基于彩色空间的背景帧差法视频车辆检测

视频检测的研究是交通参数采集的主要问题,核心是对运动目标的检测。为克服传统基于灰度的背景帧差法所存在的缺陷,提出了建立在YCbCr彩色空间的背景帧差法检测运动目标,分割阈值采用基于迭代的最佳阈值的确定方法,并提出了梯度极值法得到最清晰、完整的车辆进行车流量的统计。经仿真结果表明提出的车辆检测算法不仅能够取得很高的检测精度,而且算法简单、运行速度快。

基于背景帧的监控和会议视频帧间快速算法

为降低高性能视频编码(High Efficiency Video Coding,HEVC)中监控和会议视频的编码复杂度,减少编码时间,提出了一种基于虚拟背景帧的监控和会议视频帧间编码的快速编码单元(Coding Unit,CU)划分和预测单元(Prediction Unit,PU)模式选择算法。对原始视频序列进行像素统计分析生成虚拟背景帧,利用生成的虚拟背景帧对CU分类。通过分析不同类别的CU继续划分的比例和其纹理复杂度,快速决策当前CU的划分和PU的模式类型。这种利用虚拟背景帧做判决的算法通过减少CU深度和PU模式遍历而降低编码复杂度,达到快速帧间编码的效果。实验结果表明,与HM16.9相比,该算法在峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)平均下降0.07 dB和码率平均增加1.93%的情况下,能平均减少33.31%的编码时间。

背景帧间差分法的移动目标跟踪研究

根据视觉领域中对运动目标跟踪分析的热点算法,提出背景帧间差分算法对视频中移动的行人进行目标跟踪。该算法通过计算连续三帧视频图像间各相应像素点的差分,求出背景点和目标点,再经过形态学运算即可描绘出移动的目标。实验证明,该算法简单、有效,且不易受光照影响;能满足大部分视频中对移动目标的跟踪。

多帧背景差与双门限结合的运动目标检测方法

为有效解决视频监控场景下运动目标快速、精确检测的问题,提出一种多帧背景差与双门限结合的运动目标检测方法.首先改进Surendra背景模型来获取干净的背景图像,根据灰度差分图像确定的两个门限值进行前景目标检测,低门限阈值用于检测出比较明显的前景目标(即粗检测),在粗检测的基础上利用高门限阈值以去除粗检测中存在的噪声目标与伪目标(即细检测),最终实现视频监控场景下运动目标的精确检测效果.针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标.

多帧背景差与Cauchy模型融合的目标检测

为有效解决复杂监视场景中快速、准确检测运动目标,提出一种多帧背景差与柯西(Cauchy)模型融合的目标检测方法。该方法首先借鉴Surendra背景模型的思路进行改进,采用多帧背景差法获取干净的背景图像,然后利用实时的视频图像和当前的背景图像进行绝对差分处理,最后通过Cauchy模型对整幅绝对差分图像上的点进行背景点和前景点判别,实现对复杂监视场景中目标的准确检测。针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标。

基于二次帧差背景提取的车辆追踪方法

针对智能交通系统对交通参数获取的实时性需求,利用背景的短时不变性,并结合帧差分法与背景差分法,提出一种运动车辆的追踪方法.该方法采用二次帧差法对背景快速提取,再对采用背景差分法获得的差分图像进行二值化,同时,为提高识别率对二值化图像进行了形态学操作,得到了较为完整的连通域.最后以帧间连通域的距离为依据,进行车辆追踪.实验结果表明,该方法具有良好的实时性和精确度以及鲁棒性,能够满足智能交通系统的实时需求.

