国外智能视频监控的热点探究

随着智能视频监控在安全防范监控领域广泛应用,其相关技术备受国内外专家和研究人员的重视。智能视频监控作为一种综合技术,涉及多个科学领域知识。本文探讨当前国外智能视频监控的研究热点,总结归纳与其相关的研究领域,以期为国内智能视频监控的研究与发展提供借鉴。     

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.     

基于达芬奇技术的智能视频监控终端的开发

为了使监视系统具备自动检测与跟踪移动目标的能力,利用达芬奇技术开发了一种智能视频监控终端。实现了以双核芯片TMS320DM6446为主处理器的硬件平台,在达芬奇软件框架下设计了系统软件。提出的运动目标检测与跟踪算法,融合了背景减除和边缘检测技术分割出运动目标,利用目标特征匹配方法建立连续帧间目标的对应关系。测试表明,此终端实现了实时视频编码、运动目标的检测跟踪以及记录目标运动轨迹等功能。     

基于OpenCV的智能视频监控设计

采用智能视频分析技术的智能监控系统能够最大限度地减少人为干预,提高监控效率,减轻人的工作负担,并可对动态场景视频中的目标物体进行检测、分离、跟踪与有效识别。文中介绍了opencv中的运动模板检测方法,并给出了使用该检测方法来对运动目标进行检测、跟踪与智能判断的实验结果。     

基于OpenCV的校园智能视频监控设计与实现

在校园中,采用智能视频监控系统能够有效的减少人为干预,提高监控效率,并可对固定场景视频中的动态目标进行检测、分离、跟踪与有效识别。使用OpenCV和VC++2010构建了智能视频监控系统,采用了背景差分法对监控区域内的动态目标进行快速实时检测。在目标跟踪方面,提出了CamShift算法,实现动态目标的精确跟踪。     

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.     

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。     

智能视频监控技术研究与实现

随着社会信息化进程的加快,智能视频监控技术成为业内研究热点。本文介绍了智能视频监控系统的组成结构以及系统中涉及的多项关键技术,并给出基于背景差除法实现智能视频监控的运动目标检测的结果。     

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。     

智能视频监控中基于机器学习的自动人数统计

提出了智能视频监控中基于机器学习的自动人数统计系统.该系统通过机器学习的方法对视频序列中人的头肩部位进行准确地检测,克服了传统检测方法如连通域分析和简单模板匹配的不足,对光线变化和人群拥挤等问题具有较好的稳健性,在对具体场景的初步测试中取得了较满意的效果.     

智能视频监控中入侵检测算法的设计与实现

为实现在高清视频监控中实时、准确的检测出入侵的人员或物体,本文设计一种新的入侵检测算法。 算法将混合高斯模型与改进的帧差法结合,并针对实际监控场景作出以下改进：当监控画面分辨率较高时,采用块均值建模替代原混合高斯模型中的单个像素建模提高算法检测的实时性;在监控场景发生光照突变时结合改进的帧差法避免因光照带来的误检测。实验结果表明,本文的算法处理速度快,准确性高,适用于实时高清的视频监控系统。     

面向多区域视频监控的运动目标检测系统

为了实现视频监控现场多区域运动目标检测,分析了传统运动检测算法的不足,结合帧间差分法和背景差分法,提出背景动态更新的运动检测算法。该算法能自适应背景的变化,减少由背景变化造成的误检测。构建基于FPGA的视频监控系统,在FPGA上用该算法实现了640pixel×480pixel,30帧/s视频信号流的运动目标实时检测。系统提供了分区域运动目标检测的功能。检测区域的大小、位置和个数可通过简单的按键操作进行设定。测试结果表明,系统可以实时地对进入划定区域的运动目标进行检测和闪烁告警,且资源占用较少,适合在小规模的FPGA上进行实现。     

基于5G的智能视频监控系统设计

计算机视觉是用计算机或机器代替人眼对目标去识别、跟踪、测量,并进行图像处理。5G技术是比LTE网络具有更高传输速率、更低传输时延、更高可靠性、更广泛的连接等特点。本文探讨计算机视觉目标识别与跟踪处理技术与5G通信相结合,在当前视频监控系统基础上,设计构建第三代智能视频监控系统,并展望在各类行业和家庭的应用前景。     

基于OpenCV的绊线检测实现

基于OpenCV视觉库针对绊线检测进行实现。从监控防区内运动目标检测与跟踪入手,调用OpenCV自带的运动目标跟踪框架,自定义其中的前景检测模块,完善运动检测。根据既定的绊线检测规则进行异常入侵行为分析、监测,并实时报警。该技术可应用到智能视频监控系统中,从而完成对监控防区的智能管理。     

人脸识别在视频监控中的应用

随着信息技术的迅猛发展,视频技术在教育、监控等众多行业领域得到推广。人脸识别作为生物特征识别的重中之重,如今已成为人工智能研究领域的热点课题。基于此,文章首先阐述了人脸识别技术的内涵及其应用优势,然后分析了人脸识别的典型算法与关键技术及其在视频监控应用中面临的问题,最后进一步探讨了人脸识别在视频监控中的具体应用。     

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。     

智能校园移动视频监控系统设计探讨

本文主要针对智能校园移动视频监控系统的设计展开了探讨,对移动视频监控系统的设计作了系统的阐述,并详细说明了校园移动视频监控部署的要点,以期能为有关方面的需要提供有益的参考借鉴。     

基于视频摘要的智能视频识别系统的设计与实现

随着计算机科学技术的迅猛发展和多媒体技术的广泛应用,监控视频已经成为日常生活中不可或缺的一部分。文章首先介绍了目前视频摘要和智能视频识别技术的研究背景,接着对智能视频识别系统进行了需求分析,阐述了各模块的功能。然后根据系统的需求分析结果,对系统进行了总体设计,说明了各功能模块的工作流程。最后采用Visual C++和DirectShow对系统进行了实现,详细地阐述了视频摘要模块的实现过程。     

远程视频监控系统中数码灯识别研究

介绍了7段式数字的视频图像处理与识别方法。在对7段式数字进行识别的算法研究中,通过3种不同算法的比较,提出了一种7段矩形区域统计判别法。该方法算法简单,实时性高,可靠性好,是一种比较理想且具有一定应用价值的识别算法。