基于计算机视觉的违章停车智能监控系统

针对违章停车的检测范围广、时间与位置不确定、车辆大小种类多、车辆身份难以自动识别等问题,设计了一种全方位视觉传感器(ODVS)和高速快球摄像机相融合的违章停车智能监控系统;利用ODVS在动态图像序列中进行大范围多目标车辆对象的检测与跟踪,得到大范围内各跟踪车辆对象目标的位置、大小、运动轨迹等信息;一旦发现车辆对象停留在非泊车位上一段时间后,控制高速快球对车辆对象进行抓拍,接着对抓拍图像进行车牌识别;实验结果表明,通过ODVS和高速快球摄像机的视频图像信息融合,即使在车辆对象非约束的情况下也能很好地获取到可用于车牌识别的图像,同时能满足多目标实时检测与跟踪的要求;该系统不仅能给欲违章停车的司机提供警示信息,同时也能给数字城管、执法部门装备一双智能化的慧眼。     

基于全方位视觉传感器的车辆违章检测系统的设计

探讨了利用全方位视觉传感器(ODVS)以及计算机视觉等技术来实现对交岔路口的车辆违章智能视频监控,采用ODVS来获取整个交岔路口的全景视频图像;通过混合高斯模型提取在全景视频图像中的车辆对象前景;使用camshift跟踪算法跟踪行驶车辆对象;依据交通法规,通过对比红绿灯、车道和车辆运动等状态来判断车辆对象是否有违章行为;实验结果表明,所设计的违章检测系统能自动检测出多种车辆违章行为,为交通执法部门提供了一种智能化的检测手段。     

基于全景视觉的移动机器人的运动目标检测

在动态背景下的运动目标检测中,由于目标和背景两者都是各自独立运动的,在提取前景运动目标时需要考虑由移动机器人自身运动引起的背景变化。仿射变换是一种广泛用于估计图像间背景变换的方法。然而,在移动机器人上使用全方位视觉传感器(ODVS)时,由于全方位图像的扭曲变形会 造成图像中背景运动不一致,无法通过单一的仿射变换描述全方位图像上的背景运动。将图像划分为网格窗口,然后对每个窗口分别进行仿射变换,从背景变换补偿帧差中得到运动目标的区域。最后,根据ODVS的成像特性,通过视觉方法解析出运动障碍物的距离和方位信息。实验结果表明,提出的方法能准确检测出移动机器人360°范围内的运动障碍物,并实现运动障碍物的精确定位,有效地提高了移动机器人的实时避障能力。     

基于全方位视觉的自动门安全和节能检测技术

针对自动门运行过程中的效率及安全问题,提出了一种基于全方位视觉传感器(ODVS)的自动门安全和节能智能检测技术。首先,采用ODVS采集自动门周边的360°全景图,并对全景图像按检测要求进行预处理;接着,采用一种运动历史/能量图像(MHoEI)算法来检测和跟踪运动目标前景对象;然后,根据前景对象的运动方向和空间位置等信息来分析行人的行为;最后,根据行人的行为和状态来控制自动门的开启和关闭,以达到自动门安全性、节能性和舒适性的控制目标。实验结果表明,该检测方法能有效地识别自动门周围的行人行为,有助于避免各种自动门安全隐患发生,同时能高精度统计出进出自动门的人流量。     

基于全方位视觉的独居老人监护系统

现有的独居老人监护系统存在算法复杂度高、监护效率低、不能保护老人日常隐私等问题。为此,提出一种基于全方位视觉的独居老人监护系统。利用全方位视觉传感器(ODVS)获取老人的全景视频图像,设计运动历史/能量图像算法用于目标跟踪,根据ODVS的成像特点,采用与ODVS距离位置不同的人体模型实现姿态识别,建立家庭空间与环境要素之间的映射关联,以提高行为检测的鲁棒性和可靠性,并通过ODVS标定和人体对象跟踪获得老人的活动量信息。实验结果表明,该系统的鲁棒性和实时性较强,检测准确率较高,能满足独居老人监护的需要。     