基于图像块码本模型的监控视频背景参考帧生成方法

为解决背景参考帧受前景污染严重,以及传输背景参考帧导致的码率突增等问题,针对背景较稳定的监控视频,提出一种以图像块为基本单元的渐进式背景参考帧生成方法。所提方法建立了基于聚类的图像块码本模型,利用基于感知哈希的码元匹配,将视频序列中处于同一位置的图像块进行聚类;利用背景图像区域特性准确检测背景码元;利用码本模型从不同帧中检测出背景图像块生成完整的背景参考帧。实验结果表明,所提方法编码效率相比标准HM16.20在亮度分量上提升17.89%,有效提升了背景参考帧生成质量,且时间复杂度满足视频实时性需求。

融合实时交通状态信息的道路背景更新模型

针对道路背景的提取和更新效果受实时交通流状态影响的问题,提出了一种用于交通视频监控场景下的融合实时交通状态信息的道路背景更新模型和实现方法。该方法通过构建宏观交通状态参数特征集估计道路实时的交通状态信息,在传统方法基础上融合交通状态信息建立选择性背景帧提取模型,改进背景更新候选帧的选取条件,通过光照变化来估测道路背景的更新频率并自适应地提取背景更新区域。试验表明:该方法在道路交通顺畅和拥堵状态时,均能有效地提取道路背景,大大地提高背景更新的收敛速度。

基于背景构造的视频对象分割技术

基于背景帧通过变化检测技术分割视频对象时,背景构造和阴影消除是两个非常重要的问题。本文提出了一种稳健的背景构造技术,利用计数器累积判决像素点是否属于背景,使得构造的背景帧更加可靠,背景的自动更新可以自适应于光照的慢变化。最后,根据光反射模型消除了阴影的影响。

一种基于轮廓与背景消除的红外视频移动目标检测方案

针对红外视频的移动目标检测算法在还原目标时,目标的轮廓还原准确率较低的问题,提出一种基于轮廓与背景消除的红外视频移动目标检测方案。首先,从视频中选取一些不含目标对象的帧,对选取的帧进行统计处理并建立背景帧;分析背景的场景变化建立变化的自适应背景帧,并将背景帧的杂波过滤掉;然后,使用Canny边缘检测和K-means聚类检测目标轮廓并将目标轮廓从背景提取出来;使用形态学的边缘连通算法将目标轮廓进行关闭与Flood-fill填充处理获得目标对象的形状。对比实验结果证明,相较于其他红外视频移动目标检测算法,该算法获得了较好的目标轮廓与形状,同时,该算法的检测率与虚警率性能以及每帧的处理时间均较优。

基于背景模型的AVS-S编码

为提高监控视频的编码效率,在AVS监控伸展档次的编码框架下,提出一种新的背景帧更新方法,即迭代更新均值法.根据某一像素在前景区域和背景区域出现频率不同的原理来确定该像素点在某一帧中的性质.通过在监控视频Crossroad,Overbridge和Classover的测试比较,得到不同性质的像素点对应的背景模型像素值.结果表明,慢速运动物体难以从背景中消除的缺点得到一定程度的改进,同时加强了背景信息的完整性和提高了背景帧的质量.在同等码率和相同峰值信噪比的条件下,相比于AVS基准档次方法平均节省码率为43.283%,平均提高峰值信噪比1.186 dB,其监控视频的编码效率也得到了提升.

基于度量学习的毫米波雷达少样本人体动作识别

针对目前基于毫米波雷达的人体动作识别方法普遍需要大量的样本数据且计算复杂度较高的问题,提出了一种基于度量学习的毫米波雷达少样本人体动作识别方法。该方法首先对采集到的人体动作回波信号进行背景帧差处理得到校准后的帧数据,然后对其进行二维傅里叶变换(2D-FFT)获得距离-多普勒图,再对距离-多普勒图基于速度维投影法进行逐帧拼接来构造微多普勒时频谱图(DTM),最后使用基于残差的度量学习原型网络对8类人体动作的微多普勒时频谱图进行训练验证,实现了人体不同动作的识别。实验结果表明,所提方法在只有30个训练样本的情况下,8类动作的平均识别准确率可达到99.05%。

基于现场可编程门阵列的水果识别系统设计

针对目前大多数水果识别系统实时性差和成本较高的问题,本文提出一种基于现场可编程门阵列(FPGA)的水果识别系统。整体硬件设计包含图像采集、检测识别和显示模块。软件部分通过图像采集平台将水果图像存储至双倍数据率同步动态随机存储器(DDR3)控制模块,进行图像灰度化处理,并创造性地提出背景帧差法对水果图像进行分割。通过融合水果颜色和几何特征,实现对水果数量、颜色和种类的识别。整个水果识别系统在不同光照下对常见水果进行了测试。实验结果表明,水果平均识别准确率达到93.25%,识别速度约为16.67 ms,FPGA硬件资源消耗率仅占28.02%,可以满足实时性需求。

