基于多摄像头边云协同视频请求的智能监控预警方法研究

多摄像头边云协同视频已被广泛运用于智能化生活的各个领域,采用边云协同模式已然成为摄像头视频智能监控的数据处理的发展趋势。为了实现对多摄像头边云协同的视频请求任务的高精度检测,此次研究提出在基于多摄像头边云协同请求下的智能监控预警方法。采用边缘计算和云计算的紧密协同处理,在边云协同的数据协同能力下以较低成本完成对数据的高效处理。在多摄像头请求下的边云协同视频的智能监控预警,对视频数据进行处理与分析,提出利用网状关联分析的智能预警模型进行判定。对单摄像头与多摄像头下智能监控预警方法检测的准确率进行分析。得出该方法的检测准确率最高,且每项的检测准确率均在97%左右,证明了其在智能监控预警中的可靠性与有效性。

基于边缘计算的多摄像头视频协同分析方法

为了减少智慧城市场景下多摄像头实时视频数据的处理量,提出了基于机器学习算法的边缘端视频协同分析方法。首先,针对各摄像头检测到的重要目标物体,设计了不同的关键窗口来筛选视频的感兴趣区域,缩减视频数据量并提取其特征。然后,根据提取的数据特征,对不同摄像头视频中的相同目标物体进行标注,并设计了摄像头之间关联程度值的计算策略,用于进一步缩减视频数据量。最后,提出了基于图卷积网络和重识别技术的GC-ReID算法,旨在实现多摄像头视频协同分析。实验结果表明,与现有的视频分析方法相比,所提方法能够有效降低系统时延和提高视频压缩率,并保证较高的准确率。

一种多摄像头车辆实时跟踪系统

随着城市人口的增加,越来越多的车辆使得城市的交通状况越来越复杂。针对传统的车辆检测中出现的跟踪车辆易丢失、跟踪精度低等问题,文章提出一种基于多摄像头的车辆实时跟踪检测方法,从多角度对运动车辆进行跟踪。在分析YOLOv5算法的基础结构后,文章针对车辆尺度变化大的特点,充分利用YOLOv5算法检测轻量化、速度快、实时性强的性质,并在此基础上利用多个摄像头之间的单应性矩阵来确定车辆位置的变化。结合颜色特征识别和车辆特征识别对车辆进行重识别,不仅提高了运行速度,而且满足了实时性和准确性的要求,有效解决跟踪车辆易丢失的问题,获得了较为成功的车辆实时跟踪效果。

多摄像头联动跟踪图像物料重识别方法

为保证入库物资能够严格按照规定仓位进行存储,提出基于CNN的多摄像头联动跟踪图像物料重识别方法。分析膨胀、腐蚀操作过程,经过形态开、闭运算,过滤跟踪图像噪声,将阈值分割与归一化颜色模型相结合,分离背景与前景;获取不同摄像头在相同位置对应点,设置卷积层与池化层的滑动步长,探究激活函数层与全连接层特征,建立卷积神经网络模型,结合物料已知特征设置语义,引入损失函数,提取图像中物料深度信息,完成重识别。仿真实验表明,所提方法可增强图像质量,获取更多物料信息,提高识别精度。

基于非重叠多摄像头的实时监控系统

随着实时监控系统在安防监控领域的应用逐渐增多,传统的单一摄像头已经不能满足日益复杂的应用需求,智能摄像头逐渐成为监控领域的主流趋势。随着科技的发展,智能摄像头不仅能在监控区域内拍摄更多信息,以满足日常需求,还要能够提供更多信息,以供分析决策。为了实现对运动目标的可靠跟踪,文章设计了一种基于多摄像头的非重叠协作运动目标跟踪算法。通过对摄像头的邻域关系、运动目标与摄像头的距离、摄像头之间的转换时间等特性参数的分析,设计多摄像头的协作追踪方案;基于采用多摄像头协作追踪方案,解决摄像头的时空离散问题,并通过算法选取最佳候选摄像头,实现对运动物体的连续追踪。通过对多摄像头联合追踪的试验,证明多摄像头协作追踪方法的可行性和有效性。

视频监控系统中的多摄像头跟踪优化设计

针对分布式广域视频监控系统,提出了一种基于多摄像头融合的跟踪优化方法.该跟踪优化算法根据目标优先级和目标在各个摄像头中的遮挡状态及其分割图像大小进行数据加权融合,优先分配高优先级目标给具有最佳权值的摄像头进行跟踪,并动态平衡各个摄像头的跟踪负载,将跟踪负载过重的摄像头中的低优先级目标分配给其他摄像头进行跟踪.为了有效地建立重叠摄像头之间目标的对应关系,对于摄像头远离监控地平面和目标的场景,通过摄像头监视背景图像之间的SIFT特征匹配自动生成对应点,利用这些对应的关键点确定重叠摄像头之间的单应性变换矩阵参数,再根据目标质心坐标之间的单应性变换进行一致性匹配;对于摄像头近邻监控地平面和目标的场景,通过目标分割图像之间的SIFT特征进行一致性匹配.实验结果表明:该方法能有效地实现广域监控场景中多摄像头的协同跟踪,达到了较高的跟踪性能.