基于全方位计算机视觉的遗留物检测系统

针对目前在遗留物检测方面所存在的检测范围小、误检率过高和无法捕捉到遗留物放置者等问题,设计了一种基于全方位计算机视觉的遗留物检测系统;首先,采用全方位视觉传感器(Omni-Directional Vision Sensors,ODVS)来获得更大范围的全景视频检测区域;其次,利用一种基于两个不同更新率的改进的混合高斯分布模型的建模方法,获得两个背景模型,再通过当前帧与获得的两个背景模型进行差分运算得到当前帧的暂时静止对象;再次,根据时间指标和距离指标判定暂时静止对象是否属于遗留物;最后,将遗留物所处的空间展开成透视图来进行报警;实验结果表明,该系统能有效地检测全景范围内的遗留物,具有较高的检测精度和鲁棒性。     

动态图像理解技术在ATM智能监控中的应用

探讨了利用动态图像理解技术对ATM进行智能监控,采用全方位视觉传感器(ODVS)实时采集ATM机周围的全景视频数据;从全景视频数据中提取出各活动对象的属性信息,并根据这些属性信息对各活动对象进行识别;通过对各活动对象的跟踪与分析,得到ATM状态、ATM周围相关人员的行为等信息;最后通过行为语义化处理手段对ATM的多种常见的可疑犯罪行为等进行了识别;实验结果表明,对于模拟ATM一些常见可疑犯罪行为的识别方面,系统具有鲁棒性高、安检内容多、监测范围广等优点,为预防ATM机等金融犯罪提供了一种新的手段。     

智能森林多状态视觉监控系统的设计与实现

针对现有森林监测系统对森林的多样性事件识别功能不足的问题,设计了一套基于计算机分布式视觉模型的森林病虫害监控系统;监控系统设计了底层控制站CCD森林视觉信息采集模块和DP总线信息传递模块,准确、实时地检测出虫害、干旱、风化等森林多样性事件,增加了系统功能;利用遥感森林监控图像的均值作为初始背景;根据不同森林灾害事件获取背景图像进行实时更新;利用森林光谱特征就距离算法获取差分图像,并进行形态学处理;根据DSP处理器得到的二值图上植物目标的特征,判断发生了哪类森林灾害事件;针对该系统测试表明,系统在对高空采集的遥感森林图像的病虫害监测中,对红粉、白粉、黑星和白板的分类正确率达100%,对干旱和风化等灾害事件的识别正确率达80.00%和93.33%,适用于信息融合型的森林智能监控系统应用。     

智能全方位视觉传感器及其应用研究

全方位视觉传感器(ODVS,Omni-Directional Vision Sensor)是传感器网络的一种重要部件.该文研究了ODVS的设计、嵌入式Linux ODVS系统结构、ODVS视频服务器及ODVS应用系统软件的开发,详细阐述了基于ODVS的多目标自动跟踪系统的具体应用,给出了实验结果,本研究对传感器网络的高效应用有着重要的应用价值.     

主动式三维立体全景视觉传感技术

为了使全方位视觉传感器(Omni-Directional Vision Sensor,ODVS)获取的全景图像上各像素本身具有成像物点的深度信息,文中设计了一种具有单发射中心点(Single Emission Point,SEP)的全景彩色体结构光发生器(Panoramic Color Structured Light Generator,PCSLG)以配合具有单视点(Single View Point,SVP)成像特点的ODVS;然后将ODVS和PCSLG垂直配置在同一轴心线上,实现一种主动式立体全景视觉传感器(Active Stereo Omni-Directional Vision Sensor,ASODVS);最后根据全景图像上各像素点所带光源的颜色信息,通过颜色识别算法以及ODVS和PCSLG的几何关系推断PCSLG的发射角并估算成像物点的深度值.实验结果表明,该文设计的ASODVS能快速实时进行全景立体图像的特征点实时匹配和空间物点深度的测量,实现了一种以观察者为中心的3D主动立体视觉感知.     

