基于视频的人群异常事件检测综述

随着公共安全问题的日益突出,公共场所人群异常事件的及时发现将有助于相关部门的及时响应和救援,从而降低群众人身伤亡和财产的损失。近年来,在智能监控和安防领域的发展下,基于视频的人群异常事件检测已成为图像处理、机器视觉、机器学习等相关领域的研究热点。概述了基于视频的人群异常事件检测相关研究的概况、研究现状及未来的发展趋势。人群异常事件检测有两个基本问题,一个是基本事件的表示,一个是异常事件检测模型的建立。重点从这两个方面回顾人群异常事件检测技术的发展和常用的处理方法,并对研究难点及未来的发展趋势作了较为详细的分析。

近红外窄带光照下不同水果背景中桔小实蝇的图像分割

【目的】为了增强水果背景中桔小实蝇Bactrocera dorsalis Hendel（双翅目实蝇科）的识别效果,研究了该种昆虫与不同水果之间的反射光谱差异。【方法】采用紫外-可见光-近红外分光光度计测量了桔小实蝇与16种水果在400~2 500 nm波段的反射光谱。在中心波长为565 nm和827 nm的窄谱带光源及日光3种光源分别照射下,分别拍摄各种水果背景中的桔小实蝇照片,并用大津Otsu算法对照片进行二值化处理。【结果】发现桔小实蝇的反射率随波长增加而缓慢地增大,最大反射率小于40%。而16种水果的最强反射峰全部或部分落在在777-896 nm。不同水果平均最大反射率为41.10%-97.89%,与桔小实蝇在此波段的低反射率（约30%）形成强烈的反差。在827 nm中心波长窄带光源照射下拍摄的照片中,发现桔小实蝇为黑色,而背景水果呈现大面积的白色,形成高反差,桔小实蝇很容易被辨识。相反,在日光和565 nm中心波长窄带光源照射的照片中,水果背景存在较多的黑色斑块,容易与桔小实蝇的黑区混淆;或者该虫形成白斑,从而无法识别。【结论】选用近红外波段的窄带光源照射能明显提高桔小实蝇与水果图像的对比度,增强桔小实蝇的分割效果。

基于形状与纹理算法的通用昆虫图像模式识别研究

为了在口岸检疫中实现对多种昆虫的识别,采用了基于形状和纹理的通用昆虫图像模式识别算法。用该算法测试了6个目14种昆虫,体长从3.2～76.3mm,长宽比为0.51～6.88,体色包括为黑、紫、褐、黄及绿色,取得92.4%的1秒钟叠加识别率。测试结果表明该算法对不同体长、各种长宽比,以及深色的昆虫识别效果良好。在白色背景下对于黄色的国槐羽舟蛾识别效果较差,主要由于昆虫体色与背景颜色相近,采用识别算法的二值化处理后失去轮廓所至。