基于多摄像头的目标连续跟踪

针对广域视频监控系统中运动目标的跟踪问题,提出了一种基于多摄像头的目标连续跟踪方法。摄像头前端通过网络连接将各自监控场景的背景图像和运动目标的特征数据传输给中心计算机服务器。中心服务器通过背景图像的SIFT(Scale Invariant Feature Transform)特征匹配检测出摄像头视域FOV(Field of View)之间的重叠区,并根据相匹配的SIFT关键点(Keypoints)计算地平面单应性变换矩阵(Homography Transformation Matrix),以建立重叠摄像头之间的视点对应关系。为了对应多个摄像头中的同一个目标,中心服务器在重叠摄像头之间使用运动目标的质心坐标单应性映射和SIFT特征进行匹配,在非重叠摄像头之间仅使用SIFT特征进行匹配。实验结果表明,该方法在广域监控场景中能实现鲁棒的多摄像头间目标连续跟踪。

一种非重叠多摄像头的实时监控系统

大范围场景的监控需要使用多个摄像头。论文利用运动目标的颜色信息和路径特征,设计了一种非重叠多摄像头的实时监控系统。系统采用分布式多层次结构,在进行单摄像头层的处理时,根据像素点亮度变化检测和跟踪运动目标,同时获取运动目标的外形信息和路径特征;在进行多摄像头层的处理时,使用估计目标外形变化和建立路径模型方法融合多个摄像头信息,实现目标在非重叠多摄像头的跟踪。该系统不要求校准摄像头,也不要求建立完整的场景模型,即便在有亮度变化的环境中,仍能立即准确跟踪目标。实验证明提出的方法有好的跟踪效果。

基于蚁群算法的多摄像头调度方法研究

本文从提高多摄像头视频监控系统的目标跟踪性能出发,对基于蚁群算法的多摄像头调度方法进行了研究.首先,利用目标位置这样一个无需前后关联的信息量作为摄像头调度的依据,定义了Sij和Wij的概念,其中Sij表示目标在i摄像头的j区域,Wij表示摄像头i转向区域j.然后根据任务优先级、目标与摄像头之间的距离及目标的可见性程度,引入蚁群算法计算目标-摄像头对的QOS(Quality of Service),得出最优的目标-摄像头对,结合Sij值计算Wij的值,从而根据i,j的值调度摄像头.最后,利用Matlab对多个目标分别位于不同摄像头视野域的情况进行了仿真,初步论证了本文设计的多摄像头调度方法的可行性.

家庭安防系统中的多摄像头视频采集与网络传送

为了实现家庭安防系统中多摄像头的现场视频图像采集和实时远程视频报警功能,通过非探测器触发,由多个摄像头循环采集数据,根据While循环的计数端口变量和摄像头的数量确定具体算法,将其结果作为索引号调用对应的摄像头采集数据.运用了美国国家仪器公司的DataSocket技术进行现场数据的远程读取、保存等操作,并以彩信的形式将数据发往用户的手机.设计了USB接口检测程序,确定所插的每一个摄像头的序号.此外,利用沿检测概念,实现了用常闭探测器代替比其贵五六倍的常开探测器.系统测试结果表明,系统性能稳定,各个摄像头和模块之间的配合完全符合视频快速采集、传输、报警、记录的要求,并可将采集的信息以手机短信方式通知用户;没有发生误报和漏报情况,达到了预期的效果.

基于非重叠多摄像头的实时监控系统

针对室内外环境的动态特点,描述了一个可扩展的多摄像头实时监控系统,提出了新的基于非重叠多摄像头的运动目标跟踪方法。该方法利用亮度信息在单摄像头内检测和跟踪目标,结合运动目标的亮度特征和路径特征,在多摄像头内估计运动目标外形变化,并建立运动目标路径模型,使用融合算法实现基于非重叠多摄像头的目标跟踪。与其他监控系统相比,该系统不要求摄像头校准,在有亮度变化的非重叠多摄像头场景中能立即准确跟踪目标。实验证明,提出的方法有好的跟踪效果。

基于颜色特征传递的多摄像头无重叠区域运动目标跟踪

针对多摄像头无重叠区域目标监控时,同一目标在不同摄像头中易出现色差而导致目标颜色特征匹配失败的问题,研究了多项式转换法、基于统计特征的颜色转换法和自适应颜色转换法。在这些方法的基础上,结合视频监控的具体应用要求,提出了将基于统计特征的颜色转换法应用在多摄像头运动目标跟踪中的具体改进方法。实验结果表明,该方法对于多摄像头无重叠区域下运动目标跟踪效果良好。

监控系统中的多摄像头协同算法

提出了一种监控系统中的多摄像头协同算法(PDA).该算法引入了依赖目标可见性的权函数、任务优先级、目标与摄像头之间的距离,根据这些参数来选择最合适的摄像头,将其分配给距离摄像头最近、且有最高优先级的目标.为了可靠地跟踪目标,使用了多摄像头协同系统中的数据融合方法.在分布式监控系统中验证了PDA和数据融合方法.实验结果表明,提出的PDA算法能协同多摄像头可靠地跟踪人.