人眼视觉特性与SIFT相结合的视频双水印算法

针对视频水印容易遭受几何攻击以及水印的鲁棒性与透明性的平衡问题,提出一种基于人眼视觉特性与尺度不变特征变换（SIFT）相结合的抗几何攻击视频双水印算法。首先获取视频序列中人眼视觉掩蔽阈值作为水印的最大嵌入强度。其次,将视频帧进行离散小波变换（DWT）,对中高频子带系数提出基于视频运动信息的自适应水印算法;针对低频子带,提出基于小波低频系数统计特性的抗几何攻击视频水印算法。最后,以SIFT作为触发器判断视频帧是否遭受几何攻击,对遭受几何攻击的视频帧利用SIFT的尺度与方向不变性进行校正,并对校正后的视频帧提取水印信号;针对非几何攻击的视频帧,直接利用中高频提取算法。所提算法与实时性视频水印算法——基于小波域直方图的视频水印（VW-HDWT）算法比较,峰值性噪比值（PSNR）提高了7.5%;与基于特征区域的水印算法相比,水印嵌入容量提高约10倍。实验结果表明,在保证水印透明度较好的情况下,所提算法对常规几何攻击具有较强的鲁棒性。     

采用量化离散余弦变换系数检测视频单帧连续多次复制粘贴篡改

目前大多数时域视频帧复制粘贴篡改检测算法都是针对至少20帧以上的视频子序列的复制粘贴篡改,而对单帧复制粘贴篡改无法判断。而根据人眼视觉感知的特性,修改视频内容需要至少15帧以上的帧操作,因此篡改帧想通过单帧复制粘贴篡改来达到想要的效果,必须进行连续多次粘贴操作。为了检测这种篡改方式,针对性地提出了一种基于量化离散余弦变换(DCT)系数的视频单帧连续多次复制-粘贴篡改检测算法。首先,将视频转换为图像,采用量化后的DCT系数作为视频帧图像特征向量,并通过计算巴氏(Bhattacharyya)系数来衡量两相邻帧帧间相似度;再设定阈值来判断两相邻帧帧间相似度是否有异常,最后根据出现相似度异常的帧是否连续,以及连续出现的帧数来判断视频是否经过篡改,并定位篡改位置。实验结果表明,所提算法对不同场景的视频都能检测,不仅检测速度快,而且不受再压缩因素影响,算法的正确率高、漏检率低。     

一种基于TCP的实时视频传输延时预测模型*

针对TCP重传易导致延时抖动大、降低流媒体播放质量的问题,提出了使用TCP传输实时视频时,播放质量不受TCP重传影响的必要条件,即视频帧发送延时、播放缓冲区延时与网络往返时间需要满足一定的关系式。建立了视频帧发送延时的预测模型,该模型通过输入视频帧长度、丢包率、网络往返时间、TCP拥塞窗口大小与TCP超时重传时间,预测视频帧的发送延时。NS2模拟结果表明,可以通过发送延时的预测值来判断视频帧是否适合采用TCP传输。     

融合多路特征和注意力机制的强化学习关键帧提取算法

针对现有视频关键帧提取算法对运动类视频中运动特征提取不准导致的漏检和误检问题,提出一种融合多路特征和注意力机制的强化学习关键帧提取算法。该算法首先通过人体姿态识别算法对视频序列进行人体骨骼关节点提取;然后使用S-GCN和ResNet50网络分别提取视频序列中的运动特征和静态特征,并将两者进行加权融合;最后应用注意力机制对特征序列进行视频帧重要性计算,并利用强化学习进行关键帧的提取和优化。实验结果表明,该算法能较好地解决运动类视频在关键帧提取中出现的漏误检问题,在检测含有关键性动作的视频帧时表现较好,算法准确率高、稳定性强。     

