讨论和分析。利用中值滤波背景模型来提取背景,并对目标的阴影进行检测与抑制。实验结果表明,采用该算法对运动目标进行检测具有良好的准确性和稳定性。     

九宫图格式视频的帧内优化编码

提出一种基于3DTV九宫图格式视频的帧内优化编码算法,充分利用帧内图像所特有的相关性,极大地减小了编码码率。针对九宫图格式的视频预处理,提出了一种适合该特殊格式视频显示的图像下采样方法,实验证明该方法能进一步减小码率,并且能使图像质量改善。整个编码算法完全基于最新的HEVC视频编码标准平台进行实现。在相同PSNR的情况下,相比传统的九宫图视频帧内编码算法,本文算法可以有效地减小码率。     

飞鸟视频跟踪的局部特征点融合Meanshift方法

野生鸟类的观察对于鸟类生态和行为学具有重要的意义。近年来,大量视频传感器的应用为科研人员观察和追踪野生鸟类提供了丰富的视频数据,但通过人工处理,识别和追踪视频中的野生鸟类仍是一项费时费力的工作。针对这个问题,提出了一种融合局部特征点匹配和Meanshift方法的自动跟踪算法。该方法通过Surf算子、Lowe’s算法、Flann匹配器进行特征点的提取、匹配与筛选,以局部匹配的结果为据预测目标位置并结合Meanshift向量迭代,将预测值作为Meanshift算法迭代的初始值,并根据鸟类的特性改进了迭代规则。采用四个视频对改进方法和Meanshift方法进行了比对实验,结果表明改进方法在跟踪效率和准确率上均有提升。当鸟类与背景颜色相似且运动速度较快时,改进方法的优势更为明显。