基于云边端协同的视觉感知AI中台设计

智慧城市、数字乡村的发展建设,离不开大量的视频监控。为了解决海量监控人工运维压力大、无法主动发现异常事件、录像回看耗时费力以及现存设备智能化改造等问题,设计并研发一种基于微服务的云边端协同的视觉感知AI中台,采用分布式微服务架构,云、边、端协同部署,智能采集监控、无人机等多形态视觉数据,在交通车辆、安防人员、安全生产、城乡管理等场景,对人、车、物等全目标感知,上报目标流量、异常事件、属性、特征等信息,助力交通、门店、景区、社区、园区、城管等行业智能化升级。

基于融合帧间差的改进Vibe方法

Vibe(Visual background extractor,视觉背景提取)算法速度快,能有效抑制噪声,但是也有缺陷,比如无法有效去除运动目标阴影,且不能快速去除"鬼影"区域。针对上述问题,提出了一种基于融合帧差法的改进Vibe算法。利用新的帧差法,提出如下改进:在灰度空间进行前景检测并利用亮度信息去除运动目标的阴影;巧妙运用帧差法的特性,利用两种方法所得的背景进行"与"操作,快速去除Vibe产生的"鬼影"。最后用形态学方法对检测结果进行改善,给出实验验证结果。结果表明,文中提出的改进方法可以很好地去除阴影,并能快速去除"鬼影",从实际效果上提高了算法的可靠性和检测的准确性。