视频帧内运动目标移除篡改检测算法

针对数字视频帧内对象被移除的篡改操作,提出了一种基于主成分分析（PCA）的篡改检测算法。首先对待测视频帧与基准帧相减得到的差异帧使用稀疏表示方法进行去噪,降低噪声对随后特征提取的干扰;其次将去噪后的视频帧进行非重叠分块,利用主成分分析提取像素点的特征并构造特征向量空间;然后使用k-means算法对特征向量空间进行分类,并将分类结果用二值矩阵表示;最后对二值矩阵进行图像形态学操作得到最终检测结果。实验结果表明所提算法的检测性能指标精确度达到91%、准确度达到100%、F1值达到95.3%,比基于压缩感知的视频篡改检测算法在性能指标上有一定程度的提高。实验证明,对于背景静止的视频,该算法能够检测出帧内运动目标被删除的篡改操作,而且对有损压缩视频具有很好的鲁棒性。     

基于粒子群的关键帧提取算法

关键帧提取是基于内容的视频检索中的重要一步,为了能够有效地提取出不同类型视频的关键帧,提出一种基于粒子群的关键帧提取算法。该方法首先提取出视频中每帧的全局运动和局部运动特征,然后通过粒子群算法自适应地提取视频关键帧。实验结果表明,采用该算法对不同类型的视频提取出的关键帧具有较好的代表性。     

基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法

将帧率变换技术与新型视频压缩编码标准HEVC相结合有利于提升视频的压缩效率。针对直接利用HEVC码流信息中的低帧率视频的运动矢量进行帧率上变换时效果不理想的问题,文中提出了一种基于运动矢量细化的帧率上变换与HEVC结合的视频压缩算法。首先,在编码端对原始视频进行抽帧,降低视频帧率;其次,对低帧率视频进行HEVC编解码;然后,在解码端与从HEVC码流中提取出的运动矢量相结合,利用前向-后向联合运动估计对其进行进一步的细化,使细化后的运动矢量更加接近于对象的真实运动;最后,利用基于运动补偿的帧率上变换技术将视频序列恢复至原始帧率。实验结果表明,与HEVC标准相比,所提算法在同等视频质量下可节省一定的码率。同时,与其他算法相比,在节省码率相同的情况下,所提算法重建视频的PSNR值平均可提升0.5 dB。     

基于小波的视频质量评价模型

为提高客观视频质量评价算法与主观评价间的相关性,提出一种基于小波的视频质量评价模型.根据人眼对图像高低频失真的敏感度不同,利用小波变换的近似系数和细节系数,采用不同方法计算各帧图像的高频和低频失真量,将2种失真量相乘得到帧度量,所有帧结果的平均值作为客观视频质量评价值.实验结果表明,该模型结果与主观评价结果具有较好的相关性.     

基于混合POCS的视频图像超分辨率重建

提出混合凸集投影算法HPOCS对视频图像进行超分辨率重建,利用连续视频图像间的互异信息生成更高分辨率的视频图像.该算法首先采用图像匹配估计视频图像间的运动位移;然后进行基于的APEX盲解卷积,估计点扩散函数和理想视频图像;最后在凸集投影的理论框架下进行图像重建.实验表明,HPOCS重建后,视频图像的分辨率相对于原始图像、双线性内插图像和POCS重建图像明显提高,图像边缘更加清晰,细节信息更加突出.     

基于多变换的细粒度视频编码算法

针对现有细粒度视频编码算法计算复杂度大或视频恢复质量有各种效应的缺点，提出了一种基于联合小波变换和MP变换的细粒度编码算法。该算法在运动估计与补偿的基础上，用小波变换来消除帧间冗余，然后对变换结果根据不同帧的数据特征分别进行二维小波变换或MP变换。算法还提出了新的运动估计和像素调整策略、基于人眼视觉特性的MP原子分配策略和基于能量查找的原子搜索机制。实验表明，该算法可同时兼顾视频恢复质量、计算复杂度和控制粒度。