改进的帧间差分运动目标检测算法研究

在视频监控的运动目标检测中,针对传统三帧差分算法检测出的运动目标物轮廓不完整,且内部有“空洞”的问题,提出一种基于最大模糊熵的阈值选取三帧差分运动目标检测算法。首先将相邻三帧图像进行两两差分运算得到差分图像,然后根据最大模糊熵原则灵活选取阈值,对差分图像进行二值化,再对所得的二值化差分图像进行逻辑“与”操作,从而将运动目标检测出来。实验证明,该算法有效地提高运动目标的检测性能,且较好地保留运动目标的轮廓。

基于边缘对比差分算法的运动目标检测

传统三帧差分目标检测算法容易发生边缘缺失现象,导致无法通过形态学处理来完全填补目标内部的空洞。为此,提出一种边缘对比差分目标检测算法,以获取目标边缘。根据视频图像的连续性与运动目标速度的不确定性建立理论模型。对传统边缘差分算法与固定参数的边缘对比差分算法进行分析,提出依据目标运动参数自适应获取当前模型参数的方法,从而降低背景点的误判率并获得完整的目标边缘。实验结果表明,相对传统三帧差分算法,该算法能快速有效地从视频序列中提取运动目标,且具有更好的鲁棒性。

一种改进的运动目标跟踪与轨迹记录算法

针对目前运动目标的跟踪与记录方法占用存储空间较大的缺点,提出了一种减少存储空间的记录算法,即先用三帧差分算法和Snake算法相结合检出运动物体的轮廓,再利用Hausdorff算法对提出的轮廓进行匹配,并将匹配后的轮廓和运动轨迹以文本文件存储,大大降低了运动目标轨迹记录存储容量.实际运用表明,改进后的记录存储空间相当于通常视频文件的万分之一.该算法适于长时间记录运动目标轨迹.

基于改进ViBe算法的运动目标检测方法

针对视觉背景提取(Vi Be)算法光照适应性差的问题,提出一种结合三帧差分法的Vi Be算法。该算法结合了三帧差分法光照适应性强以及Vi Be算法检测精度高的优点。首先,使用Vi Be算法进行运动目标检测;当发现前景目标面积与图像面积的比例超过预设阈值时,改用三帧差分法检测运动目标,以减少光照变化对检测结果的影响;最后,该算法使用中值滤波和形态学处理,以减少检测结果的空洞。实验结果表明,改进后的Vi Be算法提高了原算法在光照变化场景的鲁棒性,检测效果优于单独使用Vi Be算法或者三帧差分法的检测结果。

基于OpenMv的跌倒检测算法设计与实现

现如今,社会上老年人的数量正在持续增长,而伴随着的也是日益增多的老年人的安全问题,例如跌倒、突发疾病、失智等一系列对老年人生命产生威胁的问题,本文就其中的跌倒问题提出了一种基于OpenMv的跌倒检测算法,主要通过对OpenMv摄像头捕捉到的画面进行图像运算得到老年人的跌倒状态。本文提出的跌倒检测主要通过OpenMv自带的函数库以及三帧差分算法来实现,然后通过调整老年人身体中心坐标的波动范围来判断老年人是否已经跌倒。

面向矿业摄像仪的图像增强与目标跟踪

针对煤矿井下照度低导致的矿业摄像仪采集图像模糊,不利于运动目标跟踪的问题,提出一种面向矿业摄像仪的图像增强与目标跟踪方法。方法首先采用小波变换和逆变换增强矿业摄像仪图像,然后通过结合高斯背景模型和三帧差分算法提取精确的运动目标轮廓信息,实现了高检测效率和高检测精度的目标跟踪。仿真结果表明,所提方法可明显提高矿业摄像仪采集图像的亮度,且使图像边缘和纹理更加清晰,并可有效检测到矿业摄像仪采集图像中的运动目标,实现对运动目标的跟踪。相较于传统高斯背景模型和改进建模方法的高斯背景模型,所提方法检测精度更好,检测效率为105ms/帧,误检率和漏检率分别为5%和4%,可满足矿井下视频实时监测及精度的需求,具有一定的实际应用价值。

基于边缘计算模型的智能视频监控的研究

目前的云计算技术需要大量带宽资源,而无线网络带宽有限,不能满足实时响应的需求,边缘计算成为发展的新趋势之一。提出在网络摄像头中加入运动目标检测算法,对采集到的原始视频数据进行处理,去除冗余信息,并分析视频中的行为,只把最有价值的数据传输到云计算中心。运用改进的三帧差分算法并结合Canny边缘检测算子对运动目标进行检测,只有检测到监控画面中有运动物体时才进行存储,并同时对运动目标进行提取分析,如果发现有异常行为,进行报警。实验表明,该方法可以检测出完整的运动目标,能够实现异常行为的可信报警,最重要的是可以节省大量的存储空间,并在定位异常行为时节省了查找时间。

基于边缘计算的天然气处理厂视频监控系统存储优化研究

视频监控技术在数字化、高清化、网络化和智能化的条件下,产生的视频数据呈指数增长,许多静态无效数据全部保存下来,造成存储设备空间的极大浪费。采用三帧差分法通过python和open CV,基于服务器端开发运动检测程序,构建基于边缘计算的智能视频监控系统,在边缘端对运动有效视频数据与静态无效数据处理进行分类处理,动态有效数据时时监控存储,静态无效数据仅监控不存储。该智能监控系统即节约了存储空间,又不影响视频使用。通过现场试验验证,该系统可节约45.7%的存储空间,极大地降低了网络带宽和数据中心功耗。