一种运动目标检测实时性和鲁棒性的方法

针对二帧差法和背景差法各自的不足提出建立在这两种方法基础之上的改进算法。该方法首先使用二帧差法对运动区域进行粗分割,并进行形态学膨胀处理来消除"空洞"影响。然后提出基于运动面积比的改进的自适应背景更新方法。最后采用背景帧差法对粗分割出来的运动区域进行细分割。该方法既保留了二帧差法和背景帧差法实时性能特点,同时解决了二帧差法中产生的"空洞"、"双影"现象和背景帧差法中由于光照变化等造成的背景更新误判现象,具有很强的鲁棒性。

基于雪天的车流量检测算法

目前传统的车流量检测方法容易受到恶劣天气等外界因素的影响,造成了误检率较高、实时性较差等问题,因此精确地检测出雪天下的汽车流量对于城市的智能交通具有重要的意义。本文首先采用的是改进的帧间差分法降低雪花对车流量检测的影响,然后以车辆的背景信息作为检测特征,利用改进的背景帧差和相邻帧差法降低车辆区域内的空洞对车辆检测造成的影响,保证车辆区域的完整性。最后统计驶入虚拟区域的车辆数目进行车辆计数,从而得到车流量信息,实现视频中该路段的车流量计算。经过大量实验表明本文提出的车流量算法提高了检测的准确性和实时性要求。

基于OpenCV和DirectShow的交通运动目标检测算法研究

针对运动目标的自动检测问题,提出了一种改进的背景差分算法,采用背景图像多帧平均进行背景的获取和更新,进一步检测出运动车辆轮廓。使用VC++6.0作为开发环境,结合DirectShow视频处理库和OpenCV图像处理库进行编程实现。通过对两个不同场景的实验结果表明该算法能正确地检测出运动车辆,能够满足实时性的要求。

基于DSP目标入侵检测系统的设计

随着计算机技术的快速发展,针对运动目标入侵检测的智能监控系统已成为生产和生活中一个重要的应用。本文以TI公司的TMS320DM642搭建视频处理平台,对采集的背景图像建立混合高斯背景模型,将实时图像与背景模型做像素比对,判断监控区域中是否存在运动目标。如果存在运动目标,则采用背景帧差法和连通性分析等相关技术对目标区域进行定位,并判断是否进入禁区。如果进入禁区,系统将实现报警提示,以保护监控区域安全。

基于卡尔曼滤波的考生异常行为检测与识别

为了利用考场的监控视频提高监考效率,节约人力资源,提出了结合累积背景差分与帧差进行异常检测,利用卡尔曼滤波跟踪学生异常行为并提取异常特征,使用Softmax分类器进行分类识别的方法,实现了考生异常行为的自动识别检测与分类。实验结果表明,能够对考生的异常行为进行有效的检测与分类,提高了考场监控能力。

基于Opencv的复杂交通运动目标检测算法研究

城市复杂交通场景中环境因素不可预测,针对运动目标的自动检测问题,提出一种改进的背景差分算法,采用背景图像多帧平均进行背景的获取和更新,利用改进的OSTU阈值进行差分图像分割并提取目标特征。在Opencv环境下,应用该算法对复杂交通场景下的运动目标车辆进行检测。实验结果表明,该算法能正确地检测出运动车辆,具有一定的有效性和可行性。

实时视频检测系统中背景更新及复杂目标定位算法

本文提出了针对固定背景帧差法的背景更新算法和多目标定位算法。在背景更新中,通过建立目标、噪声矩阵来保存图像的特征信息,利用分类的思想优化更新策略,基于像素对背景进行更新;在目标定位中,提出了基于目标对角线的连通判断模板,该模板不断生长进而检测目标的中心点和体积,可实现实时场景中多目标和形态差异目标的定位。户外实验证明了算法的健壮性和鲁棒性,可以实现背景更新和复杂目标识别。