监控系统中的多摄像头协同算法

给出了一个分布式多摄像头监控系统结构,描述了一种使用路径模型和目标外形变化估计的数据融合方案,提出了一种新的在分布式监控系统中的多摄像头协同算法(PDA,PriorityandDistanceAlgorithm)。提出的算法基于多摄像头数据融合结果,根据任务优先级、目标与摄像头之间的距离及目标的可见性情况,分配摄像头给目标,其特点是使系统中有高优先级并距离摄像头最近的可见目标优先分配摄像头。实验结果表明提出算法能协同多摄像头可靠地跟踪人。

车载多摄像头监控终端的设计

提出了在无线网络环境下实现对行驶中车辆进行车内多个摄像头的图像信息、GPS位置等信息的采集的方法.该方案是在PIC单片机的控制下,利用GPRS DTU进行无线通讯,使用CPLD扩展接口与多个摄像头进行连接,最终将位置、图像等传感器信息协调传输到服务器.论述了整个系统的设计过程和传输中错误的判断和处理方法.该方案简单、经济可靠,降低了多摄像头监控系统的成本,并且已经在多条线路中投入使用,产生了显著的经济效益.

基于多摄像头协同的目标融合

为解决智能监控视频系统中目标跟踪不准确以及实时性较低而导致目标丢失这一问题(孙晓燕,多摄像机接力目标跟踪关键算法研究:山东大学出版社,2014),采用多摄像头协同的方法和数据融合方法,实现了多摄像头下对目标地实时准确的跟踪。本文利用基于SIFT算法的单应性矩阵变换进行目标图像的数据融合,通过两个USB摄像头以及Visual Studio进行实验验证,分析得出多摄像头协同的目标跟踪,相比于单摄像头跟踪具有更高的鲁棒性、准确性和实时性,可以广泛应用于生活中。

基于多摄像头的AGV全局导航地图创建

为了创建AGV大范围全局导航地图,论文提出一种基于多摄像头的全局导航地图创建方法。首先,在AGV活动区域上方垂直安装多个摄像头采集大范围区域的局部图像;其次,通过相位相关法和改进的SURF特征匹配相结合的算法对四幅局部图像进行拼接;最后,采用基于粒子群的模糊C均值聚类算法对全局图像进行分割提取障碍物信息,并建立室内环境全局导航地图。实验表明该方法与现有算法相比具有更好的实时性,能够快速建立全局导航地图。

基于ARM的多摄像头无线视频报警系统

为了设计一款适合家庭的多摄像头无线视频报警系统,采用将主机与摄像头分离,通过CC1101无线通信,利用TX6718/RX6788无线传输音视频的方法。主机以Cortex-M3内核的ARM微控制器为核心处理器,内置WCDMA模块;摄像头模块(从机)以STC11l04E为核心处理器。该系统实现了一主机控制多摄像头的功能,且实现了五种报警方式:MMS、视频电话、邮件、语音、SMS报警;用户可通过语音电话、短信进行远程操控。经实际使用证明:系统工作稳定,可满足家庭安防需求。

非重叠多摄像头协同目标跟踪方法

为可靠地跟踪移动目标,提出一种非重叠多摄像头协同跟踪移动目标算法。根据摄像头之间的邻域关系、移动目标与摄像头的距离、摄像头之间的过渡时间等特征参数,建立多摄像头协同跟踪模型;利用多摄像头协同跟踪模型,克服摄像头在空间和时间上的离散性,根据算法选择最优的候选摄像头,对移动目标进行接力跟踪。实验结果表明,多摄像头协同跟踪算法在非重叠多摄像头监控系统中是可行有效的。

基于多摄像头协同模式的智能停车场管理系统

针对大场景停车场的实时监控与管理存在的问题,设计了智能停车场管理系统的硬件和软件模块,提出了基于摄像头和车辆对应关系下的多摄像头协同跟踪策略。车辆在单个摄像头视域内,记录下车辆的状态信息;车辆在多摄像头的重叠视域内,根据最小误差方法求出车辆的状态信息;车辆脱离任一摄像头视域,根据卡尔曼滤波预测的方法估计出车辆的状态信息。实验结果表明,该模式能够有效地完成对宽场地停车场的监控任务。